1、斯坦福大學(xué)：基因組學(xué)和機(jī)器學(xué)習(xí)成功預(yù)測(cè)動(dòng)脈瘤風(fēng)險(xiǎn)

　　根據(jù)發(fā)表在《細(xì)胞》雜志上的一項(xiàng)研究，斯坦福大學(xué)的科學(xué)家們開發(fā)了一種利用基因組學(xué)和機(jī)器學(xué)習(xí)來預(yù)測(cè)腹主動(dòng)脈瘤（AAA）的方法。 據(jù)斯坦福大學(xué)遺傳學(xué)教授兼主席Michael Snyder博士介紹，該團(tuán)隊(duì)使用的方法是“不可知論(agnostic)”。他們沒有事先懷疑特定基因可能在AAA中發(fā)揮作用。相反，而是將患者的遺傳信息輸入算法并“讓機(jī)器學(xué)習(xí)解決問題”。具體而言，他們不是試圖將這種疾病與個(gè)體基因突變聯(lián)系起來(如測(cè)試BRCA1或BRCA2突變以預(yù)測(cè)乳腺癌風(fēng)險(xiǎn))，而是用機(jī)器學(xué)習(xí)分析了268名AAA患者的基因組數(shù)據(jù)，以尋找突變模式。研究小組最終確定了60個(gè)在AAA患者中高度突變的基因。為了進(jìn)一步驗(yàn)證，研究人員又檢測(cè)了133名健康人的基因組，沒有發(fā)現(xiàn)相同的異常突變模式。研究人員報(bào)告說，該算法結(jié)合基因組測(cè)序，預(yù)測(cè)AAA風(fēng)險(xiǎn)的準(zhǔn)確率能達(dá)到70%。

　　2. Insilico發(fā)布深度生成對(duì)抗網(wǎng)絡(luò)(GAN)最新研究成果

　　9月11日，Insilico Medicine，一家位于羅克維爾，專門將深度學(xué)習(xí)應(yīng)用于靶標(biāo)識(shí)別、藥物發(fā)現(xiàn)和抗衰老研究的下一代人工智能公司，宣布在美國化學(xué)學(xué)會(huì)雜志《Molecular Pharmaceutics》上，發(fā)表一項(xiàng)題為“使用糾纏條件性對(duì)抗自動(dòng)編碼器進(jìn)行從頭藥物發(fā)現(xiàn)(Entangled Conditional Adversarial Autoencoder for de-novo Drug Discovery)”的最新研究。論文描述了一種原創(chuàng)的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)——糾纏條件對(duì)抗自動(dòng)編碼器(ECAAE)，它能夠基于對(duì)分子特性的各種要求產(chǎn)生分子結(jié)構(gòu)，如對(duì)特定蛋白質(zhì)的活性、溶解度和合成的簡便性。研究人員使用ECAAE生成針對(duì)類風(fēng)濕性關(guān)節(jié)炎，牛皮癬和白癜風(fēng)的新型JAK3抑制劑。并且，這些分子在體外測(cè)試中顯示出高活性和選擇性。2014年，Ian Goodfellow博士及其同事提出的生成對(duì)抗網(wǎng)絡(luò)(generative adversarial networks，GAN)，通常被稱為“AI想象”，是AI研究中最激動(dòng)人心的領(lǐng)域之一。Insilico Medicine是將GAN架構(gòu)應(yīng)用于生成新型分子結(jié)構(gòu)的領(lǐng)先公司之一。

　　3. 無創(chuàng)檢測(cè)高鉀血癥，AI軟件獲得FDA突破性設(shè)備認(rèn)定

　　9月10日，人工智能的創(chuàng)新公司AliveCor宣布，美國FDA已經(jīng)授予該公司的KardiaK軟件平臺(tái)突破性設(shè)備認(rèn)定。 KardiaK平臺(tái)無需患者血液，就可以篩查血鉀升高——高鉀血癥。該技術(shù)采用專有的深度神經(jīng)網(wǎng)絡(luò)，使用心電圖(ECG)數(shù)據(jù)檢測(cè)高鉀血癥，這些數(shù)據(jù)可以用AliveCor的KardiaMobile和KardiaBand設(shè)備捕獲。目前，測(cè)量鉀水平的黃金標(biāo)準(zhǔn)是血液測(cè)試，但測(cè)試是侵入性的，需要在實(shí)驗(yàn)室中進(jìn)行，對(duì)患者來說不方便。AliveCor希望能讓腎病患者記錄心電圖并在家中使用KardiaK。無創(chuàng)且方便，不流血的KardiaK平臺(tái)有望改變高鉀血癥的診斷標(biāo)準(zhǔn)。

　　4. 柳葉刀子刊：無需活檢，AI可以從CT圖像預(yù)測(cè)免疫療法效果

　　近日，發(fā)表在《The Lancet Oncology（柳葉刀腫瘤學(xué)）》上的一項(xiàng)最新研究發(fā)現(xiàn)，人工智能可以通過分析CT圖像獲得個(gè)體化的“放射學(xué)特征（radiomic signature）”，預(yù)測(cè)患者對(duì)免疫療法的反應(yīng)，而無需進(jìn)行活檢。 以CD8細(xì)胞作為PD-1和PD-L1單藥療法的成像生物標(biāo)志物，該算法通過計(jì)算腫瘤的淋巴細(xì)胞浸潤水平，提供療效的預(yù)測(cè)評(píng)分。這項(xiàng)回顧性研究通過基因組學(xué)，組織學(xué)和臨床分析，驗(yàn)證500名不同實(shí)體瘤患者的放射學(xué)特征。算法從其他包含基因組數(shù)據(jù)和CT掃描結(jié)果的研究中提取相關(guān)信息并學(xué)習(xí)。為了測(cè)試實(shí)際應(yīng)用效果，研究人員使用該算法評(píng)估了在五個(gè)參加免疫療法1期試驗(yàn)的受試者，分析他們治療之前的CT掃描圖像。結(jié)果發(fā)現(xiàn)，放射學(xué)評(píng)分較高的患者在3-6個(gè)月時(shí)的治療效果較好，并且總體生存率更高。