教育新闻网人工智能(AI)是一支强大的力量，已经在重塑我们的生活，环境和互动。它可以定义为一个程序，其目的是产生类人的认知过程，甚至可能改善它们。人工智能具有很多方面：它可以像在游戏程序中一样是算法上的，也可以像在自动驾驶汽车中那样采用控制理论的方法。它也可能表现为语言能力，创造力，空间推理，学习和许多其他能力。我们现在认识到，人工智能已经开始大举进入生命科学领域，例如使用机器学习从巨大的生物学数据中发现，结合各种类型的健康记录和基因组数据，发现新药或药物靶标，发现新的细胞类型组，进行诊断或自定义健康程序(如精密医学)。
如今，生命科学行业在很多领域都有效地使用了AI。以下各节描述了其中六个领域。
推进诊断
鉴于完整的组织学切片的数字化技术的进步，可以进行所有的显微镜放大，组织病理学图像分析和自动诊断对于AI来说已经成熟。AI和模式识别，结合复杂的算法和自动免疫组织化学测量系统，使高级病理学家能够监督分析并专注于更困难的病例。
推进新产品研究
生命科学公司正在探索如何利用AI来识别现有产品的新适应症或研究新候选人。示例包括但不限于：
•使用复杂的学习算法来挖掘现实世界中的结构化和非结构化数据，以发现见解，从而可以确定疾病的新机制，潜在的新领域扩展以及临床前实验设计。
•可以填补候选人如何作用于蛋白质以帮助设计新药方面的知识空白。
•可以从商业，科学和法规文献中实时提取知识，使研究人员能够识别竞争性空白，消除研究中的盲点，并发现疾病的相似性。
加快药物开发
在整个行业中，从发现到发布，产品开发的时间范围从7到10年不等，并着眼于将产品开发的时间缩短到5至7年。人工智能和机器学习的进步减少了开发，制造和推出新的患者疗法所需的时间，从而缩短了总体产品开发时间表。科学家们正在整合研究数据，实验室数据和临床数据，并结合整个药物开发领域的新信息来源(例如社交媒体和可穿戴设备)，以全面了解药物开发候选者。改进的实时获取和挖掘数据的方式使科学家能够使用AI和机器学习更快地做出改进的决策，这将加速产品开发和扩大规模的过程。
提高临床试验透明度的合规性
合规性通常是公司的负担，并且需要一种在满足法规要求的同时降低成本的方法。欧洲药品管理局(EU)的政策0070和0043是最近引入的法规示例，要求公司在临床报告中匿名或编辑患者信息。尽管可以使用通才自动化工具，但许多工具不能满足满足策略要求所需的精度。利用基于定制NLP技术的高级算法，结合了特定于科学的分类法和文本挖掘模型，新的应用正在涌现。使用这些高级模型，可以识别可能需要修改或匿名化的关键字，短语和数据模式(例如不良事件日期)。
改善临床部位选择并加快患者识别
将近80%的临床试验未能满足其患者入组截止日期。将未分析的历史结构化和非结构化临床试验数据结合到高级AI模型中，可以通过突出显示高概率目标来改善和加速临床部位和患者选择的决策。在积极的临床计划期间继续使用高级AI模型可实现实时调整和过程更正。在临床试验开始时就参与高概率成功目标，并愿意进行实时路线修正，这增加了满足患者入组时间表的可能性。
