科学家利用人工智能研究出了什么成果

现在已经步入2021年了，回顾过去2020整年，科学家们在利用人工智能研究出了多项重要成果，本文对2020年度科学家在人工智能研究中取得的重磅级研究进行了整理。

【1】Nat Med：开发出新型AI诊断工具 不需要进行检测就能预测COVID-19的感染风险

doi：10.1038/s41591-020-0916-2

近日，一项刊登在国际杂志Nature Medicine上的研究报告中，来自伦敦大学国王学院等机构的科学家们通过研究开发了一种人工智能诊断技术，其能根据机体症状来帮助预测个体患COVID-19的可能性。这种AI模型能利用来自COVID症状研究app中的数据，通过对比个体的症状和传统COVID检测的结果来预测一个人患COVID-19的风险，这就能帮助检测受限的确的人群进行COVID-19的筛查，目前在英国和美国的两项临床试验即将开始。

全球有超过330万人下载了该app，并且利用其来记录自身每天的健康状态，比如其是否感觉良好或有什么新的疾病症状，比如持续咳嗽、发烧、疲劳及味觉丧失等。文章中，研究人员对定期在app中记录自身健康状况、来自英国和美国250万人的数据进行分析，其中约有三分之一的人群记录了与COVID-19相关的症状，有18374名个体表示曾经接受过冠状病毒的检测，有7178人为阳性结果。

【2】Cell：AI从超1亿个分子中预测强力抗生素，杀伤超级耐药细菌

doi：10.1016/j.cell.2020.01.021

一项开创性的机器学习方法已经从1亿多个分子中识别出了强大的新型抗生素，包括一种可以对付多种细菌的分子--包括肺结核和被认为无法治愈的菌株。研究人员表示，这种名为halicin的抗生素是第一个被人工智能发现的抗生素。尽管人工智能以前曾被用于协助抗生素发现过程的某些部分，但他们表示，这是人工智能首次在不使用任何人类假设的情况下，从零开始识别出全新种类的抗生素。这项研究由剑桥麻省理工学院的合成生物学家Jim Collins领导，发表在Cell杂志上。

研究者Jacob Durrant表示，这项研究意义非凡。他说，研究小组不仅确定了候选分子，还在动物实验中验证了有希望的分子。更重要的是，这种方法也可以应用于其他类型的药物，如用于治疗癌症或神经退行性疾病的药物。细菌对抗生素的耐药性在全球范围内急剧上升，研究人员预测，除非紧急开发新的药物，否则到2050年，耐药感染每年可能导致1000万人死亡。但在过去的几十年里，新抗生素的发现和监管审批都有所放缓。人们不断地发现同样的分子，我们需要新的化学反应和新的作用机制。

【3】Nat Biomed Engine：科学家有望利用人工智能技术来预测人群患心血管疾病的风险

doi：10.1038/s41551-020-00626-4

近日，一项刊登在国际杂志Nature Biomedical Engineering上的研究报告中，来自新加坡全国眼科中心等机构的科学家们通过研究开发了一种新方法利用人工智能技术来预测个体患心血管疾病的风险，文章中，研究者描述了如何利用视网膜血管扫描作为深度学习系统的数据源，从而教会该系统如何识别人群患心血管疾病的迹象。

100多年来，临床医生一直会观察病人的眼睛来寻找其视网膜血管的变化，这些变化能够反映个体在一段时间内遭受高血压所带来的影响，而诸如这种影响或许是心血管疾病即将发生的征兆，而随着时间推移，医学科学家们就开发出了特殊仪器来帮助眼科大夫更好地观察眼睛中最容易受到高血压影响损伤的部分，并能将其作为诊断高血压患者的一个关键部分，但诸如此类工具仍然需要医疗专业技术人员对患者的诊断做出最后的决定，这项最新研究中，研究人员就能够教会人工智能系统识别人群机体出现的相同类型的症状，其并不需要人类人为地干预。

【4】Nature解读!新型人工智能技术如何揭开病毒控制细胞内部改变的奥秘!

doi：10.1038/s41586-020-2714-x

日前，一项刊登在国际杂志Nature上题为“Cytoplasmic control of intranuclear polarity by human cytomegalovirus”的研究报告中，来自美国西北大学等机构的科学家们通过研究开发了一种新型的AI技术(人工智能技术)，其或能帮助识别病毒如何控制细胞内的变化。研究者指出，病毒可以控制细胞核内的结构和遗传极性，这一研究结果强调了感染过程中基因组组织的重要性，以及AI技术到底能在多大程度上帮助科学家们识别复杂的细胞内改变。

病毒能以多种方式控制细胞，从存在于细胞核中能直接控制基因表达的病毒蛋白，到能在细胞表面或细胞质中发挥作用能控制细胞信号网络的蛋白等，研究者表示，在各种情况下(包括在病毒感染期间)，细胞核如何以及为何会移动并重组，或许还是后期需要进行深入研究的一个问题。研究任何细胞内过程的一个核心问题就是，在细胞培养物中的每个单一细胞发生的事件到底有多大的异质性，在感染过程中我们可以有一些未发生感染的细胞，其中一些感染失败，而在那些被感染的细胞中，每个细胞都处于不同的感染阶段，这在实验上或许很难控制或者同步化。

【5】Nat Rev Neurol：人工智能技术或有望加速并改善阿尔兹海默病的诊断

doi：10.1038/s41582-020-0377-8

近日，一项刊登在国际杂志Nature Reviews Neurology上的研究报告中，来自谢菲尔德大学等机构的科学家们通过研究表示，利用人工智能(AI)或能帮助快速诊断阿尔兹海默病并改善患者的预后;文章中，研究人员分析了在医疗领域中如何使用AI来帮助改善常见神经变性疾病给英国国民健康保险制度(NHS)所带来的时间和经济的影响，比如阿尔兹海默病和帕金森疾病等。

很多神经性障碍的主要风险因素是年龄，随着全球人群预期寿命的延长，患有神经变性疾病的患者的数量预计也会达到前所未有的数量，研究者预测，截止到2050年，仅阿尔兹海默病患者的数量就会增加两倍，达到1.15亿，这对健康卫生系统会带来一定的挑战;这项研究中，研究人员利用AI技术(比如机器学习算法)在疾病症状恶化前检测神经变性疾病，这就能够改善患者因成功疾病修饰疗法而获益的机会。

【6】Nat Metabol：新型算法或能利用人工智能技术来帮助管理1型糖尿病患者

doi：10.1038/s42255-020-0212-y

近日，一项刊登在国际杂志Nature Metabolism上的研究报告中，来自俄勒冈健康与科学大学等机构的科学家们利用人工智能和自动化的监测手段开发出了一种新方法，其或能帮助1型糖尿病患者更好地管理自身的血糖水平。研究者Nichole Tyler博士表示，我们的系统设计非常独特，文章中我们完全利用特殊的数学模拟器来设计人工智能算法，然而，当这种算法在1型糖尿病患者的真实数据上得到验证时，其所产生的建议与内分泌学家提出的建议高度相似。这一点非常重要，因为糖尿病患者常常需要3-6个月时间才能与内分泌科的医生进行预约和诊治。

在这段时间里，如果患者机体血糖水平过高或过低的话，其就可能存在出现危险并发症的风险，1型糖尿病患者自身无法产生足够的胰岛素，因此其就必须通过使用胰岛素泵或每天多次胰岛素的注射来控制血糖，这项研究中，研究人员所开发出的这种新型算法能利用从连续葡萄糖监测设备和无线胰岛素笔收集的数据从而为患者的治疗提供指导。当与一种名为DailyDose的手机app配合使用时，该算法的推荐结果显示，其在67.9%的时间里与医生的意见一致。

【7】Nature：诊断乳腺癌 人工智能完胜人类专家!

doi：10.1038/s41586-019-1799-6

近日，一项刊登在国际杂志Nature上的研究报告中，来自谷歌健康公司的科学家们通过研究开发出了一种新型的计算机程序，其能通过常规扫描，以比人类专家更高的准确率对乳腺癌进行诊断和检测。乳腺癌是女性群体中最常见的一种癌症类型，仅去年一年就有超过200万的新确诊病例，在没有明显症状的患者群体中，进行定期筛查对于发现疾病的早期症状至关重要;在英国，50岁以上的女性会被建议每三年进行一次乳腺X光检查，同时检查结果由两位独立的专家进行分析。

但对扫描结果的解读往往留有出错的余地，而且在所有乳腺X光检查中，有一小部分结果会被出现假阳性(将健康人群误诊为患有癌症)或假阴性(将疾病阳性误诊为阴性)。这项研究中，研究人员通过研究，成功利用人工智能模型对英国和美国的数千名女性进行乳腺癌的扫描检测;这些图像在现实生活中已经被医生分析检查过了，但与临床环境不同的是，机器(人工智能算法)并没有依据病人的病史来进行疾病的诊断。

【8】Cell：综述深度解读!机器学习如何带来生物医学研究的变革!

doi：10.1016/j.cell.2020.03.022

日前，一篇刊登在国际杂志Cell上题为“How Machine Learning Will Transform Biomedicine”的综述文章中，来自俄勒冈健康科学大学的研究人员论述了机器学习技术在改善疾病诊断和治疗方面的应用，文章中，研究人员概述了机器学习如何改变生物医学三大领域的，即临床诊断、精准疗法和健康监测;其目的是通过监测一系列疾病的发生和正常衰老过程来维持人类机体健康，对于每一个领域而言，研究人员讨论了机器学习的早期成功应用案例，以及机器学习所面临的机遇和挑战，当这些挑战得到满足时，机器学习或有望成为一种严格、机遇结果的医学手段，其有望不断适应个体和环境的差异来进行疾病的诊断并开发有效的策略。

机器学习技术能利用复杂的算法在大规模、异质性数据集中进行运行，从而发现那些即使是训练有素的研究人员也很难或不可能识别出的有用模式，这种方法已经在整个科学和社会上有很多应用，比如从玩游戏、到产品推荐、再到控制自动驾驶汽车上等;在生物医学方面、人类基因组项目、癌症全基因组项目、国际机器学习竞赛项目等项目上都表现出了巨大的潜力，收集并分析与医学疗法和患者预后相关的大量数据集或能将医学转化称为一种数据驱动、以结果为导向的学科，其对于疾病的检测、诊断都有着非常深远的影响。

【9】Nature：科学家成功利用机器学习技术对肺癌患者进行早期诊断

doi：10.1038/s41586-020-2140-0

日前，一项刊登在国际杂志Nature上的研究报告中，来自斯坦福大学等机构的科学家们通过研究或有望利用机器学习手段来检测人类患者机体中的早期肺癌，文章中，研究人员分析并检测了这种机器学习系统，以及其寻找血液样本中的循环肿瘤DNA(ctDNA)的能力。肺癌是一种最常见的致死性癌症，与很多癌症一样，肺癌发现得越早，患者的生存机会就越大;但很不幸的是，目前研究人员仅能通过CT扫描来对肺癌进行诊断，这种检测手段不仅昂贵而且假阳性率较高，基于这一原因，研究人员一直想通过研究开发出能在早期阶段对肺癌进行诊断的血液检测手段。

新型的血液检测手段将会涉及对血液样本中的ctDNA进行筛查，随后研究者开始转向开发机器学习系统，此前研究结果表明，利用机器学习技术有望识别出早期乳腺癌和其它类型的癌症。这项研究中，研究人员训练机器学习模型，使其能够识别出与非小细胞肺癌相关的数据参数，一旦该机器模型进行了训练，其就能对既定患者的肺癌风险进行有效评估。

【10】GigaScience：在全球首次开发基于人工智能技术的VariantSpark平台 能对一万亿个基因组数据进行分析并找出多种致病基因

doi：10.1093/gigascience/giaa077

日前，一篇发表在国际杂志GigaScience上的研究报告中，来自澳大利亚联邦科学与工业研究组织(CSIRO)等机构的科学家们在世界上首次通过利用基于人工智能技术的VariantSpark平台来处理一万亿个基因组数据，该平台还能帮助锁定人类基因组中特定疾病致病基因的具体位点。

人类基因组是一个完整的DNA集合，其包含超过30亿个DNA碱基对，研究者表示，通过分析大规模的基因组数据库，人工智能(AI)要比传统方法在更短的时间内对多种复杂疾病进行更加深入地分析，VariantSpark平台能分析诸如疾病和易感性等特性，从而揭示诱发疾病的具体基因;这或许就能在分子水平上提供关于疾病发病机制的重要信息，以便后期开发新型靶向性疗法，VariantSpark平台目前已经被用来识别与心血管疾病、运动神经元疾病、痴呆症及阿尔兹海默病相关的致病基因了。

人工智能将不断影响我们的生活，未来人工智能更加普遍。