Google如何用机器学习帮助药物研发？
2015-03-05 墨痕 雷锋网
从在搜索中回答与健康相关的问题，到给开发者提供健身数据平台，Google在我们的日常健康中越来越重要。但其实互联网巨头们也在努力加快研发治愈人类顽疾的关键药物。 同斯坦福大学的Pande Lab合作，Google Research发表了一篇题为“针对药物研发的大规模多任务网络”的文章。该文章描述了如何用不同来源的数据，更好地确定哪种化合物将作为“治疗多种顽疾的有效药物”。 文章本身并没有显示任
从在搜索中回答与健康相关的问题，到给开发者提供健身数据平台，Google在我们的日常健康中越来越重要。但其实互联网巨头们也在努力加快研发治愈人类顽疾的关键药物。
同斯坦福大学的Pande Lab合作，Google Research发表了一篇题为“针对药物研发的大规模多任务网络”的文章。该文章描述了如何用不同来源的数据，更好地确定哪种化合物将作为“治疗多种顽疾的有效药物”。
文章本身并没有显示任何重大医学突破，它只是指出如何利用深度学习来处理巨大的数据库，并加速药物开发。深度学习指用大量数据训练人工神经网络系统，并从中提取出新信息。
Google Research博客的联合撰稿人解释说：
“这项工作一个令人鼓舞的结论是，模型能够利用不同的实验数据，提高多种疾病的预测精度。据我们所知，这也是首次对增加额外数据的效果进行量化检验，而且研究结果表明，更多的数据可以进一步的提高量化性能。”
Google表示，这次的工作量“比以往大18倍”，挖掘了200多个生物实验的37.8万个数据点。
随着许多大型科技公司开始进军深度学习领域，去年Twitter、Google和Yahoo都收购了深度学习创业公司，而Facebook和Baidu则聘用了大量的员工来研发这一领域，Netflix和Spotify也在开展相关工作。
另外，我们也不断看到未来的医疗如何倚重机器人、技术分析和人工智能。对于疾病治疗，它也同样越来越多依赖人工智能、大数据和深度学习，这和我们在Google和斯坦福的这项研究中看到的一样。
通过自动化和提高预测技术，这不仅加快了药物的研发过程，而且降低了成本。发现新治疗方法是一个高难度挑战，药物的各方面必须直击疾病的源头，同时还要满足严格的代谢和毒性的限制。而传统的药物研发需要许多年才能完成，并且研发过程中失败率很高。
简而言之，对数百万的化合物进行测试需要很长的时间，因此任何能增加成功组合几率的事，都是一件好事，而这也是机器学习可能有所帮助的地方。
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Google#
58
#研发#
0
#药物研发#
22
#机器#
30
?
104
通过自动化和提高预测技术，这不仅加快了药物的研发过程，而且降低了成本。发现新治疗方法是一个高难度挑战，药物的各方面必须直击疾病的源头，同时还要满足严格的代谢和毒性的限制。而传统的药物研发需要许多年才能完成，并且研发过程中失败率很高。
94
发展太快
142