Google如何用機器學習幫助藥物研發？

從在搜索中回答與健康相關的問題，到給開發者提供健身數據平臺，Google在我們的日常健康中越來越重要。但其實互聯網巨頭們也在努力加快研發治愈人類頑疾的關鍵藥物。

同斯坦福大學的Pande Lab合作，Google Research發表了一篇題為“針對藥物研發的大規模多任務網絡”的文章。該文章描述了如何用不同來源的數據，更好地確定哪種化合物將作為“治療多種頑疾的有效藥物”。

文章本身并沒有顯示任何重大醫學突破，它只是指出如何利用深度學習來處理巨大的數據庫，并加速藥物開發。深度學習指用大量數據訓練人工神經網絡系統，并從中提取出新信息。

Google Research博客的聯合撰稿人解釋說：

“這項工作一個令人鼓舞的結論是，模型能夠利用不同的實驗數據，提高多種疾病的預測精度。據我們所知，這也是首次對增加額外數據的效果進行量化檢驗，而且研究結果表明，更多的數據可以進一步的提高量化性能。”

Google表示，這次的工作量“比以往大18倍”，挖掘了200多個生物實驗的37.8萬個數據點。

隨著許多大型科技公司開始進軍深度學習領域，去年Twitter、Google和Yahoo都收購了深度學習創業公司，而Facebook和Baidu則聘用了大量的員工來研發這一領域，Netflix和Spotify也在開展相關工作。

另外，我們也不斷看到未來的醫療如何倚重機器人、技術分析和人工智能。對于疾病治療，它也同樣越來越多依賴人工智能、大數據和深度學習，這和我們在Google和斯坦福的這項研究中看到的一樣。

通過自動化和提高預測技術，這不僅加快了藥物的研發過程，而且降低了成本。發現新治療方法是一個高難度挑戰，藥物的各方面必須直擊疾病的源頭，同時還要滿足嚴格的代謝和毒性的限制。而傳統的藥物研發需要許多年才能完成，并且研發過程中失敗率很高。

簡而言之，對數百萬的化合物進行測試需要很長的時間，因此任何能增加成功組合幾率的事，都是一件好事，而這也是機器學習可能有所幫助的地方。

via vb

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。