人工智能AI（Artificial Intelligence）無疑是近年來最熱門的概念。最近，“AI製藥”也成為了醫藥領域的熱搜詞，國內外許多大型藥物研發機構紛紛引進AI，希望通過AI技術縮短新藥研發的週期及成本。AI技術是一種時下興起的計算機科學類技術，可以對人的意識、思維的信息過程進行模擬。而AI製藥，則是將來自實驗室的理化數據、各種期刊文獻中的研究成果以及臨床數據等原本沒有關聯的離散的數據聯通並整合在一起，成為能提供理論指導和實際應用價值的底層核心，並利用深度學習開發虛擬篩選技術取代或增強傳統的高通量篩選（HTS）過程，進而提高篩選的速度和成功率。
AI已在多個方面用於對抗冠狀病毒（COVID-19），包括監測傳播，尋找有效藥物，開發療法以及定製嵌入有用情報的可穿戴衣服。這是對正在進行的工作的調查：
abcNews的一個帳戶說，波士頓兒童醫院的一個團隊正在使用機器學習來搜索社交帖子，新聞報道，公共衛生渠道的數據以及醫生提供的信息，以警告病毒正在傳播的跡象。
波士頓兒童基金會首席創新官約翰·布朗斯坦博士說：“難以置信的數據被鎖定在各種工具中，例如在線新聞網站，社交媒體，眾包，數據源，您不會想到這些工具會被用於公共衛生。”醫院。“但是實際上，它們擁有令人難以置信的大量信息，而您在任何類型的傳統政府系統中都找不到。”
BCS的Brownstein的HealthMap團隊正在從醫生報告潛在病例的地理區域中尋找提及特定症狀的社交帖子，這些症狀指示呼吸系統問題和發燒。結果是一張圖，該圖代表病毒進展的實時跟蹤。
布朗斯坦說：“無論是社交媒體，在線新聞報道，博客，聊天室，我們都在尋找有關症狀，疾病報告的線索，這些信息告訴我們正在發生的獨特事件。”
澳大利亞團隊使用預測分析
澳大利亞的一個團隊正在將AI與預測分析一起使用，以預測未來幾周內的死亡人數和確診病例。
研究小組說：“制定應急計劃並希望避免冠狀病毒的最嚴重影響，政府需要能夠預測爆發的未來過程。”研究團隊包括西悉尼大學數據科學博士學位候選人貝拉爾·阿爾辛拉維（Beal Alsinglawi）。 ; 澳大利亞CQ大學信息與通信技術講師Mahmoud Elkhodr；以及西悉尼大學以人為中心的計算和人機交互的高級講師Omar Mubin。
該小組預測，到3月31日，全球死亡人數將超過4,500，已確診病例將達到150,000。他們指出，鑑於歷史數據有限（但仍在構建中）並且對確定COVID-19傳播率的變量的瞭解有限，該模型最適合於短期預測。這項工作已在新西蘭的NewsHub上報道。
為了創建模擬，該團隊從約翰霍普金斯大學系統科學與工程中心提供的在線存儲庫中提取了可追溯至1月22日的冠狀病毒數據。數據帶有時間戳，表明已確診的COVID-19病例的數量和位置，包括康復者和死亡者。
該團隊使用時間序列預測來基於先前觀察到的值來預測未來值，該技術被證明適合於預測疾病的爆發。仿真通過時間序列預測模型Prophet進行；數據是使用Python編程語言輸入的。這些預測與基於GPS跟蹤的基於位置的服務相結合，以提供見解，以幫助政府實施應急計劃以減緩病毒的傳播。
研究小組表示：“病毒的傳播受到許多因素的影響，包括診斷速度，政府反應，人口密度，公共醫療質量和當地氣候。” 他們預計不同地區的COVID-19增長率會有所不同。
私營企業響應太快
私營企業也正在應對這種威脅。根據VentureBeat的一個帳戶，BlueDot堅持認為，在世界衛生組織之前九天就認識到中國肺炎高發的重要性。BlueDot是為應對SARS疫情而成立的。它使用自然語言處理來掠過成千上萬個來源，以陳述有關人類或動物健康的信息。
來自中國武漢大學人民醫院，武漢恩多天使醫療技術公司和中國地質大學的研究人員創建的深度學習模型正在檢測COVID-19，他們聲稱其準確性為95％。該模型接受了51例實驗室確認的COVID-19肺炎患者的CT掃描和超過45,000例匿名CT掃描圖像的訓練。
深度學習模型顯示出與放射線專家相媲美的性能。該研究小組在“ 預印本”（尚未審查）中 說：“它具有巨大的潛力，可以減輕一線放射科醫生的壓力，改善早期診斷，隔離和治療，從而有助於控制流行病。” 模型，發佈在medrxiv.org。研究小組報告說，該模型可以使通過CT掃描確認病例的速度提高65％。在武漢中南醫院的另一項努力中，來自Infervision的機器學習正在培訓數十萬臺CT掃描，以幫助檢測。
華中大學人工智能與自動化學院及其他部門的研究人員稱，使用武漢同濟醫院的臨床數據對確診為COVID-19病例的患者的存活率進行了預測，準確率超過90％。中國科學技術。研究小組表示，可以從300多個實驗室或臨床結果中汲取經驗。
在與中國政府合作的上個月在arXiv上發表的題為“ 深度學習用於冠狀病毒篩選的深度學習 ”的論文中，研究人員描述了一個模型，該模型使用多個卷積神經網絡（CNN）模型對CT圖像數據集進行分類，以計算感染可能性。初步結果表明該模型能夠預測COVID-19，A型流感病毒性肺炎和健康病例之間的差異，準確度為86.7％。
該深度學習模型接受了來自武漢三所醫院的流感患者，COVID-19患者和健康人的CT掃描訓練，其中包括來自110例COVID-19患者的219張圖像。
為了幫助找到治療方法，舊金山的一家醫療保健公司Sage Health發起了一項冠狀病毒藥物發現大賽，向前三名獲得者提供3500美元的獎金。他們是：Matt O'Connor（中國香港），Thomas MacDougall（加拿大蒙特利爾）和Tinka Vedovic（克羅地亞薩格勒布）。
O'Connor獲獎的AI算法將一種名為Remdesivir的化合物鑑定為COVID-2019的最有希望的治療方法，因為它與冠狀病毒主要蛋白酶對接時具有很高的抑制潛力。最近顯示，雷姆昔韋可有效治療首例美國感染COVID-2019的患者。目前正在接受FDA批准的臨床試驗。
Sage Health聯合創始人John Billings博士說：“這些結果表明，由於許多競爭者都是獨立開發商，因此該過程不再僅限於數十億美元的藥品。免費和公共數據，算法和教育的興起使毒品發現民主化前所未有。”
Sage Health表示將把得分最高的化合物瑞姆昔韋捐贈給武漢病毒學研究所進一步分析。
加利福尼亞門洛帕克市的SRI International和巴黎的Iktos 宣佈了另一項旨在加速發現和開發包括COVID-19和流感在內的新型抗病毒療法的合作。兩家公司計劃將SRI的自動合成化學平臺SynFini與Iktos的 AI技術結合起來，以加速目標分子的設計和生產。
Iktos AI技術基於深層生成模型，可幫助自動設計具有新穎藥物候選者所有理想特徵的虛擬新穎分子。據說這可以對分子進行快速迭代的鑑定，這些分子可以驗證多種生物活性屬性和類似藥物的標準以進行臨床測試。
“ Iktos的生成式AI技術已經證明了其價值和與多家知名製藥公司合作開展加速藥物發現計劃的潛力。我們渴望將其應用於SRI的核酸內切酶（酶）計劃，並希望我們的合作能夠有所作為，並加快鑑定COVID-19的有希望的新治療選擇，” YannGaston-Mathé表示，和Iktos的首席執行官。
Iktos的聯合創始人兼首席執行官YannGaston-Mathé
SRI SynFini平臺旨在加速化學物質的發現和開發，旨在更快，更經濟地將新藥帶入臨床。閉環SynFini系統可自動進行目標分子的設計，反應篩選和優化（RSO）和生產。
SRI生物科學部首席戰略官兼SynFini計劃負責人內森·柯林斯（Nathan Collins）博士說：“ SynFini系統具有極大地加速小分子藥物發現的潛力。“我們期待探索Iktos的AI驅動的生殖分子與SynFini的整合如何支持快速有效地發現用於治療新興傳染病的新藥物。”
波士頓的Biofourmis在香港工作
香港正在使用來自波士頓Biofourmis的可穿戴AI技術，對診斷或疑似COVID-19的患者制定一項遠程監測和疾病監視計劃。該計劃由香港大學管理，其中包括總部位於香港的Harmony Medical，這是Biofourmis在中國地區的合資夥伴。
Biofourmis的Biovitals Sentinel平臺正在監視已診斷並可能感染COVID-19的患者，該公司專門為此計劃開發了一種解決方案。該產品定製了FDA批准的，由AI驅動的Biovitals Analytics平臺。Biovitals Sentinel的24/7遠程監控技術和分析功能可為參與COVID-19計劃的臨床醫生提供臨床決策支持，以儘早發現可能表明病情惡化的任何生理變化，並支持早期干預以取得更好的療效。
“該計劃的目標是對患者進行遠程監測，並識別表明患者病情惡化的與COVID-19相關的生理生物標誌物，”香港大學醫學系醫學博士David Chung Wah Siu教授說。“我們希望我們的共同努力也將迅速導致人們對COVID-19的流行病學有了更好的瞭解，以便隨著更多人被感染，我們可以改善公民以及全球社會的成果。”
該公司的Everion傳感器戴在在家或臨床環境中隔離的患者的手臂上。分析將從傳感器數據中獲取20多個生理信號，包括溫度，心率，脈搏波，心率變異性，呼吸率，心跳間隔和其他。這些信號然後通過先進的AI和機器學習技術進行饋送，以標記可能指示疾病進展的關鍵生理變化。
Biofourmis首席執行官Kuldeep Singh Rajput
Biofourmis首席執行官Kuldeep Singh Rajput說：“與COVID-19惡化相關的這些生物標記物越早被識別，醫療保健提供者就可以越早介入並預防嚴重的醫學問題。” “我們目前知道常見症狀，但我們仍在學習這種冠狀病毒株如何影響人體。該計劃將是實現這一重要目標的關鍵步驟。當像COVID-19這樣的大流行病蔓延開來，那麼多未知的事情時，每一秒都很重要。”
閱讀更多 瘋子DK 的文章
