G可解释生物医学

文章插图

近日，第六届全球人工智能与机器人大会（GAIR 2021）在深圳正式启幕，140余位产学领袖、30位Fellow聚首，从AI技术、产品、行业、人文、组织等维度切入，以理性分析与感性洞察为轴，共同攀登人工智能与数字化的浪潮之巅。
在医疗科技高峰论坛上，AIMBE Fellow、深圳理工大学计算机科学与控制工程院院长潘毅以《人工智能在生物医疗学工程中的应用》为题，分别讲述了医药研究中的数据特征、AI应用生物医学的研究案例，以及知识和数据对医疗AI的重要性。
今年2月，潘毅教授当选为美国医学与生物工程院院士。
他同时是英国皇家公共卫生学院院士、乌克兰国家工程院外籍院士、英国工程技术学会会士，在计算机和生物信息领域已发表250多篇SCI期刊论文，其中100多篇发表于顶尖期刊。
潘毅教授表示，当大家关注到事物之间的关系，用万物互联的思路解决问题，用AI探索万物互联，不仅能输出定量化病理诊断和疾病预后，还能推动病理研究向着更加自动化、更加精准的方向发展。
“今天很多的医药进步，已经不仅是通过临床实验做出来的，还是用数据分析出来的。人工智能的解释是逆向工程，这个工作非常复杂，但是非常值得研究。如果可以实现，那么，我们就可以找到压抑癌症、压抑肺病的某一个蛋白质，从而以靶标精准用药。”
以下为潘毅的现场演讲内容，雷峰网&《医健AI掘金志》作了不改变原意的编辑及整理。
今天，我的演讲题目是《人工智能在生物医疗学工程中的应用》。人工智能是个大课题，生物医疗工程也很大。话题缩小一点，我们来谈谈AI制药。

01 生物医学研究已进入大数据时代生物医学进入大数据时代，但是很多人处理数据的水平不高。原因在于计算机专家不懂生物，生物学家不懂编程，成果都不是很好。
对研究人员来说，常常面临工程上的“够用”和研究上的“低智”的矛盾。比如刚开始花了五百万提高到97%，如果还要再花五百万推进1%的进步，就会面临技术边际效应递减的问题。
很多人就放弃了，这是研究界很头痛的问题。
归根溯源，是什么在阻挠技术的进步？首先是数据。
计算机数据的结构巨大，我们耗用了大量的硬件和软件。大家熟知的超算中心、云计算平台、存储器，因为存储数量大、运算速度快、可以共享资源。
国家基因库里面放了很多基因数据，现在深圳理工大学也成为国家的生物中心之一（北上深各有一个）。

文章插图

这个基因库不光是存储，还要提供很多工具和软件，即平台库，输入一个数据就出来结果，无需下载软件。

文章插图

数据量大不是难题，难题是数据的异构性、多样性、增加速度快。
什么叫异构性？
在医疗数据里，有影像数据、特征数据、医生诊断报告数据、病历数据，它们不仅是多模态数据，也是非结构化数据。

文章插图

另外，医学数据还存在天然的不完整性、保密性、冗余性、时许性、多态性等特征。如何在浩瀚的数据原油里提炼转化，是非常重要的一点。

文章插图

02 人工智能助力生物医学大数据研究人工智能在大数据领域已经有很广泛的应用，比如用基因组学预测疾病，研究新冠病毒变异。

G可解释 生物医学

G可解释生物医学