全球搜索引擎巨頭谷歌已經(jīng)大舉進(jìn)軍醫(yī)療領(lǐng)域，構(gòu)建健康數(shù)據(jù)平臺(tái)，著重提高了醫(yī)療資訊在搜索結(jié)果頁(yè)面的地位。誠(chéng)然如我們所見(jiàn)，在健康醫(yī)療這方面，谷歌著實(shí)下了不少工夫，從在搜索中回答與健康相關(guān)的問(wèn)題，到給開(kāi)發(fā)者提供健身數(shù)據(jù)平臺(tái)，谷歌在我們的日常健康中扮演的角色越來(lái)越重要。這家互聯(lián)網(wǎng)大腕如今也在努力進(jìn)行藥物的研發(fā)，爭(zhēng)取為治療人類(lèi)頑疾，攻克醫(yī)學(xué)難題貢獻(xiàn)出自己的力量。
同斯坦福大學(xué)的潘德實(shí)驗(yàn)室（PandeLab）合作，谷歌研究發(fā)表了一篇題為“針對(duì)藥物研發(fā)的大規(guī)模多任務(wù)網(wǎng)絡(luò)”的文章。這篇文章主要研究如何使用不同來(lái)源的數(shù)據(jù)，更好地甄別判斷出哪些化合物可以作為“有效治理人類(lèi)頑疾的藥物”。
文章本身并沒(méi)有透露出任何重大的醫(yī)學(xué)突破，它只是闡明了如何利用深度學(xué)習(xí)來(lái)處理巨大繁復(fù)的數(shù)據(jù)庫(kù)，并將有效的數(shù)據(jù)集合起來(lái)，篩選出切實(shí)有效的藥物成分，從而加快藥物研發(fā)。具體來(lái)說(shuō)，深度學(xué)習(xí)是一個(gè)系統(tǒng)，可以將從關(guān)鍵數(shù)據(jù)中獲取的大量信息輸入到人工神經(jīng)網(wǎng)絡(luò)，并進(jìn)行加工培訓(xùn)，從而提煉出新的信息內(nèi)容。
通過(guò)這項(xiàng)工作，我們得出了一個(gè)倍受鼓舞的結(jié)論，我們所研制的模型能夠從各種各樣的實(shí)驗(yàn)中獲取相關(guān)數(shù)據(jù)，并利用這些數(shù)據(jù)提高多種疾病的預(yù)測(cè)精度。據(jù)我們所知，在數(shù)字化醫(yī)療領(lǐng)域，這是第一次對(duì)增加額外數(shù)據(jù)的效果進(jìn)行量化檢驗(yàn)，而且研究結(jié)果表明，更多的數(shù)據(jù)可以進(jìn)一步提高量化性能。
谷歌表示，這次任務(wù)繁重復(fù)雜，總共在200多個(gè)生物實(shí)驗(yàn)中挖掘了37.8萬(wàn)個(gè)數(shù)據(jù)信息點(diǎn)，工作量相當(dāng)于日常工作的18倍。
“這次任務(wù)的規(guī)模之大，投入的人力物力財(cái)力之多，促使我們更加認(rèn)真地研究這些模型的敏感性，分析不同的模型結(jié)構(gòu)，并記錄相關(guān)數(shù)據(jù)輸入后所產(chǎn)生的變化，”谷歌明確表態(tài)，“在這篇文章里，我們不僅要檢查模型的性能，測(cè)試其表現(xiàn)是否良好，還要為將來(lái)構(gòu)建類(lèi)似的模型提供有效數(shù)據(jù)。”
深度學(xué)習(xí)領(lǐng)域優(yōu)勢(shì)明顯，發(fā)展前景更被許多大型科技公司看好，他們紛紛選擇對(duì)此進(jìn)行投資，并匯聚了大量資源，力爭(zhēng)在這一領(lǐng)域做出屬于自己的品牌。去年，Twitter，谷歌和雅虎力爭(zhēng)上游，首先發(fā)力，直接收購(gòu)了深度學(xué)習(xí)創(chuàng)業(yè)公司，隨后Facebook和百度也針對(duì)此項(xiàng)領(lǐng)域，集結(jié)了大量與此相關(guān)的專(zhuān)業(yè)員工，希望凝聚專(zhuān)業(yè)力量做出有效的成績(jī)。Netflix和Spotify不甘落后，也想要在深度學(xué)習(xí)領(lǐng)域分一杯羹，正在積極籌備有利的資源，策劃系列活動(dòng)，并開(kāi)展相關(guān)工作。
在去年10月VentureBeatHealthBeat會(huì)議上，谷歌觀察到了在未來(lái)醫(yī)療保健的發(fā)展可以倚重機(jī)器人、技術(shù)技術(shù)和人工智能。實(shí)際上，從診斷到治療的過(guò)程中，人們?cè)絹?lái)越頻繁地求助于大數(shù)據(jù)和人工智能。在此基礎(chǔ)上，谷歌報(bào)告指出，通過(guò)科技手段利用大數(shù)據(jù)篩查出有效治療疾病的藥物成分，提高預(yù)測(cè)技術(shù)，將會(huì)加快新藥物的研發(fā)，降低藥物成本，而且有利于人類(lèi)健康的發(fā)展。正基于此目的，我們才看到了谷歌和斯坦福大學(xué)合作的最新研究。
如今諸多醫(yī)學(xué)難題攻不可破，對(duì)治療人類(lèi)頑疾，醫(yī)學(xué)專(zhuān)家們也束手無(wú)策，人們正在面臨著一個(gè)龐大而復(fù)雜的挑戰(zhàn)，迫切需要提出新的治療手法，在不斷嘗試的中才有可能挑戰(zhàn)成功。藥物必須有效地直擊疾病根源，同時(shí)還要滿(mǎn)足嚴(yán)格的新陳代謝規(guī)律和限制性毒性的條件。實(shí)際上，藥物研發(fā)是一個(gè)復(fù)雜且緩慢發(fā)展的過(guò)程，需要經(jīng)得起時(shí)間的檢驗(yàn)和無(wú)數(shù)次失敗的磨練，才能研發(fā)出真正有效的治療藥物。
簡(jiǎn)而言之，世上存在著數(shù)百萬(wàn)種化合物，需要長(zhǎng)時(shí)間對(duì)此做各種各樣的組合測(cè)試，而任何能夠增加成功機(jī)率的做法，都會(huì)得到鼓勵(lì)和支持，在這一方面，機(jī)器學(xué)習(xí)可能會(huì)有所幫助。
