現在已經步入2021年了，回顧過去2020整年，科學家們在利用人工智能研究出了多項重要成果，本文對2020年度科學家在人工智能研究中取得的重磅級研究進行了整理。

        【1】Nat Med：開發出新型AI診斷工具 不需要進行檢測就能預測COVID-19的感染風險

         doi：10.1038/s41591-020-0916-2

         近日，一項刊登在國際雜志Nature Medicine上的研究報告中，來自倫敦大學國王學院等機構的科學家們通過研究開發了一種人工智能診斷技術，其能根據機體癥狀來幫助預測個體患COVID-19的可能性。這種AI模型能利用來自COVID癥狀研究app中的數據，通過對比個體的癥狀和傳統COVID檢測的結果來預測一個人患COVID-19的風險，這就能幫助檢測受限的確的人群進行COVID-19的篩查，目前在英國和美國的兩項臨床試驗即將開始。

         全球有超過330萬人下載了該app，并且利用其來記錄自身每天的健康狀態，比如其是否感覺良好或有什么新的疾病癥狀，比如持續咳嗽、發燒、疲勞及味覺喪失等。文章中，研究人員對定期在app中記錄自身健康狀況、來自英國和美國250萬人的數據進行分析，其中約有三分之一的人群記錄了與COVID-19相關的癥狀，有18374名個體表示曾經接受過冠狀病毒的檢測，有7178人為陽性結果。

        【2】Cell：AI從超1億個分子中預測強力抗生素，殺傷超級耐藥細菌

         doi：10.1016/j.cell.2020.01.021

         一項開創性的機器學習方法已經從1億多個分子中識別出了強大的新型抗生素，包括一種可以對付多種細菌的分子--包括肺結核和被認為無法治愈的菌株。研究人員表示，這種名為halicin的抗生素是第一個被人工智能發現的抗生素。盡管人工智能以前曾被用于協助抗生素發現過程的某些部分，但他們表示，這是人工智能首次在不使用任何人類假設的情況下，從零開始識別出全新種類的抗生素。這項研究由劍橋麻省理工學院的合成生物學家Jim Collins領導，發表在Cell雜志上。

         研究者Jacob Durrant表示，這項研究意義非凡。他說，研究小組不僅確定了候選分子，還在動物實驗中驗證了有希望的分子。更重要的是，這種方法也可以應用于其他類型的藥物，如用于治療癌癥或神經退行性疾病的藥物。細菌對抗生素的耐藥性在全球范圍內急劇上升，研究人員預測，除非緊急開發新的藥物，否則到2050年，耐藥感染每年可能導致1000萬人死亡。但在過去的幾十年里，新抗生素的發現和監管審批都有所放緩。人們不斷地發現同樣的分子，我們需要新的化學反應和新的作用機制。

        【3】Nat Biomed Engine：科學家有望利用人工智能技術來預測人群患心血管疾病的風險

         doi：10.1038/s41551-020-00626-4

        近日，一項刊登在國際雜志Nature Biomedical Engineering上的研究報告中，來自新加坡全國眼科中心等機構的科學家們通過研究開發了一種新方法利用人工智能技術來預測個體患心血管疾病的風險，文章中，研究者描述了如何利用視網膜血管掃描作為深度學習系統的數據源，從而教會該系統如何識別人群患心血管疾病的跡象。

       100多年來，臨床醫生一直會觀察病人的眼睛來尋找其視網膜血管的變化，這些變化能夠反映個體在一段時間內遭受高血壓所帶來的影響，而諸如這種影響或許是心血管疾病即將發生的征兆，而隨著時間推移，醫學科學家們就開發出了特殊儀器來幫助眼科大夫更好地觀察眼睛中最容易受到高血壓影響損傷的部分，并能將其作為診斷高血壓患者的一個關鍵部分，但諸如此類工具仍然需要醫療專業技術人員對患者的診斷做出最后的決定，這項最新研究中，研究人員就能夠教會人工智能系統識別人群機體出現的相同類型的癥狀，其并不需要人類人為地干預。

       【4】Nature解讀!新型人工智能技術如何揭開病毒控制細胞內部改變的奧秘!

         doi：10.1038/s41586-020-2714-x

         日前，一項刊登在國際雜志Nature上題為“Cytoplasmic control of intranuclear polarity by human cytomegalovirus”的研究報告中，來自美國西北大學等機構的科學家們通過研究開發了一種新型的AI技術(人工智能技術)，其或能幫助識別病毒如何控制細胞內的變化。研究者指出，病毒可以控制細胞核內的結構和遺傳極性，這一研究結果強調了感染過程中基因組組織的重要性，以及AI技術到底能在多大程度上幫助科學家們識別復雜的細胞內改變。

         病毒能以多種方式控制細胞，從存在于細胞核中能直接控制基因表達的病毒蛋白，到能在細胞表面或細胞質中發揮作用能控制細胞信號網絡的蛋白等，研究者表示，在各種情況下(包括在病毒感染期間)，細胞核如何以及為何會移動并重組，或許還是后期需要進行深入研究的一個問題。研究任何細胞內過程的一個核心問題就是，在細胞培養物中的每個單一細胞發生的事件到底有多大的異質性，在感染過程中我們可以有一些未發生感染的細胞，其中一些感染失敗，而在那些被感染的細胞中，每個細胞都處于不同的感染階段，這在實驗上或許很難控制或者同步化。

        【5】Nat Rev Neurol：人工智能技術或有望加速并改善阿爾茲海默病的診斷

          doi：10.1038/s41582-020-0377-8

         近日，一項刊登在國際雜志Nature Reviews Neurology上的研究報告中，來自謝菲爾德大學等機構的科學家們通過研究表示，利用人工智能(AI)或能幫助快速診斷阿爾茲海默病并改善患者的預后;文章中，研究人員分析了在醫療領域中如何使用AI來幫助改善常見神經變性疾病給英國國民健康保險制度(NHS)所帶來的時間和經濟的影響，比如阿爾茲海默病和帕金森疾病等。

         很多神經性障礙的主要風險因素是年齡，隨著全球人群預期壽命的延長，患有神經變性疾病的患者的數量預計也會達到前所未有的數量，研究者預測，截止到2050年，僅阿爾茲海默病患者的數量就會增加兩倍，達到1.15億，這對健康衛生系統會帶來一定的挑戰;這項研究中，研究人員利用AI技術(比如機器學習算法)在疾病癥狀惡化前檢測神經變性疾病，這就能夠改善患者因成功疾病修飾療法而獲益的機會。

         【6】Nat Metabol：新型算法或能利用人工智能技術來幫助管理1型糖尿病患者

          doi：10.1038/s42255-020-0212-y

         近日，一項刊登在國際雜志Nature Metabolism上的研究報告中，來自俄勒岡健康與科學大學等機構的科學家們利用人工智能和自動化的監測手段開發出了一種新方法，其或能幫助1型糖尿病患者更好地管理自身的血糖水平。研究者Nichole Tyler博士表示，我們的系統設計非常獨特，文章中我們完全利用特殊的數學模擬器來設計人工智能算法，然而，當這種算法在1型糖尿病患者的真實數據上得到驗證時，其所產生的建議與內分泌學家提出的建議高度相似。這一點非常重要，因為糖尿病患者常常需要3-6個月時間才能與內分泌科的醫生進行預約和診治。

         在這段時間里，如果患者機體血糖水平過高或過低的話，其就可能存在出現危險并發癥的風險，1型糖尿病患者自身無法產生足夠的胰島素，因此其就必須通過使用胰島素泵或每天多次胰島素的注射來控制血糖，這項研究中，研究人員所開發出的這種新型算法能利用從連續葡萄糖監測設備和無線胰島素筆收集的數據從而為患者的治療提供指導。當與一種名為DailyDose的手機app配合使用時，該算法的推薦結果顯示，其在67.9%的時間里與醫生的意見一致。

        【7】Nature：診斷乳腺癌 人工智能完勝人類專家!

         doi：10.1038/s41586-019-1799-6

         近日，一項刊登在國際雜志Nature上的研究報告中，來自谷歌健康公司的科學家們通過研究開發出了一種新型的計算機程序，其能通過常規掃描，以比人類專家更高的準確率對乳腺癌進行診斷和檢測。乳腺癌是女性群體中最常見的一種癌癥類型，僅去年一年就有超過200萬的新確診病例，在沒有明顯癥狀的患者群體中，進行定期篩查對于發現疾病的早期癥狀至關重要;在英國，50歲以上的女性會被建議每三年進行一次乳腺X光檢查，同時檢查結果由兩位獨立的專家進行分析。

         但對掃描結果的解讀往往留有出錯的余地，而且在所有乳腺X光檢查中，有一小部分結果會被出現假陽性(將健康人群誤診為患有癌癥)或假陰性(將疾病陽性誤診為陰性)。這項研究中，研究人員通過研究，成功利用人工智能模型對英國和美國的數千名女性進行乳腺癌的掃描檢測;這些圖像在現實生活中已經被醫生分析檢查過了，但與臨床環境不同的是，機器(人工智能算法)并沒有依據病人的病史來進行疾病的診斷。

        【8】Cell：綜述深度解讀!機器學習如何帶來生物醫學研究的變革!

         doi：10.1016/j.cell.2020.03.022

         日前，一篇刊登在國際雜志Cell上題為“How Machine Learning Will Transform Biomedicine”的綜述文章中，來自俄勒岡健康科學大學的研究人員論述了機器學習技術在改善疾病診斷和治療方面的應用，文章中，研究人員概述了機器學習如何改變生物醫學三大領域的，即臨床診斷、精準療法和健康監測;其目的是通過監測一系列疾病的發生和正常衰老過程來維持人類機體健康，對于每一個領域而言，研究人員討論了機器學習的早期成功應用案例，以及機器學習所面臨的機遇和挑戰，當這些挑戰得到滿足時，機器學習或有望成為一種嚴格、機遇結果的醫學手段，其有望不斷適應個體和環境的差異來進行疾病的診斷并開發有效的策略。

         機器學習技術能利用復雜的算法在大規模、異質性數據集中進行運行，從而發現那些即使是訓練有素的研究人員也很難或不可能識別出的有用模式，這種方法已經在整個科學和社會上有很多應用，比如從玩游戲、到產品推薦、再到控制自動駕駛汽車上等;在生物醫學方面、人類基因組項目、癌癥全基因組項目、國際機器學習競賽項目等項目上都表現出了巨大的潛力，收集并分析與醫學療法和患者預后相關的大量數據集或能將醫學轉化稱為一種數據驅動、以結果為導向的學科，其對于疾病的檢測、診斷都有著非常深遠的影響。

        【9】Nature：科學家成功利用機器學習技術對肺癌患者進行早期診斷

         doi：10.1038/s41586-020-2140-0

         日前，一項刊登在國際雜志Nature上的研究報告中，來自斯坦福大學等機構的科學家們通過研究或有望利用機器學習手段來檢測人類患者機體中的早期肺癌，文章中，研究人員分析并檢測了這種機器學習系統，以及其尋找血液樣本中的循環腫瘤DNA(ctDNA)的能力。肺癌是一種最常見的致死性癌癥，與很多癌癥一樣，肺癌發現得越早，患者的生存機會就越大;但很不幸的是，目前研究人員僅能通過CT掃描來對肺癌進行診斷，這種檢測手段不僅昂貴而且假陽性率較高，基于這一原因，研究人員一直想通過研究開發出能在早期階段對肺癌進行診斷的血液檢測手段。

新型的血液檢測手段將會涉及對血液樣本中的ctDNA進行篩查，隨后研究者開始轉向開發機器學習系統，此前研究結果表明，利用機器學習技術有望識別出早期乳腺癌和其它類型的癌癥。這項研究中，研究人員訓練機器學習模型，使其能夠識別出與非小細胞肺癌相關的數據參數，一旦該機器模型進行了訓練，其就能對既定患者的肺癌風險進行有效評估。

        【10】GigaScience：在全球首次開發基于人工智能技術的VariantSpark平臺 能對一萬億個基因組數據進行分析并找出多種致病基因

         doi：10.1093/gigascience/giaa077

         日前，一篇發表在國際雜志GigaScience上的研究報告中，來自澳大利亞聯邦科學與工業研究組織(CSIRO)等機構的科學家們在世界上首次通過利用基于人工智能技術的VariantSpark平臺來處理一萬億個基因組數據，該平臺還能幫助鎖定人類基因組中特定疾病致病基因的具體位點。

         人類基因組是一個完整的DNA集合，其包含超過30億個DNA堿基對，研究者表示，通過分析大規模的基因組數據庫，人工智能(AI)要比傳統方法在更短的時間內對多種復雜疾病進行更加深入地分析，VariantSpark平臺能分析諸如疾病和易感性等特性，從而揭示誘發疾病的具體基因;這或許就能在分子水平上提供關于疾病發病機制的重要信息，以便后期開發新型靶向性療法，VariantSpark平臺目前已經被用來識別與心血管疾病、運動神經元疾病、癡呆癥及阿爾茲海默病相關的致病基因了。

         人工智能將不斷影響我們的生活，未來人工智能更加普遍。