AI与基因科学的对话：高岭之花如何“接地气”(2)

生命科学领域的想象力空间会非常大，当然，这类技术也会遇到和AI同样的伦理道德的牵绊。如此来看，AI或者基因科学“单打独斗”都会成为江湖中的一条好汉，但是，综合二者的拿手好戏和一些缺陷，这两位高手强强结合似乎更有看头。特别是在二者都想攻下的医疗领域里，更是有大显身手的机会。
1.疾病诊断上，AI与基因相辅相成
某个基因与疾病的相关性是根据统计学统计出来的。比如研究癌症和人体基因的关系时，首先要统计大量癌症患者的基因数据，然后进行比对，再筛选出相似的基因，即选定可能致癌的基因。
但这样的结果却很容易被推翻，首先是因为统计数据是通过以往的累积数据统计的结果。而随着癌症统计样本数量不断增加，人们会发现更多的相似基因位点，患有癌症的概率统计也就会相应地发生变化。
其次，人类患有某种疾病还与其它因素有关，比如肺癌的患病就和大气污染有很强的关联性。但是基因检测是接触不到患者的实际情况的。
也就是说，即使基因检测获得了大量数据，对于疾病的指向性依旧是有限的。而面对这样的情况，我们加入AI能够深度学习To C端数据库的功能或许会有助益。
就拿最近美国斯坦福大学开发的AI预测死亡系统举例，这个系统统计了12个月内死亡患者的近200万份医疗数据，然后通过深度神经网络利用大数据计算每条信息的权重和强度，与现有的患者进行比对，就会生成这个患者在3—12个月内死亡的概率分数。如此，也能最大限度地保证疾病诊断的正确率。
除此之外，AI可以通过ChatBot、场景识别等功能，对患者进行行动上的监管，更有利于辅助基因的诊断。
2.制药业的神助攻
英国伦敦大学学院的皮特.柯文尼教授称：“通过病人的基因组序列，可以推断出酶的形状，构建准确的蛋白质三维结构，筛选匹配药物，并将结果告诉主治医生给出最优处方。”
将基因测序技术和AI的计算能力相结合，或许能够探索出制药业的新路径。以艾滋病的治疗药物举例，科学家表示，目前他们建立的50多个模拟模型，就要配有5000个处理器的计算机不停的计算12-18个小时，还要对计算结果做大量的数据分析，才能给出药物的排序。而在制药这件事上，AI正在全面提升人类的效率。
3、个人健康管理终端
基因芯片一直是生命科学领域想要打造的“法宝”。而将其与AI结合起来，会在哪个方面实现突破呢？健康管理。