“他只是想活命，他有什么罪啊！”太平间外，黄毛死后，程勇对警察大喊大叫。
为了仿制药，有多少人为了生存而牺牲了生命。
正品药品价格高昂，让患者望而却步。
不可否认，一款新药尤其是“特效药”的研发，需要上亿的研发费用和一个研发周期。
它的上市对许多患者来说已经是“好消息”。
然而，面对高昂的售价，如何给“特效药”和疾病治疗“降温”，AI或许能一步步成为你的“药神”。
第一步：AI预测白血病，让白血病不再成为“突发灾难”。
近日，《自然》上发表了一项研究成果——由来自全国多家科研机构的白血病科学家组成的研究团队，利用血液检测和机器学习，预测健康个体是否存在患急性髓系白血病（AML）的风险。
这意味着我们未来能够对AML的出现进行预警，能够及早发现和监测AML高危人群。
同时，我们可以进行研究和开发，找到减少患病机会的解决方案。
全球多个科研机构在《自然》杂志上发表了一篇名为《急性髓系白血病》的论文。
AML的主要特征是骨髓和外周血中原始和未成熟的髓系细胞的异常增殖。
AML 患者的癌细胞在骨髓中快速增殖。
并阻碍正常血细胞的产生，导致出血和感染的症状，甚至危及生命的症状。
因此，研究人员开发了一种基因测序工具，对 AML 患者的血液 DNA 进行测序，查找已知与 AML 相关的基因，并将其与未患有 AML 或相关癌症的人进行比较。
通过大数据监测，他们发现许多患有急性髓性白血病的人的基因发生了一些未患该病的人所没有的基因变化。
后来患上 AML 的人的基因突变数量较多，血细胞中这些突变的比例也较高。
经过进一步研究，研究人员利用机器人学习模型，在大数据变量的支持下，构建了AML预测模型，可以预测诊断前6-12个月内的AML，其敏感性和特异性分别达到25.7%和98.2%分别。
AML预测模型（图源：Nature）此前，沃森还诊断出一名60岁女性患有罕见白血病。
Watson 对比了 10,000 份癌症数据报告中不同患者的基因变化，仅用了 10 分钟就得出了预测模型。
结果——Watson 不仅能准确诊断病情，还能提供合适的治疗计划。
AI预测的出现让人们欣喜的同时，也有很多人对此产生怀疑。
确实，比如预测死亡时间的AI的出现，使得AI的应用不再是一个技术问题，而是一个伦理问题。
当你确切地知道自己什么时候会生病、什么时候会死亡时，这似乎并不是一件好事。
第二步：AI制药，改变药物研发模式《我不是药神》电影中，冲突的焦点是“格列宁”的天价。
新药价格昂贵，但最重要的是研发。
人工智能也许能够帮助研究和开发的“试错”过程。
很忙。
从目前智慧医疗的发展来看，擅长模式识别的人工智能可以筛选海量现有和新的遗传、代谢和临床信息，破译各种疾病背后的复杂网络。
反过来，这可以帮助识别对特定患者群体有效的药物，同时引导制药公司远离可能失败的药物。
此外，人工智能的生物学意义可以帮助制药公司参与根据患者情况最有可能有效的创新疗法的临床试验。
这可能会增加新药获得批准的可能性，例如获得美国FDA的批准。
事实上，医药研发的核心在于知识图谱，它将实验信息、数据、临床试验结果和数据结合起来，整合零散的数据，为决策提供有价值的数据支撑。
从目前来看，人工智能主要在药物研发中发挥七大场景的作用：靶点药物研发、候选药物挖掘、化合物筛选、预测ADMET性质、药物晶型预测、辅助病理生物学研究、发现新的药物适应。
疾病。
人工智能发挥作用的制药场景：根据Tech Emergence的研究报告，人工智能可以将新药研发的成功率从12%提高到14%。
这2%意味着可以为生物制药行业节省数十亿美元的研发成本。
大量的尝试和错误时间。
但不可否认的是，AI药物研发必定是一场持久战。
目前，国际上还没有人工智能药物研发的成功案例，人工智能开发的药物也尚未获批上市。
目前国外成熟企业利用AI开发的新药已进入二期临床试验，但二期到三期的失败率高达70-80%。
人工智能技术具有广阔的应用前景，但仍有很长的路要走。
辉瑞、罗氏、葛兰素史克等巨头纷纷“押注”AI企业，目前的发展仍需时间检验。
但这并不意味着AI制药不可能。
如果技术能够有效缩短药物研发效率，提高研发成功率，那么药物研发成本将大大降低，可以大大减轻国家医保负担，让“买得起药”成为可能。
“ 可能的。
第三步：药品数据成为AI制药的关键。
事实上，我们也可以看到，AI在智慧医疗领域的每一步都离不开一个重要因素：药品数据。
例如，在新药研发领域，人工智能可以帮助科学家从庞大的化合物数据库中完成文献检索。
许多公司也在研究如何用机器来模拟化合物与特定靶点的结合效果，从而大大加快新药筛选的进程。
全球每年花费数千亿美元用于新药研发，AI技术的应用可以在一定程度上提高研发效率。
通过机器学习，AI不仅可以加快时间，还可以提高药物到达后期试验阶段的成功概率。
如果人工智能能够降低药物试验的风险，那么就可以为大型制药公司节省大量成本，让他们能够腾出资源来专注于寻找更有前景的机会。
类似的人工智能应用在流行病学统计、临床试验数据分析和精准医学基因检测等领域也大有可为。
在人工智能精准医疗项目方面，IBM继“Waston Oncology Doctor”之后也推出了“Waston for Genomics”。
除了药品数据之外，医疗数据也成为医生诊断以及后续药物研发的重要依据。
随着健康智能硬件的兴起，医疗数据的边界不断扩大。
今年四月，健康智能硬件记录的数据挽救了新泽西州一名男子的生命。
这名男子在工作中心脏病发作，医生通过他的智能手机提取了他每天的心率数据。
这些数据帮助医生排除了不必要的诊断，并配合医生快速找到合适的治疗方案，从而挽救了一条生命。
医疗数据不仅仅是医生输入计算机的医学期刊和医疗记录。
我们的身体一直在产生大量潜在的医疗数据。
但目前，大部分数据都处于“丢失”状态——我们每天走了多少步、今天的心率怎么样、皮肤温度是高还是低、今天吃了什么等等。
仅保存在本地以及少数隔离的设备和应用程序中。
对于AI医疗来说，数据的重要性不言而喻。
无论是应用于药物研发还是诊断治疗，都具有可观的前景。
然而，人工智能在小样本集上做出的诊断或推断被认为是一种不可持续的模式，因为一旦范围扩大一点，另一种疾病类型就会发生变化。
，改变地方，结果可能会有偏差，准确率会下降。
总体而言，人工智能医疗发展至今已取得长足进步。
虽然很多AI医疗产品尚未上市，但它们并不是患者的“药神”。
我们会看到。
智能相对论：深挖人工智能的井，判断咸不咸，说出对错，说出深浅。
重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安防、AR/VR、开发者及其背后的芯片、算法、人机交互等。