麻省理工學(xué)院 (MIT) 和哈佛大學(xué)布羅德研究所的 James Collins 實驗室團隊利用人工智能 (AI) 發(fā)現(xiàn)了一類新的候選抗生素。加速藥物發(fā)現(xiàn)研究人員著手解決抗生素耐藥性問題并正在尋找能夠有效對抗耐甲氧西林金黃色葡萄球菌 (MRSA) 和耐萬古霉素腸球菌等超級細(xì)菌的抗生素，這些細(xì)菌通常對抗生素具有耐藥性。該團隊使用深度學(xué)習(xí)人工智能模型成功篩選了數(shù)百萬種化合物，以挖掘出新的潛在候選抗生素。

傳統(tǒng)方法需要數(shù)年時間才能產(chǎn)生結(jié)果，但人工智能可以快速解析數(shù)據(jù)集以找到有前途的候選者。

人工智能可以大大縮短藥物發(fā)現(xiàn)和開發(fā)的漫長過程，為新療法提供更快的途徑?！叭绻紤]傳統(tǒng)的抗生素發(fā)現(xiàn)流程，發(fā)現(xiàn)一種新抗生素大約需要 12 年，而需要 3 至 3 年時間?！绷陙戆l(fā)現(xiàn)任何臨床候選者。

然后你必須將它們過渡到 I 期、II 期和 III 期臨床試驗，”賓夕法尼亞大學(xué)佩雷??爾曼醫(yī)學(xué)院精神病學(xué)系助理教授 César de la Fuente 說。“現(xiàn)在，有了機器，我們已經(jīng)能夠加速這一過程。

例如，在我和我的同事自己的工作中，我們可以在幾個小時內(nèi)發(fā)現(xiàn)數(shù)千或數(shù)十萬的臨床前候選藥物，而不必等待三到六年，”他補充道。借助人工智能，可以顯著減少新抗生素的使用。

然而，新的候選抗生素在最初被發(fā)現(xiàn)后仍然需要經(jīng)歷一個漫長的過程，其中包括嚴(yán)格的測試和監(jiān)管批準(zhǔn)。

美國食品和藥物管理局 (FDA) 要求在任何臨床試驗開始之前進行全面的毒性和研究性新藥研究，以確保新藥的安全性和有效性。打破黑匣子與大多數(shù)人工智能模型不同，它們通常被認(rèn)為是黑匣子，因為盡管人們對它們?nèi)绾位驗楹萎a(chǎn)生輸出沒有太多了解，但柯林斯實驗室的研究人員在他們的工作中實施了“可解釋的人工智能”元素，并且能夠闡明人工智能決策背后的生物化學(xué)原理。

可解釋的人工智能是人工智能的一種方法，強調(diào)清晰解釋人工智能系統(tǒng)如何做出決策或預(yù)測的能力；

它對于透明度、信任和道德考慮至關(guān)重要。“我認(rèn)為，如果我們有一天將人工智能視為一門工程學(xué)科，這一點很重要。

在工程中，您總是能夠分解構(gòu)成某種結(jié)構(gòu)的不同部分，并且了解每個部分的作用。

但就人工智能而言，尤其是深度學(xué)習(xí)，因為它是一個黑匣子，

我們不知道中間會發(fā)生什么。

為了給我們復(fù)合 X 或 Y 或解決方案 X 或 Y，重新創(chuàng)建所發(fā)生的事情是非常困難的。因此，開始深入研究黑匣子以了解每個步驟中實際發(fā)生的情況是我們實現(xiàn)目標(biāo)的關(guān)鍵一步。 de la Fuente 表示：“能夠?qū)⑷斯ぶ悄苻D(zhuǎn)變?yōu)橐婚T工程學(xué)科?！?人工智能對醫(yī)學(xué)研究的影響 柯林斯實驗室及其研究人員的工作為在醫(yī)療保健中使用人工智能帶來了光明的前景，并且是一項重大的科學(xué)勝利。

這種轉(zhuǎn)變不僅涉及藥物發(fā)現(xiàn)的速度和效率，還涉及藥物發(fā)現(xiàn)的速度和效率。

這是從根本上改變我們的醫(yī)學(xué)研究方法。

將人工智能（尤其是與可解釋的模型）相結(jié)合，可以更全面地了解藥物相互作用。

這些進步必將對醫(yī)療保健和生命科學(xué)行業(yè)產(chǎn)生重大影響，并將引領(lǐng)人工智能在發(fā)現(xiàn)新的治療方法、增強疾病預(yù)防策略和更加個性化的患者護理方面發(fā)揮關(guān)鍵作用的未來。觀看：醫(yī)療保健、生命科學(xué)和區(qū)塊鏈 width="562" height="315" frameborder="0" allowedfullscreen="allowfullscreen">區(qū)塊鏈新手？

查看 CoinGeek 的區(qū)塊鏈初學(xué)者部分，這是了解更多有關(guān)區(qū)塊鏈技術(shù)的終極資源指南。

熱點：人工智能 弗雷德