本文参考了环球五大制药公司对人工智能技能的剖析。
虽然已有的剖析供应了一个广泛的调查，涵盖了生命科学和生物技能行业运用的所有紧张趋势，但是这篇最新文章在其根本之上重点强调了TechEmergence认为的近期最故意义的六个AI运用趋势。

1.诊断疾病

医学面临的最大寻衅是疾病的精确诊断和识别，这也是机器学习发展的重中之重。
2015年的一份报告显示，针对超800种癌症的治疗方案正在临床试验中。
而利用机器学习可使癌症识别更加精确。
以，一家总部位于波士顿的生物制药公司Berg为例，目前公司正在利用AI平台对临床试验患者数据进行剖析，以促进治疗各种疾病的新药开拓。

2.个体化用药

关于利用机器学习和预测剖析来定制针对个人的特异性治疗潜能，目前正处于研究中。
如果成功，这一策略可以优化诊断和治疗方案。
目前，研究的重点是有监督的学习，年夜夫可以利用遗传信息和症状缩小诊断范围，或对患者的风险做出有根据的推测。
这可以促进更好的预防方法。
估量未来10年，前辈的康健丈量移动运用以及微生物传感器和设备的利用将激增，这将供应丰富的数据，进而有助于有效的研发和更好的治疗方案。

3.药物开拓

机器学习在早期药物创造（如新药开拓）和研发技能（如下一代测序）中发挥着许多浸染。
这一领域的第一项是精确医学，它使繁芜疾病的识别和可能的治疗办法更有效。
MIT临床机器学习小组是利用机器学习匆匆成精密医学的紧张参与者之一，侧重于算法开拓。
英国皇家学会指出，医药开拓中的机器学习可以帮助制药公司通过剖析制造过程数据来优化生产，并加快生产速率。

4.临床试验

临床试验研究是一个漫长而艰巨的过程。
机器学习可以在各种方面帮助缩短这一过程。
一种策略是通过对广泛的数据利用高等预测剖析，从而更快地确定目标人群的临床试验候选人。
麦肯锡( McKinsey )的剖析师描述了其他机器学习运用程序，这些运用程序可以通过简化打算空想样今年夜小、方便患者招募以及利用病历将数据缺点降至最低等任务来提高临床试验的效率。

5.放射治疗和放射学

哈佛医学院助理教授Ziad Obermeyer博士在2016年的一次采访中表示:“20年后，放射学家将不会以现在的形式存在。
它们看起来更像是电子机器人：监督每分钟阅读数千份研究报告的算法。
目前，伦敦大学学院医院的deep mind Health正在开拓机器学习算法，通过区分康健组织和癌症组织来提高放射治疗操持的准确性。

6.电子康健记录

支持向量机（Support vector machines用于分类患者电子邮件查询的技能）和光学字符识别（用于数字化手写条记的技能）是用于文档分类的机器学习系统的基本组件。
这些技能的运用案例包括MathWorks的MATLAB （一个具有手写识别运用程序的机器学习工具）和谷歌的云视觉API。
MIT临床机器学习小组的重点之一是开拓基于机器学习的智能电子康健记录技能，其理念是开拓“安全、可阐明、能从少量标记的演习数据中学习、理解自然措辞、并能在医疗环境和机构中很好地推广的强大机器学习算法”。

原标题：前景惊人！
GEN：人工智能在生命科学中的六个重大运用