登录会员系统用户名  密 码      申请入会>>
| | 旧网站
当前位置:万豪会娱乐网址 >> 业界动态 >> 业界动态
北大AI公开课第十课--人工智能在生命科学中的应用
2019/9/16 11:26:18    资讯来源:万豪会娱乐网址生命系统建模仿真专业委员会

生命是个很神奇的过程,大家永远在探索,在有限的时间里,大家还能做一些什么,怎么才能开心而有意义地度过一生,也许一辈子都没有答案,可是那又怎样呢,时间的轴从未停止转动,每天都会把昨天抹去,然后开始新的轮回,你准备好蛮对今天的自己了吗?

大学的时候有个离散数学老师,做的是生物信息分析,利用计算机的一些技术,进行基因编码测序以及信息分析,听起来就很利害的样子,今天来自李英睿老师的分享以生命为主题,主要讲述人工智能在生命探索过程中发挥的作用,听完之后可能对于生命和AI,你会收获新的认识和理解。

一、课堂回顾
生命怪才——李英睿老师
 
李英睿,1986年5月24日出生,2004年进入北京大学生物科学专业学习,大二暑假(2006年)进入华大基因(北京华大基因研究中心)进行科研项目实训。曾任深圳华大基因科技服务有限企业(简称"华大科技")CEO。2015年10月合伙创立碳云智能科技。2016年2月25日入选《福布斯》杂志"30位30岁以下亚洲人物榜"(Forbes 30 Under 30 Asia)生命科学榜。 之所以称英睿老师为怪才,是因为他打破了我对人工智能科学家的认知,通常大家会直观地认为,从事如此高深课题研究,而且获得这么丰硕成就的人,他起码也是硕士,但其实不是,所以除了感叹生命的神奇和伟大,什么语言都显得苍白而无力。

分享内容
1、AI+生命科学
生命科学是个很泛的话题,普通人没事不会研究它,但其实AI已经为生命科学的研究提供了大量的能量和动力:

(1)预测生命状态的未来演变方向和趋势。每个人的生命状态都是一个渐变的过程,所以在不同种状态的演变之间,其实存在着一些概率分布的关系,所以可以通过学习,发现这种概率分布的潜在规律;

(2)预测干预措施及其组合方案对生命状态未来演变方向及趋势的影响,每一种治疗的方案,都会产生不同的影响,所以可以通过预测不同方案的走向预估,选择效果可能最优的方案;

(3)给定生命的状态和未来目标,求极大化该目标的可行干预方案;

(4)从技术上来说,就是对人类的各项生命活动建模,提供可影响人类决策的行为建议,但是人类的生命本质是很复杂的,活动也很多样,所以建模也不是一件容易的事。

2、生命科学建模过程中的数据分析
(1)验证是否可在纯数据驱动下获得好的干预。比如对一个实验者采取7天禁食,20天吃饭。然后收集生命活动的数据,并进行恰当的处理和分析,从而对生命活动作出干预,进而分析下一次生命状态的到来;

(2)数据处理中存在的大量问题具体表现:

 

需观测和分析的数据存在维度异质性。异质是指在一个大样本数据中,存在很多小样本数据,这些小样本数据的均值以及离散度等都有自己的特征,没有办法直接在大样本数据的层面进行分析和特征提取,增加了数据分析的困难度;
数据源多而分散,数据流碎片化:生命体是十分复杂的,所以观测的生命体征数据也十分复杂,而且实验获得的数据肯能分布也不够集中,而是碎片化地分布的;
数据特征难以预期:这个很明显,医学数据的分析本身就是最难以捕捉的,需要强烈的专业背景和灵活性;
常识发现方向开放而难以预期,当一大推生命数据摆在眼前,分析是没有任何头绪的,大家也没有办法预期会得到哪些结果和结论,所以有时候如何开始都是个问题;
时间、空间的变量进一步复杂了问题,人的生命体征数据在不同的时间以及空间场合吓是会发生变化的,这让数据分析的人真的不知如何是好;
大规模实时在线计算:生命数据体量庞大,如何进行实时的在线计算也是困扰很多生命科学家的问题。
(3)其它一些过程相关的问题

 

数据本身就具有很多维度,而且采集数据的过程是随机的
可选取的数据分析的角度也不是唯一的,可从多个维度进行思考,比如一些变化的趋势以及趋势背后的蕴藏的意思;
结合计算机处理的一些手段,可以很轻易地验证以前的一些猜想,也可以为新的猜想提供支撑,完成快速的迭代。
数据分析的过程中,还有可能因为数据量过少,从而导致发生过拟合,因为就目前的现状而言,愿意参与到生命科学研究过程中的样本还是很少的,一方面是因为生命科学的观测是个持续性的过程,而且可能存在一定的风险,所以无法吸引到足够的样本数。
3、生命科学研究过程中遵循的一些基本方法
(1)假设研究方法:根据个人经验,提出一些可能的假设,然后设计实验进行验证,这其实是对经验要求比较高的,否则假设出错或者没有新发现的可能性就比较大;

(2)把以前的猜测验证新的发现:以前有的一些猜测,可能没有获得及时的验证,但是可能在未来的某一项研究中,就发现了可支撑该结论的数据或结果;

(3)联想观测法:生命是具有体系性的,所以在实验的过程中,必须遵循联系的观测手法。

4、问答
(1)基因检测的成本高,但对于很多疾病的治疗和预防又确实是有效的,而现在相关数据的积累也越来越多,所以如何结合AI 做一些应用,其突破点在哪里?

先举个例子,FDA叫停美国的项目,一方面只说风险高,却没有指明具体的原因,引起了一定的恐慌,背后也隐藏了一些人性的弱点。另一方面,其本身的效用也不够强,安全或者技术上没有达到标准。所以对于基因检测这项技术而言,预测区间的锁定和概率的提高是很重要的,因为基因检测的目的是输出一些优用的结论,比如,你是要死的,这是一句没有一点价值的废话,但是如果输出的是你下个星期就要死了,这是一句信息量含量巨大的话,这样的结论可能才是基因检测想要输出的结果。中国面临的现状是,穷而且老龄化,大家在健康上的投入不高,所以大家只能是说做一些health agent 的工作,对人类的健康进行观测、计算、干预等。

(2)基因编辑技术,对于先天性疾病的治疗,检测以及更改基因或是植入更强的基因都有研究,如何走入大众?

一项技术是否能走入大众,几个因素是很重要的,第一个是成本,成本直接决定这项技术是否能被大众消费,第二个是可返佣程度。只有当一项技术可以解决更多问题,具有良好泛化能力时,才能帮助它更好地走入大众。其它诸如干细胞以及免疫疗法也基本遵循同样的轨迹和原理。

(3)健康管理需要比较长的一段时间,是一种典型的"循证医学"。循证医学和传统医学的不同之处在,除了要有丰富的可靠的医学实践经验之外,做出的医疗决策还要结合当前科学研究给出的证据,进行双向的作证,提高医疗决策的可信度。

(4)关于制药问题,AI有什么正向的推动作用

AI的到来,对于制药的研发是相当有帮助的,一方面可以促进旧药的新用,另一方面可以加快新药的研发。因为说到底,药品的研究更多地依托于经验,而这是AI的强项。

(5)AI+医疗可能的机会

第一,辅助治疗。第二,配合做一些模型的训练;第三,当新的基因、蛋白、常规数据进入医疗,数据的处理需要AI进行辅助。

(6)医院都要区分科室,所以医生也没办法精通所有科室,那智能医疗机器呢?

机器可以实现人类的集体智慧,所以综合判断能力上会比较优秀,而且机器是依照真实世界构建的,可以更全面、系统化、不间断地观测人的准概述

(7)碳云面临的挑战和机遇

首先,健康并不是人的刚需,人只有在生病了之后才会意识到健康及健康管理的重要性。人不一定愿意为健康付出一些什么,没有经历过特别痛苦的时候,不会做出改变;

其次,实验的可持续过程操作复杂,人性的考量很多,只有顺应人性健康管理,才能留住样本,比如在样本正常吸烟的情况下展开健康的管理;

最后,健康管理需要串联多个生活的场景,但是串场景本身也很复杂。

所以健康管理是反人性的,人类的健康管理需要广度。

在未来的三到五年,便捷化、移动化、智能化的医疗将会成为主流。
————————————————
版权声明:本文为CSDN博主「汪汪小白狗」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_22811287/article/details/81010126

地址:北京市海淀区学院路37号工程训练中心637室 电话:010-82317098 传真:010-82317098 
万豪会娱乐网址 版权所有 电子邮箱:www.callchet.com
京ICP备17016611号; 技术支撑:北京中捷京工科技发展有限企业(010-88516981)
XML 地图 | Sitemap 地图