阿斯利康最新报告：人工智慧和机器学习正在颠覆药物研发，并应用于药物安全和个性化治疗

新技术展现出医药大型企业无尽的资本，造就了医药大型企业的年中适度繁荣。

以智能、原始数据挖掘、大原始数据、移动医疗等为代表的网络化新技术刚刚重塑医药大型企业，为大型企业展现出崭新面貌。气管网全面性发布有“医药网络化迈进”栏目，年初解析新技术特别设计下的产业变革。栏目请戳这里。

从口服设计到抗病毒，AI智能为口服开发设计的各个过渡期展现出实质适度进展。有了浅层自学的辅助，的仪器开始模仿人类文明大脑神经元的活动，来孕育一个人工的“神经控制系统”。我们在医药开发设计的大量试制当中运用AI的法则，来降低成本，加速原始数据的供应。

我们也通过AI来尽力我们统计分析大量的原始数据，这些原始数据来自病理学试样的具体方法分析和生命体标志分析，以意味着口服的确实可用。在我们的抗病毒当中，AI能让我们年中监测调拨的必要原始数据，警醒见到者无即可注意的必要讯号。异议，气管网（微讯号：vcbeat）当中文了一篇来自阿斯利康的分析年度报告。

得出有的锂生命体活动室内空间和贝克曼电磁力

阿斯利康iLAB的主任Michael Kossenjans表示，“我在DMTA Hackweek感受到了活力和热爱。我们夜以继日地为DMTA Hackweek做立即。看上去大部分不不太可能在一周的一段时间内构建一个控制系统工程的DMTA平台，但是我们够了。这是我们分析新型研究团队控制系统工程新技术和原始数据挖掘的第一步，再次还有更加多的指导工作无即可顺利完成。”

口服开发设计：人类文明和机读原始数据大不相同

通过原始数据挖掘，我们最高科技的口服开发设计机械人和其他控制系统工程仪器可以相应操纵，对调拨到的原始数据作出有反应，让我们能更加极快更加有生产成本地指导工作。

AI特别设计的控制系统工程时是尽力我们克服一些统计分析化学不足之处的十分复杂疑问，旨在加速锂合成的天数，即设计——所制造——检测——统计分析（DMTA），来增进极快速公时是的决断。

我们发布有的DMTA平台只是借助于新型研究团队控制系统工程新技术和原始数据挖掘的第一步，这将加速构建和检测有关口服的分析。它将可能会用来大大地改善与治疗方面的锂。对于一个普通工程建设，无即可数百个DMTA天数来见到合理候选口服规范的锂。当通过人工来顺利完成这些天数时，不太可能会花费数周的一段时间，而我们的目标是将锂设计到检测原始数据调拨彼此之间的一段时间从4到6周减少至不少于5天。

在2017年，我们协办了DMTA “Hackweek”。各个分析点的见到者和我们内部的生命体学家两兄弟，通过他们的生命体学常识和专业新技术构建了首个“DMTA machine”静态。在哥德堡的技术创新研究团队里，他们连续指导工作了5天，彻底改变了我们见到口服的形式。本着“电脑病毒”的信念，这个的团队克服疑问了无数的困难，将20长期以来积累的硬件和软件混合上去，孕育出有了一个的仪器静态。这种的仪器可以在两不间断内，顺利完成分析工程建设的整个DMTA天数。

千里之行始于足下。通过这个比较简单的静态控制系统，我们刚刚共同开发原始数据挖掘，来提高效率新锂的清热，得出有相同的合成路线，让控制系统工程更加为高科技，这样我们就可以所制造更加十分复杂的分子可，采集更加多供筛选的原始数据。

量子力学计数:借助于在结构上统计分析化学来见到不可忽视分子可

建立潜在药品的统计分析化学三维在结构上是口服开发设计的决定适度，因为口服的大小和菱形非常不可忽视。它们阻碍着许多相同的优点，包括与生命体控制系统的电磁力，以及形成口服所即可的物质分子可的组织上去形式。

然而，就像一位跳伞者无即可多次的尝试，才能找到特别大的山间一样。我们需要一次又一次地检验所有不太可能的分子可菱形，以找到提高效率口服所即可的低量环己烷。

量子力学计数的新兴行业未来将会尽力我们克服这个疑问。量子力学计数机可以同时探索所有不太可能的锂在结构上，并根据合适的规范，在实体的操纵当中，集当中于最不太可能的在结构上。

通过相应规范，可以找到一系列高质量的高生产成本。目前为止，量子力学计数被可以检视的信息量所限制，我们仍然无即可在规范计数机上可用原有的直观法则，对它提供者的高生产成本开展一些几天后检验统计分析。原始数据挖掘的下一代运使用预计将可能会使量子力学计数转到下一个过渡期。我们目前为止的法则也许让我们可以掌握最方面的高生产成本，尽力我们选择出有比较好的统计分析化学在结构上。

借助于AI尽力IMED见到者

在分析当中，我们也通过AI，使原有的报表更加有效，并将原始数据转化为常识。我们刚刚可用AI来对常规鉴定的结果开展确实得出有，比如人体血浆蛋白混合（hPPB）检测，用意来尽力我们的见到者，让他们有更加多的一段时间专注于那些将给阿斯利康展现出更加大竞争对手压倒性的疑问。

在口服必要和消化行业当中蓬勃发展上去的hPPB检测，可以尽力我们了解潜在口服分子可是如何在病人体内原产的。我们刚刚与世界领先的秘密组织合作关系，借助于AI行业最高科技的分析来得出有结果。

我们目前为止刚刚检验AI在必要筛选、RNA生成、图象统计分析和CRISPR基因编辑等不足之处的运使用。在下一代，我们借此借助于AI来改革方案我们口服开发设计当中原始数据采集的现实生活，并把这些原始数据转成常识。

在2017年，虚拟筛选法则FastVS的蓬勃发展表明了的仪器孕育生产成本的前景。与OpenEye Scientific Software合作关系共同开发的新型“Google公司式”网络法则，延长了在一大大型分子可原始数据库当中搜索和筛选条用意一段时间，从数不间断到数秒，提高效率了口服见到的现实生活。

大原始数据统计分析有助于有别于解剖学转到21世纪

在生命体学特别设计的自然环境当中，能极快速辨识和自学原始数据当中的讯号和模式，是建立常识和阻碍下一**命体学蓬勃发展方向的决定适度。为了意味着这一点，我们无即可以一种可用的模式来采集为基础多样的大原始数据集。

在过去，对综合特异适度、RNA和单个器官的代谢原始数据开展检验，受限于我们有限的原始数据统计分析计数潜能。这是首次AI需要检视大原始数据，统计分析所有交可能会点以及它们的室内空间关联。

我们刚刚可用质谱仪成像新技术（MSI），在室内空间上对分子可开展生命体试样和秘密组织烟熏的蛋白整合，比如使用病理学检验的烟熏。这些年初的室内空间原始数据信息，可以很好地将秘密组织微自然环境、口服整合、和必要适度联系上去。然而，原有的原始数据挖掘法则对计数机控制系统有很高的要求，我们只能统计分析小型的、单个的原始数据集。为了克服这个疑问，我们共同开发了新的计数法则，可以直观有效地重新组合大量的MSI原始数据，以增加我们对多个交可能会点的自学潜能，时是如我们在在在《统计分析统计分析化学》上提到的那样。

借助于基于图论的MSI原始数据聚类法则分析小鼠静态当中口服的原产和代谢情况

这减弱了我们直观分析秘密组织和器官特定区外的分子可变动的潜能，并为逐渐变得十分复杂的室内空间关联PPP。口服必要和消化行业的分析人员与计数机和病理学生命体学行业的内部生命体学家密切合作关系，是整个分析的不可忽视部分。

展望下一代，我们计划将浅层自学法则与图象统计分析相混合，加速对慢适度脾脏疾病动物静态的检验，为西行流多光谱图象统计分析提供者更加确实的原始数据。这将增加原始数据的定量统计分析速率、可信度和展现适度，并通过综合的多基本概念图象挖掘来检测生命体关联及其结果。在2017年，我们的见到者与英国乳腺癌分析（CRUK）的的团队合作关系，设想有了绘制的断层扫描图，通过Google地图式的法则来分析乳腺癌的方面信息。这有不太可能使解剖学——最有别于的必要学科之一——转到21世纪。

借助于AI确实可用口服

日益多的秘密组织生命体标志物被用来归一化病人和确实的口服。然而，目前为止的新技术关的到解剖学家对图象开展手动上标，整个现实生活客观、工期而且十分复杂。我们可用AI来克服这一疑问，并共同开发了一种新的浅层自学法则，借助于数字解剖学，则可能会开展秘密组织生命体上标。

在对71位患儿试样的概念解析分析当中，我们见到AI可以则可能会上标人腺体脂质介导-2 （HER2），这是一种乳腺癌的生命体标志物。该法则还可以辨识出有发挥作用外伤效用的试样，显然它能使秘密组织生命体上标更加极快、更加比较简单、更加直观。

在2017年，我们在两个世界领先的生命体学大可能会上展览了这项成果，并将其刊出在《生命体学年度报告》上。

我们将之前借助于最高科技的生命体学新技术，通过与顶尖的法学机构合作关系，积极开展相近的分析。通过将云计数和最新二维图检视单元（GPU）硬件相混合，我们打算将则可能会统计分析网络化病理学图象转成一个生物技术的现实生活，并将AI法则带入到诊断检测的共同开发当中。我们的目标是借助于AI来阻碍患儿的治疗，将目标口服使用最无即可的患儿。

Watcher：时刻监测口服必要

在我们更加早的抗病毒当中，基于AI的决断支持控制系统Watcher大大控管输入的必要原始数据，并警醒见到者无即可注意的必要讯号。

Watcher是一个技术创新的AI警报控制系统，在抗病毒当中，可以尽力内科医生和见到者，将诊断决断法则连在一起到逻辑当中。阿斯利康、曼彻斯特大学乳腺癌分析所、the Centre for Cancer Biomarker Sciences和the Christie National Health Service Foundation Trust达成了月底五年的合作关系，是我们iDecide分析工程建设的不可忽视一环。CRUK Manchester Institute的数字实验乳腺癌医学的团队（digitalECMT）负责积极开展iDecide工程建设，通过与患儿从外部合作关系，来共同开发新法则，使更加好的抗病毒决断能更加极快地从外部造福于患儿。

Watcher还可用了另一种iDecide法则REACT 4，它对试制第一过渡期和第二过渡期的必要适度、有效适度和生命体标志物原始数据开展了整理，并使之暗喻，目前为止时是使用阿斯利康少于140项的分析当中。REACT 4可以按即可开展诊断所述，并取决于刚刚可用的控制系统。然而，Watcher的年中监测可以察觉到讯号并在讯号收到有时开展及时的通知。

在下一代，我们计划通过诊断法则和原始数据挖掘来蓬勃发展Watcher，以减弱和扩展当前的功用。这些蓬勃发展将使它与及时保健仪器两兄弟被带进患儿的家当中，让患儿可以进一步在参与抗病毒时开展自我控管。

原文链接：

%2046-49.pdf