在医药和医疗人工智能的应用可以帮助慢性病患者的护理轨迹的优化;它可以建议对复杂疾病的精确治疗。此外，算法可以提高受试者进入临床试验的人数，从而导致产生更有效的药物。

为了展示该技术，研究了应用于医疗领域的三个人工智能示例。

AI用于肺癌检测

科学公司德雷珀(Draper)已启动一项旨在使人工智能系统更好地检测肺癌警告信号的程序。这是通过评估医学图像。引起这一关注的原因是由于与肺癌相关的高死亡率，以及及早发现该疾病的复杂性。患有肺癌的大多数症状只有在疾病发展时才会显现出来，从而使治疗变得困难。

正如PharmaceuticalPhorum所讨论的那样，Draper研究涉及通过评估CT扫描的二维图像，应用人工智能和机器学习来改善临床决策。这是为了帮助放射科医生检查图像上的可疑区域。

开发中的技术使用三维卷积神经网络对看起来可疑的扫描区域进行分类，并计算决策的统计置信度。

该技术已提交给《IEEE Transactions on Medical Imaging》杂志，该论文的标题为“用于通过低剂量CT扫描检测和诊断肺癌的3D概率深度学习系统”。

该应用程序是证明人工智能在诊断方面与人类医师一样可靠的最新步骤。

世界上第一个使用AI生产的药物

英国药物发现公司Exscientia生产了第一批借助人工智能生产的精密工程药物。该药现在准备开始临床试验。

开发新药的典型时间是五年;就Exscientia项目而言，该过程仅用了12个月。通过对350种合成化合物的分析，通过专门开发的算法从2500种化合物中分离出了检测出的用于该药物的化合物。

Exscientia首席执行官安德鲁·霍普金斯(Andrew Hopkins)在一份声明中说：“这与使用AI改变药物用途非常不同。这样的成功故事将为我们提供确凿的证据，证明AI确实将发挥其变革潜力。”

霍普金斯补充说：“我们相信使用AI创建的DSP-1181进入临床研究是药物发现的关键里程碑。”

这是新闻报道，这是研发组织Deep Genomics首次部署人工智能来选择治疗药物候选者。

评估血糖水平

一个研究小组已经建立了一个人工智能系统，以通过心电图读数(用于低血糖检测)检测低血糖水平。这种方法消除了对血液测试的需要。该方法对于糖尿病的检测是有效的。

心电图读数是从可穿戴传感器获得的。试验显示该方法具有82%的可靠性，并且有可能完全消除有创手指刺测试。

人工智能扫描一个明显的心电图波形，该波形表明出现了降血糖反应。通过针对每个患者自己的读数进行训练的算法来内置有效性。因此系统寻找独特的模式。

这项研究已经发表在《科学报告》杂志上，该论文的标题为“精确医学和人工智能：基于ECG的用于降血糖事件检测的深度学习的初步研究”。

基础科学

本文是《数字杂志》常规“基本科学”专栏的一部分。蒂姆·桑德勒(Tim Sandle)每周都会探讨一个主题性且重要的科学问题。