Insilico 生成式 AI 候选新药进 2 期临床:耗时仅需三分之一
Insilico Medicine 宣布其完全由生成式 AI 辅助发现的特发性肺纤维化候选药物进入 2 期临床试验。团队用 Pharma.AI 贯穿靶点发现到分子生成全流程,耗时仅需传统研发的三分之一,花费也只要十分之一。该药将在中美两国患者中开展测试。
Insilico Medicine 宣布其完全由生成式 AI 辅助发现的特发性肺纤维化候选药物进入 2 期临床试验。团队用 Pharma.AI 贯穿靶点发现到分子生成全流程,耗时仅需传统研发的三分之一,花费也只要十分之一。该药将在中美两国患者中开展测试。
美加研究人员利用 AI 筛选药物分子,仅用一个半小时就从 6680 种未知化合物中圈定候选名单,最终发现能精准杀灭致命超级细菌的新型抗生素 abaucin。该药仅针对目标病菌有效,不易产生耐药性,但距 2030 年临床应用仍有漫长实验要走。
Google 联合人工耳蜗厂商 Cochlear 等机构,研发基于 AI 的个性化助听技术。该项目通过 AI 识别并分离特定声源,帮助听障人群在餐馆或公共交通等嘈杂环境下听清对话,目前正处于联合研发阶段。
得克萨斯大学奥斯汀分校团队在《自然-神经科学》发表成果,利用 fMRI 扫描与 GPT 模型,首次非侵入式将人脑活动解码为连续文本。系统能抓住受试者听到甚至想象的语义大意,有望帮失语患者发声,但团队也提醒需防范思维隐私风险。
据彭博社报道,苹果正研发代号为「Quartz」的付费 AI 健康教练服务,预计明年推出。该服务计划结合 Apple Watch 数据,为锻炼、睡眠和饮食量身定制方案;同时 iPad 也有望在 iPadOS 17 迎来独立健康 App。
Bill Gates 发文称 AI 时代已开启,视其为 1980 年图形界面后最重大的技术飞跃。OpenAI 团队仅用数月便让 GPT 在 AP 生物考试中拿下满分 5 分。盖茨指出 AI 将重构医疗与教育,重点在于利用其减少全球不平等。
周二,John Hopkins University 牵头的科研团队在《Frontiers》发表论文,提出结合 3D 人脑类器官与脑机接口的「类器官智能」概念。研究团队希望利用人脑超百亿神经元的连接方式突破硅基芯片物理极限,用于医学和新一代生物计算,但目前仍处在早期探索阶段。
纽约州批准医疗科技公司 PreciseDx 的 AI 乳腺癌诊断测试 PDxBr。该技术通过形态学量化分析辅助病理判读,能更精准地对侵袭性乳腺癌进行风险分层;其认证实验室已获准正式检测患者样本。
Salesforce 联合加州大学团队利用语言模型 ProGen 从零设计出全新蛋白质,成果发表于《自然-生物技术》。该模型在 2.8 亿个蛋白质上训练,把氨基酸当作单词来预测序列,合成样本中 73% 具备活性且成功杀死大肠杆菌。这意味着生成式 AI 能直接参与生物分子设计与新药研发。
据世界经济论坛报道,非营利组织 Earth Species Project 等团队正利用 AI 解析动物声音及生态声学数据,尝试破译动物之间的沟通方式。研究人员表示,这项研究旨在理解动物需求以辅助生态保护,并尝试实现双向跨物种沟通。
WIRED 刊文分析 AI 在基础科研中的角色演变。从破解生物学 50 年未解的蛋白质结构预测,到气象临近预报与基因组学,AI 正在跨越孤立学科。文章指出,AI 将在 2023 年像电子邮件一样,演变为全球科学家不可或缺的日常研究工具。
德国马普所等机构公布新研究,利用机器学习分析脑部 MRI 图像识别罕见痴呆症。该模型不仅能区分健康与患病,还能在 7 种不同痴呆综合征间精准辨别萎缩模式。这意味着患者能在早期获得对症治疗,尽量延长正常工作与自理的时间。
上周,NuraLogix 在 CES 展示了健康监测应用 Anura。用户只需用普通手机镜头录制 30 秒自拍视频,背后的 DeepAffex AI 即可通过面部血流变化,估测心率、血压及压力等上千项健康指标。不过官方强调,该应用不能替代临床医疗诊断。
BioNTech 宣布以最高 5.62 亿英镑收购英国 AI 初创公司 InstaDeep。前期将支付 3.62 亿英镑现金及股票,另有 2 亿英镑基于业绩的里程碑付款。BioNTech 计划将 AI 全面融入靶点发现、制造与递送全流程,用于加速个性化癌症疗法等研发。
多伦多大学团队在《Nature Communications》发表研究,利用 LightGBM 等机器学习模型预测并指导长效注射剂的配方设计。团队针对一款卵巢癌药物完成验证,以往需要多次试错的缓释曲线这次一次成功,相关数据集与代码已开源至 Zenodo。
研究团队提出一套预测黑天鹅事件的 AI 策略,成果发表在《Nature Computational Science》。该方法将贝叶斯统计与双网络架构 DeepONet 结合,绕开复杂的物理控制方程,只用极少数精选样本就能评估巨浪或疫情峰值等罕见风险,让极难预测的极端灾难变得可防可控。
德雷塞尔大学团队在《PLOS Digital Health》发表成果,利用 OpenAI 的 GPT-3 分析自发语音文本,预测早期痴呆的准确率达 80%。该方法比单纯分析停顿等声学特征更准,团队计划据此开发网页初筛工具。
研究团队系统梳理了机器学习与深度学习在血压预测中的应用进展。综述重点分析了常用数据集、评估指标以及常被忽视的数据划分策略陷阱,提出了客观评估模型表现的统一标准。团队已在 GitHub 开源基于 MIMIC III 的评测代码与资源。
阿尔托大学等团队公布一项研究,利用虚拟现实游戏、眼动追踪和机器学习,根据眼动差异客观检测儿童 ADHD 症状。该方法有望改变依赖问卷的主观诊断现状,提供更精准的日常行为评估。
布莱根妇女医院与博阿齐奇大学团队在《Nature Biomedical Engineering》发表深度学习模型,能将手术中快速冷冻切片的图像转化为接近「金标准」的高质量图像。这项技术能帮病理医生在几分钟内更准确地鉴别胶质瘤和肺癌等亚型。不过入驻手术室前仍需临床验证。