從在搜索中回答與健康相關(guān)的問題，到給開發(fā)者提供健身數(shù)據(jù)平臺，Google在我們的日常健康中越來越重要。但其實互聯(lián)網(wǎng)巨頭們也在努力加快研發(fā)治愈人類頑疾的關(guān)鍵藥物。

同斯坦福大學(xué)的Pande Lab合作，Google Research發(fā)表了一篇題為“針對藥物研發(fā)的大規(guī)模多任務(wù)網(wǎng)絡(luò)”的文章。該文章描述了如何用不同來源的數(shù)據(jù)，更好地確定哪種化合物將作為“治療多種頑疾的有效藥物”。

文章本身并沒有顯示任何重大醫(yī)學(xué)突破，它只是指出如何利用深度學(xué)習(xí)來處理巨大的數(shù)據(jù)庫，并加速藥物開發(fā)。深度學(xué)習(xí)指用大量數(shù)據(jù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并從中提取出新信息。

Google Research博客的聯(lián)合撰稿人解釋說：

“這項工作一個令人鼓舞的結(jié)論是，模型能夠利用不同的實驗數(shù)據(jù)，提高多種疾病的預(yù)測精度。據(jù)我們所知，這也是首次對增加額外數(shù)據(jù)的效果進(jìn)行量化檢驗，而且研究結(jié)果表明，更多的數(shù)據(jù)可以進(jìn)一步的提高量化性能?！?/p>

Google表示，這次的工作量“比以往大18倍”，挖掘了200多個生物實驗的37.8萬個數(shù)據(jù)點。

隨著許多大型科技公司開始進(jìn)軍深度學(xué)習(xí)領(lǐng)域，去年Twitter、Google和Yahoo都收購了深度學(xué)習(xí)創(chuàng)業(yè)公司，而Facebook和Baidu則聘用了大量的員工來研發(fā)這一領(lǐng)域，Netflix和Spotify也在開展相關(guān)工作。

另外，我們也不斷看到未來的醫(yī)療如何倚重機器人、技術(shù)分析和人工智能。對于疾病治療，它也同樣越來越多依賴人工智能、大數(shù)據(jù)和深度學(xué)習(xí)，這和我們在Google和斯坦福的這項研究中看到的一樣。

通過自動化和提高預(yù)測技術(shù)，這不僅加快了藥物的研發(fā)過程，而且降低了成本。發(fā)現(xiàn)新治療方法是一個高難度挑戰(zhàn)，藥物的各方面必須直擊疾病的源頭，同時還要滿足嚴(yán)格的代謝和毒性的限制。而傳統(tǒng)的藥物研發(fā)需要許多年才能完成，并且研發(fā)過程中失敗率很高。

簡而言之，對數(shù)百萬的化合物進(jìn)行測試需要很長的時間，因此任何能增加成功組合幾率的事，都是一件好事，而這也是機器學(xué)習(xí)可能有所幫助的地方。

via vb

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。