如何利用人工智能来改善人类健康？
近年来，越来越多的科学家们开始使用人工智能技术加速多项领域的研究，当然了他们也取得了很多研究成果，本文中，小编就对近期相关研究成果进行整理，与大家一起学习！
【1】Com Biol Med：人工智能帮助治疗糖尿病引发的眼疾
doi：10.1016/j.compbiomed.2018.10.031
根据最近的一项研究，研究人员已经使用人工智能诊断早期阶段的糖尿病引发的失明症状。
糖尿病视网膜病变是成人视力丧失的主要原因，其影响正在全球范围内扩大，到2030年将有1.91亿人受到影响。在疾病早期，虽然没有明显症状，但疾病可能已经发展。早期诊断和治疗可以对患者保持多少视力产生显着影响。
研究人员开发了一种图像处理算法，可以自动检测疾病的一个关键症状，即视网膜上的液体，准确率为98％。该研究的首席研究员，墨尔本皇家理工大学Dinesh Kant Kumar教授表示，这种方法是即时且具有成本效益的。
【2】PLoS ONE：科学家有望利用人工智能技术更好地管理癌症患者
doi：10.1371/journal.pone.0208808
近日，一项刊登在国际杂志PLOS ONE上的研究报告中，来自萨里大学等机构的科学家们通过研究开发出了一种新型的人工智能系统（AI），其有望预测癌症患者在整个治疗过程中的疾病症状和严重程度。
文章中，研究人员详细描述了他们开发的两种机器学习模型如何准确预测癌症患者所面临的三种疾病症状的严重性，这三种症状包括抑郁、焦虑和睡眠障碍，这些症状均与癌症患者生活质量的明显下降直接相关。研究者分析了癌症患者在接受计算机断层扫描x射线治疗过程中所经历的症状和相关数据，随后在不同的时间段来检测是否机器学习算法能准确预测患者的疾病症状表现。
【3】Cancer Res：开发出可高效识别不同类型癌细胞的人工智能系统
doi：10.1158/0008-5472.CAN-18-0653
在癌症患者中，癌细胞的类型在不同患者之间存在很大差异，甚至在同一种疾病中也是如此；识别癌症患者机体中存在的特殊细胞类型对于选择最佳的疗法来有效治疗患者至关重要，但能够完成这项任务的方法却是非常费时的，而且常常会因人为错误和人类视野的局限性而被阻碍。
近日，一项刊登在国际杂志Cancer Research上的研究报告中，来自日本大阪大学的科学家们通过研究揭示了如何通过一种基于人工智能的系统来克服上述问题，研究者指出，这种基于人工智能的系统能通过扫描显微图像并获得比人类判断更高的准确率，来有效识别不同类型的癌细胞，这种方法或能给肿瘤学领域的研究带来革命性的突破。
【4】Bioinformatics：新型人工智能系统有望加速科学家们在癌症领域的研究
doi：10.1093/bioinformatics/bty845
近日，一项刊登在国际杂志Bioinformatics上的研究报告中，来自剑桥大学的科学家们通过研究开发了一种名为“LION LBD”的新型AI系统(人工智能系统)，其能帮助帮助研究人员进行癌症相关的研究。
目前癌症研究在全球范围内吸引了大量的资金，而且相关研究报告的数量也非常庞大，因此研究人员正在奋力进行癌症领域相关的研究，而他们常常会发现，很多批判性假设的证据往往是在文章发表之后才会被发现。
癌症是一种非常复杂的疾病，其在全球是诱发人群死亡的第二大原因，目前研究人员并没有完全对癌症进行深入剖析；癌症的发生包括多种化学和生物化学分子、反应以及多种通路的改变，研究人员在多个广泛的学科中进行癌症研究，而其在描述相似概念的方式上也各不相同。
【5】Science：利用人工智能预测RNA病毒的动物宿主和传播媒介
doi：10.1126/science.aap9072
诸如埃博拉病毒和寨卡病毒之类的许多致命性的和新出现的病毒传播给人类并导致严重疾病之前早就在野生动物和昆虫群落中传播。从基因组序列中寻找不同病毒的动物和昆虫宿主可能需要多年的密集的实地研究和实验室工作。由此引起的延迟意味着难以实施预防措施，比如给疾病的动物来源接种疫苗，或者阻止物种之间的危险接触。因此，在当前，及时地找到这些天然病毒宿主---这可能有助于阻止向人类传播---对科学家们构成了巨大的挑战。
如今，在一项新的研究中，来自苏格兰格拉斯哥大学等研究机构的研究人员设计出一种新的机器学习算法，它利用病毒基因组序列预测一系列RNA病毒的可能的自然宿主，其中RNA病毒是最常见的从病毒跳跃到人类中的病毒群体。相关研究结果发表在2018年11月2日的Science期刊上。
【6】Adv Therap：人工智能助力转移性前列腺癌治疗，疗效显著
doi：10.1002/adtp.201800104
联合化疗是癌症治疗之路上的一块里程碑，但是优化其疗效需要对药物的协同作用进行剂量和时间相关的调整，传统的基于实验的调整方法耗时又耗力，效率极低，阻碍了最佳联合疗法的发展。
为此，研究人员近日开发出了一种基于人工智能（AI）的平台——CURATE AI来完善并加速这个过程。在他们的研究中，研究人员使用了溴结构域抑制剂ZEN-3694和雄激素受体拮抗剂恩杂鲁胺（enzalutamide）这两个药物作为模式药物，利用这种新的AI平台对联合它们治疗一名转移性去势抵抗性前列腺癌病人的用药方针进行了指导，目的在于降低病人血清中的前列腺特异性抗原（PSA）。
【7】Lancet Oncol：人工智能帮助预测癌症患者接受免疫治疗的效果
doi：10.1016/S1470-2045(18)30413-3
发表在《Lancet Oncology》上的一项研究首次证实，人工智能可以处理医学图像以提取生物学和临床信息。通过设计算法并将其开发用于分析CT扫描图像作者等人创建了一个所谓的放射学特征。该特征定义了肿瘤的淋巴细胞浸润水平，并提供了患者免疫治疗功效的预测评分。
将来，医生可能因此能够使用成像来识别位于身体任何部位的肿瘤中的生物现象，而无需进行活组织检查。到目前为止，没有标记可以准确地识别那些对PD-1 / PD-L1免疫治疗有反应的患者，在这种情况下，只有15％至30％的患者对此类治疗有反应。众所周知，肿瘤环境中免疫细胞更丰富（淋巴细胞的存在），免疫疗法有效的可能性越大，因此研究人员试图通过成像来表征这种环境并将其与患者的临床反应相关联。
doi：10.1038/s41467-018-04724-5
来自瑞典的科学家们的最新研究成果表明数据驱使的AI可以帮助我们更深入了解前列腺癌如何发展，最终可以帮助提高这种疾病的临床诊断和治疗结果。每种癌症都是独特的，它的特点随着时间变化而变化，这种所谓的肿瘤异质性是由于肿瘤内细胞的竞争性克隆以及可能增加转移概率的获得性基因突变。
来自瑞典生命科学实验室的研究人员开发了一种数据训练的AI方法可以帮助我们更好地了解前列腺癌及其周围微环境异质性相关的主要事件。这个来自瑞典皇家理工学院（KTH）和卡罗林斯卡研究所的研究团队在KTH分子生物学教授Joakim Lundeberg的领导下获得了来自6750个肿瘤组织样品的空间转录组学（一种定量分析基因的组织学方法，由KTH和卡罗林斯卡研究所的研究人员共同开发）分析数据。
doi：10.1016/j.cell.2018.05.057
在一项新的研究中，来自比利时鲁汶大学（VIB-KU Leuven）Stein Aerts教授及其团队首次在果蝇衰老过程中绘制出每个脑细胞的基因表达图谱。由此产生的“细胞图谱”为大脑在衰老过程中的运作提供了前所未有的见解。这种细胞图谱被认为是开发有助于更好地理解人类疾病发展的技术而迈出重要的第一步。相关研究结果于2018年6月14日在线发表在Cell期刊上。
果蝇的大脑由大约10万个细胞组成，尽管它比人脑小得多，但它包含数百种不同类型的神经元和其他形成复杂网络的细胞，非常像人类大脑。研究者解释道，“为了真正理解大脑的运作，即使对像果蝇一样小的有机体，我们也需要放大观察每个细胞。所有的器官和组织都由许多不同的细胞组成，这些细胞彼此之间进行沟通来执行它们的特定功能。尽管它们具有相同的DNA，但它们都表达一组不同的基因，因此为了理解真正发生了什么，我们需要知道哪些细胞在做什么和什么时候做。”
【10】Science：开发出人工智能驱动的鬼影细胞测定仪，不用产生图像就可高通量识别和分选细胞
doi：10.1126/science.aan0096
在一项新的研究中，日本研究人员发明了一种新的细胞识别和分选系统，并称之为鬼影细胞测定仪（Ghost Cytometry）。这种系统将一种新的成像技术与人工智能（AI）结合在一起以史无前例地高通量速度识别和分选细胞。他们希望他们的方法将用于识别和分选在患者血液中的循环癌细胞、能够加速药物发现和改进基于细胞的医学疗法的疗效。
在这项研究中，这些研究人员证实鬼影细胞测定仪能够分选至少两种不同类型的具有相似大小和结构的细胞，而且很少发生分选错误。鬼影细胞测定仪能够以每秒1万多个细胞的速度识别细胞，并且以每秒数千个细胞的速度对细胞进行分类。现存的细胞分选机器不能够区分具有相类似形状的细胞类型。人类专家借助显微镜通常以每秒少于10个细胞的速度识别和分选细胞，而且有时还具有较差的准确度。（生物谷Bioon.com）
生物谷更多精彩盘点！敬请期待！