张学勇移民公司
微信扫一扫 分享朋友圈

已有 112 人浏览分享

开启左侧

微软欲用AI解码免疫系统,一次性筛查上百种疾病

[复制链接]
112 0



  人体的免疫系统非常复杂,也非常聪明。有时在疾病确诊前几天、几个月乃至几年,你的免疫系统就能知道你将在何时生病。

  如果我们能够捕捉到免疫系统发出的细微信号,就可以在卵巢癌和胰腺癌等疾病变得致命前,抓紧时机治疗,从而每年挽救数百万人的生命。老牌科技巨头微软正在努力将这一构想变成现实。

  上周四,微软对外宣布,它正在和西雅图的生物技术公司Adaptive Biotechnologies合作,开展一项长达数年的项目。该项目将建立一个全面的血液测试,通过解码免疫系统中的信息,一次性筛查几十甚至数百种疾病。

  雷锋网了解到,作为合作的一部分,微软将向Adaptive Biotechnologies投入一笔资金(具体数额尚未公布),并提供云计算和机器学习相关的服务。Adaptive Biotechnologies的首席执行官Chad Robins表示,二者加起来价值“数亿美元”。该项目是微软Healthcare NExT计划的一部分,旨在运用微软的先进技术解决人类当前面临的医学难题。

  如果这个项目取得成功,那么我们将在疾病诊断方面将迎来颠覆性的变革,这也意味着医疗卫生技术将迈进新的纪元。

  这个项目的核心思想非常简单,就是利用人体的自然警报系统判断你将在何时患病。

  Adaptive Biotechnologies的联合创始人兼首席技术官Harlan Robins(Chad Robins的兄弟)说道:“归根结底,自然界和进化系统比我们想象的更先进。人体用于检测和消灭疾病的系统被称之为适应性免疫系统,它比任何时候的我们都更擅长于发现疾病。”

  免疫系统所知的所有信息都被编码进了T细胞和B细胞等免疫细胞的基因里,漂浮在我们周身的血液中。Adaptive Biotechnologies用一种它们称之为“下一代基因测序”的技术,来读取这些细胞的基因,创建一份包含数十亿个数据点的免疫图谱。

  免疫图谱中堆积成山的庞大数据里隐藏着任何一种正在酝酿的疾病的征兆。

  “其中包含了人体系统中所有疾病的所有信息,只是我们还无法将其解码。这个项目的真正目标就是找到实时解码这些信息的方法。” Harlan Robins说道。

  这正是机器学习技术的用武之地。Adaptive Biotechnologies收集的数据背后将得到微软人工智能技术的加持,通过建立一项血液测试,寻找免疫细胞的遗传标记与疾病间的对应关系。

  与目前一次性只能诊断一种疾病的诊断方法不同,Adaptive Biotechnologies的测试可以一次性筛查出大量疾病,Chad Robins将其类比为X光机。

  他说道:“X光机可以诊断手腕骨折,也可以诊断腿部骨折。”同样的道理,Adaptive Biotechnologies的测试项目可以诊断从胰腺癌到多发性硬化症(一种自身免疫性疾病)等不同疾病。

  理想情况下,这项测试将成为一种常规检查手段。每个人都可以在年度体检中通过快速分析免疫系统中的遗传标记来筛查疾病。它甚至还能帮助我们预测该如何应对和治疗疾病。

  据雷锋网了解,项目初期,Adaptive Biotechnologies将主要聚焦于三类疾病:一、通常只有在非常晚期才能诊断出的疾病,比如胰腺癌和卵巢癌;二、难以诊断的自身免疫性疾病,比如多发性硬化症;三、可能潜伏在人体中并再次发病的传染性疾病,比如慢性莱姆病。

  Harlan Robins表示,该项目面临的最大挑战可能是来自监管方面的阻碍。目前,诊断工具只被批准一次性诊断一种情况,这意味着Adaptive Biotechnologies的血检法每次应用时都必须重新获得审批。

  保险制度也是阻力之一,毕竟如果没有人买单,它便无法获得商业上的成功。

  但是一旦这个项目取得成功,它将颠覆我们对于健康的看法,并为疾病的预防和治疗带来积极作用。这也将是运用人工智能技术改变医疗保健和生物技术行业的另一个绝佳范例。在过去,对如此庞大的数据量进行挖掘和利用几乎是不可能的。

  via GeekWire 雷锋网编译

举报 使用道具

回复
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

9

关注

15

粉丝

42462

主题
精彩推荐
热门资讯
网友晒图
图文推荐

维权声明:本站有大量内容由网友产生,如果有内容涉及您的版权或隐私,请点击右下角举报,我们会立即回应和处理。
版权声明:本站也有大量原创,本站欢迎转发原创,但转发前请与本站取得书面合作协议。

Powered by Discuz! X3.4 Copyright © 2003-2020, WinnipegChinese.COM
GMT-5, 2024-9-22 18:24 , Processed in 0.034341 second(s), 32 queries .