人工智能和机器学习将如何促进癌症患者护理和疫苗设计

人工智能/机器学习涉及计算机系统的开发，这些计算机系统可以执行通常需要人类智能才能完成的任务。人们每天都在使用 AI/ML，例如，在使用智能家居设备或数字语音助手时。人工智能/机器学习在生物医学研究和医疗保健领域的使用也在迅速增长。在最近的一篇观点论文中，新泽西州罗格斯癌症研究所和新泽西州罗格斯医学院 (NJMS) 的研究人员探索了人工智能/机器学习将如何补充现有的专注于基因组-蛋白质序列信息的方法，包括识别人类肿瘤中的突变。

医学博士、哲学博士 Stephen K. Burley 及其合作者于 12 月 2 日在《新英格兰医学杂志》上发表了这项研究。

AI/MI 在癌症研究和临床实践中的潜力是什么?

我们预见到，计算结构建模最直接的应用将集中在人类肿瘤(种系或体细胞)中检测到的点突变。经常突变的癌蛋白(例如，表皮生长因子受体EGFR，如图 2B 所示)的计算结构模型已被用于帮助识别癌症驱动基因、实现疗法发现、解释耐药性并为治疗计划提供信息。

人工智能/机器学习在医疗保健领域面临的最大挑战是什么?

从最广泛的角度来看，基本挑战可能包括 AI/ML 研发、技术验证、高效/公平部署和与现有医疗保健系统的一致集成，以及与监管环境相关的固有问题以及复杂的医疗报销问题。

这项技术将如何影响疫苗设计，尤其是 SARS-CoV-2 疫苗设计?

超越整个蛋白质组(生物学和生物医学的零件列表)的 3D 结构知识，准确的计算模型将能够分析单个蛋白质在 3D 中表现出的临床显着遗传变化。例如，令人担忧的 SARS-CoV-2 delta 变体刺突蛋白带有 13 个氨基酸变化。实验确定的与各种抗体结合的 SARS-CoV-2 刺突蛋白变体的 3D 结构，所有这些都可以从蛋白质数据库中获得开放访问，可以与关注刺突蛋白的新变体的计算结构模型一起使用，以了解其他氨基酸的潜在影响变化。在目前正在进行的工作(尚未发表)中，我们使用 AI/ML 方法来了解 SARS-CoV-2 关注刺突蛋白微小变体(有超过 30 个氨基酸变化)的结构-功能关系，

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！