癌癥是一種發(fā)病率和死亡率都很高的疾病，給人類健康帶來了嚴重的危害。根據全球癌癥統(tǒng)計，每年有數百萬新的癌癥病例和死亡。癌癥是一組異質性和復雜的疾病，其特征是不受控制的細胞增殖和滲透或擴散到身體其他部位的能力。癌癥固有的復雜性和異質性已被證明是發(fā)展有效抗癌療法的主要障礙。
最近，人工智能已有效地應用于腫瘤圖像分割、有絲分裂率和數量的識別和量化、突變篩選、來自癌細胞的無害細胞核的自動檢測和分類、蛋白質構型和空間定位、預測未識別的代謝物的嘗試、精確的醫(yī)學匹配測試、藥物重復使用、液體活檢和基于藥物基因組學的癌癥篩選和控制?；谌斯ぶ悄艿陌┌Y診斷、分層、突變識別、治療和藥物再利用策略可能有助于精確的腫瘤學研究。
而AI和機器學習(ML)可以幫助管理糖尿病等慢性疾病。事實上，ML和AI已經被用于基于遺傳數據預測糖尿病的風險，使用電子健康記錄(HER)數據診斷糖尿病，將腎病和視網膜病變等并發(fā)癥的可能性降至最低，以及診斷糖尿病視網膜病變。
基于配體的相互作用指紋(LIFt)方法使用物理對接和取樣方法來預測小分子藥物的潛在靶標，蛋白質-配體相互作用指紋(PLIF)方法使用指紋方案來總結配體和蛋白質之間的相互作用。確定靶標對于給定的生物途徑、分子過程或疾病是否重要的過程是耗時且昂貴的。當緊密的數據過濾和統(tǒng)計相結合時，目標驗證的效率可以顯著提高，因為高通量篩選暴露了相關疾病模型中的細胞反應。
AI在腫瘤藥物研發(fā)和精準治療中的新作用
AI用于預測抗癌藥物的效果或幫助尋找抗癌藥物(圖1)。各種惡性腫瘤和藥物的反應可能不同。來自大規(guī)模篩選過程的信息證明了癌細胞的遺傳多樣性和治療方法之間的關系。Lind等人使用ML監(jiān)測數據創(chuàng)建合成數據。根據目前癌細胞基因組的突變位置，利用該模型預測抗癌藥物的有效性。
因此，AI可以幫助初級醫(yī)生在臨床診斷和決策方面進行教育。在模式識別之外應用AI來處理眾多的數據模式、數據不足、評估選擇性和預測功能，通過反饋指導學習過程和微調模型，可能會改變癌癥護理。
人工智能在糖尿病控制中的應用正在迅速發(fā)展。感謝人工智能，我們可以重新思考糖尿病，重新設計糖尿病預防和護理實踐。人工智能幫助開發(fā)預測模型，以評估糖尿病的風險及其影響。這將更容易將個性化護理組件納入糖尿病管理。
智慧醫(yī)療網 ? 2022 版權所有 ICP備案號：滬ICP備17004559號-5
