发布时间：2024-12-12 20:50:01 人气：
谋求医治癌症的复杂性已使研究人员后遗症了几十年。虽然他们获得了明显的变革，但他们仍在为之战斗，因为癌症依然是全世界丧生的主要原因之一。然而，科学家有可能迅速就有一个在他们身边的关键新的盟友－人工智能机器－可以以有所不同的方式解决问题这些复杂性的问题。
考虑到一个来自游戏世界的例子：去年谷歌的人工智能平台AlphaGo，部署了深度自学的技术，打败了世界顶级棋士高手韩国知名棋士手李世石，棋士是极为简单的游戏，每一步的走法可能性比宇宙中星星的数量都要多。这些完全相同的机器学习和人工智能的技术也可以带回解决问题癌症的大规模科学谜题中来。有一件事是认同的－如果我们没更好的数据可以用于，我们就无法利用这些新的科技来吞并癌症。
例如，许多数据资料，还包括医疗记录，基因测试和乳房X线照片，如果被封锁，那就无法被最差的科学思想和最差的自学算法所利用到。好消息是，大数据在癌症研究中的起到现在已转入主要发展阶段，一些大规模政府主导的基因测序计划正在向前发展。
这些还包括美国退伍军人事务部百万老兵计划；英国的100，000基因组计划；和NIH的癌症基因组图谱，其留存来自多达11，000个患者的数据，并且通过云分析对外开放给任何地方的研究者。根据最近的一项研究，2025年可以测序多达20亿个人类基因组。还有其他趋势推展对新的数据的市场需求，还包括遗传测试。在2007年，测序一个人的基因组成本1000万美元。
今天你只必须花上将近1，000美元。换句话说，10年前排序一个人，我们现在可以做到10000。这个影响是相当大的：找到你有基因突变或患上某些类型癌症的更高风险有时有可能是一个解救生命的信息。
而且随着投放更加多，研究工作也面对极大的潜在规模。研究人员（和社会）的一个核心挑战是，目前的数据集缺少数量和种族多样性。此外，研究人员常常面对限制性法律术语和不不愿共享合作伙伴关系。
即使的组织分享基因组数据集，协议一般来说在个体机构之间针对单个数据集。虽然目前有更大的承销所和数据库早已做到了最出色的工作，但我们必须更好的标准化术语和平台工作来加快采访。这些新技术的潜在利益远超过了辨识风险和筛查的范围。
机器学习的变革可以协助加快癌症药物的研发和化疗自由选择，使医生需要将患者与临床试验给定，并提升他们为癌症患者获取自定义化疗计划的能力（赫赛汀，最先的例子之一，依然是最差的例子之一）。我们坚信有三件事情必须再次发生，使数据更加可用作癌症研究和AI程序。首先，患者应当需要精彩地贡献数据。
这还包括医疗记录，放射学图像和遗传测试。实验室公司和医疗中心不应使用联合的同意书，使数据共享更容易和合法。第二，在人工智能领域，数据科学和癌症的结合点上工作的研究人员必须更好的资金。
正如ChanZuckerberg基金会为医药新的工具研发获取资金一样，新的人工智能技术必须为医疗应用于获取资金。第三，应当产生新的数据集，重点是所有种族的人。我们必须保证所有人都能取得癌症研究的进展。
本文来源：乐鱼全站(官方)-www.xinruite.com
