临床试验招募6早远程医疗、华之康集团资讯：​人工智能在抗癌药物研发中的应用癌症是一种发病率和死亡率都很高的疾病，给人类健康带来了严重的危害。根据全球癌症统计，每年有数百万新的癌症病例和死亡。癌症是一组异质性和复杂的疾病，其特征是不受控制的细胞增殖和渗透或扩散到身体其他部位的能力。癌症固有的复杂性和异质性已被证明是发展有效抗癌疗法的主要障碍。

　　最近，人工智能已有效地应用于肿瘤图像分割、有丝分裂率和数量的识别和量化、突变筛选、来自癌细胞的无害细胞核的自动检测和分类、蛋白质构型和空间定位、预测未识别的代谢物的尝试、精确的医学匹配测试、药物重复使用、液体活检和基于药物基因组学的癌症筛选和控制。基于人工智能的癌症诊断、分层、突变识别、治疗和药物再利用策略可能有助于精确的肿瘤学研究。

　　而AI和机器学习(ML)可以帮助管理糖尿病等慢性疾病。事实上，ML和AI已经被用于基于遗传数据预测糖尿病的风险，使用电子健康记录(HER)数据诊断糖尿病，将肾病和视网膜病变等并发症的可能性降至最低，以及诊断糖尿病视网膜病变。

　　基于配体的相互作用指纹(LIFt)方法使用物理对接和取样方法来预测小分子药物的潜在靶标，蛋白质-配体相互作用指纹(PLIF)方法使用指纹方案来总结配体和蛋白质之间的相互作用。确定靶标对于给定的生物途径、分子过程或疾病是否重要的过程是耗时且昂贵的。当紧密的数据过滤和统计相结合时，目标验证的效率可以显著提高，因为高通量筛选暴露了相关疾病模型中的细胞反应。

　　AI用于预测抗癌药物的效果或帮助寻找抗癌药物(图1)。各种恶性肿瘤和药物的反应可能不同。来自大规模筛选过程的信息证明了癌细胞的遗传多样性和治疗方法之间的关系。Lind等人使用ML监测数据创建合成数据。根据目前癌细胞基因组的突变位置，抗癌药物利用该模型预测抗癌药物的有效性。

　　因此，AI可以帮助初级医生在临床诊断和决策方面进行教育。在模式识别之外应用AI来处理众多的数据模式、数据不足、评估选择性和预测功能，通过反馈指导学习过程和微调模型，可能会改变癌症护理。

　　肿瘤

　　人工智能在糖尿病控制中的应用正在迅速发展。感谢人工智能，我们可以重新思考糖尿病，重新设计糖尿病预防和护理实践。人工智能帮助开发预测模型，以评估糖尿病的风险及其影响。这将更容易将个性化护理组件纳入糖尿病管理。