麻省理工学院的教授和麦克阿瑟研究员Regina Barzilay和Dina Katabi最近聚集了技术，生物技术和监管机构的领导者参加峰会，以激发人工智能和数字技术在医疗保健领域的广泛采用。
麻省理工学院被制药公司所包围，但到目前为止，麻省理工学院的人工智能研究与药物研发研究之间的联系却很少。这些领域实质上讲的是不同的语言，并且存在世界。
Barzilay和Katabi将改变这种状况。不到一年前，他们开始与制药公司合作，迅速认识到大量新的研究问题，并有机会改变药物设计和制造过程。
“当Dina和我想组织这个研讨会时，我们希望将这两个社区聚集在一起，并找出麻省理工学院和制药公司可以共同解决的难题，”电子工程和计算机科学系的Delta Electronics教授Barzilay说。
她和Katabi，电气工程和计算机科学系的Andrew和Erna Viterbi教授，吸引了来自15家制药公司，美国食品药品管理局(FDA)，地区医院和麻省理工学院电气工程，计算机科学同事的120名参与者，生物学和商业到峰会。
上午开始受到麻省理工学院教授，生物学教授，科赫综合癌症研究所成员Phillip Sharp的欢迎，他介绍了诺华生物医学研究所主席Jay Bradner的主题演讲人。布拉德纳说，机器学习代表了生物医学领域的“新浪潮”。
“我们迫切需要你的帮助，因为这门科学面临着真正的挑战，”布拉德纳说，他领导着遍布全球的6000名科学家。他说，其中“150人是数据科学家 - 这还不够。”他结束了他的主题演讲：“我知道我们在一起可以完全重新构想医学。”
学术研究人员展示了最前沿的工作，并突出了临床试验的益处，这些试验测试了新药的安全性和有效性。Katabi描述了一种类似WiFi的设备，它使用无线电信号来监测呼吸和心率。它还可以测量步态，检测跌倒，并监测睡眠和呼吸暂停。Katabi强调“该设备通过分析环境中的无线电波来提取这些信息。因此，患者没有任何开销，也无需佩戴传感器。“该设备目前已与帕金森氏症和阿尔茨海默病患者一起使用，用于了解疾病对移动性，睡眠和对照顾者的依赖性的影响。
“我们能否利用复杂的生物学知识和大量的临床和基因组数据来改变癌症药物的发现过程?”麻省理工学院斯隆管理学院波音运筹学教授Dimitris Bertsimas问道。他正在研究一种涉及个性化基因组癌症治疗的数据驱动方法。
电子工程和计算机科学系的Henry L.和Grace Doherty助理教授Caroline Uhler描述了基因组的空间组织和使用神经网络的早期癌症检测。
“生物医学处于拐点，”麻省理工学院斯隆管理学院的Charles E.和Susan T. Harris教授Andrew Lo说。他说，随着人们注意到科学，工程和治疗的融合 - 让我们也考虑经济学。
他描述了如果投资于药物的开发，他们使用计算机算法对生物技术和药品投资的财务回报进行统计分析。他说，机器学习模型可以精确估计临床试验成功的可能性。
“投资者想知道成功的机会，”他说。“你听说过大型制药公司退出老年痴呆症的说法，因为临床试验中的失败率导致他们将其视为”黑洞“。但如果你有更精确的分析可能会给投资者带来一些希望并可能吸引他们投资。”
其他演讲深入研究了数字技术带来的广泛改进。Barzilay描述了使用机器学习来检测癌症的复杂神经模型，可以解释其决策背后的原因。“我们的模型提供了可解释性和简明的证据。它采用神经网络并以智能方式将数据分开以给你一个解释，“她说。
电气工程和计算机科学系Thomas Siebel教授Tommi Jaakkola强调了机器学习在化学中的应用。他说现在是时候计算数据库中数以百万计的已知反应，只是部分探索 - 例如化学，医学或生物学期刊和私人资料库中的文章。“通过大规模消化信息，我们可以真正改善现有技术水平，”他说。“设计，发现，优化。这个地区正处于爆炸的边缘。“
这项工作目前是作为药物发现和合成联盟机器学习的一部分开发的，其中包括领先的制药公司和麻省理工学院的计算机科学家和化学工程师团队。
电气工程和计算机科学系助理教授大卫桑塔格表示，他希望看到声称，临床试验，疾病登记等数据以及机器学习更多地用于人群对疾病进展的了解。
他表示，自2008年以来，美国医院的电子健康记录采用率从9.4%增加了9倍，达到83.8%。但使用临床数据的机器学习的挑战是显着的，包括丢失和异构数据的数量。
罗切斯特大学医学中心David M. Levy神经病学教授Ray Dorsey介绍了Katabi技术为帕金森病患者提供的“巨大见解”。
“我们可以想象它们的位置，频率和运动以及所有可以在长时间跨度内准确跟踪的内容。到目前为止，我们对患者疾病经历的看法是偶然的，有限的，“他说。“也许明年，我可以回来说我们对这种疾病有非常有效的治疗方法。”
麻省理工学院麻省理工学院脑与认知科学系神经科学教授，麻省理工学院院长Emerita Susan Hockfield在下午的小组会议上问道：“如果我们很幸运，展望未来，FDA将如何加入数字和机器学习设备?”
“事情必须改变，但不应该改变的根本在于你必须验证你的技术是否具有人类利益，并且其益处大于预期用途的风险，”健康数据科学副校长Robert Califf说。杜克大学和前FDA专员。
峰会结束后，夏普是一位开创性的分子生物学家，因其共同发现RNA剪接而获得诺贝尔奖，他表示，它突出了AI和数字技术改善患者生活的希望。
夏普说：“我希望工作组能够从会议中脱颖而出，制定合作研究计划并吸引强大的财政支持。” “人们普遍认为，最近AI和数字技术的显着进步将改变生物医学科学和医疗保健。这一愿景引起了观众的兴奋，这将带来成就的希望。“