人工智能发现预防 COVID-19 复发的最佳药物组合

人工智能发现预防COVID-19复发的最佳药物组合加州大学河滨分校的一项机器学习研究以中国的数据为基础，揭示了预防COVID-19复发的最佳药物组合因年龄和体重等个体因素而异。这个独特的数据集考虑了接受多达八种药物治疗并在出院后接受监测的患者，从而对再感染率和治疗效果进行了更深入的分析。数据来自中国有两个重要原因。首先，在美国，当患者接受COVID-19治疗时通常使用一种或两种药物。而在疫情散布的早期，中国的医生可以开出多达八种不同的药物，因此可以对更多的药物组合进行分析。其次，中国的COVID-19患者出院后必须在政府经营的酒店隔离，这使得研究人员能够以更系统的方式了解再感染率。"这使得这项研究独特而有趣。你无法在世界其他任何地方获得这样的数据，"UCR统计学教授、研究报告作者崔新平说。该研究项目始于2020年4月，也就是大流行开始一个月左右。当时，大多数研究都侧重于死亡率。然而，香港附近深圳的医生更关注复发率，因为那里的死亡人数较少。"令人惊讶的是，近30%的患者在出院后28天内再次出现阳性反应，"该研究合著者、生物工程副教授廖嘉宇说。这项研究纳入了400多名COVID-19患者的数据。他们的平均年龄为45岁，大多数感染严重程度为中等，性别分布均匀。大多数人都接受了抗病毒药、消炎药和免疫调节药（如干扰素或羟氯喹）的多种组合治疗。不同人群使用不同的药物组合取得了更好的疗效，这与病毒的作用方式有关。"COVID-19能抑制干扰素，干扰素是细胞为抑制入侵病毒而制造的一种蛋白质。随着防御能力的降低，COVID可以在体内复制，直到免疫系统爆发，破坏组织，"廖解释说。感染COVID-19前免疫系统较弱的人需要服用免疫增强药物才能有效抵抗感染。年轻人的免疫系统在感染后会过度活跃，从而导致组织过度发炎，甚至死亡。为了防止这种情况，年轻人在治疗过程中需要使用免疫抑制剂。"我们在治疗疾病时，很多医生往往只为18岁以上的人提供一种解决方案。我们现在应该重新考虑年龄差异，以及其他疾病情况，如糖尿病和肥胖症，"廖说。大多数情况下，在进行药物疗效测试时，科学家会设计一项临床试验，将具有相同疾病和基线特征的人随机分配到治疗组或对照组。但这种方法没有考虑到其他可能影响药物对特定亚组起作用或不起作用的医疗条件。由于这项研究利用的是真实世界的数据，研究人员必须对可能影响观察结果的因素进行调整。例如，如果某种药物组合主要用于老年人，但证明无效，那么就不清楚是药物的问题还是人的年龄问题。"在这项研究中，我们开创了一种技术，通过对接受不同治疗组合的具有相似特征的人进行虚拟配对，来解决混杂因素带来的挑战，"崔说。"通过这种方式，我们可以归纳出不同亚组中治疗组合的疗效。虽然如今人们对COVID-19有了更深入的了解，疫苗也大大降低了死亡率，但在治疗和预防再感染方面仍有很多东西需要学习。现在，复发是一个更值得关注的问题，我希望人们能利用这些结果。"机器学习已被用于与COVID-19相关的许多领域，如疾病诊断、疫苗开发和药物设计，此外还有对多种药物组合的新分析。廖认为，技术在未来将发挥更大的作用。"在医学领域，机器学习和人工智能的影响还没有我认为的那么大，这个项目是一个很好的例子，说明我们可以如何迈向真正的个性化医疗"。...PC版：https://www.cnbeta.com.tw/articles/soft/1377053.htm手机版：https://m.cnbeta.com.tw/view/1377053.htm

人工智能生成的T细胞疫苗显示出对COVID-19的持久免疫力

人工智能生成的T细胞疫苗显示出对COVID-19的持久免疫力目前的COVID-19疫苗以SARS-CoV-2病毒的尖峰蛋白为目标，容易因突变而失去效力，与此不同的是，这种疫苗侧重于引发T细胞反应。这可能会产生更持久的免疫力，并作为其他季节性病毒疾病（如流感）的模型。这项研究标志着人工智能生成的疫苗首次在活体病毒挑战模型中被测试并证明是有效的。宾夕法尼亚州立大学和Evaxion生物技术公司的研究人员在小鼠身上测试了一种基于T细胞的疫苗对SARS-CoV-2的有效性。结果显示，接种疫苗的小鼠有87.5%的显著存活率，而对照组只有一只小鼠。此外，所有接受疫苗的存活小鼠在受到致命剂量的SARS-CoV-2挑战后的两周内清除了病毒。该研究结果最近发表在《免疫学前沿》（FrontiersinImmunology）杂志上。宾夕法尼亚州立大学兽医和生物医学科学副教授GirishKirimanjeswara说："据我们所知，这项研究是首次显示人工智能设计的T细胞疫苗对严重COVID-19的体内[活体]保护。"我们的疫苗在预防小鼠的严重COVID-19方面非常有效，而且可以很容易地扩大规模，开始在人类身上进行测试。这项研究还为可能快速设计针对新兴和季节性病毒性疾病（如流感）的新型T细胞疫苗铺平了道路"。既然已经使用的mRNA疫苗如此有效，为什么我们还需要一种基于T细胞的COVID-19疫苗？研究人员利用人工智能平台创造了一种基于T细胞的COVID-19疫苗，该疫苗可能比目前的疫苗持续时间更长。据Kirimanjeswara说，SARS-CoV-2病毒的尖峰蛋白正处于沉重的选择压力之下，这可能导致突变，从而推动新变种的出现。他说："这意味着疫苗制造商将不得不不断创造针对新变种的新疫苗，而人们也不得不不断接种这些新疫苗。"Evaxion生物技术公司的团队没有以不断变异的尖峰蛋白为目标，而是设计了一种疫苗，其中包括来自SARS-CoV-2各种蛋白质的17个表位，这些表位可以被免疫系统识别。这些表位引起了广泛选择的T细胞的免疫反应，确保了对未来变种的持续覆盖。病毒必须经历太多的变异才能逃脱这种T细胞介导的免疫，所以这是一个优势。第二个优点是T细胞介导的免疫力通常是持久的，所以不需要反复的加强剂量。如果T细胞在记住外来制剂方面如此出色，为什么第一代COVID-19疫苗被设计为从抗体中引起反应？Kirimanjeswara表示："生产基于T细胞的疫苗比生产基于抗体的疫苗更难，所需时间更长。鉴于我们需要一种疫苗来解决COVID-19大流行病的紧迫性，疫苗制造商创造一种基于抗体的疫苗是合理的。现在紧迫性已经过去，第二代基于T细胞的疫苗可能更有效，而且持续时间更长。"据共同作者、Evaxion生物技术公司项目主任AndersBundgaardSørensen说，其他生物技术公司正在开发基于T细胞的疫苗，但这个团队的疫苗在一个名为RAVEN（快速适应性病毒rEspoNse）的平台上使用多种类型的人工智能来预测疫苗的理想目标。"RAVEN真的很有适应性，"Sørensen说。"我们不必等待一个新的病毒株的到来来开发疫苗。相反，我们可以提前预测将需要什么。这不是别人现在正在做的事情，用T细胞疫苗更容易获得广泛的覆盖，因为我们可以包括针对不同蛋白质的多个表位。"他补充说，除了生产更好的COVID-19疫苗外，RAVEN平台还可用于开发更好的流感疫苗。很多时候，所设计的流感疫苗只有30-40%的时间起作用，所以很多人最终会生病。随着世界变得越来越一体化，这个问题将变得越来越大。我们的平台使用人工智能来更好地预测将需要什么"。Sørensen指出，Evaxion公司从与Kirimanjeswara及其宾夕法尼亚州立大学同事的合作中受益，因为他们在传染病的动物模型方面有深厚的专业知识，而且该大学有一个BSL-3实验室，他们可以在其中安全地研究SARS-CoV-2病毒。他说："我们的结果证明了工业-大学合作的力量"。...PC版：https://www.cnbeta.com.tw/articles/soft/1355537.htm手机版：https://m.cnbeta.com.tw/view/1355537.htm

辉瑞为能从咳嗽声中检测出COVID-19的技术支付了近1.2亿美元

辉瑞为能从咳嗽声中检测出COVID-19的技术支付了近1.2亿美元制药巨头辉瑞公司掏出近1.2亿美元收购了一家澳大利亚小公司，该公司声称开发了一款智能手机应用程序，可以通过分析咳嗽的声音准确诊断出COVID-19。大约十年来，澳大利亚小型数字医疗公司ResApp一直致力于开发一种算法，可以通过简单研究病人的咳嗽声来诊断呼吸系统疾病。PC版：https://www.cnbeta.com/articles/soft/1322041.htm手机版：https://m.cnbeta.com/view/1322041.htm

科学简单点：什么是人工智能？

科学简单点：什么是人工智能？在这段《什么是人工智能》的视频中，阿贡国家实验室的科学家TaylorChilders和BethanyLusch讨论了人工智能--通过模仿大脑的学习能力来帮助解决复杂问题的计算机技术和技巧。研究人员利用人工智能更好、更快地解决科学、医学和技术领域最棘手的问题，并帮助推动这些领域的发现。这包括帮助我们了解COVID-19如何攻击人体，以及找到管理交通堵塞的方法。研究人员利用人工智能来更好、更快地解决科学、医学和技术领域最棘手的问题，并帮助推动这些领域的发现。这包括帮助我们了解COVID-19如何攻击人体，以及寻找管理交通堵塞的方法。能源部（DOE）的许多设施，如阿贡国家实验室，都在协助开发一些最先进的人工智能技术。如今，这些技术已应用于从化学、环境和制造科学到医学和宇宙的各个研究领域。人工智能被用来帮助建立复杂系统（如发动机或天气）的模型，并预测如果这些系统的某些部分发生变化（如使用不同的燃料或温度持续升高）可能会发生的情况。但人工智能还有更多用途。阿贡人工智能工具箱中的一个重要工具是一种名为机器学习的技术，当它从更多的数据中学习时，它就会变得更聪明或更准确。机器学习对于识别隐藏在一幅更大、更拥挤的画面中的特定对象非常有帮助。在一个流行的例子中，通过向一个机器学习模型展示许多图片，训练该模型识别猫和狗的主要特征。后来，该模型能够从混合动物的图片中识别出猫和狗。类似的机器学习模型可以帮助科学家从太空望远镜中获得的天体图像中识别出不同类型的星系。机器学习只是帮助我们更快、更准确地学习的众多人工智能技术之一。它们可以帮助为一种新材料选择合适的分子或化学物质，有朝一日还能独立指导新的实验。阿贡与全球许多组织合作，成为人工智能应用和开发领域的领导者，其中包括将人工智能应用于以下领域：延长汽车和能源电池的使用寿命。建立更好的气候模型，预测野火、飓风和其他灾害，帮助我们的社区和电力公司防范这些灾害。找到病毒攻击我们细胞的部分，并开发出对抗它们的药物。人工智能分析大量复杂数据，以计算机速度执行人类任务。如今已成为我们日常生活的一部分，它有助于简化基本任务，如语音识别、内容推荐或基于人或物的照片搜索。科学家们正在以类似的方式利用人工智能来增进我们对周围世界的了解。人工智能可以帮助他们更快地分析堆积如山的数据，并提供更好的解决方案。从材料科学和医学到气候变化和宇宙，许多研究领域都在使用不同的人工智能技术。例如，我们可以通过查看许多不同的示例来训练人工智能识别复杂的模式。研究人员可以利用这种能力，通过对所有已知的太阳能电池或药物材料进行人工智能训练，找到新的改良材料。然后，人工智能可以帮助研究人员锁定其他有前景的材料，这些材料可以在实验室中制造和测试。编译自:ScitechDaily相关文章:科学简单点：什么是超级计算？...PC版：https://www.cnbeta.com.tw/articles/soft/1424735.htm手机版：https://m.cnbeta.com.tw/view/1424735.htm

数学家利用人工智能和新型聚类算法识别新出现的COVID-19变种

数学家利用人工智能和新型聚类算法识别新出现的COVID-19变种叠加在冠状病毒插图上的CLASSIX聚类结果的风格化图像。资料来源：曼彻斯特大学、疾病预防控制中心/MSMI的AlissaEckert；MAMS的DanHiggins本周发表在《美国国家科学院院刊》（PNAS）上的这项研究可以支持传统的病毒进化追踪方法，如系统发育分析，目前这种方法需要大量的手工整理。曼彻斯特大学研究员、论文第一作者和通讯作者罗伯托-卡万齐（RobertoCahuantzi）说："自从COVID-19出现以来，我们已经看到了多波新的变种、传播性增强、免疫反应逃避和疾病严重性增加。科学家们现在正加紧努力，以便在α、δ和Ω等这些令人担忧的新变种出现的最初阶段就将其定位。如果我们能找到一种快速有效的方法，就能更积极地采取应对措施，比如开发有针对性的疫苗，甚至有可能在变异体形成之前就将其消灭。"拟议的COVID-19变异识别方法步骤示意图。资料来源：曼彻斯特大学与许多其他RNA病毒一样，COVID-19的变异率很高，而且两代之间的间隔时间很短，这意味着它的进化速度极快。这意味着识别未来可能出现问题的新毒株需要付出巨大的努力。目前，GISAID数据库（全球共享所有流感数据倡议）提供了近1600万个序列，该数据库提供了流感病毒的基因组数据。从这些数据中绘制出所有COVID-19基因组的进化和历史，目前需要耗费大量的计算机和人力时间。所述方法实现了此类任务的自动化。研究人员只用了一到两天时间，就用一台标准的现代笔记本电脑处理了570万个高覆盖率序列；这是现有方法无法做到的，由于减少了资源需求，更多研究人员掌握了识别相关病原体菌株的能力。曼彻斯特大学数学科学教授托马斯-豪斯（ThomasHouse）说："大流行期间产生了前所未有的大量基因数据，这要求我们改进方法，对其进行彻底分析。数据仍在快速增长，但如果不显示出整理这些数据的益处，这些数据就有可能被移除或删除。""我们知道，人类专家的时间是有限的，因此我们的方法不应该完全取代人类的工作，而应该与他们并肩工作，以便更快地完成工作，并将我们的专家解放出来，从事其他重要的开发工作"。拟议方法的工作原理是通过计数将COVID-19病毒的基因序列分解成以数字表示的较小"词"（称为3-mers）。然后，它利用机器学习技术，根据单词模式将相似的序列分组。曼彻斯特大学应用数学教授斯特凡-居特尔（StefanGüttel）说："与传统方法相比，我们开发的聚类算法CLASSIX对计算的要求要低得多，而且是完全可解释的，也就是说，它能对计算出的聚类提供文字和视觉上的解释"。RobertoCahuantzi补充说："我们的分析是一个概念验证，证明了机器学习方法作为一种预警工具的潜在用途，可用于早期发现新出现的主要变种，而无需依赖生成系统发育。虽然系统发生学仍然是了解病毒祖先的'黄金标准'，但这些机器学习方法能够以较低的计算成本容纳比当前系统发生学方法多几个数量级的序列"。编译自:ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1424973.htm手机版：https://m.cnbeta.com.tw/view/1424973.htm

谷歌将深化人工智能在医疗保健领域的应用

谷歌将深化人工智能在医疗保健领域的应用谷歌当地时间3月19日宣布了一系列在医疗保健行业部署人工智能模型的计划。谷歌表示，谷歌研究团队和其拥有的Fitbit公司正在开发一项新的人工智能功能，该功能将从腕带中提取数据，指导用户的个人健康，该工具由谷歌人工智能模型Gemini提供支持。谷歌还表示，将与印度医疗中心ApolloRadiologyInternational合作，在印度提供人工智能驱动的肺结核、肺癌和乳腺癌筛查。