市場活動

作為近年來技術(shù)變革的重要力量，云計算、大數(shù)據(jù)、人工智能等信息技術(shù)在生物醫(yī)藥領(lǐng)域展示了極大的應(yīng)用潛力，已經(jīng)成為藥物研發(fā)過程中縮短研究周期、節(jié)省研發(fā)成本、提升實驗成功率的核心生產(chǎn)力。人工智能技術(shù)與生物醫(yī)學大數(shù)據(jù)的交叉融合正在開啟生物醫(yī)學研究新范式。如利用AI快速篩選出具有潛在藥效的靶點，抑或進行臨床試驗方案預(yù)測和小分子大分子的毒理預(yù)測等，如今已經(jīng)成為不少生物醫(yī)藥企業(yè)研發(fā)過程中應(yīng)用的重點領(lǐng)域。

伯杰醫(yī)學健康X研究院乘著時代的風，也正在開啟自己的數(shù)據(jù)科學之路。我們將在臨床數(shù)據(jù)研究、檢測產(chǎn)品開發(fā)、疾病診斷等領(lǐng)域開啟人工智能的探索，通過多元分析、機器學習與深度學習等方式，為后續(xù)的研發(fā)工作賦能。

多元分析是一類統(tǒng)計學方法，即通過同時考慮多個變量之間的關(guān)系，揭示數(shù)據(jù)中的復(fù)雜模式和趨勢。多元分析在生物醫(yī)學研究領(lǐng)域中同樣扮演著重要角色，它可以幫助研究者更好地理解復(fù)雜的生物醫(yī)學數(shù)據(jù)。

多元分析工作主要用于揭示實驗和觀察數(shù)據(jù)中的復(fù)雜關(guān)聯(lián)，特別是多自變量和多因變量之間的關(guān)聯(lián)。多元分析常用的方法主要有降維和排序、聚類、時間序列分析和對應(yīng)的因果分析。對復(fù)雜微生物組數(shù)據(jù)還需要探討多自變量和多因變量之間的關(guān)聯(lián)，通常采用基于線性空間的方法，盡量在考慮自變量之間的關(guān)系的同時，量化自變量對因變量的影響。

機器學習是一種基于數(shù)據(jù)的學習方式，通過從數(shù)據(jù)中自動學習模式并進行預(yù)測和分類。作為高度交叉融合的前沿學科領(lǐng)域，以機器學習為代表的人工智能技術(shù)在生物醫(yī)藥領(lǐng)域可替代大量實驗，對藥物結(jié)構(gòu)、功效等進行快速分析，以達到縮短試驗周期、節(jié)省成本、促進新藥發(fā)現(xiàn)、提升試驗成功率等目的。

多元分析與機器學習區(qū)別：

• 機器學習更在乎模型的性能，多元分析更關(guān)注清晰地理解數(shù)據(jù)；

• 機器學習訓練模型時需要預(yù)留部分數(shù)據(jù)用于評估模型性能，多元分析則把全部數(shù)據(jù)提供給算法，讀取解釋性結(jié)果。

深度學習是一種神經(jīng)網(wǎng)絡(luò)技術(shù)，通過模擬人腦神經(jīng)網(wǎng)絡(luò)的連接方式，實現(xiàn)對復(fù)雜數(shù)據(jù)的處理和分析。用深度學習技術(shù)賦能生物醫(yī)學研究，可大大提高研發(fā)效率，推動完善生物醫(yī)藥產(chǎn)業(yè)生態(tài)。

在生物醫(yī)學領(lǐng)域，深度學習優(yōu)先用于無法直觀獲得特征的數(shù)據(jù)處理工作。典型的有，自然語言病歷文本、DNA和蛋白質(zhì)序列、語音片段等。深度學習可以完成對這些數(shù)據(jù)的分類、回歸、特征提取任務(wù)。伯杰醫(yī)學健康X研究院現(xiàn)采用的模型為transformer類模型，主要是大語言模型。