人工智能如何抗擊艾滋??？

艾滋病已造成超過(guò)2500萬(wàn)人死亡。然而，過(guò)去15年來(lái)，全球在應(yīng)對(duì)艾滋病方面取得了巨大成就，截至2015年6月，1580萬(wàn)人得到抗逆轉(zhuǎn)錄治療。

隨著計(jì)算機(jī)科學(xué)和人工智能的發(fā)展，許多科學(xué)家都在探尋幫助艾滋病患者和預(yù)防艾滋病的新方法。那么，人工智能在抗擊艾滋病方面有什么應(yīng)用呢？今天我們就向大家介紹幾個(gè)研究。

人工智能幫助HIV診斷

HIV的早期診斷是一項(xiàng)非常重要的工作，能極大降低發(fā)病率和死亡率。診斷HIV的方法有很多，但都是由病人向醫(yī)生描述癥狀開(kāi)始--病人來(lái)到診所，向醫(yī)生描述自己的癥狀。接著，醫(yī)生向病人或其他關(guān)系緊密的人詢問(wèn)信息，了解其他癥狀。根據(jù)癥狀，醫(yī)生會(huì)縮小患病幾率的范圍，并列出一系列有可能引發(fā)這些癥狀的原因。這個(gè)過(guò)程通常比較復(fù)雜和主觀，嚴(yán)重依賴于醫(yī)生的經(jīng)驗(yàn)。為了解決這個(gè)問(wèn)題，美國(guó)三角洲州立大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)系的Akazue Maureen等人將神經(jīng)網(wǎng)絡(luò)與模糊推論系統(tǒng)相結(jié)合，組成一個(gè)神經(jīng)模糊系統(tǒng)（neuro-fuzzy system），生成了一個(gè)通過(guò)癥狀來(lái)判斷病人HIV感染風(fēng)險(xiǎn)的模型。這個(gè)系統(tǒng)能夠自我學(xué)習(xí)和自我適應(yīng)，處理醫(yī)學(xué)診斷中不確定和不精確的數(shù)據(jù)，克服單個(gè)醫(yī)生分析癥狀的局限性。

人工智能如何抗擊艾滋病？

但是，通過(guò)癥狀來(lái)診斷HIV只是其中一個(gè)方面，最精確的方法是病毒載量檢測(cè)。病毒載量就是檢查血液中的HIV數(shù)量。但是，病毒載量檢測(cè)需要特殊的設(shè)備，成本也很高，因此在一些不發(fā)達(dá)的國(guó)家或地區(qū)很難進(jìn)行。于是，還有另一種方法是檢測(cè)血液中CD4細(xì)胞的數(shù)量。CD4細(xì)胞是細(xì)胞免疫系統(tǒng)中的戰(zhàn)斗細(xì)胞。當(dāng)HIV削弱免疫系統(tǒng)時(shí)，CD4細(xì)胞的數(shù)量就會(huì)下降。但是CD4細(xì)胞的數(shù)量每時(shí)每刻都可能變化，其他的病毒感染、吸煙和精神壓力也會(huì)影響它的數(shù)量。于是，今年6月，有科學(xué)家在《醫(yī)學(xué)成像和衛(wèi)生信息學(xué)雜志》上發(fā)表論文，采用神經(jīng)網(wǎng)絡(luò)的方法，通過(guò)CD4細(xì)胞的數(shù)量來(lái)評(píng)估HIV-1病毒載量在抗逆轉(zhuǎn)錄病毒藥物作用下的變化，效果十分可觀。人工智能幫助制定艾滋病療法

人工智能幫助制定艾滋病療法

艾滋病患者通常需要采用雞尾酒療法，也就是同時(shí)服用多種藥物，主要是逆轉(zhuǎn)錄酶抑制劑和蛋白酶抑制劑中的2~4種組合在一起，學(xué)名叫「高效抗逆轉(zhuǎn)錄病毒治療方法」。這種方法能較大限度地抑制病毒的復(fù)制，并能修復(fù)部分免疫功能。但是，每種藥物的性質(zhì)不同，使用的規(guī)則也不同，為了避免產(chǎn)生抗藥性，該如何制定最有效的藥物方案呢？

根據(jù)《科學(xué)家》雜志報(bào)道，早在十幾年前，美國(guó)就有一家公司開(kāi)發(fā)了一個(gè)名為HIV Therapy Edge的軟件，將生物信息學(xué)與人工智能相結(jié)合，能迅速為病人提供藥物組合方案，還能在基因序列中搜尋抗藥的突變。匹茲堡大學(xué)的John Mellor說(shuō)，在以前，這個(gè)過(guò)程通常需要花上醫(yī)生半小時(shí)的時(shí)間，還必須坐在一間安靜的屋子里，逐個(gè)檢查病人的用藥史、病毒抗藥特征、用藥劑量等等信息。

隨著人工智能的發(fā)展，越來(lái)越多的應(yīng)用不斷涌現(xiàn)。例如，南非夸祖魯納塔爾大學(xué)和美國(guó)弗羅里達(dá)大學(xué)醫(yī)學(xué)院的研究者就將人工神經(jīng)網(wǎng)絡(luò)（ANN）和定量構(gòu)效關(guān)系（QSAR）相結(jié)合，開(kāi)發(fā)出一種能預(yù)測(cè)最大推薦用藥劑量的方法。他們從FDA數(shù)據(jù)庫(kù)中獲取了每種藥物的分子量、水溶解性、親油性、生物轉(zhuǎn)化半衰期、氧化半衰期、生物降解概率等詳細(xì)數(shù)據(jù)，并用訓(xùn)練集構(gòu)建了一個(gè)多元線性回歸和反向傳播神經(jīng)網(wǎng)絡(luò)。結(jié)果，他們的模型顯示出抗逆轉(zhuǎn)錄病毒藥物的水溶性與最大劑量中度相關(guān)，或許有助于更加安全有效的HIV療法。

而在抗藥性方面，幾年前，英國(guó)艾滋病毒抗性反應(yīng)數(shù)據(jù)庫(kù)的科學(xué)家用1154個(gè)臨床數(shù)據(jù)（基因型、基線病毒載量等）訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)的病毒反應(yīng)與實(shí)際反應(yīng)高度相關(guān)（r2 = 0.53; P < 0.00001），但是對(duì)陌生診所的數(shù)據(jù)的預(yù)測(cè)度并不高，還需要進(jìn)一步研究。

人工智能幫助預(yù)防艾滋病

在艾滋病的數(shù)據(jù)中，有一些數(shù)據(jù)令人痛心，那就是越來(lái)越多的年輕人，尤其是學(xué)生感染HIV.這是全世界都面臨的一個(gè)問(wèn)題，尤其是那些無(wú)家可歸的年輕人。據(jù)調(diào)查，美國(guó)每年有2百萬(wàn)年輕人無(wú)家可歸，其中11%為HIV陽(yáng)性（是普通人群的10倍）。

如何分析和避免HIV在無(wú)家可歸的年輕人中的傳播？許多機(jī)構(gòu)從無(wú)家可歸者中選擇了一些人進(jìn)行教育和培訓(xùn)，幫助他們理解如何預(yù)防HIV,希望他們將這些信息傳播口口相傳。但是，這些機(jī)構(gòu)在選擇培訓(xùn)對(duì)象時(shí)并沒(méi)有考慮社交網(wǎng)絡(luò)的結(jié)構(gòu)，導(dǎo)致傳播效率十分低下。為了解決這個(gè)問(wèn)題，美國(guó)南加州大學(xué)社工學(xué)院的Eric Rice等人開(kāi)發(fā)出一個(gè)名為PSINET（POMDP based Social Interventions in Networks for Enhanced HIV Testing）的算法，基于POMDP（部分可觀察馬可夫決策過(guò)程，Partially Observable Markov Decision Process），分析無(wú)家可歸者之間的朋友關(guān)系，從而繪出他們之間的社會(huì)聯(lián)系，并預(yù)測(cè)哪些人最具有影響力，從而幫助教育機(jī)構(gòu)挑選最有影響力的人參加培訓(xùn)，向他們宣傳預(yù)防HIV的知識(shí)。這個(gè)成果今年早些時(shí)候發(fā)表在德克薩斯舉行的人工智能發(fā)展協(xié)會(huì)會(huì)議上，目前正在與洛杉磯一個(gè)名為My Friend's Place的機(jī)構(gòu)合作。模擬測(cè)試顯示，這種方法的有效性比過(guò)去的方法提高了60%.

人工智能如何抗擊艾滋?。?/p>

今年艾滋病日的主題是「向零艾邁進(jìn)」（Getting to Zero），副標(biāo)題為「合力抗艾，共擔(dān)責(zé)任，共享未來(lái)」?？箵鬑IV的戰(zhàn)役不僅是醫(yī)療機(jī)構(gòu)和NGO的任務(wù)，更是全世界的共同責(zé)任。如今，生物科學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)等各個(gè)學(xué)科已經(jīng)聯(lián)合起來(lái)抗擊艾滋病，在人類(lèi)智慧之光的照耀下，相信這場(chǎng)持久戰(zhàn)即將初現(xiàn)勝利的曙光。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。