21、精准医疗与药物研发中的人工智能与图像分析挑战

精准医疗与药物研发中的人工智能与图像分析挑战

在医疗领域，人工智能（AI）展现出了令人振奋的前景，但要实现其在精准医疗中的全部潜力，仍面临诸多挑战。

精准医疗中AI面临的关键挑战

1. 生物/临床数据现状
   • FAIR数据原则的重要性 ：在数据科学领域，当前生物/临床数据的状态是首要挑战。FAIR数据原则（可发现性、可访问性、互操作性和可重用性）是使数据“适合AI”的基础，但目前整个科学界离实现这一目标还很远。
   • 实现步骤 ：不能强制所有科研人员立即放弃现有做法，而应逐步推进。这既需要计算机科学家的努力，也需要实验科学家的配合。实验科学家需要明确的定义来注释、存储和共享实验数据，信息团队则要构建合适的基础设施。
2. 生物复杂性
   • 难以完全解决的问题 ：生物学的复杂性是另一个重大挑战。我们对生物学了解得越多，就越意识到还有很多未知。例如，IBM Watson for Health未能兑现承诺，部分原因是它无法从复杂的医学文献中解读出精确的临床信号。
   • 应对方法 ：为了应对生物复杂性，应生成多模态实验读数，以更全面地了解生物变异性。临床决策不仅仅基于统计显著性或特定观察的频率，还依赖于大量“真实世界”的证据和经验，而量化这些证据和经验可能是一项不可能完成的任务。因此，预测特征的可解释性变得至关重要。