隨著計算能力的提高，研究人員可以處理大量數據，因此對其進行擴展分析變得越來越具有挑戰性。在舊金山舉行的分子醫學三方會議上，多學科的思想領導者在機器學習和人工智能領域解決了這個問題。他們分享了這些技術在大規模數據中的最新應用，以簡化藥物發現，臨床試驗和診斷。

機器學習和AI跟蹤于周一啟動，重點是將數據轉化為治療方法。阿西姆·西迪基（Asim Siddiqui）NuMedii的首席技術官，討論了他的公司如何開發技術，以整合生物學數據并創建可以預測藥物-疾病配對的模型。通過準確預測這些配對，NuMedii旨在提高成功進行臨床試驗的可能性。Siddiqui指出了臨床試驗的高失敗率，并指出，即使這些失敗率的適度下降也可以提供價值。他介紹了NuMedii的藥物發現人工智能（AIDD）技術，該技術將文獻中的數據以及合作伙伴和公共數據流中的-omics和其他數據集成到通用平臺，在該平臺上，他的團隊可以運行分析算法進行發現。AIDD涵蓋了數百種疾病，外加數千種化合物和靶標。

NuMedii的技術導致了許多有希望的預測。例如，三環抗抑郁藥丙咪嗪被預測具有與腫瘤細胞凋亡相關的抗癌活性。實際上，該化合物已在體外和體內顯示出針對多種小細胞肺癌模型的活性。Siddiqui最后指出“您不需要龐大的團隊來完成很多工作”，他指出了他的團隊通過機器學習挖掘的公共領域中的大量數據。

接下來的系列講座著眼于開發AI自動診斷程序的努力。瑞安·阿梅隆（Ryan Amelon）來自IDx Technologies的IDS分享了IDx-DR的臨床試驗的發現，IDx-DR是一種旨在檢測成人糖尿病性視網膜病變的AI系統，并于去年4月獲得FDA的批準，成為有史以來第一種無需專家即可使用的全自動診斷儀。眼科醫生對糖尿病性視網膜病進行分類“不是很好”，糖尿病性視網膜病是勞動年齡人群致盲的主要原因，其敏感性范圍為33%至73%。IDx-DR的臨床試驗涵蓋了10個地點的900名患者，發現它具有87.2%的敏感性和90.7%的特異性，盡管Amelon表示他和他的團隊仍然對數據不了解。，經驗豐富，

然后，Amelon概述了IDx-DR如何滿足完全自治的AI系統的條件。他強調了其可用性，并指出操作員僅需要高中文憑，并且沒有使用眼底照相機的經驗。此外，該系統確定FDA研究中96%的檢查具有診斷質量。IDx-DR還指導操作員重新拍攝質量不佳的圖像。最后，輸出是可操作的，并且系統經過嚴格驗證。實際上，Amelon和他的團隊已經開發了分別檢測糖尿病性視網膜病各種生物標志物的算法，從而獲得了大約12個驗證點，而不僅僅是一個驗證點。在開發一種完全自動化的診斷程序以替代醫師方面，“除了訓練算法之外，還有很多其他功能，” Amelon說。

斯托尼布魯克大學（Stony Brook University）主席兼生物醫學信息學教授喬爾·薩爾茨（Joel Saltz）討論了一項多機構合作，以開發基于深度學習的腫瘤浸潤淋巴細胞計算染色劑，該研究在去年4月的《細胞報道》（Cell Reports）中有所描述（DOI：10.1016 / j.celrep。 2018.03.086）。腫瘤浸潤淋巴細胞的模式與癌癥類型，臨床結果以及腫瘤和免疫分子特征有關。例如，那些與腫瘤接壤的腫瘤（防止腫瘤穿透）與不良預后相關。薩爾茨說：“這里的目標不是取代病理學家，”而是尋找生物標記物以確定哪種療法有意義。

然后，來自Geisinger的Aalpen A. Patel描述了該公司開發的深度學習算法的開發，該算法使用大量多樣的醫學成像數據進行訓練，以在頭部CT掃描中識別顱內出血，并幫助醫生確定患者的診斷篩查優先級。每年顱內出血約有200萬例中風，幾乎一半的死亡發生在顱內出血的前24小時內。在診所中，該算法將診斷新門診顱內出血病例的時間縮短了96%。