德国开发出能自动识别转移癌细胞的深度学习算法
亥姆霍茨慕尼黑中心2019年12月12日消息：该研究中心与慕尼黑大学、慕尼黑工大合作开发了一款不仅能自动识别扩散的癌细胞，而且还能找到分散在小鼠全身单个癌细胞的算法。癌症是全球最常见的死亡原因，但90%以上的癌症病人不是死于癌细胞扩散而非原发性肿瘤。由于生物发光法、MRI成像法等目前的技术分辨率有限，无法在病人全身检测到转移的癌细胞，致使各种癌症
日企研发手术辅助机器人 AI是关键
据《日本经济新闻》报道，外科手术领域正迎来智能化大潮，通过人工智能（AI）和机器配合，提高医生诊断水平和手术安全性。美国企业的机器人“达芬奇”一直占据着手术辅助机器人市场的半壁江山，在其专利即将到期的背景下，竞争开始白热化。日本企业奥林巴斯和川崎重工业正在加快研发，索尼也紧盯这一商机。日本国立癌症研究中心与全日本的医疗机构一起，正在着手建立世界上
Science子刊：我国科学家开发出针对ctDNA甲基化特征的机器学习算法来诊断结直肠癌
在一项新的研究中，来自中国中山大学肿瘤防治中心、广州优泽生物技术有限公司、华中科技大学同济医学院、上海市第一人民医院、四川大学、第四军医大学和澳门科技大学的研究人员使用了一种针对癌症甲基化特征的机器学习算法来诊断结直肠癌。
Life Science Alliance：深度学习算法有助于鉴定癌细胞的分子特征
根据发表在《Life Science Alliance》杂志上的新研究，一种新的深度学习算法可以快速，准确地分析来自结直肠肿瘤的几种基因组数据，以进行更准确的分类，从而有助于改善诊断和相关的治疗选择。
Genome Biol：人工智能算法——基因组研究的“瑞士军刀”
2019年12月1日 讯 /生物谷BIOON/ --每个分子遗传学家都希望找到一个易于使用的程序，可以比较来自不同细胞条件的数据集，识别增强子区域，然后将其分配给目标基因。 如今，柏林马克斯·普朗克分子遗传学研究所的马丁·温格隆（Martin Vingron）领导的研究小组现已开发出一个掌握所有这些内容的程序。 “ DNA非常无聊，因为它在每个细胞中几乎都一样。如果将基因组比作生命之书，
AI+药物研发的机遇与挑战
新药研发具有成本高、研发周期长、成功率低三大高风险性质。据《Natrue》报道，新药研发成本约为26亿美元，耗时约10年，成功率不到1/10。如何加速新药研发进程，降低研发费用已成为各大制药公司迫切需要解决的问题。此外，药品流通环节及医疗价值链的转变，迫使制药公司降低价格，提升药物价值。如今药物研发累计的数据高速增长，药物研发领域数字化转型加速。因此，药企的首要任务在于利用这些数据来驱
AI寻药，Insilico Medicine和ChemDiv达成战略合作
Insilico Medicine是一家人工智能公司，总部位于香港，在六个国家和地区设有办事处。 该公司在2015年率先应用了生成对抗网络（GANs）和强化学习（RL）来生成具有指定参数的新分子结构。除与大型制药公司合作外，Insilico Medicine还正在寻求内部药物发现计划 在不同的疾病领域和抗衰老领域。 ChemDiv是一家着重于寻找先导化合物的公司。 在过去
利用AI加快药物发现速度 Atomwise达成两项合作
今日，基于人工智能技术的药物设计公司Atomwise宣布，它通过分别与SEngine Precision Medicine和OncoStatyx公司合作，创立了两家合资企业。与SEngine Precision Medicine的合作将使用从患者体内获得的细胞培养的活体肿瘤类器官（organoid）模型，检测个体化药物分子的疗效。与OncoStatyx的合作将开发三阴性乳腺癌相关蛋白的
IBM再开源3个癌症AI项目 推动癌症研究
癌症是全球第二大死亡原因， 2018年估计有1，810万新病例以及960万人死于癌症。学术界和工业界也不断致力于寻找更有效的抗癌药物。IBM位于苏黎世的研究团队正在构建一些人工智能机器学习的方法，加速人们对复杂疾病的主要驱动因素、分子机制以及肿瘤组成的差异等几方面的理解。为了推动新疗法的研究进展，帮助人类更快地攻克癌症。IBM在不久前开源了3个治疗癌症的人工智能项目。同时IBM也在第1
最优控制节点算法为疾病联合治疗提供新候选靶标
如何不局限于已有药物来开发新颖的联合治疗方案？对于人类常见复杂疾病，比如癌症，第一步治疗往往是手术切除实体肿瘤。然而，癌细胞很难被彻底清除。为了防止癌症复发，化疗、靶向治疗、免疫治疗及这些疗法的联合通常作为后续治疗方案。联合治疗通过对多种致病通路发挥作用，是对抗药物抗性和疾病异质性的有效策略。目前大多数联合治疗的开发侧重于确定现有药物的协同组合。然而，现有药物仅靶向蛋白质组的很小一部分