近日，權(quán)威機(jī)構(gòu)IDC發(fā)布報(bào)告《IDC PeerScape: 中國新藥研發(fā)中新興信息化技術(shù)應(yīng)用實(shí)踐與案例》。
其中，華為云聯(lián)合高校進(jìn)行的計(jì)算機(jī)輔助藥研案例，被該報(bào)告列為新藥研發(fā)機(jī)構(gòu)與專業(yè)的生物計(jì)算技術(shù)企業(yè)合作開展新藥研發(fā)的最佳實(shí)踐之一，成為了所有新藥研發(fā)項(xiàng)目的參考范本。
至此，華為云的AI藥物研發(fā)布局也逐漸展露雄心。
更早之前，其還就得到中科院上海藥物研究所的青睞，將AI能力和計(jì)算藥物、藥物研發(fā)進(jìn)行結(jié)合，推出了基于 ModelArts平臺的藥物聯(lián)邦學(xué)習(xí)服務(wù)。
此外，在2020年4月，華為云還發(fā)布了迄今為止全球最大的免費(fèi)公開新冠藥物虛擬篩選數(shù)據(jù)庫——“神農(nóng)項(xiàng)目”。
云+AI技術(shù)出身的華為云業(yè)務(wù)，為何頻頻在傳統(tǒng)的生物醫(yī)藥行業(yè)出招，在市場規(guī)模遠(yuǎn)超消費(fèi)行業(yè)的制藥產(chǎn)業(yè)，其又在籌劃著多大的戰(zhàn)略意圖。
近日，雷鋒網(wǎng)《醫(yī)健AI掘金志》以“AI制藥·下一個(gè)現(xiàn)象級賽道”為主題，邀請燧坤智能、英飛智藥、宇道生物、西湖歐米、華為云，五家先鋒企業(yè)，舉辦了一場線上論壇分享。
作為此次論壇的嘉賓，華為云醫(yī)療智能體產(chǎn)品總監(jiān)孟鑫，以《華為云人工智能在生命科學(xué)領(lǐng)域的探索和實(shí)踐》為題，進(jìn)行了演講。
孟鑫表示：藥物研發(fā)非常復(fù)雜，包含很多環(huán)節(jié)，從最開始藥物發(fā)現(xiàn)到臨床前，到后續(xù)藥物流通，包含著很多復(fù)雜環(huán)節(jié)。
以AI新藥研發(fā)為例，不只要關(guān)注藥物分子設(shè)計(jì)和篩選，背后需要藥物研究、基因臨床和醫(yī)學(xué)影像等等的支撐。
其中，華為云只聚焦在幾個(gè)點(diǎn)：藥物設(shè)計(jì)、藥物大規(guī)模虛擬篩選、藥物協(xié)同性、藥物重定向維度，集合云計(jì)算的能力，在云上做智能分析和結(jié)構(gòu)預(yù)測，能讓這些準(zhǔn)確度提升一個(gè)新水平。
目前，華為云和國內(nèi)單細(xì)胞測序平臺合作，提供數(shù)據(jù)算法和算力，協(xié)作做單細(xì)胞測序數(shù)據(jù)云上開發(fā)和邊緣計(jì)算。在原來模型基礎(chǔ)上，做了大量空間搜索和運(yùn)算，大概能提高2~3倍分析速度。以前需要使用100個(gè)算力，現(xiàn)在只需要20個(gè)算力就可以實(shí)現(xiàn)單個(gè)樣本分析，對10萬個(gè)、100萬個(gè)樣本同樣也能夠提升效率。
以下是演講全部內(nèi)容，《醫(yī)健AI掘金志》做了不改變原意的整理和編輯：
大家好，我是華為云醫(yī)療智能體產(chǎn)品總監(jiān)孟鑫。今天給大家分享華為云人工智能在生命科學(xué)領(lǐng)域的探索和實(shí)踐。
演講主要從三個(gè)方面來進(jìn)行：
第一個(gè)方面，華為云在人工智能方面的技術(shù)研究。
第二個(gè)方面，華為云在人工智能的發(fā)展趨勢。
第三個(gè)方面，華為云在生命科學(xué)領(lǐng)域的一些探索和實(shí)踐。
華為云長期扎根于AI基礎(chǔ)研究，覆蓋計(jì)算機(jī)視覺、語音語義和決策優(yōu)化三大AI方向。
在華為云的未來規(guī)劃中，AI的發(fā)展主要聚焦在模型高效、數(shù)據(jù)高效、知識高效、算力高效思維的重點(diǎn)。
此外，針對產(chǎn)業(yè)中的一些核心問題，我們又提出6大基礎(chǔ)研究計(jì)劃。
1. 面向大模型的模型摸高的計(jì)劃；2. 面向小模型的模型瘦身的計(jì)劃；3. 面向多模態(tài)學(xué)習(xí)的數(shù)據(jù)魔方計(jì)劃；4. 面向小樣本學(xué)習(xí)的數(shù)據(jù)冰山計(jì)劃；5. 面向通用知識抽取的萬物預(yù)示計(jì)劃；6. 面向新學(xué)習(xí)范式的敘事合一計(jì)劃。
這些計(jì)劃產(chǎn)生許多研究成果，包括自動化學(xué)習(xí)與訓(xùn)練模型等，而將來這些成果也會采用即插即用的方式部署在華為云。
首先介紹一下這張圖片，也就是目前華為云的AI能力，可以看到左邊，國際大賽上的最佳論文上有很多提名，論文數(shù)量上已經(jīng)進(jìn)入世界第一梯隊(duì)。
圍繞剛才提到的幾個(gè)創(chuàng)新和計(jì)劃，我們在計(jì)算機(jī)視覺上的很多比賽都得到第一名，在語音、語義識別上和決策優(yōu)化上拿到了很好的成績。
整體來看，目前華為云的AI戰(zhàn)略，主要圍繞著感知、認(rèn)知和決策三大方面進(jìn)行，像感知圖像分類、目標(biāo)檢測、預(yù)訓(xùn)練模型、實(shí)力分割都已經(jīng)集成在ModelArts平臺。
此外，華為云在去年還提出了知識計(jì)算，AI在認(rèn)知之后，就需要做相應(yīng)的決策，也就是運(yùn)籌優(yōu)化過程，中間的技術(shù)主要涵蓋強(qiáng)化學(xué)習(xí)和智能控制。
這里首先介紹一下，華為云的ModelArts平臺，該平臺沉淀了華為云的頂尖AI技術(shù)，目前主要分為兩層：
基礎(chǔ)層是ModelArts平臺，提供數(shù)據(jù)和數(shù)據(jù)處理，以及模型訓(xùn)練、管理、推理、部署等服務(wù)。
此外，我們還在ModelArts平臺上，提供了很多的行業(yè)套件，幫助各個(gè)企業(yè)開發(fā)更適用自己的AI算法和模型，此外還有一些行業(yè)頂尖的算法，可以很方便開發(fā)相應(yīng)模型，針對訓(xùn)練數(shù)據(jù)做相應(yīng)部署。
ModelArts目前適用的芯片也是，華為自主的AI芯片，計(jì)算能力非常高，在很多大規(guī)模作業(yè)可以做到40096卡單任務(wù)并行。
介紹完ModelArts平臺之后，我再分享一下近些年人工智能大概發(fā)展趨勢。
第一，從小模型到大模型，過去10年內(nèi)，AI算法對算力需求提升了40萬倍左右；
第二，從全監(jiān)督學(xué)習(xí)到自監(jiān)督學(xué)習(xí)10年內(nèi)，自監(jiān)督學(xué)習(xí)全年度差距縮小了90%以上；
第三，人工智能與科學(xué)計(jì)算進(jìn)行交匯，從模型、算法、軟件和硬件，4個(gè)層面上都有一個(gè)交匯點(diǎn)。
而這些變化，也在生物醫(yī)學(xué)、工業(yè)、氣象、能源等眾多領(lǐng)域制造深刻影響。在AI建模、AI求解、AI框架、AI視頻、AI芯片適配上，也增加了許多的人工智能可解釋性。
首先，分子動力學(xué)層面可以進(jìn)行大規(guī)模分子模擬；物理學(xué)上，可以通過神經(jīng)網(wǎng)絡(luò)求解確定方程；在蛋白質(zhì)三維結(jié)構(gòu)預(yù)測中，AI可以預(yù)測蛋白質(zhì)三維結(jié)構(gòu)。
根據(jù)我們的總結(jié)，這些數(shù)據(jù)中心和生產(chǎn)力迭代過程主要分為幾個(gè)階段：
第一，技術(shù)應(yīng)用做局部探索；
第二，技術(shù)發(fā)展與社會環(huán)境相互碰撞；
第三，技術(shù)發(fā)展與社會環(huán)境相互促進(jìn)。
現(xiàn)在正處于人工智能進(jìn)入核心生產(chǎn)系統(tǒng)的過程，目前，華為在人工智能行業(yè)大約落地超過600個(gè)項(xiàng)目，進(jìn)入核心業(yè)務(wù)的系統(tǒng)也超過30%。
接下來重點(diǎn)介紹：華為云人工智能在生命科學(xué)領(lǐng)域的探索，其中主要包含三個(gè)方面：智能基因組分析、智能藥物研發(fā)、智能醫(yī)學(xué)影像研發(fā)。
首先介紹基因組分析，基因組分析數(shù)據(jù)量和計(jì)算量非常大，后期解讀基因組數(shù)據(jù)也非常困難，里面包含基因/蛋白質(zhì)組學(xué)等等，這都屬于智能基因分析范疇。
因?yàn)橐粋€(gè)基因組數(shù)據(jù)就有幾百個(gè)G大小，而如果涉及到超過1萬人，乃至10萬人，數(shù)據(jù)量就會更大，這種情況就需要大數(shù)據(jù)能力。
所以我們希望結(jié)合華為云大數(shù)據(jù)能力，加上智能分析算法，幫助基因組領(lǐng)域做分析和研究。
第二點(diǎn)，新藥研發(fā)。
大家知道藥物研發(fā)非常復(fù)雜，包含很多環(huán)節(jié)，從最開始藥物發(fā)現(xiàn)到臨床前，到后續(xù)藥物流通，包含著很多復(fù)雜環(huán)節(jié)。
其中，華為云只聚焦在幾個(gè)點(diǎn)：藥物設(shè)計(jì)、藥物大規(guī)模虛擬篩選、藥物協(xié)同性、藥物重定向維度。
集合云計(jì)算的能力，在云上做智能分析和結(jié)構(gòu)預(yù)測，能讓這些準(zhǔn)確度提升一個(gè)新水平。
最后醫(yī)學(xué)影像，這是AI技術(shù)應(yīng)用最早領(lǐng)域，今年審批了十幾個(gè)AI醫(yī)療器械三類證。
這個(gè)領(lǐng)域之所以非?；鸨驮谟跀?shù)據(jù)的標(biāo)準(zhǔn)化，因?yàn)槿斯ぶ悄苁?0%數(shù)據(jù)+20%運(yùn)算，數(shù)據(jù)量越大，AI準(zhǔn)確度就會越好，如果能夠提升智能醫(yī)學(xué)影像研發(fā)平臺和算法，降低人工操作復(fù)雜度，同樣也可以提升醫(yī)學(xué)影像的準(zhǔn)確性。
接下來詳細(xì)談?wù)劵蚪M領(lǐng)域。
我們目前開發(fā)了一套自動建模的工具，利用這套工具可以在很少的代碼開發(fā)情況下，就能做多組學(xué)分析。
此外，像癌癥亞型分類、靶基因預(yù)測、細(xì)胞發(fā)育預(yù)測等多種場景，我們的自動建模工具也都有做過相應(yīng)的案例。
而在基因測序里，除了測序以外，更重要還要對數(shù)據(jù)分析，也就是解析mRNA，把電信號轉(zhuǎn)成基因序列信號。
特別是三代測序，以前的工具速度和精準(zhǔn)度都比較有限，而現(xiàn)在Fast-Bonito工具使檢測精度有了大幅提升，但檢測速度很慢，華為云也基于自己的研發(fā)力量，將這個(gè)速度提升到5倍以上。
還有新藥研發(fā)方面。
從去年2月開始，我們做了一個(gè)新項(xiàng)目：全球最大的新冠藥物篩選數(shù)據(jù)庫及可視化平臺。
此外，新冠肺炎也可以通過醫(yī)學(xué)影像方式去檢測這種病灶，推動決策，華為云可以做到三維病灶空間量化展示，在幾十秒就會有結(jié)果，提升檢測速度。
人工智能和云計(jì)算上，剛才已經(jīng)做了大量的介紹，目前我們的AutoGenome工具，已經(jīng)可以做到數(shù)據(jù)的自動增長、自動的套餐選擇和神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索。
所以在新藥研發(fā)可以提供很多的幫助，例如生信工作人員就不用再學(xué)習(xí)大量的底層技術(shù)，可以很方便用這個(gè)框架去做一些科研的發(fā)現(xiàn)。
針對單細(xì)胞組學(xué)的研究，研究配套組織和分子在結(jié)構(gòu)和空間上的關(guān)系，通過我們的框架把數(shù)據(jù)整理標(biāo)準(zhǔn)的訓(xùn)練數(shù)據(jù)，然后再做各種訓(xùn)練。
這就像根據(jù)單細(xì)胞陽性分離的精度，按照細(xì)胞的發(fā)育周期進(jìn)行分類，分類的精度相比于傳統(tǒng)方法有一個(gè)比較大的提升，至少達(dá)到20%以上。
第二個(gè)案例是人工智能和單細(xì)胞測序，以及云計(jì)算的結(jié)合?，F(xiàn)在單細(xì)胞也比較火，以前大家習(xí)慣所有的細(xì)胞一起去測序，現(xiàn)在隨著越來越精準(zhǔn)。
在國內(nèi)就有一家單細(xì)胞測序平臺，我們通過和他們一起合作，他們提供線下技術(shù)和服務(wù)，我們在線上也用華為云平臺來提供數(shù)據(jù)算法和算力，一起協(xié)作，做單細(xì)胞測序數(shù)據(jù)在云上開發(fā)，和邊緣計(jì)算。
剛才有介紹Fast-Bonito這個(gè)工具，那么為什么三代測序的結(jié)果要比人工智能方式比較好，因?yàn)樗旧砭褪且粋€(gè)一個(gè)電信號波形圖。
這樣就可以用AI方式去學(xué)習(xí)他們之間的關(guān)系，例如AA、TT、ATP的波形就很不一樣，波谷和波峰有很大差異。
那么通過對原來序列，做了很多標(biāo)準(zhǔn)的referenc之后，也就可以把模型訓(xùn)練的更精準(zhǔn)。
同時(shí)，華為云還在原來模型的基礎(chǔ)上，做了大量的空間搜索和運(yùn)算，用華為云芯片，大概能提高2~3倍分析速度。
目前這個(gè)案例主要是一個(gè)樣本的情況，以前是需要使用100個(gè)算力，現(xiàn)在只需要20個(gè)算力就可以實(shí)現(xiàn)一個(gè)樣本的分析。
同樣當(dāng)我們面對10萬個(gè)、100萬個(gè)樣本同樣也能夠提升效率，節(jié)省費(fèi)用和時(shí)間。
然后是藥物篩選方面。
從去年2月，國內(nèi)疫情爆發(fā)沒多久，我們就和國內(nèi)幾所高校一起進(jìn)行新冠肺炎藥物篩選工作。
當(dāng)時(shí)我們在云上主要運(yùn)用超過15000個(gè)GPU進(jìn)行藥物篩選，將原來需要兩個(gè)月時(shí)間，21個(gè)新冠靶點(diǎn)，8500個(gè)上市藥物的篩選工作縮短到兩天，篩選工作效率提升了30倍。
當(dāng)時(shí)我們在2月初找到了5個(gè)候選藥物，有兩個(gè)進(jìn)入了臨床實(shí)驗(yàn)過程，后來因?yàn)閲鴥?nèi)疫情得到了很好的控制，所以臨床試驗(yàn)也就逐步放緩了一些，而我們的研究后來也得到了紅點(diǎn)獎，發(fā)表在JCIM期刊。
我們主要給這個(gè)項(xiàng)目命名為神農(nóng)計(jì)劃，主要是尋找和篩選大量的已知藥物分子，因?yàn)檫@些分子的物理和化學(xué)性質(zhì)都已經(jīng)比較穩(wěn)定，相當(dāng)于老藥新用的過程。
下面再介紹一下，華為云在醫(yī)學(xué)影像方面的工作。
這方面主要介紹一個(gè)腦部神經(jīng)元鏈接的案例，也就是腦科學(xué)
這個(gè)研究過程非常復(fù)雜，小如斑馬魚這么大的生物，個(gè)體非常小，大腦尺度只有0.5毫米左右。
但它的神經(jīng)元突觸數(shù)目卻非常多，達(dá)到108，如果把這些神經(jīng)元都鏈接起來，就需要大量的數(shù)據(jù)標(biāo)注工作。
大家知道人類基因組數(shù)據(jù)大概有109左右，兩者做類比，就相當(dāng)于要把人類的每一根細(xì)胞都要鏈接起來。這個(gè)過程中完成一個(gè)大腦的神經(jīng)元重建，一般一個(gè)標(biāo)注員大概需要125年的時(shí)間。
而利用我們的AI算法和ModelArts平臺可以實(shí)現(xiàn)集群和大規(guī)模分布訓(xùn)練，將原來的需要125年的工作量，縮短到10天內(nèi)完成，而且利用的資源也非常少。整個(gè)神經(jīng)元重構(gòu)費(fèi)用減少為原來的1/77 ，準(zhǔn)確度和召回率都在95%以上，是一個(gè)非常大的突破。
目前，我們還只是研究一個(gè)斑馬魚腦部神經(jīng)元這樣小范圍的數(shù)據(jù)，以后如果要研究像老鼠，像人腦這樣更復(fù)雜的數(shù)據(jù)，都會有一定的借鑒意義。
那回到我們?yōu)槭裁匆芯窟@樣的數(shù)據(jù)，未來的智能究竟是什么樣子，就是來源于像人腦這樣的研究，怎樣實(shí)現(xiàn)控制，怎樣實(shí)現(xiàn)反饋，我們的神經(jīng)網(wǎng)絡(luò)研究，其實(shí)也就是模仿腦部神經(jīng)元的構(gòu)建，回歸生物學(xué)的本質(zhì)。
這里列舉一個(gè)和醫(yī)療器械公司合作的案例。
華為云和微清醫(yī)療的合作案例，微清本身就有眼底診斷系統(tǒng)，可以通過光學(xué)做青光眼識別，以及糖尿病疾病的診斷。
這其中，主要是利用華為云平臺，做數(shù)據(jù)標(biāo)注管理和病人應(yīng)用，幫助醫(yī)生更方便做診斷，以前可能需要用半小時(shí)，現(xiàn)在也就幾分鐘時(shí)間，就能完成青光眼疾病診斷。
總結(jié)與展望
首先，大算力將是AI成功的基石。
以前神經(jīng)網(wǎng)絡(luò)做到三層就很厲害，現(xiàn)在往往可以做到幾十層或幾百層，模型也變得很大，對于算力要求也非常大。
我們猜測AI系統(tǒng)發(fā)展程度是可以利用數(shù)據(jù)和消耗算力來衡量，與卡達(dá)爾肖夫指數(shù)類似，AI智能化程度對算力需求會呈指數(shù)級增長。
近些年，我們國家也在建設(shè)AI計(jì)算中心，AI算力作為一種基礎(chǔ)資源需求，開始被社會所需要。
其次，軟硬件一體化將是大勢所趨。
軟件發(fā)展一定程度會受限于技術(shù)的瓶頸，隨后就需要依賴硬件進(jìn)一步發(fā)展，而硬件達(dá)到一定水平后也需要更好軟件架構(gòu)。
之后，AI與科學(xué)計(jì)算會深度融合。
AlphaFold2將人類98.5%的蛋白質(zhì)做了預(yù)測，大家越來越認(rèn)識到人工智能跟科學(xué)研究密切相關(guān)。
最后，深度整合醫(yī)療資源，全面賦能行業(yè)創(chuàng)新。
以AI新藥研發(fā)為例，不只是要關(guān)注藥物分子設(shè)計(jì)和篩選，背后需要藥物研究、基因臨床和醫(yī)學(xué)影像等等的支撐。
Deepmind就表示，如果一個(gè)臨床試驗(yàn)?zāi)軌虻玫交蚪M學(xué)支撐，它的成功率就會提升兩倍。
受益于基因組學(xué)、藥物靶點(diǎn)發(fā)現(xiàn)和基準(zhǔn)研究，AI技術(shù)已經(jīng)開始在基因、藥物、臨床等更多方面做分析工作。
這其中加速各方融合，促進(jìn)數(shù)據(jù)資源的轉(zhuǎn)化使用也非常重要，在國家管控越來越明確之后，大家能夠更深入的合作，一同探討數(shù)據(jù)方面的聯(lián)合創(chuàng)新，加速應(yīng)用落地。
Q1：1.在AI制藥浪潮中，華為更側(cè)重怎樣的角色，是算法提供方，還是算力提供方，具體深入到pcc和臨床試驗(yàn)，又有哪些合作點(diǎn)？
孟鑫：華為云作為基礎(chǔ)設(shè)施的算力提供方，安全培訓(xùn)這塊做的非常好，也拿到了2799認(rèn)證，同時(shí)標(biāo)志著我們在醫(yī)療領(lǐng)域有非常大的決心。
但華為云并不是所有的算法都做，我們希望把這個(gè)領(lǐng)域打開，做一些案例被大家看到，大家可以在我們的運(yùn)營商開發(fā)自己的算法，或者也可以用我們的算力和算法。
華為云也只是提供了非常少量的算法，希望大家合作一起做一些算法，我們也愿意和大家一起去探索。
對于專門做醫(yī)療AI公司來說，華為云整個(gè)體量相對來說還是大一些，我們更希望去做一些大規(guī)模的事情或者基礎(chǔ)方面的服務(wù)。
例如，有一些公司想做模型開發(fā)，但是沒有很好的基底模型，大模型需要做1萬億級別參數(shù)的訓(xùn)練，訓(xùn)練需要幾個(gè)月的時(shí)間，小公司肯定負(fù)擔(dān)不起，華為云可以把基礎(chǔ)部分做了。
華為云今年也發(fā)布了大模型，訓(xùn)練了幾個(gè)月的時(shí)間之后做出來，大家可以去華為云運(yùn)營的公眾號可以搜到相關(guān)介紹。
有了大模型想要針對某一個(gè)積分領(lǐng)域去做出自己的優(yōu)質(zhì)、特點(diǎn)和數(shù)據(jù)，再做一些訓(xùn)練可能會更容易，可以用少量的幾塊算力，就得到好的結(jié)果，站在更高的級別。
我給到大家一個(gè)提前消息，華為云在今年9月份會有更多的基礎(chǔ)服務(wù)發(fā)布，實(shí)驗(yàn)這一塊就是收費(fèi)者招募、培訓(xùn)、加速的AI研究，都可以通過這樣方式去做。
華為云和國內(nèi)一些頂尖的醫(yī)院有合作，在臨床試驗(yàn)的數(shù)據(jù)有很多的發(fā)現(xiàn)，而且有相應(yīng)的文章發(fā)表，大家有興趣可以去看看。
Q2:請問計(jì)算服務(wù)如何收費(fèi)？目前的價(jià)格水平如何？下降趨勢如何？
孟鑫：大家可以用CPU的算力或者NGO算力，目前來看收費(fèi)比較貴，只有大企業(yè)才有實(shí)力做出來，但是AI算力費(fèi)用會逐漸降低，再加上國內(nèi)芯片受到一些限制，國際上短缺，技術(shù)發(fā)展持續(xù)的迭代和更新，大部分會持續(xù)下降。
同時(shí)，意味著人工智能技術(shù)受益于成本的下降，會越來越普及被大家所接受，每一個(gè)人都能夠用得起，都能做AI。
Q3：看到AI新藥研發(fā)企業(yè)，也在賣藥物篩選服務(wù)收費(fèi)模式，這和咱們的計(jì)算服務(wù)有沒有合作點(diǎn)，配合起來幫助藥企加速新藥研發(fā)？
孟鑫：國內(nèi)和國際上有很多AI藥物研發(fā)企業(yè)和華為云都有比較深入的合作。
一方面是華為云基礎(chǔ)的云資源，在本地區(qū)構(gòu)建這種集群很難達(dá)到大規(guī)模的訴求，還需要花費(fèi)很大的精力去運(yùn)營資源，在云上可以很好的來解決這個(gè)問題，想用的時(shí)候就用，不想用的時(shí)候就關(guān)掉。
另外，云上有各種各樣的AI模型，對AI新藥研發(fā)企業(yè)來說有很多好處，因?yàn)榭梢詭椭麄內(nèi)プ鰧ν馓峁┓?wù)。
我們內(nèi)部也在開會研討，在華為云上有很多這樣的案例，我們自己做或者有一些藥企會找到我們想一起合作，我們愿意幫助他們把新藥做出來。
華為云與其他藥物研發(fā)企業(yè)不太一樣，有些藥物研發(fā)企業(yè)有自己的定位，只提供相應(yīng)的研究服務(wù)。
華為云從現(xiàn)在定位來看更傾向于做平臺，希望能夠幫助大家更好的去服務(wù)企業(yè)，也可以配合大家去做一些創(chuàng)新。
Q4：請問系統(tǒng)架構(gòu)中有哪些方面是為生物計(jì)算專門設(shè)計(jì)或優(yōu)化的？
孟鑫：剛才我舉了一個(gè)例子，利用AI來加速三代測序過程，在模型空間搜索上做了相應(yīng)的優(yōu)化，讓模型會更小一些，在計(jì)算時(shí)間上速度有提升。
另外提到過的一系列工具，也是專門針對經(jīng)營組織和多組學(xué)的特點(diǎn)去研發(fā)，有基因調(diào)控的關(guān)系，并不會因?yàn)閮蓚€(gè)名字比較相近就導(dǎo)致基因功能一樣，或者就能夠發(fā)揮作用，看似沒有關(guān)系的兩個(gè)名字實(shí)際上是有一些意義的。同時(shí)，華為云在神經(jīng)網(wǎng)絡(luò)上也有自己的設(shè)計(jì)。
Q5：華為云AI在慢病早篩領(lǐng)域是否有相應(yīng)的案例？
孟鑫：有的，和北京技術(shù)所教授其實(shí)有一個(gè)合作，利用AI方式去研究食管癌案例，大家感興趣可以去搜一下。
Q6：人工智能可以對早期診斷疾病、有效開出藥物、監(jiān)測患者對處方的依從性做出判斷嗎？
孟鑫：可以的，臨床輔助決策AI也發(fā)揮了很大的作用，國家衛(wèi)健委也在臨床輔助決策上面有一個(gè)全國性的試點(diǎn)項(xiàng)目正在開展中。
利用人工智能對電子病歷做相應(yīng)分析，進(jìn)行學(xué)習(xí)和檢查疾病診斷的病變，可以給出藥物治療的方案。
需要做很多診斷工作，包括現(xiàn)在醫(yī)保上面提到病案首頁，我們的合作伙伴也有一些聯(lián)合方案。
Q7：人工智能生物學(xué)中有什么核心難點(diǎn)？
孟鑫：用人工智能方式去解答生物學(xué)方面問題，就需要大量數(shù)據(jù)，如果數(shù)據(jù)量比較小，那學(xué)習(xí)出來的模型就不具有代表性，結(jié)果不會太好。
以前做統(tǒng)計(jì)模型或者記錄模型重要的是保持準(zhǔn)確，現(xiàn)在越多數(shù)據(jù)才能把問題表述的更加有特征。
把人類當(dāng)成一個(gè)嬰兒而言，從小就對他進(jìn)行培養(yǎng)，如果只培養(yǎng)某一方面技能的話，他另外一方面肯定是失衡的，所以全面的數(shù)據(jù)是最核心的。
另外，智能模型和人工智能模型融合起來，就是計(jì)算和人工智能來到了一個(gè)歷史性的交匯點(diǎn)。希望這種模型的機(jī)制，物理、化學(xué)或者數(shù)學(xué)方面，能更容易理解得到的結(jié)果，把兩個(gè)技術(shù)聯(lián)系起來。
知識圖譜也有很多難點(diǎn)，特別是針對我們生命科學(xué)領(lǐng)域的知識本身，要用一個(gè)圖去標(biāo)記所有數(shù)據(jù)，同時(shí)還要把他們的依賴條件表述出來。
Q8：和藥研所合作現(xiàn)在是什么情況？
孟鑫：上海藥物所在這個(gè)領(lǐng)域算是國內(nèi)的Number one，專門做藥物研究的，所以我們和國內(nèi)的院校是有合作的，同北大、深圳和上海的一些高校進(jìn)行科研合作，非常歡迎院校的老師同我們進(jìn)一步合作。
在華為云有專門針對高校扶持計(jì)劃，能夠讓大家去做相應(yīng)的研究和資源。
Q9：目前在AI新藥研發(fā)上，看到咱們大多數(shù)進(jìn)展都在新冠領(lǐng)域上，有沒有其他案例介紹一下？
孟鑫：有的，現(xiàn)在還不太方便說，后續(xù)也會跟大家再分享我們的一些進(jìn)展。后續(xù)也會跟大家再分享我們的一些進(jìn)展。我就回答到這里，謝謝雷鋒網(wǎng)。
華為云
專欄
閩公網(wǎng)安備 35010202001226號
