1、斯坦福大学：基因组学和机器学习成功预测动脉瘤风险

　　根据发表在《细胞》杂志上的一项研究，斯坦福大学的科学家们开发了一种利用基因组学和机器学习来预测腹主动脉瘤（AAA）的方法。 据斯坦福大学遗传学教授兼主席Michael Snyder博士介绍，该团队使用的方法是“不可知论(agnostic)”。他们没有事先怀疑特定基因可能在AAA中发挥作用。相反，而是将患者的遗传信息输入算法并“让机器学习解决问题”。具体而言，他们不是试图将这种疾病与个体基因突变联系起来(如测试BRCA1或BRCA2突变以预测乳腺癌风险)，而是用机器学习分析了268名AAA患者的基因组数据，以寻找突变模式。研究小组最终确定了60个在AAA患者中高度突变的基因。为了进一步验证，研究人员又检测了133名健康人的基因组，没有发现相同的异常突变模式。研究人员报告说，该算法结合基因组测序，预测AAA风险的准确率能达到70%。

　　2. Insilico发布深度生成对抗网络(GAN)最新研究成果

　　9月11日，Insilico Medicine，一家位于罗克维尔，专门将深度学习应用于靶标识别、药物发现和抗衰老研究的下一代人工智能公司，宣布在美国化学学会杂志《Molecular Pharmaceutics》上，发表一项题为“使用纠缠条件性对抗自动编码器进行从头药物发现(Entangled Conditional Adversarial Autoencoder for de-novo Drug Discovery)”的最新研究。论文描述了一种原创的深度神经网络结构——纠缠条件对抗自动编码器(ECAAE)，它能够基于对分子特性的各种要求产生分子结构，如对特定蛋白质的活性、溶解度和合成的简便性。研究人员使用ECAAE生成针对类风湿性关节炎，牛皮癣和白癜风的新型JAK3抑制剂。并且，这些分子在体外测试中显示出高活性和选择性。2014年，Ian Goodfellow博士及其同事提出的生成对抗网络(generative adversarial networks，GAN)，通常被称为“AI想象”，是AI研究中最激动人心的领域之一。Insilico Medicine是将GAN架构应用于生成新型分子结构的领先公司之一。

　　3. 无创检测高钾血症，AI软件获得FDA突破性设备认定

　　9月10日，人工智能的创新公司AliveCor宣布，美国FDA已经授予该公司的KardiaK软件平台突破性设备认定。 KardiaK平台无需患者血液，就可以筛查血钾升高——高钾血症。该技术采用专有的深度神经网络，使用心电图(ECG)数据检测高钾血症，这些数据可以用AliveCor的KardiaMobile和KardiaBand设备捕获。目前，测量钾水平的黄金标准是血液测试，但测试是侵入性的，需要在实验室中进行，对患者来说不方便。AliveCor希望能让肾病患者记录心电图并在家中使用KardiaK。无创且方便，不流血的KardiaK平台有望改变高钾血症的诊断标准。

　　4. 柳叶刀子刊：无需活检，AI可以从CT图像预测免疫疗法效果

　　近日，发表在《The Lancet Oncology（柳叶刀肿瘤学）》上的一项最新研究发现，人工智能可以通过分析CT图像获得个体化的“放射学特征（radiomic signature）”，预测患者对免疫疗法的反应，而无需进行活检。 以CD8细胞作为PD-1和PD-L1单药疗法的成像生物标志物，该算法通过计算肿瘤的淋巴细胞浸润水平，提供疗效的预测评分。这项回顾性研究通过基因组学，组织学和临床分析，验证500名不同实体瘤患者的放射学特征。算法从其他包含基因组数据和CT扫描结果的研究中提取相关信息并学习。为了测试实际应用效果，研究人员使用该算法评估了在五个参加免疫疗法1期试验的受试者，分析他们治疗之前的CT扫描图像。结果发现，放射学评分较高的患者在3-6个月时的治疗效果较好，并且总体生存率更高。