Page 148 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

的目的。其可以很大程度上解决临床医生知识的局限性问题，减少人为疏漏，提
升医疗效率与药物的使用效率。
现今，人工智能辅助诊断技术发展迅速，已经在越来越多的临床领域出现。
2020 年麻省理工学院通过 Resnet 神经网络，仅利用咳嗽声来对新型冠状病毒感
染进行诊断，准确率达到 97%；2021 年美国西北大学发表了名为 Deep Covid-

XR 的算法，通过卷积神经网络利用胸部 X 射线照射诊断新型冠状病毒感染，速
度达到影像科医生的 10 倍，准确率（82%）高于人类医生水平。此外，人工智
能还可以对癌症的类型进行判断、对病理组织影像进行分割与诊断、对医学影像

进行目标检测和高分辨率重建等，这将在很大程度上解放医生的劳动力。人工智
能在胜任虚拟助手以及辅助诊断的同时，还可以进行疾病风险的预测。2019 年 7
月 31 日，谷歌的 DeepMind 在 Science 杂志公布最大突破，新研发的 AI 系统可
提前 48h 检测潜在肾脏损伤，让 30% 的患者提前预防病情恶化；2017 年诺丁汉

大学发表的一篇文章也显示出神经网络在心血管疾病的预测准确率方面的表现优
于传统模型。疾病风险的准确预测，使得医生可以更好地为患者将来的疾病治疗
制定最优的策略。
3. 计算机辅助药物设计

新药研发是医药健康领域的重要部分，新药上市需要经历临床前研究及临床
Ⅰ、Ⅱ、Ⅲ期研究后才能最终上市，低效率和高成本是新药研发过程的主要障碍。
同时，处理来自基因组学、蛋白质组学和临床试验中大量复杂的数据也为新药的
研发带来了不小的挑战。依托人工智能技术的计算机辅助药物设计是近些年来兴

起的药物发现新方法，它借助计算机技术和人工智能算法对海量生物数据以及化
学数据进行处理，以更高效地发现潜在有效药物。但是，在药物设计方面应用人
工智能技术需要基于复杂的蛋白质三维结构、海量的候选化合物结构以及复杂的
训练模型，因此对计算能力提出了更高的要求。高性能计算（High Performance

Computing）技术可以利用大量处理单元的整合计算能力处理一般工作站无法完
成的大型计算任务，被广泛应用在兵器制造、经济预测、气象预报、互联网服务、
工业仿真等领域，对科技进步和经济发展有重要的价值。高性能计算是人工智能
介入医药领域的重要基石，也为计算机辅助药物设计提供了新的助力。

人工智能技术，特别是深度神经网络方法，已经在计算机辅助药物设计中
得到了快速发展，进一步提升了计算机辅助药物设计的效率。常见的深度神经网

140