图片来源:ThitareeSarnkasat/Getty Images
可以即时检测基因疾病的人工智能。一个巨大的搜索引擎包含了世界上所有的医学研究。手机上的虚拟护士会告诉你需要什么样的治疗。
在21世纪的数字化世界中，医学必须与时俱进。南加州大学的数百名技术和计算研究人员信息科学研究所(ISI)开发了这样的创新，旨在简化医学研究和快速启动拯救生命的治疗。
经过二十年的合作南加州大学凯克医学院ISI使用了机器学习、先进的数据处理和大型数据库等工具，彻底改变了医学研究人员寻找世界健康问题解决方案的方式。
机器人和人工智能:下一代医生
在一个手表和冰箱变得越来越智能、让日常任务变得更简单的世界里，生物技术也应该获得一些智商分数是有道理的。
神经退行性疾病。的神经元长寿中心(CNL)是凯克医学院(Keck School of Medicine)一个专注于治疗神经退行性疾病的小组，目前正与ISI合作开发智能植入物，可以直接从患者那里收集数据，从而实时调整治疗方案。对于像深度脑刺激这样的技术，将电极植入大脑以产生脉冲，大脑中的智能植入物可以根据身体的反应使用人工智能来个性化它提供的刺激水平。
肾上腺疾病。人工智能还被用于使用人类医生无法检测到的指标来诊断疾病。研究人员ISI的视觉，图像，语音和文本分析(VISTA)中心教计算机识别先天性肾上腺增生症(CAH)，这是一种危及生命的肾上腺遗传疾病，只需向计算机展示患有和没有这种疾病的人的面部照片。
脑癌。在与凯克放射肿瘤科的合作中，ISI的研究人员正在开发一种基于人工智能的计算机跟踪系统，可以将脑癌患者的微小头部运动转化为有关正在进行的放射治疗成功的切实反馈。
护理你的手机。而另一个与ISI-Keck合作的项目HealthProtect可能是最聪明的，它是一个行为健康项目，旨在从智能设备、医疗记录和用户反馈中获取数据，以提供个性化的健康建议。就像你手机里的床边护士一样，它可以随时随地提供即时医疗建议。
大数据意味着大结果
医学研究通常意味着获取微观数据并进行大规模分析。这可能意味着追踪人体内数万亿个细胞，或者弄清楚一种疾病是如何在数十亿个个体中传播的。ISI先进的数据处理技术帮助研究人员分析大量数据，发现可以预防疾病和更好地了解人体的趋势。
记忆的形成。isi开发的跟踪和存档数据的方法突触的成像斑马鱼大脑中神经元之间的连接。这使得南加州大学的研究人员Don Arnold, Scott E. Fraser和ISI的Carl Kesselman发现了记忆在大脑中是如何形成的:突触的产生和破坏。在ISI的数据收集技术、南加州大学定制设计的显微镜和改变鱼类DNA使突触发光的方法的帮助下，该小组在不伤害鱼类的情况下收集了这些数据。这项研究为未来研究创伤后应激障碍(PTSD)等改变记忆的疾病铺平了道路。
肾的发展。Kesselman和他的ISI团队还开发了一个用于发现相似之处小鼠和人类肾脏发育之间的关系。该软件程序被称为派生(关系信息和版本资产的发现环境)，由南加州大学干细胞科学家团队用于自动化记录数据的任务，为研究人员节省时间和金钱。该平台以易于访问的方式显示数据米这项研究不仅易于获取，而且易于重复，使任何对该课题感兴趣的研究人员都可以对其进行改进。
医疗记录。凯塞尔曼还与南加州大学普赖斯公共政策学院的达纳·戈德曼合作使用网格计算来比较超过60亿份医疗保险记录为了提供关于健康程序价值的见解。得益于这项创新技术，医疗保险记录可以与其他数据集(如医疗补助和私人保险)同时进行分析，相对容易。
卵巢癌和老年痴呆症。ISI研究员Greg Ver Steeg与研究顾问Shirley Pepke合作，在公共数据库中搜索找到模式在卵巢癌患者中某些基因的表达，使他们能够根据患者的基因制定个性化的治疗方案。利用他们的发现，Pepke能够为她自己的癌症诊断制定一个治疗计划。Ver Steeg使用了同样的机器学习技术在血液样本中找到阿尔茨海默病的标记物这为早期诊断和追踪患者疾病进展的非侵入性方法打开了大门。以前，人们并没有认真考虑将血液标记物作为一种诊断方法，但该算法发现了多年研究无法发现的相关性。
全球数字合作
随着研究越来越先进，合作可能会变得困难。每个领先的研究机构都有自己的软件和实践，因此其他机构很难解释和调整这些数据，不必要地减缓了创新的步伐。ISI在过去十年中的许多努力都集中在创建中央数据库来存储数据或软件它可以很容易地解释来自不同地方的数据。
精神分裂症。2017年，ISI的José-Luis Ambite和他的团队推出SchizConnect，这是一个整合了精神分裂症研究领域许多不同来源数据的平台灵两千病人的病历。精神分裂症的研究在很大程度上依赖于核磁共振成像(MRI)扫描，这是非常昂贵的，这意味着研究的范围往往很小，而且存储在独特的存储库中。SchizConnect允许任何人上传他们的数据，无论其格式如何。
食源性疾病。ISI研究员Abigail Horn与德国联邦风险评估研究所和汉堡的Kuehne物流大学合作建立了食品供应链的数学模型使科学家能够预测食源性疾病的大规模爆发。使用该模型，研究人员可以梳理大量的供应链数据，准确地确定疾病爆发的起始位置，并在疾病扩散之前将其制止。
神经生物学。ISI研究员Gully A.P.C. Burns说NeuroScholar软件项目同样有助于缓解研究人员的信息过载，开发了一个可以搜索三维图像的搜索系统。Burns与美国国立卫生研究院(NIH)的生物医学信息科学与技术计划(BISTI)小组合作，创建了NeuroScholar，为研究人员提供“即时访问所有必要的数据源、分析工具、建模工具、可视化工具和解释材料，以实现他们在计算或信息技术方面的高效工作。”
生物医学数据。ISI的卡尔·凯塞尔曼也与国家卫生研究院合作过，领导一个2220万美元的项目启动生物医学信息基础设施研究网络协调中心(BIRNCC)，创建一个全国范围的计算机网络，以促进生物医学研究。这涉及到与加州大学洛杉矶分校、加州大学欧文分校、芝加哥大学和马萨诸塞州总医院的研究部门的合作。他还改进了网格计算，他帮助开发了网格计算，为健康信息中心汇集了大量的医学研究。
基因组学。在NIH的另一个项目ISI中加入了精神疾病基因组研究中心该公司总部位于罗格斯大学(Rutgers University)，为该项目提供了计算基础设施和临床数据库。José-Luis Ambite和Ewa Deelman使用基于网络的工具方便查询数据和标准化程序的数据集成。这扩大了他们之前与罗格斯大学和美国国立卫生研究院的合作，旨在了解疾病的遗传根源。
21世纪的健康与教育
ISI在将数据和计算应用于医疗保健教育领域的实际应用方面处于领先地位。在培训从高中生到博士的下一代医学专业人员时，数据工具和机器学习的使用使课程精确和准确。
生物医学研究。2016年，ISI和南加州大学电影艺术学院合作推出大数据U该培训协调中心在互联网上搜索有关生物医学信息分析的在线课程和教育视频，并将它们集中在一个地方，供从本科生到教授的研究人员访问。生物医学研究作为一个整体正在远离“还原论模型”，即在一个控制实验中测试一个变量。相反，同时测试多个变量，这对于理解像大脑这样的复杂系统是必要的。大数据使研究人员更容易学习如何使用专门为这类研究设计的工具。
儿科应急反应培训。ISI的Robert Neches与洛杉矶儿童医院的Jeffrey S. Upperman博士合作一种新颖的儿科应急响应软件系统包括使用新的远程医疗机器人和工具来制定灾害演练、培训和区域应急战略。在大地震或类似灾难后的混乱中，儿科医院儿童的生命取决于决策者获得有关可用资源和医院人群需求的准确、实时数据。该软件使用适应性计划在紧急情况发生前培训医院员工，并在紧急情况发生时帮助他们遵循最适合他们所处情况的计划。
科学课就像电子游戏一样。一个协作电影艺术学院的互动媒体与游戏部门和南加州大学维特比工程学院的计算机科学系共同发起了一项近30万美元的努力bob国际首页登录与ISI改善K-12生物教学，包括一个交互式视频游戏叫做ImmuneAttack该项目旨在帮助高中生了解免疫系统。它以一本生物教科书为基础，以一种具有挑战性和易于理解的方式呈现了基础生物课程，同时提供了20分钟的课程游戏在虚拟环境中，就像人类免疫系统一样。
ISI和医学的未来
随着医学的发展，研究人员不断创新新的测试、治疗方法和技术，数据的作用只会越来越大。大规模分析医疗记录的能力对解锁新发现至关重要，这些发现必须易于获取、共享和可复制。未来，ISI与医学院、医院和研究人员的合作将是确保医学领域可持续、强劲创新的关键，从而创造一个更健康的世界。
出版于2022年9月14日
最后更新于2022年11月15日
