作為近年來(lái)技術(shù)變革的重要力量，云計算、大數據、人工智能等信息技術(shù)在生物醫藥領(lǐng)域展示了極大的應用潛力，已經(jīng)成為藥物研發(fā)過(guò)程中縮短研究周期、節省研發(fā)成本、提升實(shí)驗成功率的核心生產(chǎn)力。人工智能技術(shù)與生物醫學(xué)大數據的交叉融合正在開(kāi)啟生物醫學(xué)研究新范式。如利用AI快速篩選出具有潛在藥效的靶點(diǎn)，抑或進(jìn)行臨床試驗方案預測和小分子大分子的毒理預測等，如今已經(jīng)成為不少生物醫藥企業(yè)研發(fā)過(guò)程中應用的重點(diǎn)領(lǐng)域。

伯杰醫學(xué)健康X研究院乘著(zhù)時(shí)代的風(fēng)，也正在開(kāi)啟自己的數據科學(xué)之路。我們將在臨床數據研究、檢測產(chǎn)品開(kāi)發(fā)、疾病診斷等領(lǐng)域開(kāi)啟人工智能的探索，通過(guò)多元分析、機器學(xué)習與深度學(xué)習等方式，為后續的研發(fā)工作賦能。

多元分析是一類(lèi)統計學(xué)方法，即通過(guò)同時(shí)考慮多個(gè)變量之間的關(guān)系，揭示數據中的復雜模式和趨勢。多元分析在生物醫學(xué)研究領(lǐng)域中同樣扮演著(zhù)重要角色，它可以幫助研究者更好地理解復雜的生物醫學(xué)數據。

多元分析工作主要用于揭示實(shí)驗和觀(guān)察數據中的復雜關(guān)聯(lián)，特別是多自變量和多因變量之間的關(guān)聯(lián)。多元分析常用的方法主要有降維和排序、聚類(lèi)、時(shí)間序列分析和對應的因果分析。對復雜微生物組數據還需要探討多自變量和多因變量之間的關(guān)聯(lián)，通常采用基于線(xiàn)性空間的方法，盡量在考慮自變量之間的關(guān)系的同時(shí)，量化自變量對因變量的影響。

機器學(xué)習是一種基于數據的學(xué)習方式，通過(guò)從數據中自動(dòng)學(xué)習模式并進(jìn)行預測和分類(lèi)。作為高度交叉融合的前沿學(xué)科領(lǐng)域，以機器學(xué)習為代表的人工智能技術(shù)在生物醫藥領(lǐng)域可替代大量實(shí)驗，對藥物結構、功效等進(jìn)行快速分析，以達到縮短試驗周期、節省成本、促進(jìn)新藥發(fā)現、提升試驗成功率等目的。

多元分析與機器學(xué)習區別：

• 機器學(xué)習更在乎模型的性能，多元分析更關(guān)注清晰地理解數據；

• 機器學(xué)習訓練模型時(shí)需要預留部分數據用于評估模型性能，多元分析則把全部數據提供給算法，讀取解釋性結果。

深度學(xué)習是一種神經(jīng)網(wǎng)絡(luò )技術(shù)，通過(guò)模擬人腦神經(jīng)網(wǎng)絡(luò )的連接方式，實(shí)現對復雜數據的處理和分析。用深度學(xué)習技術(shù)賦能生物醫學(xué)研究，可大大提高研發(fā)效率，推動(dòng)完善生物醫藥產(chǎn)業(yè)生態(tài)。

在生物醫學(xué)領(lǐng)域，深度學(xué)習優(yōu)先用于無(wú)法直觀(guān)獲得特征的數據處理工作。典型的有，自然語(yǔ)言病歷文本、DNA和蛋白質(zhì)序列、語(yǔ)音片段等。深度學(xué)習可以完成對這些數據的分類(lèi)、回歸、特征提取任務(wù)。伯杰醫學(xué)健康X研究院現采用的模型為transformer類(lèi)模型，主要是大語(yǔ)言模型。