深度学习: 智能时代的核心驱动力量

在传统医学中，通常采用相同的治疗方法对所有患有特定病症或疾病的患者进行治疗，但现在有了认知计算，治疗已变得更加个性化，也更精确。例如黑色素瘤，过去患上这种疾病的人就等同于被判了死刑，但现在已经可以通过对患者的癌细胞进行基因测序，并针对其病症设计出独特的癌症免疫疗法，以停止甚至逆转黑色素瘤的病情发展。虽然这种疗法目前的治疗费用为25万美元，但当对患者癌症基因组测序的基础成本降至几千美元，并且研制所需单克隆抗体的成本仅为几百美元时，最终几乎每个黑色素瘤患者都有能力负担相关的医疗费用。从大量患者那里收集到足够多变异和疗效方面的数据后，医疗决策将变得更好，且收费更低。一些类型的肺癌也可以用相同的方法进行治疗。制药公司正在投资癌症免疫治疗研究，许多其他种类的癌症也许很快就能被治愈。

如果没有机器学习方法来分析大量遗传数据，这一切都不可能实现。

我曾担任过NIH院长的顾问委员会成员，为推进“BRAIN计划”提供建议。我们的报告强调了概率和计算技术的重要性，该技术能帮助我们解释由新的神经记录技术产生的数据^[4]。 机器学习算法现在被用于分析同时来自数千个神经元的记录，分析来自自由移动动物的复杂行为数据，以及从电子显微镜的一系列数字图像中自动重建三维解剖回路。通过对大脑进行逆向工程，我们将揭秘自然界自身发现的许多新算法。

NIH在过去的50年中资助了神经科学的基础研究，但当前的趋势是将越来越多的资助转向了能够尽快实现医疗应用的转化研究。我们当然希望能转化已经发现的技术，但如果现在不为新的发现提供资金，那么从现在开始的50年里，我们几乎或根本没有任何技术可应用于临床。这也是为什么现在就开展一些基础研究项目非常重要，例如“BRAIN计划”，该举措能够帮助我们找到在未来治疗精神分裂症和阿尔兹海默症等衰弱性脑部疾病的方法^[5]。