艾滋病已造成超過2500萬人死亡。然而，過去15年來，全球在應(yīng)對艾滋病方面取得了巨大成就，截至2015年6月，1580萬人得到抗逆轉(zhuǎn)錄治療。

隨著計算機(jī)科學(xué)和人工智能的發(fā)展，許多科學(xué)家都在探尋幫助艾滋病患者和預(yù)防艾滋病的新方法。那么，人工智能在抗擊艾滋病方面有什么應(yīng)用呢？今天我們就向大家介紹幾個研究。

人工智能幫助HIV診斷

HIV的早期診斷是一項非常重要的工作，能極大降低發(fā)病率和死亡率。診斷HIV的方法有很多，但都是由病人向醫(yī)生描述癥狀開始--病人來到診所，向醫(yī)生描述自己的癥狀。接著，醫(yī)生向病人或其他關(guān)系緊密的人詢問信息，了解其他癥狀。根據(jù)癥狀，醫(yī)生會縮小患病幾率的范圍，并列出一系列有可能引發(fā)這些癥狀的原因。這個過程通常比較復(fù)雜和主觀，嚴(yán)重依賴于醫(yī)生的經(jīng)驗(yàn)。為了解決這個問題，美國三角洲州立大學(xué)數(shù)學(xué)與計算機(jī)科學(xué)系的Akazue Maureen等人將神經(jīng)網(wǎng)絡(luò)與模糊推論系統(tǒng)相結(jié)合，組成一個神經(jīng)模糊系統(tǒng)（neuro-fuzzy system），生成了一個通過癥狀來判斷病人HIV感染風(fēng)險的模型。這個系統(tǒng)能夠自我學(xué)習(xí)和自我適應(yīng)，處理醫(yī)學(xué)診斷中不確定和不精確的數(shù)據(jù)，克服單個醫(yī)生分析癥狀的局限性。

人工智能如何抗擊艾滋?。?/p>

但是，通過癥狀來診斷HIV只是其中一個方面，最精確的方法是病毒載量檢測。病毒載量就是檢查血液中的HIV數(shù)量。但是，病毒載量檢測需要特殊的設(shè)備，成本也很高，因此在一些不發(fā)達(dá)的國家或地區(qū)很難進(jìn)行。于是，還有另一種方法是檢測血液中CD4細(xì)胞的數(shù)量。CD4細(xì)胞是細(xì)胞免疫系統(tǒng)中的戰(zhàn)斗細(xì)胞。當(dāng)HIV削弱免疫系統(tǒng)時，CD4細(xì)胞的數(shù)量就會下降。但是CD4細(xì)胞的數(shù)量每時每刻都可能變化，其他的病毒感染、吸煙和精神壓力也會影響它的數(shù)量。于是，今年6月，有科學(xué)家在《醫(yī)學(xué)成像和衛(wèi)生信息學(xué)雜志》上發(fā)表論文，采用神經(jīng)網(wǎng)絡(luò)的方法，通過CD4細(xì)胞的數(shù)量來評估HIV-1病毒載量在抗逆轉(zhuǎn)錄病毒藥物作用下的變化，效果十分可觀。人工智能幫助制定艾滋病療法

人工智能幫助制定艾滋病療法

艾滋病患者通常需要采用雞尾酒療法，也就是同時服用多種藥物，主要是逆轉(zhuǎn)錄酶抑制劑和蛋白酶抑制劑中的2~4種組合在一起，學(xué)名叫「高效抗逆轉(zhuǎn)錄病毒治療方法」。這種方法能較大限度地抑制病毒的復(fù)制，并能修復(fù)部分免疫功能。但是，每種藥物的性質(zhì)不同，使用的規(guī)則也不同，為了避免產(chǎn)生抗藥性，該如何制定最有效的藥物方案呢？

根據(jù)《科學(xué)家》雜志報道，早在十幾年前，美國就有一家公司開發(fā)了一個名為HIV Therapy Edge的軟件，將生物信息學(xué)與人工智能相結(jié)合，能迅速為病人提供藥物組合方案，還能在基因序列中搜尋抗藥的突變。匹茲堡大學(xué)的John Mellor說，在以前，這個過程通常需要花上醫(yī)生半小時的時間，還必須坐在一間安靜的屋子里，逐個檢查病人的用藥史、病毒抗藥特征、用藥劑量等等信息。

隨著人工智能的發(fā)展，越來越多的應(yīng)用不斷涌現(xiàn)。例如，南非夸祖魯納塔爾大學(xué)和美國弗羅里達(dá)大學(xué)醫(yī)學(xué)院的研究者就將人工神經(jīng)網(wǎng)絡(luò)（ANN）和定量構(gòu)效關(guān)系（QSAR）相結(jié)合，開發(fā)出一種能預(yù)測最大推薦用藥劑量的方法。他們從FDA數(shù)據(jù)庫中獲取了每種藥物的分子量、水溶解性、親油性、生物轉(zhuǎn)化半衰期、氧化半衰期、生物降解概率等詳細(xì)數(shù)據(jù)，并用訓(xùn)練集構(gòu)建了一個多元線性回歸和反向傳播神經(jīng)網(wǎng)絡(luò)。結(jié)果，他們的模型顯示出抗逆轉(zhuǎn)錄病毒藥物的水溶性與最大劑量中度相關(guān)，或許有助于更加安全有效的HIV療法。

而在抗藥性方面，幾年前，英國艾滋病毒抗性反應(yīng)數(shù)據(jù)庫的科學(xué)家用1154個臨床數(shù)據(jù)（基因型、基線病毒載量等）訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，預(yù)測的病毒反應(yīng)與實(shí)際反應(yīng)高度相關(guān)（r2 = 0.53; P < 0.00001），但是對陌生診所的數(shù)據(jù)的預(yù)測度并不高，還需要進(jìn)一步研究。

人工智能幫助預(yù)防艾滋病

在艾滋病的數(shù)據(jù)中，有一些數(shù)據(jù)令人痛心，那就是越來越多的年輕人，尤其是學(xué)生感染HIV.這是全世界都面臨的一個問題，尤其是那些無家可歸的年輕人。據(jù)調(diào)查，美國每年有2百萬年輕人無家可歸，其中11%為HIV陽性（是普通人群的10倍）。

如何分析和避免HIV在無家可歸的年輕人中的傳播？許多機(jī)構(gòu)從無家可歸者中選擇了一些人進(jìn)行教育和培訓(xùn)，幫助他們理解如何預(yù)防HIV,希望他們將這些信息傳播口口相傳。但是，這些機(jī)構(gòu)在選擇培訓(xùn)對象時并沒有考慮社交網(wǎng)絡(luò)的結(jié)構(gòu)，導(dǎo)致傳播效率十分低下。為了解決這個問題，美國南加州大學(xué)社工學(xué)院的Eric Rice等人開發(fā)出一個名為PSINET（POMDP based Social Interventions in Networks for Enhanced HIV Testing）的算法，基于POMDP（部分可觀察馬可夫決策過程，Partially Observable Markov Decision Process），分析無家可歸者之間的朋友關(guān)系，從而繪出他們之間的社會聯(lián)系，并預(yù)測哪些人最具有影響力，從而幫助教育機(jī)構(gòu)挑選最有影響力的人參加培訓(xùn)，向他們宣傳預(yù)防HIV的知識。這個成果今年早些時候發(fā)表在德克薩斯舉行的人工智能發(fā)展協(xié)會會議上，目前正在與洛杉磯一個名為My Friend's Place的機(jī)構(gòu)合作。模擬測試顯示，這種方法的有效性比過去的方法提高了60%.

人工智能如何抗擊艾滋?。?/p>

今年艾滋病日的主題是「向零艾邁進(jìn)」（Getting to Zero），副標(biāo)題為「合力抗艾，共擔(dān)責(zé)任，共享未來」?？箵鬑IV的戰(zhàn)役不僅是醫(yī)療機(jī)構(gòu)和NGO的任務(wù)，更是全世界的共同責(zé)任。如今，生物科學(xué)、計算機(jī)科學(xué)、心理學(xué)等各個學(xué)科已經(jīng)聯(lián)合起來抗擊艾滋病，在人類智慧之光的照耀下，相信這場持久戰(zhàn)即將初現(xiàn)勝利的曙光。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。