智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
頻繁出現于日常信息中的“人工智能”這一詞匯對于我們來說已經失去了科幻作品中的神秘感。雖然目前的技術無法創造出類似“母體”或者“天網”那樣的人工智能系統，但人工智能算法早已應用于日常生活的方方面面，例如智能交通系統、互聯網智能推薦算法等。人工智能的背后是復雜的數據處理與分析技術，而這也是如今這個“大數據”時代的技術基礎。
對于科研來說，人工智能的數據分析處理能力有著更重要的意義——提高科研效率。將儀器與人工智能結合，利用人工智能處理儀器檢測得到的復雜數據已經成為獲得科研成果的重要助力。例如，西湖歐米(杭州)生物科技有限公司正在研究中的基于蛋白質標志物的甲狀腺結節的良惡性診斷項目，就是利用蛋白質組學與人工智能的結合。這個項目的研發過程充分體現了利用人工智能處理實驗數據能夠對科研產生多大的幫助。
甲狀腺結節是患病率非常高的疾病，每5個成年人中就可能有1人患病，其中有約30%患者無法通過現有的B超、CT、甲狀腺組織穿刺活檢甚至基因檢測等臨床診斷方法判斷結節是良性還是惡性。治療惡性甲狀腺結節需要切除甲狀腺，對患者的生活質量有很大的影響，因此準確診斷這30%患者的病情具有非常大的意義。
研究團隊選擇將“蛋白質”作為突破方向。蛋白質組學在臨床診斷中已經有了很多的應用。在不同的病理過程中，蛋白質的種類和數量會有不同的變化，只要找到和疾病相關的特定蛋白質，將其作為生物標志物就可以對該疾病進行臨床檢測、指導治療以及研究疾病的病因和發病機制等。
在蛋白質組學研究中，蛋白質的檢測識別并不困難。通過質譜分析技術，人類已經能夠實現大規模鑒定蛋白質和評估蛋白質的表達水平高低，相對量化信息的獲取不是問題。難點在于特異蛋白的確定。蛋白質組學獲得的數據非常龐大，從中找出良性與惡性甲狀腺結節蛋白質的細微差別難度非常大。
研究人員采用機器學習的方法，并構建了一套適用于蛋白質組學數據的算法模型，將篩選出的2622個有意義的候選特征蛋白質數據輸入模型，進行了大約2^1019次運算才找到關鍵的20個特異蛋白。根據這20個蛋白的情況進行甲狀腺結節良性與惡性的診斷，綜合準確率可以達到89%。
人工智能算法在這一研究中的作用是難以代替的，算法模型的構建以及后續進行的龐大運算是該檢測方法能夠成功的關鍵。研究人員表示蛋白質組學+AI技術還可以用來篩選治療腫瘤的藥物，在精準醫療領域有著非常大的應用潛力。
人工智能與儀器分析的結合將是儀器行業的主要發展方向之一。目前人工智能在儀器儀表中的應用仍然處于初步的階段，即用于數據的分析處理。在這一階段，人工智能可以在短時間內完成成熟練技術人員需耗費大量時間才能完成的操作，減少操作所需的工作量及時間，并且在保證較高精度的同時還能夠消除不同操作帶來的分析精度差異。
隨著人工智能技術與儀器更深入地融合，儀器也將出現更大的變化，例如程度更深的虛擬化。目前儀器數據的分析和顯示已經可以利用PC機中的相關軟件來實現，儀器本身只相當于數據采集裝置。當虛擬程度進一步加深，數據采集裝置可以是高性能的模塊化硬件，甚至只是集成芯片，那個時候“軟件即是儀器”就可能真正實現。
(原標題：人工智能與儀器的結合 淺談儀器的發展方向)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
