อัลกอริทึมกำลังทำงานอยู่ในพื้นที่ที่มีข้อมูลดิจิทัลจำนวนมาก แต่เป็นการยากที่จะนำไปใช้
- มีไหม
— ด้วยการถือกำเนิดของความสามารถใหม่ การเรียนรู้ด้วยตนเองอัลกอริธึมกำลังแพร่กระจายมากขึ้นเรื่อย ๆ ซึ่งนำไปสู่การเพิ่มขึ้นของทุกด้านรวมถึงยา แต่ยาเป็นพื้นที่เฉพาะ หนึ่งในอุตสาหกรรมที่อนุรักษ์นิยมมากที่สุด เป็นเรื่องที่เข้าใจได้ - ชีวิตและสุขภาพของผู้คนขึ้นอยู่กับมัน นวัตกรรมที่นี่มักจะไปไกลก่อนที่จะพิสูจน์ตัวเอง ยาดึงดูดบริษัทเทคโนโลยีจำนวนมาก แต่ในทางปฏิบัติ การทดสอบนั้นยากกว่าและบางพื้นที่ก็ไม่ได้ผลเสมอไป
เพื่อให้ AI ทำงานได้ จำเป็นต้องมีอาร์เรย์ ซึ่งสามารถวิเคราะห์และเรียนรู้ ดังนั้นเราจึงเห็นตัวอย่างการพัฒนาหลายๆ ด้านจากพื้นที่ที่ข้อมูลเดิมเป็นดิจิทัล จากเครื่องสแกน CT, MRI, อัลตราซาวนด์, ข้อมูลสามารถมองเห็นได้บนหน้าจอเท่านั้น พวกเขาสะสมมาเป็นเวลานานและตอนนี้ใช้สำหรับการฝึกอบรมและสร้างอัลกอริธึม การถ่ายภาพทางการแพทย์เป็นหนึ่งในพื้นที่แรกที่ AI เริ่มแพร่กระจาย รับคำแนะนำและผลลัพธ์ที่พิสูจน์แล้ว นอกจากนี้ อัลกอริธึมที่พบแอปพลิเคชันแล้วทำงานที่นี่ เช่น การจดจำใบหน้า
หรือเวชระเบียนอิเล็กทรอนิกส์ของผู้ป่วยนี่เป็นข้อมูลดิจิทัลที่มีโครงสร้าง นอกจากนี้ยังสามารถใช้เพื่อค้นหาการวินิจฉัยทางการแพทย์ที่ไม่พบในตอนแรก แต่แต่ละสถาบันจัดเก็บข้อมูลต่างกัน จึงไม่ง่ายสำหรับนักวิจัยที่จะได้ชุดข้อมูลที่สามารถนำไปใช้ได้จริงในทางปฏิบัติ อย่างไรก็ตาม การวิจัยในพื้นที่นี้ยังคงดำเนินต่อไป
ในที่ที่มีข้อมูลดิจิทัลน้อย AI ก็ยังยากอยู่หาประโยชน์ - สำหรับสิ่งนี้ มีชุดไม่เพียงพอสำหรับการฝึกอบรมและการทดสอบ และในทางปฏิบัติ ความแม่นยำของอัลกอริธึมจะแตกต่างจากที่ได้รับในห้องปฏิบัติการ
Dmitry Lisogor
- ฉันเข้าใจว่ากลุ่มตัวอย่างยังเล็กอยู่ แต่เราบอกได้ไหมว่าการวินิจฉัยมีประสิทธิภาพมากขึ้นในบางพื้นที่
— เราไม่ได้พูดถึงสิ่งที่อัลกอริทึมจะใส่วินิจฉัยได้แม่นยำกว่าบุคคล ในปัจจุบัน การผ่าตัดนี้ได้ผลดีในพื้นที่ที่มีการดำเนินการตามปกติหลายอย่าง เช่น การศึกษาการตรวจคัดกรองจำนวนมากในการค้นหามะเร็งปอด ในการระบุบุคคลที่มีความเสี่ยง คุณต้องดูข้อมูลจำนวนมหาศาล - AI จะทำได้เร็วกว่า
หรือยกตัวอย่างเช่น การตรวจเต้านมคือการศึกษาซึ่งแนะนำสำหรับผู้หญิงอายุมากกว่า 40 ปี เพื่อเป็นโปรแกรมคัดกรองมะเร็งเต้านม แพทย์จำเป็นต้องดูภาพหลายแสนภาพเพื่อระบุบุคคลที่มีความเสี่ยง อัลกอริทึมจะจัดเรียงและดึงความสนใจของผู้เชี่ยวชาญไปยังการศึกษาที่จำเป็นต้องมีการตัดสินใจและการวินิจฉัย สิ่งนี้ได้รับการแนะนำสู่การปฏิบัติแล้วและอำนวยความสะดวกในการทำงานของแพทย์อย่างมาก
— นั่นคือนี่เป็นเทคโนโลยีที่ใช้งานได้แล้วแม้ว่าทรงกลมจะอนุรักษ์นิยมมาก?
— การรับรู้เทคโนโลยีได้รับอนุญาตหน่วยงานกำกับดูแล ในรัสเซีย นี่คือ Roszdravnadzor ในสหรัฐอเมริกาเป็น FDA และอื่นๆ แต่มีความขัดแย้งทางกฎหมายครั้งใหญ่: ระบบการเรียนรู้ด้วยตนเองเปลี่ยนไปตามผู้ป่วยแต่ละราย ปรากฎว่าเราใช้อัลกอริธึมที่แตกต่างกันทุกวัน พบการประนีประนอม - อัลกอริทึมที่ใช้ในสถานะ "แช่แข็ง" พวกเขาลงทะเบียนแล้วความเป็นไปได้ของการเรียนรู้ถูกปิด - อัลกอริทึมถูกใช้ด้วยความแม่นยำที่แสดงต่อหน่วยงานกำกับดูแล
อย.ออกทะเบียนแล้วหลายสิบฉบับใบรับรองสำหรับโซลูชันซอฟต์แวร์ที่ใช้ AI มีการออกใบรับรองดังกล่าวหกฉบับในรัสเซีย โดยพื้นฐานแล้ว อัลกอริธึมทำงานในด้านการวิเคราะห์ภาพทางการแพทย์หรือข้อมูลเวชระเบียน
— ระบบวิเคราะห์เวชระเบียนทำงานอย่างไร?
— แนวคิดหลักคือการมองไม่เพียงเท่านั้นในการวินิจฉัยปัจจุบัน แต่ยังย้อนหลัง เมื่อคุณไปพบแพทย์ เขามีเวลานัดหมาย 12-15 นาที ซึ่งไม่เพียงพอสำหรับการทบทวนประวัติทั้งหมด - สิ่งที่ผู้ป่วยมาเมื่อ 3-10 ปีที่แล้วและผู้เชี่ยวชาญที่เขาติดต่อมา จำเป็นต้องรวบรวมข้อมูลทั้งหมดตามลำดับ เช่น เพื่อไม่ให้เกิดโรคเรื้อรัง ระบบนี้ช่วยให้คุณเจาะลึกลงไปได้ และแพทย์จะพิจารณาเบาะแสและตัดสินใจขั้นสุดท้าย
ในการรวบรวมข้อมูล คุณต้องขออนุญาตผู้ป่วยแต่ละราย แต่นั่นอาจเปลี่ยนแปลงได้
– มีผู้ป่วยในการโต้ตอบนี้ด้วย – คุณได้ทำการวิจัยเกี่ยวกับทัศนคติของพวกเขาที่มีต่อ AI แล้วหรือยัง? พวกเขาเต็มใจที่จะเชื่อถือข้อมูลและการรักษาที่อาจเกิดขึ้นกับเทคโนโลยีหรือไม่?
— ฟิลิปส์ดำเนินการศึกษาประจำปี“ดัชนีสุขภาพในอนาคต” – เราจะถามคำถามกับกลุ่มแพทย์ หัวหน้าคลินิก หรือผู้ป่วย ในปี 2561 และ 2562 การวิจัยได้กล่าวถึงทัศนคติของผู้ป่วยต่อ AI ผู้ป่วยมีความระมัดระวัง พวกเขาแสดงความกังวลเกี่ยวกับข้อเท็จจริงที่ว่าข้อมูลของพวกเขาจะถูกใช้ในอัลกอริธึม
ที่น่าสนใจคือผู้เชี่ยวชาญในสาขาการดูแลสุขภาพไม่ได้แบ่งปันความกังวลนี้ การศึกษาล่าสุด Future Health Index 2021 ได้ตรวจสอบความคิดเห็นของผู้นำในอุตสาหกรรม - ผู้นำคลินิก หัวหน้าแพทย์ และหัวหน้าแผนก ผู้ตอบแบบสอบถามในรัสเซียประเมินในเชิงบวกต่อโอกาสในการนำเครื่องมือการแพทย์ทางไกลและ AI ไปใช้จริง ดังนั้น 53% ของผู้ตอบแบบสอบถามระบุว่า telemedicine เป็นหนึ่งในเทคโนโลยีการแพทย์ดิจิทัลที่พวกเขาต้องการลงทุนทรัพยากรมากที่สุดในปัจจุบัน และภายใน 3 ปี 85% ของผู้ตอบแบบสำรวจต้องการให้ความสำคัญกับการลงทุนด้าน AI
ความกลัวของผู้ป่วยเกี่ยวข้องกับความไม่รู้ - พวกเขาพวกเขาคิดว่าเครื่องจะทำการวินิจฉัย แต่จะไม่ได้ผลที่จะพูดคุยกับแพทย์ มันไม่ใช่อย่างนั้น—โปรแกรมคอมพิวเตอร์เคยเกี่ยวข้องกับการตัดสินใจมาก่อน พวกมันไม่ได้ถูกพูดถึงอย่างดังมากนัก ตัวอย่างเช่นในภูมิภาคมอสโกมีการแนะนำเทคโนโลยีสำหรับการนัดหมายกับแพทย์ ผู้ป่วยสื่อสารทางโทรศัพท์กับบอทที่พยายามจัดประเภทผู้เชี่ยวชาญและระดับความเร่งด่วนที่เขาควรได้รับการส่งต่อ จากสถิติพบว่าผู้ป่วย 80% ได้นัดหมายกับแพทย์ด้วยวิธีนี้ และไม่มีใครถามคำถามเกี่ยวกับ AI ดังนั้นจึงค่อนข้างเป็นอุปสรรคทางจิตใจเนื่องจากการตัดสินใจขั้นสุดท้ายจะอยู่กับแพทย์เสมอ
- ผู้ป่วยไม่ได้แสดงความกังวลเกี่ยวกับความปลอดภัยของข้อมูล?
- AI นำมาซึ่งความเสี่ยงไม่มากในแง่ของความปลอดภัยทางไซเบอร์ ข้อมูลจำนวนมากที่ใช้ในการฝึกอบรมหรือทดสอบอัลกอริทึมจะไม่ระบุชื่อ หากชื่อของผู้ป่วยถูกลบออกจากการสแกนปอด นักวิจัยจะขาดการติดต่อกับผู้ป่วยจริง แน่นอนว่าสำหรับอัลกอริธึมบางอย่าง คุณต้องดูว่าการวินิจฉัยได้รับการยืนยันหรือไม่ แต่นักวิทยาศาสตร์มีโปรโตคอลที่เข้มงวดสำหรับการรักษาความปลอดภัยข้อมูล
รวบรวมและรวบรวมข้อมูลโดยไม่ได้รับอนุญาตผู้ป่วยยังไม่พร้อม แม้ว่าในระดับรัฐ จะมีการหารือเกี่ยวกับการเปลี่ยนแปลงกฎหมายที่เป็นไปได้ เพื่อสร้างชุดข้อมูลที่ไม่เปิดเผยชื่อโดยไม่ได้รับอนุญาตภาคบังคับ ไม่มีทางเลือกอื่นที่จะไม่ใช้ AI ในขณะที่พัฒนายาต่อไป ดังนั้นจึงจำเป็นต้องขจัดอุปสรรคทางกฎหมายที่ขัดขวางการพัฒนาของพวกเขา ตัวอย่างเช่น การทำข้อมูลที่ไม่เปิดเผยชื่อให้กับนักวิจัยโดยไม่ได้รับอนุญาตจากผู้ป่วย
มันทำงานแตกต่างกันหรือไม่? สำหรับการฝึกอบรมและการทดสอบ คุณต้องการข้อมูลจำนวนมาก - คุณขออนุญาตจากผู้ป่วยแต่ละรายหรือไม่?
- ไม่มีทางอื่น นี่เป็นทางเดียวเท่านั้นที่อนุญาตกระบวนการ. การขาดชุดข้อมูลเป็นหนึ่งในปัญหาและอุปสรรคที่ใหญ่ที่สุดต่อการพัฒนา AI นี่ไม่ใช่แค่เฉพาะในรัสเซียเท่านั้น แต่ยังเป็นปัญหาระดับโลกอีกด้วย ประเทศเผด็จการบางประเทศใช้กำลังบังคับ - ในประเทศจีนสามารถใช้งานได้โดยไม่ได้รับอนุญาต แต่รัสเซียระมัดระวังเกี่ยวกับข้อมูลส่วนบุคคลของผู้ป่วย
- คุณกำลังพูดถึงข้อมูลมากแค่ไหน? อัลกอริทึมจำเป็นต้องเรียนรู้ข้อมูลมากแค่ไหน?
- ขึ้นอยู่กับอัลกอริทึม แต่เรากำลังพูดถึงหลายร้อยถ้าไม่ใช่การศึกษานับพัน สมมติว่าเราได้รับการศึกษานับพันครั้งเพื่อฝึกอัลกอริทึม แต่เราต้องการการศึกษาจำนวนเท่ากันสำหรับการทดสอบ อัลกอริทึมที่ได้รับการฝึกอบรมยืนยันหรือไม่ยืนยันความถูกต้อง จากนั้นเราสามารถพูดคุยเกี่ยวกับแอปพลิเคชันในทางปฏิบัติได้ และที่นั่นเขาจะต้องเผชิญกับการศึกษาวิจัยนับหมื่นครั้ง และความแม่นยำของเขาก็แตกต่างกันไป
- คุณพูดถึงการอนุรักษ์สุขภาพ ความคิดริเริ่มในการแนะนำระบบ AI ในการแพทย์มาจากไหน?
— ไม่สามารถพูดได้ว่ามีค่ายขั้วโลกสองแห่งแต่ก็เหมือนกับความพยายามหลายๆ อย่าง พวกเขาขับเคลื่อนโดยผู้ประกอบการและบริษัทเทคโนโลยีที่สร้างผลิตภัณฑ์และหาประโยชน์จากมัน ตัวขับเคลื่อนหลักคือบริษัทผู้สร้าง และมีขนาดต่างกัน - พวกเขาสามารถเริ่มต้นขึ้นและบริษัทเทคโนโลยีขนาดใหญ่ เช่น IBM, Google, Microsoft, Philips เรายังสร้างอัลกอริธึมและช่วยให้พวกเขาค้นพบแนวทางปฏิบัติทางคลินิก
แพทย์ไม่ได้ต่อต้านเทคโนโลยี แต่ผู้ริเริ่มหลักในด้านการแพทย์ไม่ใช่ตัวแพทย์เอง แต่เป็นผู้ดูแลระบบสุขภาพ พวกเขาต้องคิดหาวิธีปรับปรุงประสิทธิภาพของระบบให้ดียิ่งขึ้น
ตัวอย่างที่ชัดเจนอยู่ใกล้แค่เอื้อม:การทดลองนำ AI มาใช้ในการวิเคราะห์ภาพทางการแพทย์ในระบบการดูแลสุขภาพของมอสโก นี่เป็นโครงการใหญ่ที่เมืองนี้เริ่มต้นขึ้นเมื่อปีที่แล้ว และตอนนี้การศึกษาระยะที่สองกำลังอยู่ในระหว่างดำเนินการ บริการ 21 รายการเข้าร่วมใน 13 ทิศทาง รวมถึงฟิลิปส์ ซึ่งได้ทำการศึกษาวิจัยไปแล้วกว่า 2 ล้านครั้งโดยใช้อัลกอริธึม ผลลัพธ์มีให้สำหรับแพทย์ที่ทำงานกับผู้ป่วยและตัดสินใจว่าจะพิจารณาคำแนะนำหรือไม่
อัลกอริธึมสามารถทำงานในโรงพยาบาลใดก็ได้ แต่พวกเขาไม่ใช่ตัวแทนของแพทย์
- คุณจำเป็นต้องซื้ออุปกรณ์และโครงสร้างพื้นฐานสำหรับการใช้งานใน AI หรือไม่? หรือมันไม่แพงมากสำหรับสถาบัน?
— มีอัลกอริธึมจำนวนมากให้โดยไม่มีโลคัลโครงสร้างพื้นฐานจากด้านข้างของสถาบันการแพทย์ - ในขั้นต้นนั้นอยู่ในคลาวด์ จำเป็นต้องมีการเข้าถึงเท่านั้น มีอีกปัญหาหนึ่งคือ รูปภาพทางการแพทย์ถูกเก็บไว้ที่ไหนสักแห่งแล้ว และเราจำเป็นต้องแก้ปัญหาการรวมเข้ากับรูปภาพเหล่านั้น แต่ทุกอย่างอื่นถูกประมวลผลที่ความสามารถภายนอกเพื่อไม่ให้สร้างคลัสเตอร์การคำนวณเพิ่มเติมในสถาบัน
เทคโนโลยีจะส่งผลต่อโรงพยาบาลอย่างไร? พนักงานจะลดลงหรือไม่? การศึกษาทางการแพทย์จะเปลี่ยนไปหรือไม่? แนวทางการวินิจฉัยของพวกเขาจะเปลี่ยนไปหรือไม่? คำทำนายของคุณสำหรับเรื่องนี้คืออะไร?
— เทคโนโลยีพัฒนาเร็วมากจนฉันเรียกว่ามันจะเป็นวิสัยทัศน์ไม่ใช่การคาดการณ์ ในอนาคตแพทย์ที่ไม่ใช้ AI จะถูกแทนที่ด้วยแพทย์ที่ใช้ AI ไม่มีใครบอกว่าอัลกอริธึมจะมาแทนที่ผู้เชี่ยวชาญของมนุษย์ ความเชี่ยวชาญทางการแพทย์เป็นหนึ่งในสิ่งที่ยากที่สุดที่จะเชี่ยวชาญ มันต้องมีการฝึกอบรมและการปฏิบัติอย่างมาก - ด้วยเหตุนี้ในหลายพื้นที่จึงมีผู้เชี่ยวชาญไม่เพียงพอ ความต้องการยาและความพร้อมใช้งานเพิ่มขึ้น ประชากรสูงอายุ มีโรคมากขึ้น และอัตราการตรวจพบดีขึ้น แต่จำนวนแพทย์ไม่ได้เพิ่มขึ้นในอัตราที่เท่ากัน
AI จะช่วยเพิ่มประสิทธิภาพในการทำงาน ดังนั้นเป็นไปไม่ได้ที่จะพูดถึงการลดจำนวนลง เทคโนโลยีจะช่วยให้มุ่งเน้นไปที่สถานการณ์เหล่านั้นที่คุณต้องตัดสินใจและทำการวินิจฉัย ในการสื่อสารกับผู้ป่วย สิ่งนี้สำคัญมาก: หากไม่มีการสนทนา การวินิจฉัย กำหนดการรักษา ตรวจสอบความคืบหน้าและคุณภาพเป็นเรื่องยากมาก เทคโนโลยีควรเพิ่มเวลาให้การวินิจฉัยและการรักษามีความเป็นมนุษย์มากขึ้น
- AI จะเข้ามาแทนที่การติดต่อระหว่างผู้ป่วยกับแพทย์หรือไม่? และโดยทั่วไปแล้ว ในอนาคตจะมีความสำคัญอย่างไร โดยการวิจัยจะอิงจากข้อมูลวัตถุประสงค์และการวิเคราะห์อาร์เรย์ข้อมูลอย่างไร
- การติดต่อระหว่างแพทย์และผู้ป่วยเป็นสิ่งสำคัญเพราะทั้งสองไม่มีคนที่มีการวินิจฉัยเหมือนกันจะมีความแตกต่างกันอยู่เสมอ ถ้าจะพูดถึงความหนาวเย็นก็ไม่สำคัญนัก แต่ถ้าเป็นโรคมะเร็งหรือโรคของระบบหัวใจและหลอดเลือดซึ่งอาจมีผลกระทบระยะยาวไม่เพียง แต่สำหรับผู้ป่วย แต่ยังสำหรับสภาพแวดล้อมของเขาด้วยการสื่อสารจากผู้เชี่ยวชาญไม่สามารถแทนที่ได้ เขาต้องเตรียมทุกคนอย่างถูกต้องสำหรับเส้นทางต่อไป - การรักษาหรือการผ่าตัดที่ซับซ้อน
- AI จะส่งผลต่อเงินเดือนของแพทย์และบทบาทของพวกเขาในด้านการแพทย์โดยทั่วไปหรือไม่?
– ฉันไม่คิดว่ามีความเสี่ยงในเรื่องนี้ – ปริมาณงานจะไม่เปลี่ยนแปลง ตัวอย่างเช่น ในการตรวจปอดในปัจจุบัน จำเป็นต้องมีการตรวจฟลูออโรแกรมหลายพันครั้งเพื่อระบุต้องสงสัยว่าเป็นวัณโรค แพทย์จะสามารถระบุผู้ป่วยที่สงสัยได้หลายรายในหนึ่งสัปดาห์เท่านั้น ซึ่งจะทำให้การวินิจฉัยล่าช้า การเริ่มการรักษา บางครั้งอาจถึงขั้นวิกฤตได้ ในอนาคต ผลลัพธ์จะเหมือนเดิม แต่เราจะทำให้สำเร็จเร็วขึ้น เพราะอัลกอริธึมจะคัดแยกรูปภาพที่ไม่สมควรได้รับความสนใจ แต่การวินิจฉัยจะยังคงอยู่กับแพทย์ งานของเขาจะไม่รับผิดชอบหรือมีคุณสมบัติน้อยลง
— ในช่วงการแพร่ระบาด มีข้อมูลจำนวนมากปรากฏขึ้นซึ่งคุณสามารถทดสอบหรือฝึกอัลกอริทึมได้ คุณสามารถใช้ข้อมูลนี้ได้หรือไม่?
— แพทย์ที่มองหาไฟดับที่เกี่ยวข้องกับโควิด-19 อาจสูญเสียคนจำนวนมากที่เกี่ยวข้องกับวัณโรคหรือมะเร็งปอด ดังนั้น AI จึงถูกนำมาใช้ในการวิจัยขั้นทุติยภูมิ การตรวจหาโรคร่วมด้วย เรานำเสนอบริการที่ช่วยให้คุณหลีกเลี่ยงการรวมอัลกอริธึมนับสิบเข้าด้วยกัน - การเชื่อมต่อแพลตฟอร์มของเราเพียงครั้งเดียวก็เพียงพอแล้ว และลูกค้าจะสามารถเข้าถึงอัลกอริธึมของนักพัฒนาต่างๆ ในรูปแบบตลาดกลางได้ ด้วยคุณสามารถถ่ายภาพปอดได้หนึ่งภาพ และ AI จะค้นหาความผิดปกติต่างๆ - วัณโรคหรือมะเร็ง
— มีสิ่งพิมพ์หลายร้อยเรื่องเกี่ยวกับ AI ในการแพทย์จากภายนอก แทบจะเป็นไปไม่ได้เลยที่จะประเมินว่าด้านใดมีแนวโน้มดีและส่วนใดที่มีมูลค่าสูงเกินไป ตัวอย่างเช่น มีการพูดคุยกันมากมายเกี่ยวกับรังสีวิทยา – จะมีการพัฒนาครั้งใหญ่ที่นั่นจริงหรือ? มีภาคไหนน่าติดตามอีกบ้าง?
- รังสีวิทยาดูเหมือนจะมีแนวโน้มเพียงเพราะการแปลงเป็นดิจิทัลดั้งเดิม ข้อมูลเป็นแบบดิจิทัลอยู่แล้ว ดังนั้นจึงสร้างและใช้อัลกอริธึมได้ง่ายขึ้น อาจมีการเปลี่ยนแปลงครั้งใหญ่ในพื้นที่นี้ บริษัท สตาร์ทอัพจำนวนมากจะปรากฏขึ้นและยักษ์ใหญ่ด้านเทคโนโลยีจะมา ตัวอย่างเช่น Microsoft เพิ่งซื้อบริษัทวิเคราะห์เสียงและจดจำภาพทางการแพทย์
การใช้ AI ในสาขาที่เกี่ยวข้องมีแนวโน้มที่ดีพื้นที่ — การค้นหายาใหม่ อัลกอริทึมช่วยให้คุณจำลองการตอบสนองของร่างกายต่อส่วนประกอบบางอย่างได้ มีข่าวเกี่ยวกับโมเลกุลที่หลีกเลี่ยงวิธีการทำงานแบบเดิมๆ ในห้องปฏิบัติการ โดยไม่ต้องใช้สัตว์ทดลองจำนวนมาก แน่นอน โมเลกุลนี้ยังคงผ่านทุกขั้นตอนของการทดลองทางคลินิก แต่สิ่งนี้ทำให้วงจรการพัฒนาสั้นลงอย่างมาก บางทีด้วยความช่วยเหลือของ AI ที่พวกเขาจะพบวิธีรักษาโรคที่ยังไม่สามารถรักษาได้
อ่านเพิ่มเติม
ดูว่าดาวเสาร์มีลักษณะเป็นอย่างไรจากดวงจันทร์ ภาพถ่ายโดยยานอวกาศนาซ่า
ฮับเบิลเสร็จสิ้นการเดินทางผ่านระบบสุริยะชั้นนอก: สิ่งที่เขาเห็นที่นั่น
เครื่องปฏิกรณ์ฟิวชัน KSTAR สร้างสถิติ: เก็บพลาสมาไว้ได้นานกว่าที่เคย