日本大阪大學研發出唾液檢測法 5分鐘即可檢出新冠病毒

• 2021年6月23日 YeYuJuan來源：人民網 1003 63
• 繁體

隨著大數據的深入應用，機器學習已經進入醫療領域。過去數年間，出現了諸多“機器”準確進行醫學診斷的例子。

日本開發出唾液快速檢測法

據《朝日新聞》網站報道，由日本大阪大學等組成的研究團隊此前研發出了一種唾液檢測法，可以在5分鐘內檢測新冠病毒。此外搭載了人工智能技術的病毒識別系統也可用于檢測其他病毒。

該團隊研發出來的是一種可識別檢測單個病毒的方法。首先，利用半導體的精密加工技術在印制板上開一個直徑300納米的小孔測量裝置。當唾液流入小孔后，便可測定唾液中的各種物質流經小空時發出的電信號。研究人員會提前讓人工智能學習檢測結果呈陽性和陰性時的兩種不同的電信號，以便識別檢測樣本是否含有新冠病毒。

隨著大數據的深入應用，機器學習已經進入醫療領域。過去數年間，出現了諸多“機器”準確進行醫學診斷的例子。

機器學習在醫學中的應用

1.輔助診斷：目前，ML和DL在精神疾病中的研究基本集中在診斷上，基于ML和DL的計算機輔助診斷工具可以幫助臨床醫生對精神疾病進行分類，短時間內形成更可靠、準確和標準化的診斷。有研究者將ML用于癡呆和注意缺陷多動障礙的診斷，通常可以達到90%以上的準確率。對精神分裂癥、自閉癥、抑郁癥和藥物濫用障礙等其他精神疾病的分類研究也在慢慢積累。

2.預測疾病發展軌跡：一些研究顯示出ML預測疾病發展軌跡的能力，如從輕度認知障礙到AD的轉變，這對于早期發現AD并預防其發展至關重要。

3.疾病的早發現早干預：AI最大潛力可能在識別可穿戴設備數據以及電話和短信中的信息。由于手機幾乎陪伴我們一整天，可收集和感知各種各樣的心理健康數據，并整合生理、運動、環境和社會信息，跟蹤及融合不同來源的心理健康大量數據，利用ML算法的強大和高效預測心理健康狀況，當然也伴隨著深刻的倫理和安全問題。

4.病因及機制研究：使用多模態數據的ML算法能夠從神經成像和基因組學中獲得的數據中，提供病理機制的信息，去了解基因如何形成結構，以及結構如何實現功能。

5.新藥發現：自20世紀90年代后期起，ML一直用于藥物研發，并已成為藥物研發的有用工具。DL具有更靈活的架構，對于分子設計和反應預測非常有用。AI可應用在藥物研發的不同環節，包括虛擬篩選苗頭化合物、新藥合成路線設計、藥物有效性及安全性預測、藥物理化性質預測、晶型預測、藥物分子設計、篩選生物標志物、研究新型組合療法等。基于已有的化學、生物學數據和知識建立有效的數據模型，可通過ML來預測藥品研發過程中的安全性、有效性、不良反應等，從而有望實現減少人力、時間、物力等投入，降低藥品研發成本的目的。

欲了解機器學習行業具體詳情可點擊查看《2019-2025年中國機器學習行業發展趨勢及投資預測報告》。

• 相關深度報告REPORTS

  

  2021-2026年中國醫療人工智能行業發展現狀分析及投資趨勢預測研究報告

  近年來，人工智能技術與醫療健康領域的融合不斷加深，以人工智能醫療發展最為迅速的美國為例，科技巨頭和資本巨頭都在積極布局智能醫療產業，大批專注細分領域的初創公司也蓄勢待發。 本研究咨...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡