【对抗新冠新利器】人工智能来啦（一）

独乐乐不如众乐乐，今天您分享了吗？

欣姐碎碎念

最近，欣姐请到了一名外援——深度学习和人工智能专家、来自卡耐基梅隆大学的雷哥。欣姐将与雷哥合作，为大家分享一系列利用人工智能（Artificial Intelligences）对抗新冠病毒的文章。我们旨在严肃的胡扯，帮您在调侃之余学知识。敬请关注

正式开始之前，先请雷哥跟大家见个面吧

👇围观雷哥👇

人工智能, 深度学习, 机器学习和统计

各国和地区疫情动态增长图，附python实例代码

没有特效药怎么办——人工智能来帮忙！

核心问题：大家应该都已经知道了，从头研发一个对抗新冠的药物需要很久很久，等特效药可能黄花菜都凉了。临床上，医生只能根据经验和药物机理，从已有药物中选可能有效的碰运气。目前，多种药物已经被试过，欣姐之前总结过，最大的希望仍然是瑞德西韦。不过，经验再丰富的医生知识都是有限的，不可能深入了解所有的药物。会不会某些可能有效的药物被漏掉了呢？通过人工智能大数据挖掘，真的找到了一种。

位于英国剑桥大学的公司Benevolent AI，致力于用人工智能和机器学习，改变传统的药物研发过程。今年二月份，在新冠病毒爆发早期，Benevolent AI成立了一个特殊小组，利用公司的人工智能核心算法，试图在已上市的药物中，寻找阻断病毒攻击细胞的过程，或抑制细胞因子风暴的候选药。幸运的是，算法果真找到了一个可能对病毒和细胞因子风暴有双重作用的药物Baricitinib，该药由巨头Eli Lily公司研发，此前用于类风湿性关节炎。这项研究被两次发表在柳叶刀和其子刊上。目前Eli Lily已经决定和美国国家传染病研究所合作，开展Baricitinib用于新冠肺炎的三期临床实验。如果实验结果有效，人类无疑要感谢人工智能。那么，人工智能算法，如何找到被医生们漏掉的可能药物呢？

这就要从知识图谱（Knowledge Graph）技术说起了。知识图谱是谷歌公司在2012年提出的一个新技术，直观的理解，就是把现实世界中的各种事物（人、地名、概念、药物、公司等）和他们之间存在的关系图形化。比如下面就是一个简单的知识图谱：圆圈代表不同的事物（知识图谱技术中称为“实体”），线和箭头表示“实体”之间存在的某种关系，可以是单向的，也可以是双向的。

知识图谱技术的核心，在于从已有数据中提取各种“实体”之间的关系，构建图谱的模型（称为“训练”）。训练模型用的数据分为两类，结构化数据和非结构化数据。

- 结构化数据：有固定格式，标签vs.值（例如：美国总统vs.特朗普）。处理结构化数据简单，适合训练图谱模型。但除表格、数据库等少数形式，结构化数据不多。

- 非结构化数据：无固定格式，一般的自然语言都是非结构化数据（例如：地球人都知道，特朗普是美国总统）。非结构化数据广泛存在，但处理难度较大，需要依赖深度学习和自然语言处理技术，来训练图谱模型。

图谱模型训练完成后，就可以用于在更大量的数据中提取有用信息。一个典型的例子就是谷歌搜索引擎。在谷歌中搜索关键词时，屏幕右侧常会出现类似下图的信息汇总框，这些内容并非来自某一个网页，而是从大量网页中，利用知识图谱模型，提取到的与“特朗普”有关系的高频“实体”。

回到Benevolent AI，公司的数据科学家们，用成千上万的医学论文进行训练，获得了大量有关药物机理的知识图谱库。就像谷歌利用知识图谱在大量网页中生成“特朗普”的信息汇总框一样。新冠疫情发生后，药理学家通过专业分析，认为研究的重点方向，是寻找可以阻截病毒攻击细胞过程，和抑制细胞因子风暴的药物。基于这一目的，数据科学家用知识图谱库，结合相应的搜索条件，筛选出了Baricitinib。下面的图谱很清晰的反映出，Baricitinib是一种潜在的同时符合抑制病毒作用和细胞因子风暴的候选药。