社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

新冠病毒或致个人年内死亡率翻倍!哥大校友用机器学习飞速筛选抗体

新智元 • 5 年前 • 527 次点击  



  新智元报道  

来源:medium等

编辑:张佳、啸林

【新智元导读】新冠肺炎全球确诊超34万、死亡超1.4万。日前,Yann LeCun转发推文:感染COVID-19会使你在一年内的死亡几率翻倍。危急时刻,世卫组织对四种最有希望的新冠病毒治疗方法展开全球大规模试验,哥大数据科学研究所校友使用机器学习快速发现新冠病毒治疗方法。「新智元急聘主笔、高级主任编辑,添加HR微信(Dr-wly)或扫描文末二维码了解详情。」


上周五,世界卫生组织宣布了一项名为“SOLIDARITY”的大型全球性试验,以寻找可以用于治疗新冠肺炎的药物。这项研究可能包括几十个国家的数千名患者,尽可能设计的简单,这样即使是涌入了大量COVID-19患者的医院也能参与进来。


科学家建议了数十种现有化合物进行测试,但世卫组织正聚焦在四种它认为最有希望的疗法上:一种称为瑞德西韦的实验性抗病毒化合物;疟疾药物氯喹和羟基氯喹;两种艾滋病毒药物的组合,洛匹那韦和利托那韦;洛匹那韦和利托那韦加上干扰素β


关于COVID-19患者中使用这些药物的一些数据已经显示,HIV联合疗法在中国的一项小规模研究中失败了,但世卫组织认为,有必要对更多患者进行大规模试验。

除了测试已有的潜在药物,发现新的治疗方法也很有必要。


哥大数据科学研究所(DSI)校友使用机器学习快速发现新冠病毒治疗方法


哥伦比亚大学数据科学研究所(DSI)的两名毕业生正在通过计算设计来快速发现冠状病毒的治疗方法。



Andrew SatzBrett Averso分别是EVQLV的首席执行官和首席技术官。EVQLV是一家初创公司,其创建的机器学习算法能够在短短几天内识别并筛选数亿种潜在的抗体治疗方法,这远远超出了任何实验室的能力。在实验室中发现和优化抗体平均需要五年半的时间,而该算法只需一周的时间即可识别病毒抗体。


寻找抗体是发现新冠病毒疗法的第一步。我们的算法所要做的是减少实验室中药物发现失败的可能性。” Satz补充说:我们尽可能在计算机模拟中试错,以减少下游实验室发生错误的可能性。这样可以从繁琐而费时的工作中节省大量的时间。

Brett Averso介绍道,EVQLV设计的一些抗体旨在防止冠状病毒附着在人体上。形状正确的抗体与位于人细胞和冠状病毒表面的蛋白质结合,就像锁和钥匙的关系。这种结合可以防止病毒在人体中扩散,从而可能限制疾病。

EVQLV与专注于发现治疗性抗体的公司Immunoprecise AntibodiesIPA)合作。EVQLV在发现和优化抗体后,将有希望的抗体基因序列发送给其实验室合作伙伴。然后,IPA将对最有希望的候选抗体进行工程设计、制造和测试,该过程不再需要数年,而只需几个月。成功的抗体将用于动物研究,最后是人体研究。

考虑到国际上对抗冠状病毒的紧迫性,Satz表示,有可能在2020年底之前为患者准备好治疗方案。

在就读于DSI期间相识的Satz和Averso坚定致力于“数据向善”。两人在数据科学和医疗保健的交叉领域合作了多年,并于2019年12月成立了EVQLV,旨在使用AI技术来加快发现、发展和治愈健康问题的速度。该公司已经发展到12名团队成员,技术涵盖了机器学习和分子生物学,软件工程和抗体设计,云计算以及临床开发等领域。二人通常都每周工作100小时,因为他们对数据科学充满热情,并致力于以此“帮助医治有需要的人”。


Yann LeCun转发:感染COVID-19会使你在一年内的死亡几率翻倍


近日,深度学习大佬Yann LeCun在推特上转了统计学家David Speigelhalter的一个推文并评论道:若感染了COVID-19,其死亡概率约等于一年内任何其他原因的死亡概率。令人惊讶的是,无论年龄大小,都是如此。感染COVID-19会使你在一年内的死亡几率翻倍



在Speigelhalter的博文中,他使用了英国国家统计局提供的生命表。由于先天性疾病和出生创伤,出生后有个死亡高峰,9、10岁是一个低谷,然后是稳定的线性增长。不管年龄多大,每年死亡的人口比例都以9%左右的速度增长。所以平均死亡风险在8年内翻倍。

国家统计局2016-2018年英格兰和威尔士的年度死亡风险


伦敦帝国学院研究人员的最新报告提供了对新冠病毒感染后死亡的特定年龄段风险的估计值,这些风险如下表所示。


不同年龄组感染COVID-19后的死亡率


如果将感染COVID-19后的死亡率叠加在上面的“生命表”上(绘制每10年中的第7年),结果如下图,可以看出,感染COVID-19后的死亡风险与正常死亡风险的趋势是一致的

然后,将COVID-19风险与生命表中的死亡风险进行比较,得出相对风险,范围为0.5到2。



可以看出,感染COVID-19的死亡风险相当于一年内任何其他原因的死亡风险。用博主的话说“感染COVID-19就像将一年的风险打包到一两个星期一样”。


不过博主也指出,这两个群体将会有很大的重叠——许多死于COVID-19的人无论如何都会在短时间内死亡——因此这些风险不能简单地加在一起,也不能简单地将感染者的风险增加一倍。至关重要的是,国家医疗服务体系不能不堪重负,但如果像现在所建议的那样,通过严格的抑制措施,COVID死亡人数可以控制在20,000人左右,那么对2020年总体死亡率的影响可能很小(尽管由于卫生服务的压力和隔离的副作用,基础死亡率可能会增加)。不过,正如我们所看到的,代价是巨大的。


参考链接:

https://medium.com/wintoncentre/how-much-normal-risk-does-covid-represent-4539118e1196

https://www.technology.org/2020/03/22/dsi-alumni-use-machine-learning-to-discover-coronavirus-treatments/


人工智能吹响智能大航海时代的号角,AI也成为抗疫救灾的技术主题词。新智元特推出“AI方舟”直播公开课,依托新智元小程序,邀请一线AI技术专家分享实战经验,带你一起驶向载满干货的新航程。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/56790
 
527 次点击