当然，AI聊天机器人可以写电子邮件、总结文章或列出购物清单。但像ChatGPT这样的AI和机器学习技术正逐渐进入另一个领域：医疗保健。
想象一下，使用AI在我们生病之前检测到健康的早期变化，或者了解我们在感到焦虑或抑郁时大脑中发生了什么，甚至设计新的方法来对抗难以治疗的疾病。这些只是在10月9日至11日举行的杜克AI健康创新峰会上讨论的一些研究主题。
生物医学工程助理教授Pranam Chatterjee是Gameto, Inc.和UbiquiTx, Inc.的联合创始人。他的实验室认为，像ChatGPT背后的大规模语言模型的真正机会不在于文字语言，而在于生物学语言。
就像ChatGPT预测句子中的单词顺序一样，他实验室工作的语言模型可以生成构成蛋白质的分子链。他的团队已经训练了语言模型来设计新的蛋白质，这些蛋白质有一天可能用于对抗亨廷顿病或癌症，甚至可以从干细胞中培养人类卵子，帮助那些不孕不育的人。
“我们不仅仅制造任何蛋白质，”Chatterjee说，“我们制造可以编辑任何DNA序列的蛋白质，或者可以修改其他致病蛋白质的蛋白质，以及可以从头开始制造新细胞和组织的蛋白质。”
计算机科学和生物统计学及生物信息学系的新成员Monica Agrawal表示，利用大规模语言模型的算法可以帮助解决另一个医疗挑战：挖掘患者医疗记录中不断扩大的数据宝库。
例如，为了选择某个患者的最佳药物，医生可能首先需要知道：他们的疾病是如何进展的？已经尝试过哪些干预措施？他们有哪些症状和副作用？他们是否有其他需要考虑的疾病？
“挑战在于，这些变量中的大多数在电子健康记录中并不干净地存在，”Agrawal说，她今年秋天加入了这两个系。“相反，大多数可以回答这些问题的数据被困在医生的笔记中。医生在就诊期间输入患者电子病历的观察结果通常充满了术语和缩写。这种简写在就诊时节省了时间，但也可能导致患者和其他提供者之间的混淆。此外，审查这些记录以了解患者的医疗历史既耗时又昂贵。”
Agrawal正在构建算法，使这些记录更容易维护和分析，借助AI的帮助。“语言在医学中无处不在，从笔记到文献，再到患者沟通和试验，”Agrawal说，“它影响了许多利益相关者，从临床医生到研究人员再到患者。我的新实验室的目标是让临床语言为每个人服务。”
生物医学工程和生物统计学及生物信息学助理教授Jessilyn Dunn领导着杜克大学的BIG IDEAs实验室。她正在研究智能手表和其他可穿戴设备的数据是否可以帮助在人们出现症状之前检测到疾病的早期迹象或感染。
通过使用AI和机器学习分析这些设备的数据，她和她在杜克大学Big Ideas实验室的团队表示，他们的研究可以帮助那些有糖尿病风险的人采取行动逆转病情，甚至可以在有人有机会传播感染之前检测到他们是否可能患有RSV、COVID-19或流感。
“可穿戴设备的好处在于，我们可以随着时间的推移、连续且低成本地收集有关个人健康的信息，”Dunn说，“最终目标是赋予患者权力，实现精准疗法，及时干预并改善医疗服务的可及性。”
土木与环境工程及生物统计学与生物信息学副教授David Carlson正在开发AI技术，以更好地理解不同情绪和行为的大脑波数据。
通过分析小鼠不同脑区的电活动，他和他的同事们已经能够追踪小鼠感到多大程度的攻击性，甚至可以阻断攻击信号，使它们对其他小鼠更加友好。“这听起来像是科幻小说，”Carlson说。但他表示，这项工作将帮助研究人员更好地理解在社交场合中挣扎的人的大脑发生了什么，如自闭症或社交焦虑障碍患者，并可能带来新的管理和治疗精神障碍的方法，如焦虑和抑郁。
(全文结束)
