原文标题：
脸书FAIR与德国机构合作，透过AI寻找治疗药物且获得突破
(请勿删减原文标题)
原文连结：
https://bit.ly/2QCD26f
(请善用缩网址工具)
发布时间：
2021年4月20日
(请以原文网页/报纸之发布时间为准)
原文内容：
脸书AI研究实验室（Facebook’s AI Research lab；FAIR）和德国环境健康研究中心
Helmholtz Zentrum München，于2021年4月16日宣布将推出一种新的机器学习工具，旨
在帮助加速发现有效的抗疾病和癌症的新药物组合。
这个概念被称为“组合学习（Compositional Learning）”，就是教机器如何像人类一样
的学习。换句话说，透过这种学习即可掌握一项技能或资讯，之后可用它来创建全新的事
物。由于医疗研究的复杂程度很高，如果给机器更多资源，即可突破人类药物研究的限制
，进而带来贡献。
其实，Helmholtz Zentrum München实验室正在研究如何使医学更加个人化。与
Facebook 人工智能研究院(FAIR)合作之后，共同提出了一个AI模型，该模型可以在不同
程度的功效下，如何采用药物和基因疗法等治疗组合来影响单细胞。期望透过这种实验的
开放源代码模型帮助研究人员，学习如何根据疾病在细胞水平上的表现为病患量身定制治
疗方案。
原本药物研究必须历经几个月或几年，才能够缩小数十亿个潜在性选择药物的范围，透过
这一模式之后，可以在几个小时内即可达到筛检的目的。然后，他们可以提供100种药物
和剂量的组合，并具有最高潜在性的最佳结果，并将其与体外细胞系进行对比，以了解它
们在现实世界中的运作方式。
Helmholtz Zentrum München认为，在横跨细胞类型、药物组合以及病患变异之间的搜索
空间非常之大，是永远无法在整个实验中被发掘出来，因此才非常需要机器学习的辅助。
对于脸书来说，这合作提供了另一个机会来完善脸书AI系统。简单来说，该专案可以丰富
的数据集和对组合分析的需求，这将挑战FAIR的机器以组合方式进行学习。
自2015年以来，科学家通过一项名为细胞图谱（The Cell Atlas）的工作，一直在收集单
个细胞的数据。现在这支跨学科的研究人员团队，将AI模型设计在此数据集和其他类似数
据集之上，目的是帮助这些大型数据集能够发挥作用。
此外，该工具也可以用于对抗COVID-19、癌症与其他复杂疾病（例如：微调处理的化疗或
免疫的鸡尾酒疗法），以及需要特殊药物治疗的其他疾病。
在不久的将来，机器学习工具还可以为针对个性化细胞反应的个人化医学，开辟道路，这
是医药现今最尖端的挑战与难题。
心得/评论： ※必需填写满20字
Facebook AI实验室将与德国研究中心联手发展机器学习在医药上的应用，希望能加快药
物发现的速度。