因此，剑桥学者们一直在照亮世代道路，利用人工智能的可能性建立革命性的治疗方法，重新安排帕金森病的诊断和治疗领域。另一方面，化学系 Michele Vendruscolo Yusuf Hamied 教授的研究团队发明的流程与人工智能 (AI) 系统采用的基于人工智能的策略非常相似，这些策略针对的是可能干扰 tau 纤维形成的化合物。这两种聚合选项被称为引发帕金森病的诱因。
加速药物研发
由于我们目前的面试模式是耗时且昂贵的，这一直是花钱的话题，事实证明，我们筛选出来的候选人会从这种传统方法中脱颖而出。与其国际孪生兄弟加拿大相比，它采用了一种通过机器学习进行筛选的新方法，这种方法成功地将其成本降低了千倍，同时改善了其人口统计学性质。
世界认识到，全球帕金森患者社区可以在紧急情况下使用 Facebook 群组，因为它基于“无边界”的概念，包括患者所在的位置。
需要强调的是，受该疾病影响的老年人数量只会增加。这些数据反映了世卫组织在上次报告中提到的内容。根据 2020 年报告的病例，预计到 2040 年，患上这种疾病的人数将增加一倍，达到 1800 万人。该疾病的致死率可能很高，死亡人数可能变得非常可怕。
当前医学界利用临床研究寻找疾病的最终解决方案的基本障碍是终止疾病或至少缩短其寿命。考虑到这一点，人工智能技术通常比传统的药物发现方法更快、更省时，因为革命的成功甚至会抹去历史。
人工智能筛查
Sánchez-Moreno 等人表明，这种方法主要依赖于合成辅助 ML (SAML)，由两个不同大小和结构的分子整合库提供支持。TFM 可能处理的方法非常新，这导致它只能揭示 5 种活性化学物质。同时，其余的无法使用其他方法证明。
它是无限的，因此功能科学家是理解一切的关键。这一次，在训练过程中，模型自动改进了其选择程序，以便只有最强大的化合物仍保持分类。这些都是针对将它们置于顶部字段的图表的尖锐攻击。
一切都始于帕金森病！可惜，病因仍不清楚；一种像神经原纤维缠结一样的主要蛋白质逐渐被发现，慢慢地形成了路易体胰岛的形状。最后，本节将决定结果：有多少蛋白质会决定是否会出现聚集，以及它们对个体起什么作用或功能。
尽管改变细胞水平的分子通路超出了药物作用的范围，但事实上，它在细胞分子通路的非常低的水平上起作用，使受抑制的细胞以某种方式发挥功能。然而，剑桥大学研究人员的方法在科学知识中抹黑了一个电压点：他们的研究证明了这些物质的有效性，这些物质扩大了用于治疗一种蛋白质与另一种蛋白质缠结的化合物的范围并解决了这个问题。
药物研发的范式转变
此外，如果异常是由一个缺陷程度（单个基因表达异常）引起的，结果将决定疾病是否是多因素的。首先，随着对疾病的了解越来越深入，可能会取得巨大的成果，但任何获得的知识都可以应用于其他疾病。
当机器学习涉及药物开发行业时，激情、情感和经过验证的快速有效性可以结合在一起来创造一个人。当然，候选药物将有许多新的机会来发现和测试它们的潜力。因此，新的研究领域将诞生，医学和生物学学术研究随之增长。
然而，结核病的主要挑战是治疗效果，目前还处于充分发挥这些药物功效的阶段，这就需要一些有效的药物，这些药物将在未来终结这种疾病，显然将取代目前的疾病。随着对医学人工智能的研究将实现患者支持解决方案，通过更强大、更有效的药物，将产生新的可治愈疾病，这些技术的研究正在进行中。
当人工智能能够筛选数十亿种化合物时，它可能很快就会成为科学家的常用工具。未来个性化医疗的方法只能建立在人工智能的基础上，所以说实话，科学家最终很难超越它。
这种情况可能会产生相反的影响，因为疏远与药物的结合可能会加剧现有的问题，导致帕金森病和其他类型的痴呆症的肆虐发展。剑桥大学的工程师和理科生采用的人工智能实验方法教会了他们如何揭示文字的隐藏含义，并将科学知识应用于现代医疗保健体系。
人工智能颠覆性技术将给我们这些在与神经系统疾病的斗争中失败的人们带来希望，也给那些因遭受痛苦而死亡或为停止痛苦而自杀的人们带来希望。
这个故事最初发表在《自然》杂志上。
