原文標題：
臉書FAIR與德國機構合作，透過AI尋找治療藥物且獲得突破
(請勿刪減原文標題)
原文連結：
https://bit.ly/2QCD26f
(請善用縮網址工具)
發布時間：
2021年4月20日
(請以原文網頁/報紙之發布時間為準)
原文內容：
臉書AI研究實驗室（Facebook’s AI Research lab；FAIR）和德國環境健康研究中心
Helmholtz Zentrum München，於2021年4月16日宣布將推出一種新的機器學習工具，旨
在幫助加速發現有效的抗疾病和癌症的新藥物組合。
這個概念被稱為“組合學習（Compositional Learning）”，就是教機器如何像人類一樣
的學習。換句話說，透過這種學習即可掌握一項技能或資訊，之後可用它來創建全新的事
物。由於醫療研究的複雜程度很高，如果給機器更多資源，即可突破人類藥物研究的限制
，進而帶來貢獻。
其實，Helmholtz Zentrum München實驗室正在研究如何使醫學更加個人化。與
Facebook 人工智慧研究院(FAIR)合作之後，共同提出了一個AI模型，該模型可以在不同
程度的功效下，如何採用藥物和基因療法等治療組合來影響單細胞。期望透過這種實驗的
開放源代碼模型幫助研究人員，學習如何根據疾病在細胞水平上的表現為病患量身定制治
療方案。
原本藥物研究必須歷經幾個月或幾年，才能夠縮小數十億個潛在性選擇藥物的範圍，透過
這一模式之後，可以在幾個小時內即可達到篩檢的目的。然後，他們可以提供100種藥物
和劑量的組合，並具有最高潛在性的最佳結果，並將其與體外細胞系進行對比，以了解它
們在現實世界中的運作方式。
Helmholtz Zentrum München認為，在橫跨細胞類型、藥物組合以及病患變異之間的搜索
空間非常之大，是永遠無法在整個實驗中被發掘出來，因此才非常需要機器學習的輔助。
對於臉書來說，這合作提供了另一個機會來完善臉書AI系統。簡單來說，該專案可以豐富
的數據集和對組合分析的需求，這將挑戰FAIR的機器以組合方式進行學習。
自2015年以來，科學家通過一項名為細胞圖譜（The Cell Atlas）的工作，一直在收集單
個細胞的數據。現在這支跨學科的研究人員團隊，將AI模型設計在此數據集和其他類似數
據集之上，目的是幫助這些大型數據集能夠發揮作用。
此外，該工具也可以用於對抗COVID-19、癌症與其他複雜疾病（例如：微調處理的化療或
免疫的雞尾酒療法），以及需要特殊藥物治療的其他疾病。
在不久的將來，機器學習工具還可以為針對個性化細胞反應的個人化醫學，開闢道路，這
是醫藥現今最尖端的挑戰與難題。
心得/評論： ※必需填寫滿20字
Facebook AI實驗室將與德國研究中心聯手發展機器學習在醫藥上的應用，希望能加快藥
物發現的速度。