-
专利
-
商标
-
版权
-
商业秘密
-
反不正当竞争
-
植物新品种
-
地理标志
-
集成电路布图设计
-
技术合同
-
传统文化
点击展开全部
律师动态
更多 >>知产速递
更多 >>审判动态
更多 >>案例聚焦
更多 >>法官视点
更多 >>裁判文书
更多 >>
微软近日放出豪言,十年内将以开拓性计算机科学技术攻克癌症难题。
这项计划蕴含诸多雄心勃勃的工程,最值得关注的当属研发多个微型DNA计算机,使其存活于人体内,实时监测癌细胞。一旦癌细胞出现,就会将其重新编码从而还原健康状态。
微软研究院实验室主任Chris Bishop认为微软关注解决癌症问题是件很自然的事儿,因为微软在计算机科学方面拥有海量的专业知识,而癌症的发生就是一个计算问题。这并非类比,而是具有深刻的数学洞见 -- 生物和计算看似截然不同却有本质的联系。
Chris Bishop
微软几乎从不涉足消费电子产品以外的领域,但为了实现这个目标,这个世界科技巨头集聚了一批国际知名的生物学家、程序员及工程师,组成跨领域科研团队,致力于癌症研究。今年夏天微软就启动了第一家湿实验室,将用于检验科学家们勾勒出的细胞网络内部运行图成果。
微软湿实验室
目前对于这项工作的细节依然知之甚少,所知的是其中一团队拟采用机器学习和计算机视觉技术。计算机从影像资料中获取信息,使得放射科专家能够更好地了解特定病人肿瘤的发展情况。这将开启一种更加精细的个性化给药模式。另一团队则正致力于用算法预测不同肿瘤的发展路径。
最激动人心的当然是所谓登月计划(moonshot):利用DNA制作分子计算机置于体内,实时监测和编辑癌细胞。这种生物计算机一旦发现癌变细胞,就会立即重启系统并将其清除。计算团队负责人Andrew Philips表示这可能是一项长期的工作,但单就技术层面而言,五至十年研发出这样的生物计算机是可行的。
Andrew Philips
微软的编程原理与工具团队已研发出一款模拟细胞健康状态的软件,可与病变细胞比对,找出症结所在并探究如何修复。其实生物模型分析器软件已被用于白血病研究。
微软认为,尽管不同团队研究途径有所差异,但所有项目都遵循两种相近的计算机科学方法:信息处理和机器学习。
癌症发展及其他生物进程都是一种信息处理系统。基于这样的想法,运用编程语言、编译器、模型检测等工具模拟和推演普通计算过程同样适用于生物进程的模拟和推演。
研究团队认为机器学习能够使研究者在寻求新的治疗方法时,更好地分析数百万生物数据。目前,这一分析过程仍然由人力完成,而机器学习将超乎想象、前所未有地加快分析速度。
“面对癌症治疗,我们正在经历一场变革。十年前人们认为治疗就是治疗受损组织:你得了脑癌就应该治疗脑癌,得了肺癌就治疗肺癌”,微软基因组学团队主任David Heckerman在一次发布会上讲到,“现在我们知道了,研究癌症基因组学,例如基因是怎样在基因组变坏了,同样重要。”
一项快速绘制肿瘤形状大小的创新技术将为接受放疗的患者带来福音,治疗时间可从几小时缩短至几分钟。
目前,放射科专家需要扫描肿瘤后费力地手绘肿瘤的多角度轮廓,以此制作3D图形,从而确定治疗方案。这一过程将花费4小时。同时他们还需勾勒出肿瘤旁边的重要器官,保证它们免于放射冲击波的影响。
然而,微软工程师们研发的程序能在几分钟内绘出肿瘤图形,意味着治疗可即刻进行。这个程序还能够显示每次的治疗效果,因此可根据肿瘤的变化改变用药剂量。此外,该程序系统可逐像素评估3D扫描图,精确判断肿瘤是变大、缩小还是形状改变了;可提供组织密度等信息,从而更好地判断是囊肿还是肿瘤;还可精密分析肿瘤周边细胞的健康状态。
经验丰富的放射科专家可通过乳房X射线影像半秒内判断乳腺癌的微妙征兆
也许,肉眼诊断是判定肿瘤与否的不错方法,然而手绘肿瘤形状图并不会那么精确。要想准确精密地评估肿瘤的全面状态,肉眼几乎不可能完成。
很多微软研究者对于在十年内解决癌症问题充满信心。
“如果我们能够控制和调节癌症,使它变得如普通慢性疾病一样,那么这个难题就解决了”,高级研究员Jasmin Fisher谈到。她认为有些癌症的解决五年时间就差不多了,其他的十年之内肯定没有问题。我们将会迎来一个无癌新世纪。Fisher展望了一个美好未来:每天清晨醒来查收电子邮件的同时,我们能查到自己的基因数据、脉搏、睡眠模式以及运动量,等等。这些数据将储存于计算机内,通过软件模拟身体运行的基本过程,比对正常状态下的身体数据,当异常情况出现时发出警示。
Jasmin Fisher
研究者的想法正确与否,交由时间去评说。不过,让我们共同祈祷这一新的研究带来可喜的成果。
参考资料:
http://www.sciencealert.com/microsoft-says-they-will-fix-cancer-in-under-10-years
http://www.telegraph.co.uk/science/2016/09/20/microsoft-will-solve-cancer-within-10-years-by-reprogramming-dis/
这项计划蕴含诸多雄心勃勃的工程,最值得关注的当属研发多个微型DNA计算机,使其存活于人体内,实时监测癌细胞。一旦癌细胞出现,就会将其重新编码从而还原健康状态。
微软研究院实验室主任Chris Bishop认为微软关注解决癌症问题是件很自然的事儿,因为微软在计算机科学方面拥有海量的专业知识,而癌症的发生就是一个计算问题。这并非类比,而是具有深刻的数学洞见 -- 生物和计算看似截然不同却有本质的联系。
Chris Bishop
微软几乎从不涉足消费电子产品以外的领域,但为了实现这个目标,这个世界科技巨头集聚了一批国际知名的生物学家、程序员及工程师,组成跨领域科研团队,致力于癌症研究。今年夏天微软就启动了第一家湿实验室,将用于检验科学家们勾勒出的细胞网络内部运行图成果。
微软湿实验室
目前对于这项工作的细节依然知之甚少,所知的是其中一团队拟采用机器学习和计算机视觉技术。计算机从影像资料中获取信息,使得放射科专家能够更好地了解特定病人肿瘤的发展情况。这将开启一种更加精细的个性化给药模式。另一团队则正致力于用算法预测不同肿瘤的发展路径。
最激动人心的当然是所谓登月计划(moonshot):利用DNA制作分子计算机置于体内,实时监测和编辑癌细胞。这种生物计算机一旦发现癌变细胞,就会立即重启系统并将其清除。计算团队负责人Andrew Philips表示这可能是一项长期的工作,但单就技术层面而言,五至十年研发出这样的生物计算机是可行的。
Andrew Philips
微软的编程原理与工具团队已研发出一款模拟细胞健康状态的软件,可与病变细胞比对,找出症结所在并探究如何修复。其实生物模型分析器软件已被用于白血病研究。
微软认为,尽管不同团队研究途径有所差异,但所有项目都遵循两种相近的计算机科学方法:信息处理和机器学习。
癌症发展及其他生物进程都是一种信息处理系统。基于这样的想法,运用编程语言、编译器、模型检测等工具模拟和推演普通计算过程同样适用于生物进程的模拟和推演。
研究团队认为机器学习能够使研究者在寻求新的治疗方法时,更好地分析数百万生物数据。目前,这一分析过程仍然由人力完成,而机器学习将超乎想象、前所未有地加快分析速度。
“面对癌症治疗,我们正在经历一场变革。十年前人们认为治疗就是治疗受损组织:你得了脑癌就应该治疗脑癌,得了肺癌就治疗肺癌”,微软基因组学团队主任David Heckerman在一次发布会上讲到,“现在我们知道了,研究癌症基因组学,例如基因是怎样在基因组变坏了,同样重要。”
一项快速绘制肿瘤形状大小的创新技术将为接受放疗的患者带来福音,治疗时间可从几小时缩短至几分钟。
目前,放射科专家需要扫描肿瘤后费力地手绘肿瘤的多角度轮廓,以此制作3D图形,从而确定治疗方案。这一过程将花费4小时。同时他们还需勾勒出肿瘤旁边的重要器官,保证它们免于放射冲击波的影响。
然而,微软工程师们研发的程序能在几分钟内绘出肿瘤图形,意味着治疗可即刻进行。这个程序还能够显示每次的治疗效果,因此可根据肿瘤的变化改变用药剂量。此外,该程序系统可逐像素评估3D扫描图,精确判断肿瘤是变大、缩小还是形状改变了;可提供组织密度等信息,从而更好地判断是囊肿还是肿瘤;还可精密分析肿瘤周边细胞的健康状态。
经验丰富的放射科专家可通过乳房X射线影像半秒内判断乳腺癌的微妙征兆
也许,肉眼诊断是判定肿瘤与否的不错方法,然而手绘肿瘤形状图并不会那么精确。要想准确精密地评估肿瘤的全面状态,肉眼几乎不可能完成。
很多微软研究者对于在十年内解决癌症问题充满信心。
“如果我们能够控制和调节癌症,使它变得如普通慢性疾病一样,那么这个难题就解决了”,高级研究员Jasmin Fisher谈到。她认为有些癌症的解决五年时间就差不多了,其他的十年之内肯定没有问题。我们将会迎来一个无癌新世纪。Fisher展望了一个美好未来:每天清晨醒来查收电子邮件的同时,我们能查到自己的基因数据、脉搏、睡眠模式以及运动量,等等。这些数据将储存于计算机内,通过软件模拟身体运行的基本过程,比对正常状态下的身体数据,当异常情况出现时发出警示。
Jasmin Fisher
研究者的想法正确与否,交由时间去评说。不过,让我们共同祈祷这一新的研究带来可喜的成果。
参考资料:
http://www.sciencealert.com/microsoft-says-they-will-fix-cancer-in-under-10-years
http://www.telegraph.co.uk/science/2016/09/20/microsoft-will-solve-cancer-within-10-years-by-reprogramming-dis/
评论