来源：分析测试百科网

　　从在搜索中回答与健康相关的问题，到给开发者提供健身数据平台，Google在我们的日常健康中越来越重要。但其实互联网巨头们也在努力加快研发治愈人类顽疾的关键药物。

　　同斯坦福大学的Pande Lab合作，Google Research发表了一篇题为“针对药物研发的大规模多任务网络”的文章。该文章描述了如何用不同来源的数据，更好地确定哪种化合物将作为“治疗多种顽疾的有效药物”。

　　文章本身并没有显示任何重大医学突破，它只是指出如何利用深度学习来处理巨大的数据库，并加速药物开发。深度学习指用大量数据训练人工神经网络系统，并从中提取出新信息。

　　Google Research博客的联合撰稿人解释说：

　　“这项工作一个令人鼓舞的结论是，模型能够利用不同的实验数据，提高多种疾病的预测精度。据我们所知，这也是首次对增加额外数据的效果进行量化检验，而且研究结果表明，更多的数据可以进一步的提高量化性能。”

　　Google表示，这次的工作量“比以往大18倍”，挖掘了200多个生物实验的37.8万个数据点。

　　随着许多大型科技公司开始进军深度学习领域，去年Twitter、Google和Yahoo都收购了深度学习创业公司，而Facebook和Baidu则聘用了大量的员工来研发这一领域，Netflix和Spotify也在开展相关工作。

　　另外，我们也不断看到未来的医疗如何倚重机器人、技术分析和人工智能。对于疾病治疗，它也同样越来越多依赖人工智能、大数据和深度学习，这和我们在Google和斯坦福的这项研究中看到的一样。

　　通过自动化和提高预测技术，这不仅加快了药物的研发过程，而且降低了成本。发现新治疗方法是一个高难度挑战，药物的各方面必须直击疾病的源头，同时还要满足严格的代谢和毒性的限制。而传统的药物研发需要许多年才能完成，并且研发过程中失败率很高。

　　简而言之，对数百万的化合物进行测试需要很长的时间，因此任何能增加成功组合几率的事，都是一件好事，而这也是机器学习可能有所帮助的地方。