生命科学公司可能会开始进一步与AI在他们的工作流程，在未来几年的实验，但他们面临着AI收养挑战，因为严格的规定。机器学习有一个“黑盒子”的问题，这意味着它在很多情况下是不可能知道的机器学习算法是如何来的结论。
人工智能应用程序检测癌症中，例如，可能无法表现出肿瘤学家它是如何确定的癌症的患者的身体的存在。其结果是，如果肿瘤学家所使用的应用程序来诊断一个病人，他们无法向病人解释是什么让他们确信自己得了癌症。
这个问题将人工智能在生命科学领域的应用推到了实验和试点阶段，虽然这可能是不可避免的，但随着公众舆论转向接受人工智能诊断是由决策制定提供的信息，以及相关法规的发展来匹配，人工智能的广泛应用可能在一段时间内不会出现。目前，生命科学公司大多使用人工智能研究和开发，药物研发，销售和市场营销。
人工智能厂商这份报告的所有要求，以帮助研究中心和实验室，制药公司与以下中的至少一项：
- 协助科学家以更高的准确性和一致性重复性处理和测量液体，并帮助他们找到有关抗体使用的数据
- 提供了有关如何与医疗卫生专业人员和机构从事与信息销售和营销团队及建议
我们开始我们的AI的分析，其研究和开发应用生命科学。
科学研究
安德鲁联盟
安德鲁联盟提供了的安德鲁机器人该公司表示，这可能会有所帮助分子生物学、免疫学、细胞生物学、显微学等生命科学研究实验室协助处理科学家和测量液体，在他们的实验中更高的精度和重复性一致使用机器视觉。
安德鲁联盟索赔机器人的工作原理与AndrewLab软件，它可以帮助科学家制造吸管的协议或预先的书面程序在实验跟踪，通过接口。
机器人可能能够识别被称为消耗品的液体化学物质、它们的来源位置和它们的转移位置。该公司还声称，安德鲁能够握着移液管，设置容积，插入和弹出移液管尖端，从源容器中提取液体，并在没有人工干预的情况下将液体分配到新的容器中。该公司补充说，该软件可以在实验室实验中精确地重复分发液体。
公司声明该软件背后的机器学习模型进行训练上光吸收用丽春红S，在电泳研究中使用的染料，即用分析级水稀释混合液体样品。该公司还增加了化学清洁剂和其他添加剂，以改变液体的粘度。
然后，用光度计(一种测量光强的仪器)或参考天平来测量管道输送的样品。
这些样品会被标记为化学物质或化合物的浓度。这些标记图片然后通过软件的机器学习算法运行。这将训练算法识别序列和模式的1和0，以人类的眼睛，形成的图片的公式或化学元素作为显示该应用程序的界面上。
使用该接口的科学家可以进行拖放操作化学元素及其含量那是未标注成AndrewLab，并选择移液管收集和分配液体的位置。
另外，也可能的是，机器人，是在以各种角度和照明分配液体试样的移液动作的图像和视频培训。
然后，系统提供该协议为PDF文件的文档。
下面是一个短2- 分为视频演示了如何AndrewLab的工作原理。该软件允许科学家指定管道动作，如ali引号，浓度归一化。该公司解释说，科学家可以指出他们想要的浓度，软件自动计算所需的试剂体积:
我们的研究没有任何结果，当我们试图寻找案例研究的软件，n或选取框公司的客户。公司筹集了1400万美元的资金从欧米茄基金，Tecan公司集团，Waters公司，Impeco，兰奇里奥立方，和Sam Eletr信任。
乔治·霍拉克是首席技术官在安德鲁联盟。他握着一个女士在物理工程，应用物理从理工德米兰。在此之前,霍曾担任研发工程师在SpinX技术。
BenchSci
BenchSci报价一个同名软件该公司表示，这可能会有所帮助生物医学研究人员和科学家在研究实验室和中心找到抗体的使用数据使用机器学习。
BenchSci索赔该软件背后的机器学习模型是针对510万个抗体产品、300多万个供应商提供的数字和4.5万个来自第三方验证器的数字进行训练的。据该网站称，这些数据与900多万份科学出版物相互参照。它还声称提取了超过2,191,100种抗体用法，并提供了3,415,146张图像。
该公司并没有说清楚，如果应用程序是基于Web的，或者需要与组织系统一些集成。但是，很显然，科学家们可以先输入在应用程序的搜索栏查询中使用的应用程序。研究人员可以通过蛋白质，基因，或克隆ID搜索。然后，应用程序轮番上涨，导致相关信息已被证明工作抗体一般的超链接。
我们无法找到什么样的系统输入的数据不产生输出信息，但是我们可以推断，所有的资料已经被标记，以使机器学习算法通过数据库搜索找到类似的标签数据和包括这些搜索结果。
据该网站，应用程序提供15种类型的过滤器，研究人员可以进行搜索和缩小的效果，请使用找到正确的抗体。过滤器的一种类型是数字数据使用，从而使用户能够根据产品规格从供应商窄结果。另一种方式来过滤是键入抗体的第一个字母或生物体或物种在其上执行该实验。由供应商滤波允许研究者的选项或者包括优选的供应商或排除他们希望避免供应商。
该公司声称，数据库每月都会更新来自新出版物和新产品的信息。该应用程序对学术和非营利机构的研究人员是免费的。对于业务用户，企业将需要购买许可证。
BenchSci声称，它既有开放期刊的内容，也有订阅封闭期刊的内容。研究人员需要通过他们所在机构的门户网站验证他们的订阅，比如通过他们所在机构的图书馆网站。
下面是一个短2- 分为视频演示了如何BenchSci软件的工作原理。用户可以在搜索栏上输入蛋白或基因的名称。用户还可以通过蛋白质，基因或克隆ID搜索。然后，用户可以根据自己的实验需要过滤数据:
BenchSci声称有帮助俄勒冈州立大学（OSU）的研究人员探讨骨骼肌维持的分子和细胞机制，以及骨骼肌如何调节机体的新陈代谢。
肌病是一种肌肉疾病，它使肌纤维变弱，不能正常工作。基因疗法是治疗肌病的一种方法。
维拉Lattier在在研究撰写时，谁的作品，发现在小鼠肌病治疗遗传标记大学的研究员和博士生，报道称，在研究一些挑战包括音量和抗体的质量不稳定，劳动密集型且耗时通过众多出版物的检索，并在文件不完整的信息引用。
在使用BenchSci，Lattier报告说，它花了大约10分钟，发现正在在当前实验中使用的抗体，而它以前花了一天。Lattier另据报道，观看根据研究的背景下筛选出的公布的数字，在节省时间的帮助。
研究人员还解释说，使用错误的抗体会导致样本丢失，很难收集，并可能导致实验失败。通过BenchSci发现正确的抗体后，研究者可以保存样本，避免重复失败的实验。
BenchSci还列出了圭尔夫大学，卡尔加里大学，多伦多大学作为一些它的客户。
大卫Qixiang陈是联合创始人兼CTO在BenchSci。他持有博士在神经科学从多伦多大学。作为首席技术官，他处理高维数据，将有关大脑的信息应用于商业软件中用于自动化和预测的深度学习算法。在此之前,陈曾担任神经外科研究助理在多伦多西部医院的大学健康网络，以及同一所大学心理学系的研究员/开发人员。
圣杯
圣杯报价软件，可以早期发现癌症该公司称，这可能会有所帮助学术医学中心进行研究，可以发现癌症的迹象在血液中，这反过来又可以提高癌症生存率，降低癌症死亡率和痛苦使用机器学习。
该公司美国该软件背后的机器学习模型进行训练上由肿瘤释放入血的人与癌症无细胞核酸，临床和测序数据。这些数据将然后通过软件的机器学习算法运行。这将有训练有素的算法来辨别哪些数据点相互关联癌症信号。
然后，该软件就能够进行预测早期癌症细胞的存在。这可能会或可能不会要求用户上传的相关信息癌症的身体症状事先输入软件。
我们找不到适合该软件的演示视频。
已成立于2016年，圣杯才刚刚开始组织临床研究其中一项研究，的循环无细胞基因组图谱(CCGA)研究旨在探索基因组癌症信号在癌症患者血液，并将其与无癌症研究参与者进行比较。在写这篇文章在2018年十二月的时候，网站报道称，该研究的目的是争取至少15,000参与者在美国和加拿大的142位。其中约70％的人最近被诊断患有癌症，但尚未处理的，而其余的被称为是无癌。
这项研究计划在至少5年内收集参与者的数据。在这项研究的合作伙伴中有Dana Farber癌症研究所;亚利桑那州、佛罗里达州和明尼苏达州的梅奥诊所;纪念斯隆凯特林;以及美国肿瘤网络等。
圣杯不会列出字幕客户但引起了$ 1.6十亿资金来自红杉资本中国、高瓴资本集团、招商证券、无锡NextCode、蓝池资本、六维资本、黄浦江资本、工银国际、ARCH Venture Partners。
亚历克斯Aravanis是首席科学官和R d的头在圣杯。他持有博士在[电气工程和生物工程从斯坦福大学和同一所大学的医学博士。在此之前,Aravanis担任工程副总裁在PRIA诊断，开发副总裁蓝宝石，并在Illumina公司高级主管R＆d。
药品的销售和市场
Aktana
Aktana报价的决策支持引擎该公司表示，这可能会有所帮助制药公司向他们的销售和市场代表提供相关信息，并就如何与目标医疗保健专业人员(HPC)和医疗保健组织(HCO)接触提出建议使用机器学习。
Aktana索赔该软件背后的机器学习模型进行训练客户关系管理（CRM）的数据。该公司解释说，该系统集成与Salesforce，IQVIA CRM，Veeva和对的Marketo帮助营销团队创建多渠道营销活动，支持销售代表的工作。
目前还不清楚如何与软件或输入什么用户交互从用户需要激活机器学习，但该公司报告，该系统能够对客户进行细分的。从这里，我们可以推断，该算法必须创建具有类似属性分段医生组织的能力。该指导营销团队以个性化的信息和沟通渠道。
细分的医生群体的例子可能是那些喜欢通过电子邮件或电话交流的人，那些在一个地方拥有诊所的人，那些具有相同专长的人，以及那些可能想要考虑为病人提供新治疗的人。
然后系统就如何以及何时与他们的目标基础上的首选通道，地理上的接近性，可用性和通话记录通信的客户公司推荐给销售代表。
我们找不到适合该软件的演示视频。
Aktana声称有帮助一位不愿透露姓名的制药公司的销售代表提供产品给医生之前更好的准备。
根据案例研究，Aktana向制药公司的200名销售代表提供了更多有关客户细分市场的相关信息，并提出了谈话要点。当HCPs对他们的沟通做出回应时，Aktana提醒代表们，并帮助他们识别哪些HCPs可能具有重要的竞争趋势。
由于使用了该应用程序，案例研究报告说更多的销售代表对CRM和BI工具感到满意，从58%增加到81%。代表们还发现，将HCPs的优先级从52%提高到80%变得更容易。该案例研究还报告说，60%的销售代表访问目标hcp的时间减少了3-5天。
Aktana列表Sunovion制药，辉瑞和MSD作为一些他们过去的客户。公司筹集了美元4920万资金来自Leerink改造合作伙伴，安全科学公司和海星公司。
马克•科恩是首席科学官在Aktana。他持有博士在运筹学从北卡罗莱纳大学教堂山分校。在此之前,科恩担任首席科学官阿基米德，研究副总裁费埃哲公司和高级主管在SAS研究所。
标题图像信贷:VI似乎
