了解技术和人工智能帮助改善患者护理的方式日益增多。从初级护理中更好的GPS诊断到更精确的图像分析，帮助放射科医生识别乳腺肿瘤，以及帮助培训外科医生的虚拟现实技术，变化的速度很快。

我们看到了医疗界目前正在采用各种技术来帮助患者的方式，但我们也清醒地认识到，许多疾病和条件仍然没有有效的治疗方法，这些治疗方法对所有患者或是某些患者都有效。

鉴于这种持续压倒一切的医疗需求，我很感激有机会对仁泰如何利用人工智能、机器学习和来自许多不同来源的数据来回答一些真正困难的问题，这些问题是寻找新药物的基础：1.找到最佳药物靶点和治疗假设；2.确定在临床中测试的正确分子；3.将这些药物与最有可能从中受益的患者相匹配。

后一个问题是，了解疾病以使正确的治疗方法与正确的患者相匹配（通常被称为个性化或精确医学），这是一个没有争议的领域。在2003年人类基因组测序之后，随之而来的是许多激动人心的事情：能够读取一个人的基因将开启关于疾病原因的无限知识，并一定能让我们发现适合患者特定情况的新药。

然而，将时间提前15年以上，这在少数情况下并没有真正发生，主要是在肿瘤学（在肿瘤学中，疾病的基因驱动可能更直接）。也许这对任何人都不应该是个惊喜。同卵双胞胎对疾病的易感性非常不同。基因是故事的一部分，但只是其中的一部分：仅仅利用基因信息来了解疾病只是故事的一部分。

很长一段时间以来，我们一直在尝试以其他方式了解疾病和个性化药物：在会议上听取一些全球定位系统的讨论，很明显，在每个医生办公室的每个患者咨询中都会进行个性化药物分析。医生看着他们面前的患者，评估他们的症状、家族史、他们能识别的其他危险因素，可能是一些测试的结果，然后根据这些建议提出个人治疗计划，基于经验丰富的医学观察和判断的个性化药物计划。在帮助理解疾病的过程中，这也是故事的一部分，但同样也只是其中的一部分。

真正了解患者的病情并找到新的治疗方法需要了解所有这些因素：症状、病史、潜在原因、基因组、表达和表观遗传学控制、潜在的网络生物学和许多其他因素。跨所有这些领域的理解和推理是非常困难的，在一个学术专长深厚的世界里，很难找到真正精通所有这些领域的专家。

这就是我们需要利用人工智能的力量来帮助研究人员从不可能复杂和不同的数据集中提取意义，以帮助寻找治疗疾病的药物，这就是我们要做的。将遗传、生物和医学领域的洞察结合在一起，而这些领域往往不适合轻易整合。

我们需要帮助开发新药物的许多信息都在那里，隐藏在眼前。人工智能可以成为终极的科学媒人，将产生新见解集合在一起。