AI的最新进展开发了生物医学研究的新途径。AI,使用机器学习(ML)算法,可以分析广泛的生物数据集以增强早期检测,个性化治疗和疫苗开发(Wang等,2024; Hu等,2024; Yu等,2022; Holzinger等,Holzinger等,2019)。机器学习算法尤其在构建复杂的非线性模型中与大型数据集中的特征与疾病相关的危险因素联系起来,这表明效率和准确性都将其联系起来(Li等,2024)。作为AI的子场,ML包含各种算法类别,链接到不同的学习任务。这些包括监督的学习,无监督的学习和强化学习。其中,人工神经网络的家族具有灵活的结构,可以适应所有三种机器学习中的各种情况(Janiesch等,2021)。深度学习(DL)涉及具有多层计算神经元的神经网络,从而使其能够处理像图像这样的非结构化数据(Petersen等,2022)。单细胞技术的出现增加了全长配对B细胞受体(BCR)序列的可用性。因此,将免疫曲目测序与AI结合起来具有改善与免疫相关和传染病的诊断和治疗的重要潜力(Irvine and Reddy,2024;图1)。
主要关键词