Google 最新一期 2021 Q1 季度財報顯示，包括人工智慧 DeepMind、智慧醫療 Verily 在內的創新業務，仍然處於虧損狀態
verily 台灣 在 TechOrange 科技報橘 Facebook 的最佳解答
verily 台灣 在 台灣國際醫療暨健康照護展 Medical Taiwan Facebook 的最佳貼文
【精準醫學的起源與興起】
1977年sanger發表了sanger定序法後解開了DNA排列順序之謎，揭開基因體定序的序幕，使分子生物學與基因體學快速發展。之後美國結合各國科學家花費了15年，30億美金完成了一項與阿波羅登月計畫齊名的計畫－人類基因體計畫。
人類基因體計畫的出現最先改變的就是定序方法的精進，次世代定序儀的新式儀器的出現使得基因體定序的速度與花費的金額得以大大降低，基因體解密後所帶動的另一個概念便是醫療客製化的概念，也就是精準醫學，精準醫學的三大核心「精準預防」、「精準預測」與「精準治療」來達到個人化醫療的服務。
但是次世代定序並不是沒有缺點，由於基因體的序列很長，次世代定序採取將常片段基因切成小片段後與帶有不同序列引子(primer)的晶片上，使切成小片段的基因與引子互補後利用聚合酶連鎖反應，再將小片段重新組裝成長片段。然而重新組裝的過程有時會產生錯誤使得機器判讀時解讀錯誤，造成誤判。
現在為了解決因為重新組裝而造成的誤判，google與生命科學公司Verily Life Sciences所合作研發的DeepVariant利用CNN 預測了單核苷酸多型性的變異區，剔除在重組時缺失的位點，減少錯誤率的產生。
現在市面上有許多統計與修正軟體，但是每一種有有其侷限，利用AI來建立修正模型或許是一種可以思考的解決方案，基因體除了有單核苷酸多型性的變異區外還有其他原因可以造成次世代定續儀的解讀出錯，因此只要誰的演算法考慮的夠完整就很有機會在精準醫學的領域中傳有一席之地。
生物醫學的發展以前是儀器上的限制造成，但是現在的競爭是在誰對於資料判讀的準確性夠強誰就有機會領先，AI與生物醫學的結合把生物醫學領域推向一個更高的層次，台灣一直以來有很強的高科技產業，對於如何與生醫產業連結在一起需要很多領域共同協助，使台灣在未來能在生醫產業占有一席之地。
6/22在世貿中心有場生醫領域與人工智慧結合的應用與價值共創，歡迎大家藝起來聆聽。
參考資料、圖片來源:Creating a universal SNP and small indel variant caller with deep neural networks
https://www.biorxiv.org/content/early/2018/03/20/092890
【活動時間/地點】
時間：2018年6月22日(五)
地點：台北世貿中心一館2樓(台北市信義區信義路五段5號)
【活動議程】
09:00-10:00 來賓報到、活動開幕
10:00~10:20 洞析生醫產學界、談雙方合作共創價值
10:30~12:00 漫談AI人工智慧應用於生醫產業之國際市場布局
12:20~14:00 醫材潛力企業Demo show暨交流餐會
14:00~16:50 國際醫材廠商媒合時間 (接受一對一媒合安排)
【報名資訊】
費用：完全免費！
報名期間：即日起至2018年6月18日止
網路報名去→ http://pcse.pw/EBOSBI
參與廠商問券填寫→ http://pcse.pw/BMBMC
接收第一手資訊→ http://pcse.pw/7FEEW
活動簡章下載→ http://pcse.pw/aibioedm
【聯絡窗口】
│余先生 電話：0919546918
信箱：fish@meyanstudio.com
verily 台灣 在 台灣光鹽生物科技學苑 Facebook 的最讚貼文
<產業訊息>Google機器學習助攻 行星發現與基因定序有功
#機器學習 #變體識別 #深度學習 #提高基因組測序準確性
Google機器學習好厲害，竟能協助天文學家發現新行星、還能對醫療方法與藥物開發領域帶來全新幫助。Google今日在台舉辦媒體聚會，分享其運用機器學習（Machine learning）技術在科學探索領域的階段性成果。
機器學習模型成功發現2顆新行星
首先，在天文學領域，Google Brain團隊(Google在人工智慧領域的研究團隊)與NASA(美國太空總署)以及德州大學進行合作，成功發現了2顆過去的研究方法所沒有發現的行星。
Google Brain研究團隊資深軟體工程師Chris Shallue指出，自2009年5月開始的克卜勒任務(Kepler mission)，天文學家利用人工方式檢查超過3萬個由克卜勒太空望遠鏡(Kepler space telescope)所偵測到的訊號，在當中有超過2335個訊號被認為是行星。
然而由克卜勒太空望遠鏡所偵測到的訊號中，有大量參有雜訊、且訊號較弱的訊號無法利用人工來判斷(太過耗時費工)。於此之際，就是運用機器學習技術的良好契機。Google運用了與Google相簿所利用的卷積神經網路(convolutional neural network,一種特定的神經網路，通常用於圖像分類)，來預測所偵測到的訊息是否為行星。
Google Brain研究團隊資深軟體工程師Chris Shallue指出，過去天文學家需要可能需要花費長達幾個小時才能判斷某個訊號是否為行星，但透過經過訓練的機器訓練模型，則能夠在不到一秒的情況下做出判斷(最終結果仍需要天文學家進行驗證，因為軟體開發工程師並不具備天文學的知識)。而藉由此訓練模型，Google在克卜勒資料庫中的670個恆星星系中，成功發現了克卜勒-90i與克卜勒-80g兩顆行星。
大幅提升準確率的變體識別工具─DeepVariant
變體識別(Variant Calling)是一種找出「個體」與「參考基因組」之間差異的方法。變體識別是藥物開發與醫療檢測技術的第一步，因此運用範圍相當廣泛。Google利用深度學習的方法，開發出一款可提高基因組測序準確性的開源工具，錯誤率僅是其他Variant Caller的1/2或1/3錯誤率。
Google Brain研究團隊資深軟體工程師張碧娟指出，由於基因組測序的資料量龐大，以及儀器讀取的結果片段且不完整，讓變體識別的作業遭遇相當大的困難。因此，Google利用了深度學習的方法來學習哪些參數最有用。Google Brian團隊與Verily Life Science團隊利用兩年多的時間，開發了一款可提高基因組測序準確性的開源工具─DeepVariant，利用了將測序儀的數據轉為圖像格式的方法，來訓練變體識別模型。DeepVarient在2016年、2017年分別贏得美國食品藥物管理局所舉辦的變體識別比賽。
針對今日Google Brain團隊在天文學以及生物科技領域的發展，Google台灣區董事總經理簡立峰指出，這些成果展現了跨領域人才合作的潛力。他表示，以上的研究成果都是基於開發源碼與開放資料才得以成就，透過開放資料，能讓不同領域的研究相互參照，得以加速各領域的發展。以台灣來說，在基因測序也投入不少，此外還擁有農業相關研究技術的基礎，未來如果妥善利用這些已開放的工具，能夠在農業病蟲害防治、農業改良以及人體疾病預防等，能帶來許多幫助，也是台灣未來在AI領域的發展機會。
全文網址：
http://www.chinatimes.com/realtimenews/20180206002624-260412
verily 台灣 在 BioMed Talent Training 生醫人才培育計畫 - Facebook 的推薦與評價
GSK & Verily (前身為Google Life Sciences) 聯手成立了一間生物電子醫療技術研發的新公司Galvani Bioelectronics，試圖創建新的醫療領域，致力於透過電子微型植入等 ... ... <看更多>