生命科学中人工智能(机器和深度学习)的兴起引起了与其他科学研究领域相同的兴奋和怀疑。

AI主要用于生命科学的两个领域。第一个被嵌入到诸如低温电子显微镜之类的仪器中，其中AI工具可帮助进行特征识别。这些工具大多对用户隐藏。

其他应用程序还包括一些著名的项目，例如美国国家癌症研究所能源部的CANDLE(NCI-DoE的CANcer分布式学习环境)项目，该项目具有超级计算能力和丰富的AI专业知识。

当然，在许多大型实验室中，AI都已被用来对抗COVID-19。两者之间没有多少。

尽管如此，人工智能在生命科学的其他领域仍处于起步阶段。使用它的胃口很高，但早期的障碍也很强烈，尤其是已经引起临床医生注意的炒作。另一个绊脚石是数据质量参差不齐，计算基础架构欠佳以及AI专业知识有限。

从好的方面来说，正在出现实用的试点计划。

姐妹网站HPCwire 与研究计算顾问BioTeam的高级科学顾问Fernanda Foertter进行了交谈。人工智能专家Foertter从Nvidia加盟Bioteam，从事医疗AI的研究。Foertter还曾在Oak Ridge国家实验室任职，担任数据科学家，致力于数据分析和深度学习的可扩展算法。

Foertter指出，在研究机构推动AI球发展的是自然语言处理(NLP)，尤其是在能源部的超级计算机计划中。“我们有一个 CANDLE 项目，其三个飞行员具有主要的基本AI应用程序(例如NLP)，使用AI来加速分子动力学和药物发现。”

Foertter补充说：“ NLP实际上运行得非常好，并且分子动力学也运行得非常好。” “ 药物发现问题是他们没有正确的数据开始。因此，他们仍在为此生成数据，体内数据。”

HPC在AI中的应用也已广泛用于COVID-19研究。可以合理地预期，这些努力将不仅能对付这种大流行病，而且还会为在生命科学研究中使用HPC 和 AI 产生新的方法。

尽管如此，使AI在临床环境中工作仍然具有挑战性。

当Foertter在2018年加入Nvidia时，医学成像应用正在兴起。自那以来，这些期望已经减弱。“我们从谈论开始，“我们能发现吗?我们可以发现肿瘤吗?谈论能够对肿瘤进行分级，这要更加精细。我认为每个人都希望能真正，非常快地完成一个应用程序，但尚未真正实现，那就是数字病理学。” Foertter说。

工作流程仍然充满挑战。她继续说：“有人必须查看一张像素非常高的图片。” “他们选择了一些点，并拥有经验，而漏接率是……介于30%至40%之间。这意味着您可以将某人送去病理检查，他们会想念您患有癌症……”

大图像格式也减慢了数字病理学的速度。“在非常大的图像上进行任何形式的卷积神经网络训练，只会破坏它，” Foertter解释说。“只是内存大小真的很难。”

人工智能的炒作还关闭了临床医生，特别是声称该技术会使他们过时。“医生之间有很多仇恨。整个AI产品被卖掉了，好像它可以代替很多人一样。”给人以AI供应商迅速采取纠正行动的印象。

因此，信任以及查看和分析用于训练和推理的数据的能力仍然是医学界医学界的问题。

“人工智能仍然被视为一个黑匣子，” Foertter强调。