机器智能驱动的科学发现：药物研究的新途径

大部分大数据是非结构化的，其中最大部分是文本。虽然针对结构化数值数据的数据挖掘技术已成熟标准化，非结构化数据领域仍大未被探索。一般焦点在信息抽取，试图从文本检索已知信息。然而圣杯是知识发现，机器被期望发掘人类专家此前未知的全新事实和关系。确实，理解文本意义常被视为人类智能主要特征之一。语义人工智能的终极目标是设计能理解自由文本意义的软件，至少在实际意义上提供从文献体中浓缩出的新的可操作信息。作为朝向该愿景的垫脚石，我将介绍一种全新的药物研究方法，即通过使用自组织语义引擎文本挖掘大型生物医学研究论文库来识别相关信息，这是Merck用InfoCodex软件开创的技术。我将描述该方法和基于PubMed摘要、公共临床试验和Merck内部文档发现糖尿病和肥胖新生物标志物与表型的首个成功实验。所报告的方法大有前途，有潜力从根本上影响药物研究，作为缩短新药上市时间以及早期识别死胡同的途径。