某中心与加州大学洛杉矶分校宣布人工智能医疗应用资助项目获得者

通过人类与人工智能科学中心，某中心与加州大学洛杉矶分校 Samueli 工程学院宣布了四位获得资助的研究人员。这些奖项支持探索人工智能在医疗保健领域实际应用的项目，强调先进技术解决全球健康问题的潜力。

加州大学洛杉矶分校与某中心于2021年10月建立科学中心，旨在支持人工智能及其益处的跨学科学术研究、教育和推广工作。该合作通过资助和赞助资金支持加州大学洛杉矶分校教师和研究生研究，重点关注应对人类最重大挑战的项目。科学中心的目标是找到造福社会的解决方案，特别关注偏见、公平、问责和负责任的人工智能等问题。

获得支持的四个研究项目：

Adrian Au，UCLA视网膜生物库STAR项目 “年龄相关性黄斑变性（AMD）是一个重大的公共卫生挑战，导致患者痛苦并带来沉重的社会负担。AMD被认为是一种复杂的多基因疾病，已有大量全基因组关联研究（GWAS）证明了与风险增加相关的特定遗传变异，“Au在项目摘要中写道。“然而，这些研究依赖于同质人群中过时的AMD标准，并采用低分辨率视网膜成像技术。”

“我们的提案旨在通过建立强大的基因型-表型数据库来增强对AMD遗传学的理解，“Au继续写道。“我们打算创建一个集中存储临床、解剖和基因组数据的存储库，同时开发能够分析视网膜图像而不受传统AMD定义约束的卷积神经网络。“这一举措有望提高AMD患者的护理质量。

Jonathan Kao，电气与计算机工程副教授 “高性能、非侵入性脑机接口使用共享自主权” “数百万人患有瘫痪症。但目前没有广泛使用的设备能显著改善瘫痪患者的生活质量。脑机接口（BMIs）是一种有前景的方法，它将神经活动（反映思想和意图）解码为动作，使用户能够使用计算机、移动机械臂或通过语音交流。但一个重大限制是最有效的BMIs需要神经外科手术，限制了广泛使用。”

“我们实验室的一个目标是制造有效的非侵入性BMIs，无需神经外科手术即可记录神经信号。这些信号的信噪比远低于侵入性信号，意味着非侵入性BMIs难以控制。为了克服这一点，我们使用人工智能来提高性能。这个奖项支持研究如何用嘈杂和低信息输入有效控制机械臂。”

Ricky Savjani，放射肿瘤学住院医师 “阐明癌症地理学：解剖空间分布如何影响肿瘤学结果” “在整个职业生涯中，肿瘤学家将治疗数千名癌症患者，“Savjani在摘要中写道。“医生们获得了关于哪些治疗有效、哪些治疗对患者弊大于利的专业知识。然而，这种临床经验难以获取、量化和传授。如果能够即时访问每个曾经治疗过的癌症患者的重要信息呢？”

“与某中心合作，我们正在为各种实体肿瘤建立一个肿瘤学视觉搜索数据库，“Savjani继续写道。“这超越了基于文本的电子表格和手稿，允许在直观的WebGL查看器中直接查询临床反应。我们的方法利用快速深度学习配准框架将个体患者数据统一到共同模板上。临床医生随后能够实时使用此工具与患者一起优化治疗决策。”

Ying Nian Wu，统计学教授 “基于潜在空间能量建模的分子设计” “我们的工作是关于药物发现的分子设计，“Wu写道。“在药物发现中，找到或设计具有所需药理学或化学性质的分子至关重要，例如高药物相似性和与靶蛋白的结合亲和力。”

“直接在类药物分子空间中进行优化或搜索具有挑战性，因为它是离散且巨大的，估计大小约为10^33个分子，“Wu继续写道。“我们提出了一个概率生成模型来捕获分子及其性质的联合分布。我们还提出了一种算法来逐渐将分布转向具有所需性质的分子。”