雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
上周五，世界衛生組織宣布了一項名為“SOLIDARITY”的大型全球性試驗，以尋找可以用于治療新冠肺炎的藥物。這項研究可能包括幾十個國家的數千名患者，盡可能設計的簡單，這樣即使是湧入了大量COVID-19患者的醫院也能參與進來。
科學家建議了數十種現有化合物進行測試，但世衛組織正聚焦在四種它認為最有希望的療法上：一種稱為瑞德西韋的實驗性抗病毒化合物；瘧疾藥物氯喹和羟基氯喹；兩種艾滋病毒藥物的組合，洛匹那韋和利托那韋；洛匹那韋和利托那韋加上幹擾素β。
關于COVID-19患者中使用這些藥物的一些資料已經顯示，HIV聯合療法在中國的一項小規模研究中失敗了，但世衛組織認為，有必要對更多患者進行大規模試驗。
除了測試已有的潛在藥物，發現新的治療方法也很有必要。
哥大資料科學研究所（DSI）校友使用機器學習快速發現新冠病毒治療方法
哥倫比亞大學資料科學研究所（DSI）的兩名畢業生正在通過計算設計來快速發現冠狀病毒的治療方法。
Andrew Satz和Brett Averso分别是EVQLV的首席執行官和首席技術官。EVQLV是一家初創公司，其建立的機器學習算法能夠在短短幾天内識别并篩選數億種潛在的抗體治療方法，這遠遠超出了任何實驗室的能力。在實驗室中發現和優化抗體平均需要五年半的時間，而該算法隻需一周的時間即可識别病毒抗體。
尋找抗體是發現新冠病毒療法的第一步。“我們的算法所要做的是減少實驗室中藥物發現失敗的可能性。” Satz補充說：“我們盡可能在計算機模拟中試錯，以減少下遊實驗室發生錯誤的可能性。這樣可以從繁瑣而費時的工作中節省大量的時間。”
Brett Averso介紹道，EVQLV設計的一些抗體旨在防止冠狀病毒附着在人體上。“形狀正确的抗體與位于人細胞和冠狀病毒表面的蛋白質結合，就像鎖和鑰匙的關系。這種結合可以防止病毒在人體中擴散，進而可能限制疾病。”
EVQLV與專注于發現治療性抗體的公司Immunoprecise Antibodies（IPA）合作。EVQLV在發現和優化抗體後，将有希望的抗體基因序列發送給其實驗室合作夥伴。然後，IPA将對最有希望的候選抗體進行工程設計、制造和測試，該過程不再需要數年，而隻需幾個月。成功的抗體将用于動物研究，最後是人體研究。
考慮到國際上對抗冠狀病毒的緊迫性，Satz表示，有可能在2020年底之前為患者準備好治療方案。
在就讀于DSI期間相識的Satz和Averso堅定緻力于“資料向善”。兩人在資料科學和醫療保健的交叉領域合作了多年，并于2019年12月成立了EVQLV，旨在使用AI技術來加快發現、發展和治愈健康問題的速度。該公司已經發展到12名團隊成員，技術涵蓋了機器學習和分子生物學，軟體工程和抗體設計，雲計算以及臨床開發等領域。二人通常都每周工作100小時，因為他們對資料科學充滿熱情，并緻力于以此“幫助醫治有需要的人”。
Yann LeCun轉發：感染COVID-19會使你在一年内的死亡幾率翻倍
近日，深度學習大佬Yann LeCun在推特上轉了統計學家David Speigelhalter的一個推文并評論道：若感染了COVID-19，其死亡機率約等于一年内任何其他原因的死亡機率。令人驚訝的是，無論年齡大小，都是如此。感染COVID-19會使你在一年内的死亡幾率翻倍。
在Speigelhalter的博文中，他使用了英國國家統計局提供的生命表。由于先天性疾病和出生創傷，出生後有個死亡高峰，9、10歲是一個低谷，然後是穩定的線性增長。不管年齡多大，每年死亡的人口比例都以9%左右的速度增長。是以平均死亡風險在8年内翻倍。
國家統計局2016-2018年英格蘭和威爾士的年度死亡風險
倫敦帝國學院研究人員的最新報告提供了對新冠病毒感染後死亡的特定年齡段風險的估計值，這些風險如下表所示。
不同年齡組感染COVID-19後的死亡率
如果将感染COVID-19後的死亡率疊加在上面的“生命表”上（繪制每10年中的第7年），結果如下圖，可以看出，感染COVID-19後的死亡風險與正常死亡風險的趨勢是一緻的。
然後，将COVID-19風險與生命表中的死亡風險進行比較，得出相對風險，範圍為0.5到2。
可以看出，感染COVID-19的死亡風險相當于一年内任何其他原因的死亡風險。用部落客的話說“感染COVID-19就像将一年的風險打包到一兩個星期一樣”。
不過部落客也指出，這兩個群體将會有很大的重疊——許多死于COVID-19的人無論如何都會在短時間内死亡——是以這些風險不能簡單地加在一起，也不能簡單地将感染者的風險增加一倍。至關重要的是，國家醫療服務體系不能不堪重負，但如果像現在所建議的那樣，通過嚴格的抑制措施，COVID死亡人數可以控制在20,000人左右，那麼對2020年總體死亡率的影響可能很小（盡管由于衛生服務的壓力和隔離的副作用，基礎死亡率可能會增加）。不過，正如我們所看到的，代價是巨大的。
參考連結：
https://medium.com/wintoncentre/how-much-normal-risk-does-covid-represent-4539118e1196 https://www.technology.org/2020/03/22/dsi-alumni-use-machine-learning-to-discover-coronavirus-treatments/【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-03-23
本文作者：新智元
本文來自：“
新智元”，了解相關資訊可以關注“
”