從大眾媒體到最大的醫療保健會議，關於人工智慧革命性地改變生物醫藥的承諾無處不在。我們似乎正處於人工智慧系統的風口浪尖，這些系統可以遠端識別即將生病的人，做出診斷（無需醫生！），選擇定製的人工智慧設計的藥物，並在恰當的時候將其交付給患者——當然，是在人工智慧驅動的自動駕駛汽車中。
如果這真的是未來，我們還遠未實現。可以肯定的是，變革的步伐非常迅速。深度學習——人工智慧快速發展的子領域，使機器能夠透過胸部X光片診斷肺炎或根據醫療記錄預測健康狀況惡化——甚至在十年前對大多數計算機科學家來說還是陌生的。我們也不知道未來幾十年人工智慧的進化或革命性進步將如何發展。我們所知道的是，生物醫藥人工智慧的成功不僅取決於技術的發展，還取決於技術背後的人才發展。
將演算法進步轉化為生物醫藥突破需要在多個層面上批判性地考慮知識和努力的兩個領域。例如，一項新技術的真正能力是什麼？哪些僅僅是炒作？生物醫藥中的哪些問題最有可能從新興的計算能力中獲益？我們如何從一項新技術的有趣的生物醫藥應用走向實際改善人類健康的系統的實施？這些具有挑戰性的、多方面的問題需要跨學科團隊來解答。這些團隊將需要人工智慧專家、生物學和醫學專家，以及最重要的是，能夠激勵和指導具有如此多樣化才能的個人的領導者。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
與人工智慧已應用的其他一些領域不同，在生物醫藥領域，失敗的後果是重大的。對於社交媒體公司而言，一個在增加廣告點選方面無效的人工智慧模型可以在當天被檢測到並回滾。然而，當涉及到醫學時，人類生命攸關。對人工智慧的不充分了解的應用可能會導致明顯的危害，例如不準確的診斷或治療建議，但也可能導致更隱蔽的失敗，例如，由於演算法是用微妙的偏見資料訓練的，因此給出了種族偏見的建議。考慮到生物醫藥的複雜性和許多人工智慧演算法的不可理解性，可能需要數年才能發現這樣的缺陷。無論是學術界、製藥實驗室還是初創公司的團隊領導者，不僅必須理解技術和科學問題，還必須預測和闡明他們所承擔專案的潛在風險、收益和影響。
我們需要能夠構建改進醫療保健的醫學人工智慧系統的男性和女性。透過解決問題的技術方面來激發興奮感相對容易，但使這些進步有用通常需要應對醫療保健系統中監管、經濟和工作流程問題的複雜相互作用。成功的領導者受益於人工智慧和生物醫藥領域的深厚知識和直覺。但我們面臨著這種多才多藝的人才的嚴重短缺。
解決這一差距對於確保生物醫藥人工智慧的長期成功至關重要。一個主要挑戰是這些學科所需的學習時間長度，但更大的挑戰是在兩個在解決問題方法上幾乎截然不同的領域培訓學生。計算機科學涉及數學、統計學和工程學的定量嚴謹性，而生物學則以進化過程中偶然產生的產品為基礎。生物的特性，無論是字面上還是比喻意義上，都是有機的。我們正在尋找具有智力靈活性和熱情，能夠在兩種對比鮮明的文化中接受長期培訓的學生。我們是在要求不可能的事情嗎？
這些人確實存在，而且他們的人數正在增長。他們培訓的第一種方法是識別那些已經在生物醫藥或計算科學領域具有深厚背景的人，然後幫助他們掌握另一個領域的技能。自 20 世紀 80 年代初以來，生物醫藥資訊學研究生專案（碩士、博士和醫學博士/博士）就承擔了這一角色。這些專案吸引了多元化的學生，並且已經發展到包括各種名稱的學科：計算生物學、生物資訊學、臨床資訊學、生物醫藥資料科學等等。所有這些都關注計算機科學在生物醫藥中的不同應用。
但是，在學生的職業生涯早期，甚至在他們的智力直覺仍在形成的時候，對這些學科交叉領域的學生進行培訓怎麼樣呢？這種差異就像成年後學習第二語言和在雙語家庭中長大之間的差異一樣：對於早期的學習者來說，流利是第二天性。
2001 年，我們在斯坦福大學啟動了一個工程專業，使本科生能夠在生物學和醫學的背景下學習計算機科學和統計學。該專案培養了具有理學學士學位的畢業生，他們已經深入研究了將計算工具應用於生物醫藥領域難題的挑戰。我們的學生與醫學預科學生一起學習生物學，與將在矽谷工作的同學一起學習計算機科學，並且每個人在斯坦福大學期間都完成了一個為期兩到三個季度的研究專案。他們獲得了跨生物醫藥和技術領域的廣度知識，以及在較窄的應用領域的深度知識。還要求至少修讀一門關於技術社會和倫理影響的課程。
在對生物醫藥計算本科生進行了近二十年的培訓之後，我們可以說這種模式是有效的。我們的許多畢業生繼續在學術界、臨床醫學、初創公司（生物學領域內外）、大型公司、律師事務所、風險投資以及其他領域發展事業。而且，該專業一直保持著男女 50:50 的平衡——這在少數定量密集型工程專業中才是如此。
對大多數人來說，這個專業塑造了他們的職業認同：他們不是“做生物的人工智慧人”或“做人工智慧的生物人”。相反，這兩種知識傳統都舒適地存在於他們的頭腦中，每一種都影響著他們對另一種的理解。雖然不可能在短短四年（甚至 40 年）內學習生物醫藥和計算機科學的全部內容，但這些人可以在生物學和計算機科學文化之間自由穿梭，並且已經學會將深入的技術技能應用於生物學和人類健康領域最嚴峻的社會挑戰。
除了研究生專案外，在生物醫藥和計算交叉領域開發一套強大的本科生專案，可以使處於教育形成期的學生能夠在這些非常不同的學科之間流暢地轉換。這些專案將加速為適當使用人工智慧以推進生物學和醫療保健所需勞動力的出現。