2020 年，新冠疫情引發了全球醫療界關注，由全球不同政府資助開展的疫苗及藥物臨牀試驗、抗體研發等，已在快速落地中。
但新藥開發往往面臨到研發週期長、成本高、風險大等問題，在應對新冠這類突發疫情上，部分研究團隊採用的是藥物重定位（老藥新用）的方式，從而大大縮短研發和應用的時間。
其中，通過機器學習（ML) 技術對藥物的分子模型及各項藥物活性參數等進行快速驗證，能夠加速完成大量既有藥物的掃描、篩選工作，以及藥物臨牀前研究的效率和成功率。
在 InfoQ 近期獲悉的業界動態中， 一家從事 AI+ 醫藥研發名爲晶泰科技（XtalPi）的企業，就通過其自主研發的 ID4 平臺，以及搭載 GPU 計算實例的機器學習框架，對 183 個可能對新冠病毒有潛在治療效果的藥物，進行了活性排序和高精度測算，最終快速鎖定了 38 個藥物。
ML 在醫療領域不僅僅應用於藥物研究層面，基於 ML、計算機視覺技術來提早發現、預防及治療特殊病症的案例也已屢見不鮮。尤其在醫療技術較爲發達的國家地區，篩查糖尿病、兒童自閉症等，都已由較爲成熟的應用。但不親歷研究的人，是否又瞭解其間需要克服的重重技術難關？
當然，ML 的應用不僅僅侷限在疾病防治、藥物研發上。那麼，小 Q 今天要和大家互動的內容是，在 ML 領域，你還知道哪些成熟的應用場景？哪些場景的機器學習項目會成爲未來行業的發展趨勢？
歡迎大家在評論區留言，說出你的所見所聞。