2020 年，新冠疫情引发了全球医疗界关注，由全球不同政府资助开展的疫苗及药物临床试验、抗体研发等，已在快速落地中。
但新药开发往往面临到研发周期长、成本高、风险大等问题，在应对新冠这类突发疫情上，部分研究团队采用的是药物重定位（老药新用）的方式，从而大大缩短研发和应用的时间。
其中，通过机器学习（ML) 技术对药物的分子模型及各项药物活性参数等进行快速验证，能够加速完成大量既有药物的扫描、筛选工作，以及药物临床前研究的效率和成功率。
在 InfoQ 近期获悉的业界动态中， 一家从事 AI+ 医药研发名为晶泰科技（XtalPi）的企业，就通过其自主研发的 ID4 平台，以及搭载 GPU 计算实例的机器学习框架，对 183 个可能对新冠病毒有潜在治疗效果的药物，进行了活性排序和高精度测算，最终快速锁定了 38 个药物。
ML 在医疗领域不仅仅应用于药物研究层面，基于 ML、计算机视觉技术来提早发现、预防及治疗特殊病症的案例也已屡见不鲜。尤其在医疗技术较为发达的国家地区，筛查糖尿病、儿童自闭症等，都已由较为成熟的应用。但不亲历研究的人，是否又了解其间需要克服的重重技术难关？
当然，ML 的应用不仅仅局限在疾病防治、药物研发上。那么，小 Q 今天要和大家互动的内容是，在 ML 领域，你还知道哪些成熟的应用场景？哪些场景的机器学习项目会成为未来行业的发展趋势？
欢迎大家在评论区留言，说出你的所见所闻。