除了DNA鏈以外，生物學(xué)數據還以各種各樣的形式出現，從基因表達到電信號再到高級成像。實(shí)際上，匯總的數據集是如此復雜，將算法分析應用于醫學(xué)用途可能會(huì )幫助擴展AI，因為它可以解鎖生物學(xué)。

在4月8日發(fā)布的Axios項目中對此動(dòng)態(tài)進(jìn)行了描述。“通過(guò)成像和[基因組]測序捕獲的細微差別，復雜的生物學(xué)數據可以幫助創(chuàng )建強大的算法來(lái)捕獲系統中的因果關(guān)系，”記者Alison Snyder解釋說(shuō)。“這將代表人工智能的飛躍，它在確定相關(guān)性的同時(shí)仍將原因留給人類(lèi)科學(xué)家是最有效的。”

斯奈德(Snyder)指出，底線(xiàn)是引用哈佛大學(xué)/麻省理工學(xué)院的醫師/遺傳學(xué)家/數據科學(xué)家安東尼·菲利普帕基斯(Anthony Philippakis)的話(huà)，就是將AI與生物學(xué)相融合“可能不僅僅是理解醫學(xué)的另一種工具。生物學(xué)可能是“推動(dòng)機器學(xué)習的下一代進(jìn)步的動(dòng)力。””