摘要
达芙妮·科勒探讨了机器学习在生物医学领域的革命性应用，特别是在药物发现和开发中的规模化潜力。她认为虽然完全治愈所有重大疾病面临根本性挑战，但数据驱动方法正在加速我们对疾病机制的理解。
核心要点
-
机器学习赋能药物开发：数据驱动的机器学习方法正在加速新药物和治疗方案的发现与开发，这一进展可能对包括传染病在内的多个医学领域产生深远影响。
-
从教育到医疗的职业转向：科勒在成功共创Coursera五年后（2016年8月），选择将焦点转向更具挑战性的问题——机器学习在改善人类健康中的应用。
-
“治愈”的定义困境：历史上人类真正治愈的疾病数量有限，大多数情况下只能提供治疗手段而非根治。完全治愈需要再生医学等高难度技术的突破。
-
疾病理解的进度差异显著：不同疾病的理解程度差异巨大——某些疾病的理解程度可达70-80分，而大多数疾病仍接近零分。
-
阿尔茨海默病理解程度低：阿尔茨海默病、精神分裂症和2型糖尿病等神经系统和代谢疾病的基础机制理解程度较低，科勒认为阿尔茨海默病的理解程度更接近零而非80分。
-
生物学复杂性的持续发现：从计算机科学视角进入健康领域后，持续发现生物学的复杂性超出预期，不断有人类未曾认识到的新机制被揭示。
-
谨慎对待绝对预测：科勒强调避免”永远无法解决某问题”这类永久性预测，认为这类声明显示傲慢，历史上许多被认为不可能的事最终被实现。
-
寿命延长的科学展望：对于人类寿命延长甚至不朽的可能性，科勒采取开放但谨慎的态度，认为”有朝一日”是个极长的时间跨度。
-
疾病发现的时间悖论：许多疾病被发现时已造成大量损伤，此时的治疗效果受限，因此预防和早期发现同样重要。
-
Insitro的使命：作为Insitro的创始人兼CEO，科勒正在领导一家在机器学习与生物医学交叉领域的公司，推动这一前沿方向的商业化应用。
补充背景
- 时间背景：此播客录制于COVID-19疫情爆发前，为历史性记录
- 关键机构：斯坦福大学计算机科学教授，Coursera共创者（与Andrew Ng），Insitro创始人兼CEO