除了DNA鏈以外，生物學數(shù)據(jù)還以各種各樣的形式出現(xiàn)，從基因表達到電信號再到高級成像。實際上，匯總的數(shù)據(jù)集是如此復雜，將算法分析應用于醫(yī)學用途可能會幫助擴展AI，因為它可以解鎖生物學。

在4月8日發(fā)布的Axios項目中對此動態(tài)進行了描述。“通過成像和[基因組]測序捕獲的細微差別，復雜的生物學數(shù)據(jù)可以幫助創(chuàng)建強大的算法來捕獲系統(tǒng)中的因果關系，”記者Alison Snyder解釋說。“這將代表人工智能的飛躍，它在確定相關性的同時仍將原因留給人類科學家是最有效的。”

斯奈德(Snyder)指出，底線是引用哈佛大學/麻省理工學院的醫(yī)師/遺傳學家/數(shù)據(jù)科學家安東尼·菲利普帕基斯(Anthony Philippakis)的話，就是將AI與生物學相融合“可能不僅僅是理解醫(yī)學的另一種工具。生物學可能是“推動機器學習的下一代進步的動力。””