工程学院为2023-24学年选出了13名新的武田研究员。在武田的支持下，研究生们将进行开创性的研究，从用于虚拟临床试验的远程健康监测到用于家庭长期诊断的可食用设备。

麻省理工学院-武田项目(MIT-Takeda Program)是麻省理工学院工程学院和武田的合作项目，目前已进入第四个年头，该项目推动了人工智能能力的开发和应用，造福于人类健康和药物开发。作为Abdul Latif Jameel医疗机器学习诊所的一部分，该项目整合了不同的学科，融合了理论和实际实施，结合了算法和硬件创新，并在学术界和工业界之间建立了多维合作。

2023-24年度武田奖学金获得者:

Adam Gierlach

Adam Gierlach是电气工程和计算机科学系的博士候选人。Gierlach的工作将创新的生物技术与机器学习相结合，为先进的诊断和治疗提供了可消化的设备。在他之前的工作中，Gierlach开发了一种非侵入性、可摄入的设备，用于自由活动患者的长期胃记录。在武田奖学金的支持下，他将在这一开创性工作的基础上，开发由专用集成电路驱动的智能、节能、可摄入的设备，用于家庭长期诊断。这些革命性的设备——能够识别、表征甚至纠正胃肠道疾病——代表了生物技术的前沿。Gierlach的创新贡献将有助于推进肠神经系统的基础研究，并有助于更好地理解帕金森病、自闭症谱系障碍和其他常见疾病和病症的肠-脑轴功能障碍。

Vivek Gopalakrishnan

Vivek Gopalakrishnan是哈佛-麻省理工学院健康科学与技术项目的博士候选人。Gopalakrishnan的目标是开发生物医学机器学习方法，以改善人类疾病的研究和治疗。具体来说，他利用计算模型来推进微创、图像引导的神经外科手术的新方法，为开放的大脑和脊柱手术提供了一种安全的选择。在武田奖学金的支持下，Gopalakrishnan将开发实时计算机视觉算法，通过从多模态神经成像数据中提取和融合信息，提供高质量的3D术中图像指导。这些算法可以让外科医生从x射线血管造影中重建3D神经血管系统，从而提高设备部署的精度，并能够更准确地定位健康与病理解剖。

何浩

何浩，电子工程与计算机科学系博士研究生。他的研究兴趣在于生成式人工智能、机器学习及其在医学和人类健康中的应用的交叉，特别强调被动、连续、远程健康监测，以支持虚拟临床试验和医疗保健管理。更具体地说，他的目标是开发值得信赖的人工智能模型，促进公平准入，并提供独立于种族、性别和年龄的公平表现。在他过去的工作中，他开发了用于帕金森病、阿尔茨海默病和癫痫临床研究的监测系统。在武田奖学金的支持下，他将开发一种新的技术，用于被动监测睡眠阶段(使用无线电信号)，旨在解决不同人口群体之间存在的性能差距。他的项目将解决可用数据集不平衡的问题，并使用生成式人工智能和多模态/多领域学习来解释子种群之间的内在差异，目标是学习对不同子种群不变的鲁棒特征。他的工作为向所有人提供先进、公平的卫生保健服务带来了巨大希望，并可能对卫生保健和人工智能产生重大影响。

龙成毅

龙成毅，土木与环境工程系博士研究生。他的跨学科研究结合了物理学、数学和计算机科学的方法论来研究生态学中的问题。具体来说，Long正在开发一系列潜在的突破性技术来解释和预测生态系统的时间动态，包括人类微生物群，这是健康和医学研究的基本主题。在武田奖学金的支持下，他目前的工作重点是建立一个概念、数学和实用的框架，以理解微生物系统中外部扰动和内部群落动态之间的相互作用

王培奇

王培奇，电子工程与计算机科学系博士研究生。Wang的研究旨在开发机器学习方法，用于从医学图像和相关临床数据中学习和解释，以支持临床决策。他正在开发一种多模态表示学习方法，将从大量医学图像和文本数据中获取的知识结合起来，将这些知识转移到新的任务和应用程序中。在武田奖学金的支持下，王将推进这一有前途的工作，建立强大的工具来解释图像，从稀疏的人类反馈中学习，并像医生一样推理，为医疗保健领域的重要利益相关者带来潜在的重大利益。

吴浩阳

吴浩阳，化学工程系博士研究生。吴的研究将量子化学和深度学习方法结合起来，加速了新药开发中小分子筛选的过程。通过识别和自动化可靠的方法来寻找过渡态几何形状和计算新反应的势垒高度，Wu的工作可以进行高通量从头计算反应速率，以筛选大量活性药物成分(api)的反应性。武田奖学金将支持他目前的项目:(1)开发用于高通量量子化学计算的开源软件，专注于药物类分子的反应性;(2)开发可以定量预测api氧化稳定性的深度学习模型。吴的研究所产生的工具和见解可以帮助改变和加速药物发现过程，为制药和医疗领域以及患者提供重大利益。

杨秀贞

杨秀贞，材料科学与工程系博士研究生。杨的研究应用了几何深度学习和生成建模的前沿方法，以及原子模拟，以更好地理解和建模蛋白质动力学。具体来说，杨正在开发生成式人工智能中的新工具，以探索蛋白质构象景观，这些工具比基于物理的模拟提供更快的速度和细节，成本低得多。在武田奖学金的支持下，她将在粗粒度蛋白质向全原子分辨率的反向转换方面取得成功，旨在建立机器学习模型，以桥接蛋白质构象多样性的多个尺寸尺度(全原子，残基水平和域水平)。杨的研究有可能为研究人员提供一个强大而广泛适用的新工具，帮助他们了解在人类疾病中起作用的复杂蛋白质功能，并设计治疗和治愈这些疾病的药物。

杨宇哲

杨宇哲，电子工程与计算机科学系博士研究生。杨的研究兴趣在于机器学习和医疗保健的交叉。在他过去和现在的工作中，Yang开发和应用了创新的机器学习模型，解决了疾病诊断和跟踪方面的关键挑战。他的许多显著成就包括创建了第一个基于机器学习的解决方案之一，使用夜间呼吸信号来检测帕金森病(PD)，估计疾病严重程度并跟踪PD进展。在武田奖学金的支持下，Yang将扩展这项有前途的工作，利用睡眠呼吸数据开发基于人工智能的阿尔茨海默病(AD)诊断模型，该模型比目前的诊断工具更可靠、更灵活、更经济。这种被动的、家庭内的、非接触式监测系统——类似于一个简单的家庭Wi-Fi路由器——也将实现远程疾病评估和持续进展跟踪。杨的开创性工作有可能推进PD和AD等流行疾病的诊断和治疗，它为使用可靠、负担得起的机器学习工具解决许多健康挑战提供了令人兴奋的可能性。

作者：工程学院

链接：https://news.mit.edu/2023/takeda-fellows-advancing-research-intersection-ai-health-1102

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：15264513609，邮箱：1027830374@qq.com