机器学习为生物学和医学研究带来了哪些改变？能解决哪些医学难题？

深度好文：https://www.zhihu.com/question/60067846

目录（更新至2019-06-05）：

1. 病理数据分析，谷歌有一个ar加深度网络，实时分析
2. CT图预测结节还是肿瘤（主要是比赛使用）
3. 最新的文章，通过CT结合rna数据分析患者免疫治疗受益状态
4. 新文章，通过病理数据预测突变
5. 谷歌开发的call snp方法
6. 谷歌之前发布了自动染色病理图，发表在Cell上，
7. 老年痴呆预测，糖尿病导致眼病等等，这些我看过但并没有深入研究
8. 乳腺癌恶性病变分析
9. 基因组学的深度学习:简明概述（5篇）
10. MICC大会相关结果，主要集中在CT图像方面的结果（5篇）
11. 吴恩达的团队发表论文，通过MRNet网络结构预测膝关节磁共振影像检验结果；
12. 使用的是X光的数据预测十四种癌症类型分类；
13. 诊断抑郁症的模型，可以快速平移到手机上；
14. Alpha Fold 项目
15. 通过深度网络学习识别遗传病的精神疾病：
16. 通过深度网络判别心电图效果
17. 2019年年初的Nature对于人工智能应用医学方面的指导性文章
18. 几篇主要新的网络策略处理细胞核分割的（图像分割相关的问题-3篇）
19. 一篇使用深度网络应用的RNA的可变剪切位点预测的文章
20. 通过细胞形状及其他特征区分生存曲线
21. 最大的HER（电子病历）的发表的文章
22. 使用CT数据预测免疫疗法
23. 新英格兰上一篇对于机器学习和深度学习综述的文章
24. 谷歌通过LUNA16等数据集做的早筛癌症模型发表在nature medicine
25. 对病理图分形并且结合NLP进行报告生成
26. 通过病理图预测MSI结果