计算机越来越多地被运用到了与医疗健康有关的方方面面，但是计算机通常只能按照你所发出的指令去行事。计算机的编程指令已经决定了它们能够如何工作，如果你想要一台更聪明的电脑，那么你就必须得为它可能所处的每一个情境进行编程设计。这几十年来，人们一直梦想着能够让电脑从它已有的经验中「学习」并最终超越自身已被设定好的程序，我们通常称这一过程为机器学习。

最近几年中，由于计算机算法得到了极大的发展，进一步让人们对于更高要求的机器学习的梦想化为现实。取得这一成功的关键因素就是从大自然的演化中汲取灵感，在软件中集合生物演化的智慧。这一灵感的实现依赖于模拟自然演化过程，这种方法通常被称作演化算法。

像大多数人知道的那样，物竞天择的自然选择理论其实就是说明物种会随着时间的推移而演化的更加适应他们的生存环境。自然界里的个体会演化出独特的特征，这些特征将会使得个体更好地生存下去（比如说通过更好的环境伪装来逃避捕食者）。这些存活下来的独特个体将会繁育出更多的后代，并进一步将他们的特性传给子孙后代。

当这一过程被搬到计算机中，源于自然界灵感的演化算法同样可以应用在解决工程问题与数学问题上。该算法可以推算出复杂问题的多种潜在解决方案的「适应性」，由此来判断出每一个解决方案的优劣。好的解决方案被留了下来，而表现不佳的解决方案自然就被淘汰了。

Lawrence Fogel 博士是一位人工智能方面的先驱，他在 1966 年就写了第一本关于演化算法的书，在 1993 年他成立了 Nature Selection 公司（NSI）。在 Lawrence 博士 2007 年去世之后，他的两个儿子 David 博士与 Gary 博士继承了他的衣钵，将演化算法应用到了更广泛的领域中。David 博士提出了一些关于演化算法将如何影响到医疗健康领域各个方面的有价值的见解，以下就是一些非常有意思的例子：

以人口数据为基础改进药物开发

演化算法可以帮助医生在正确的时间给特定的病人使用最合适的药物，类似的应用程序已经被 Theragence 这样的公司开发出来了。该程序从大量来自不同数据源的数据中收集到准确且有效的医疗诊断，在这些患者的个人信息数据中包括了人口统计学信息与基因档案。这种技术可以帮助医生从二期临床数据中判断出哪一类特定药物最为有效，同时该技术也可以帮助制药公司更有针对性地去改进三期临床药物。

个性化医疗诊断

个性化医疗在近年来受到了越来越多人的关注，演化算法可以通过收集分析来自患者对于药物与治疗方式是否有效的反馈，帮助其制定有针对性的医疗方案。比方说被耳鸣困扰的患者通常会使用其他声音或者噪音来掩盖耳鸣，在美国科学基金会的资助下，NSI 公司使用机器学习技术帮助耳鸣患者适应这些用来掩盖耳鸣的声音的存在，在耳鸣患者即使在不使用这些外部声源之后也能缓解症状。

改进干细胞疗法

机器学习技术已经被运用到了干细胞领域的研究之中，这是一个相当有趣的研究领域。在干细胞研究中使用该技术的目标是提取干细胞分化的机制，从而得到更多有益的干细胞疗法。干细胞是具有多向分化功能和自我复制能力的原始的未分化细胞，随着进一步的分化才会具备特殊功能。被称为小分子核糖核酸的一种特殊的核糖核酸决定了干细胞的分化方向。机器学习技术可以识别出哪些因素在核糖核酸演化过程中发挥了作用，帮助研究人员快速地理解并对该系统进行调节。

预测病毒随着时间推移会如何改变

演化算法能够帮助临床医生与研究人员弄明白在病人感染了 HIV 病毒之后，病毒会如何演化。HIV 病毒在感染者体内会不断产生变化，而这种变化后的病毒会攻击不同类型的器官组织。被美国国立卫生研究院以及美国国家科学基金会资助的公司比如 BioinoExperts 已经用实践证明了演化算法可以帮助识别和预测病毒将如何随着时间的推移而发生变化，这一结果可能将促使研究人员开发出更有效的治疗方法。

从许多方面来看，想要让医疗健康领域产出更多成果并不需要追寻新的革命性方式，也许人们仅仅需要对于已经运行了数十亿年的大自然投以更多的关注。