[논문 리뷰] The state of quantum computing applications in health and medicine

Frederik F. Flöther|arXiv (Cornell University)|2023. 01. 22.

Genetics, Bioinformatics, and Biomedical Research참고 문헌 74인용 수 22

한 줄 요약

이 문서는 임상 및 의료 양자 컴퓨팅 응용 프로그램에 대한 proof-of-concept 연구를 genomics, 임상 연구, 진단 및 치료를 망라하여 조사하고, 양자 머신 러닝과 단기 구현에 중점을 둔다.

ABSTRACT

Medicine, including fields in healthcare and life sciences, has seen a flurry of quantum-related activities and experiments in the last few years (although biology and quantum theory have arguably been entangled ever since Schrödinger's cat). The initial focus was on biochemical and computational biology problems; recently, however, clinical and medical quantum solutions have drawn increasing interest. The rapid emergence of quantum computing in health and medicine necessitates a mapping of the landscape. In this review, clinical and medical proof-of-concept quantum computing applications are outlined and put into perspective. These consist of over 40 experimental and theoretical studies. The use case areas span genomics, clinical research and discovery, diagnostics, and treatments and interventions. Quantum machine learning (QML) in particular has rapidly evolved and shown to be competitive with classical benchmarks in recent medical research. Near-term QML algorithms have been trained with diverse clinical and real-world data sets. This includes studies in generating new molecular entities as drug candidates, diagnosing based on medical image classification, predicting patient persistence, forecasting treatment effectiveness, and tailoring radiotherapy. The use cases and algorithms are summarized and an outlook on medicine in the quantum era, including technical and ethical challenges, is provided.

연구 동기 및 목표

• 임상 및 의료 양자 컴퓨팅 응용 분야의 지형을 매핑합니다.
• 임상 및 의학 분야의 실험적 및 이론적 연구(40건 이상)를 요약합니다.
• 의학을 위한 QML 및 양자 컴퓨팅의 일반적인 알고리즘과 사용 사례 영역을 식별합니다.
• 기술적 및 윤리적 도전과제에 대해 논의하고 의학의 양자 시대에 대한 전망을 제시합니다.

제안 방법

• 임상 및 의료 양자 컴퓨팅 연구 및 proof-of-concept 실험의 검토와 종합.
• 사용 사례 영역의 분류(유전체학, 임상 연구 및 발견, 진단, 치료).
• 고전 벤치마크에 비한 양자 머신 러닝 성능 평가.
• 임상 및 실제 데이터 세트로 학습된 단기 QML 접근법에 대한 논의.

실험 결과

연구 질문

• RQ1 보건의료 분야에서 양자 컴퓨팅의 현재 사용 사례 영역은 무엇인가요?
• RQ2 최근 연구에서 의료 데이터에 대한 양자 머신 러닝의 성능은 고전적 방법에 비해 어떤가요?
• RQ3 단기 양자 응용에 가장 자주 사용되는 데이터 유형과 임상 맥락은 무엇인가요?
• RQ4 의학에서 양자 컴퓨팅이 직면한 핵심 기술적 및 윤리적 도전과제는 무엇인가요?
• RQ5 임상 실전 및 연구에서 양자 솔루션의 채택 전망은 무엇인가요?

주요 결과

• 건강 및 의학에서 양자 컴퓨팅 응용을 매핑하는 실험적 및 이론적 연구가 40건 이상 있습니다.
• 사용 사례 영역에는 유전체학, 임상 연구 및 발견, 진단, 치료 및 중재가 포함됩니다.
• 양자 머신 러닝은 빠르게 발전해 최근의 의학 연구에서 고전 벤치마크와의 경쟁력을 보여주었습니다.
• 단기 QML 알고리즘은 다양한 임상 및 실제 세계 데이터 세트로 학습되었습니다.
• 적용 예로는 약물 후보 물질 생성, 의학 영상 분류, 환자 지속성 예측, 치료 예측 및 방사선 치료 맞춤화가 포함됩니다.