人工智能的發(fā)展近期毫無疑問受到了人們極大的關(guān)注，醫(yī)療領(lǐng)域一直以來，都希望通過人工智能的發(fā)展來提高醫(yī)療技術(shù)，使得行業(yè)發(fā)展更上一層樓。IBM Watson的發(fā)展是醫(yī)療領(lǐng)域的一個里程碑，但是在醫(yī)療的其他領(lǐng)域，也不乏人工智能的身影：據(jù)統(tǒng)計，目前在新藥研發(fā)、輔助疾病診斷、輔助治療、健康管理、醫(yī)學(xué)影像、臨床決策支持、醫(yī)院管理、便攜設(shè)備、康復(fù)醫(yī)療和生物醫(yī)學(xué)研究等十大領(lǐng)域，都有人工智能的實操案例。
人類大腦的容量是有限的，與日俱增的患者數(shù)據(jù)和爆炸式信息增長，讓醫(yī)生無法跟上醫(yī)學(xué)知識發(fā)展的步伐，AI將成為輔佐醫(yī)生提高認(rèn)知能力的最佳工具和手段。”
期望健康長壽是每個人的心愿，也是科學(xué)家和工程師致力于將AI技術(shù)應(yīng)用于醫(yī)療健康領(lǐng)域的動力所在。相對于金融、運輸和零售業(yè)等領(lǐng)域，AI在醫(yī)療健康領(lǐng)域研發(fā)最少。美國德克薩斯大學(xué)副校長Lynda Chin教授說過“
在醫(yī)療健康領(lǐng)域里，AI應(yīng)用并不是最近才興起的。
上世紀(jì)70年代，斯坦福大學(xué)專家們就發(fā)明了世界上第一個醫(yī)用AI專家系統(tǒng)(MYCIN)。這是一款輔助醫(yī)生對住院患者進(jìn)行感染菌診斷和抗菌素藥物篩選的專家系統(tǒng)。當(dāng)時的網(wǎng)絡(luò)通訊和電子病歷系統(tǒng)未能使MYCIN系統(tǒng)得以普及應(yīng)用。但該AI專家系統(tǒng)建議的治療方案可接受度為69%，比大部分同一參考標(biāo)準(zhǔn)給出治療方案要智慧得多。
隨著科學(xué)技術(shù)進(jìn)步，在醫(yī)療健康領(lǐng)域已有不少AI應(yīng)用成功案例，譬如：新藥研發(fā)、輔助疾病診斷、健康管理、醫(yī)學(xué)影像、臨床決策支持、醫(yī)院管理、便攜設(shè)備、康復(fù)醫(yī)療和生物醫(yī)學(xué)研究。
我們歸納梳理一下：
1、新藥研發(fā)
結(jié)合AI技術(shù)的藥物研發(fā)將會顯著提高研發(fā)效率并降低成本。
新藥研發(fā)的痛點是周期長，平均為10年;費用高，每款新藥研發(fā)費約15億美元;成功率低，約5000種候選化合物中才有1種能進(jìn)入II臨床試驗。目前，在藥物研發(fā)中，AI應(yīng)用于，包括藥物挖掘、新藥安全有效性預(yù)測、生物標(biāo)志物篩選等。
藥物挖掘是AI應(yīng)用最早且進(jìn)展最快的領(lǐng)域。
通過計算機(jī)模擬，可以對藥物活性、安全性和副作用進(jìn)行預(yù)測。目前，已經(jīng)涌現(xiàn)出多家AI技術(shù)主導(dǎo)的藥物研發(fā)企業(yè)。借助深度學(xué)習(xí)，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領(lǐng)域取得了新突破，也吸引了許多風(fēng)投機(jī)構(gòu)青睞。例如，硅谷的Atomwise公司通過IBM超級計算機(jī)，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩選治療方法。利用強(qiáng)大的計算能力，評估出820萬種候選化合物，而研發(fā)成本僅為數(shù)千美元，研究周期僅需要幾天時間。2015年，Atomwise基于現(xiàn)有的候選藥物，應(yīng)用AI算法，不到一天時間就成功地尋找出能控制埃博拉病毒的兩種候選藥物，以往類似研究需要耗時數(shù)月甚至數(shù)年時間。
2016年10月，美國政府研究部門與“博格健康”制藥公司合作，利用AI技術(shù)進(jìn)行早期侵入性乳腺癌生物標(biāo)記物篩選。與常規(guī)新藥研發(fā)流程相反，該項目從數(shù)據(jù)開始，通過數(shù)據(jù)識別未知亞型和已知亞型的藥物靶點。該項研究有望為通過血液篩查乳腺癌提供幫助。
2015年，谷歌公司聯(lián)合斯坦福大學(xué)Pande實驗室，發(fā)表了用大規(guī)模多任務(wù)神經(jīng)網(wǎng)絡(luò)做藥物發(fā)現(xiàn)的論文。該研究利用基因組學(xué)、蛋白質(zhì)組學(xué)信息研究藥物功效和副作用。實踐表明，基于海量數(shù)據(jù)信息，通過深度學(xué)習(xí)預(yù)測藥物對不同疾病功效的準(zhǔn)確率得到了顯著提升。
2、輔助疾病診斷
通過AI分析技術(shù)與機(jī)器學(xué)習(xí)相互結(jié)合，極大地提高了醫(yī)療服務(wù)質(zhì)量和預(yù)后。
實際上，診斷就是數(shù)據(jù)分析過程，從基因序列到影像圖片分析，病人會產(chǎn)生大量數(shù)據(jù)，機(jī)器學(xué)習(xí)應(yīng)需而生。
在AI基礎(chǔ)上開發(fā)的病理診斷方法更加精確和具有可預(yù)測性。
臨床上，常規(guī)病理診斷方法需要大量人力成本，結(jié)果仍然缺乏質(zhì)量保證。許多醫(yī)療機(jī)構(gòu)正在嘗試?yán)脠D像識別技術(shù)輔助癌癥診斷。這方面已有一些成功案例，如OCT掃描(光學(xué)相干斷層成像術(shù))技術(shù)自20世紀(jì)90年代應(yīng)用于臨床眼科，目前已經(jīng)成為眼部疾病輔助診斷的重要工具。谷歌公司正在致力于用深度學(xué)習(xí)的圖像識別技術(shù)輔助醫(yī)生識別OCT掃描結(jié)果，特別是糖尿病視網(wǎng)膜病變和與年齡相關(guān)的視網(wǎng)膜黃斑變性。
2011年，斯坦福大學(xué)的Daphne Koller教授發(fā)表論文，用機(jī)器學(xué)習(xí)分析影像學(xué)結(jié)果中檢測乳腺癌變組織，甚至預(yù)測患者預(yù)期壽命，在測試范圍內(nèi)，該算法的準(zhǔn)確率已超越了人的預(yù)知。
被《MIT科技述評》評為全球最智慧的50家公司之一Enlitic公司，他們利用AI輔助影像診斷，借助深度學(xué)習(xí)，從海量數(shù)據(jù)中不斷獲取診斷特征點。在公共數(shù)據(jù)集上運用圖像識別算法對肺部CT結(jié)果進(jìn)行測試的結(jié)果表明，該項技術(shù)對肺癌的識別準(zhǔn)確率比放射科專家高50%。
Enlitic公司還通過人機(jī)協(xié)作來提高病理診斷的高效和精確性。例如，在乳腺癌前哨淋巴結(jié)轉(zhuǎn)移診斷中，基于AI計算系統(tǒng)的誤診率為7.5%，有經(jīng)驗的病理學(xué)家對同一組HE染色切片的誤診率為3.5%，當(dāng)將AI系統(tǒng)與病理學(xué)家相結(jié)合后，誤診率進(jìn)一步降至0.5%，近乎達(dá)到了完美無誤。Enlitic公司另外一項技術(shù)是應(yīng)用深度學(xué)習(xí)進(jìn)行骨骼損傷檢查，AI系統(tǒng)從X光片中能夠自動識別出骨骼損傷的部位和程度。
AI技術(shù)也能為基因治療提供幫助。Deep Genomics通過遺傳信息和臨床診斷大數(shù)據(jù)分析發(fā)現(xiàn)遺傳信息與疾病的相關(guān)性。人類基因組學(xué)之父Craig Venter教授創(chuàng)立的“人類長壽”項目，能夠為個體提供完整的基因序列，從而進(jìn)行癌癥風(fēng)險早期預(yù)測和評估。
3、輔助治療
AI技術(shù)還可以用于輔助臨床決策。
例如選擇合適的用藥劑量，制訂安全有效的個體化治療方案，Watson提供的腫瘤治療方案能夠汲取海量信息，包括3000多份醫(yī)學(xué)期刊、200余種教科書以及近1500萬頁文字。同時，IBM Watson還吸收了美國綜合癌癥網(wǎng)絡(luò)發(fā)布的臨床指南。Watson能在幾秒內(nèi)篩選數(shù)十年的150萬份患者病歷和治療效果，為醫(yī)生提供可選擇的循證治療方案。IBM公司的Medical Sieve技術(shù)與Watson系統(tǒng)相結(jié)合，使原本僅擅長從文本信息中進(jìn)行自我學(xué)習(xí)的Watson系統(tǒng)具有醫(yī)學(xué)圖像高速處理和分析的能力。
Watson系統(tǒng)也可以為醫(yī)學(xué)生和醫(yī)護(hù)人員提供醫(yī)術(shù)幫助。
除了輔助臨床診療決策，Watson的治療方案就是教學(xué)課件，另外也可在沃森問答過程中學(xué)習(xí)到最新醫(yī)療知識，也能知道醫(yī)生通過考慮哪些因素而選擇某一項治療方案。對患者而言，Watson能夠提升患者自身教育和患—醫(yī)之間的溝通效率。
目前，全球癌癥治療領(lǐng)域排名前三的醫(yī)院都在應(yīng)用Watson系統(tǒng)。
2016年8月，IBM宣布在國內(nèi)中山大學(xué)附屬腫瘤防治中心、中國醫(yī)科大學(xué)附屬第四醫(yī)院等21家國內(nèi)醫(yī)院應(yīng)用該AI系統(tǒng)。IBM公司和東京大學(xué)醫(yī)科學(xué)研究所利用Watson對日本患者的數(shù)據(jù)進(jìn)行分析，并篩選適合患者治療方案。如果能在日本取得研究成果，將有望應(yīng)用于亞洲人癌癥治療。
2016年初，谷歌公司成立了DeepMind Health部門，該部門長期目標(biāo)是為臨床醫(yī)生提供工具，輔助處理龐大的信息流。與英國國家醫(yī)療服務(wù)體系NHS合作，利用AI技術(shù)輔助臨床決策研究，開發(fā)了Streams軟件，這是一個針對急性腎損傷高風(fēng)險人群的預(yù)警系統(tǒng)，在Streams輔助下，醫(yī)生能在幾秒鐘時間查看存在急性腎臟損傷風(fēng)險病人的驗血結(jié)果，優(yōu)化治療方案。
另外，DeepMind與NHS合作開展了一項利用深度學(xué)習(xí)開展頭頸癌患者放療方法的研究，利用深度學(xué)習(xí)探討減少放療的副作用。對頭頸部癌癥做放射性治療時，需要準(zhǔn)確定位病變部位，避開健康組織，以避免射線對健康組織產(chǎn)生的破壞，這項技術(shù)被稱為智能分割。而DeepMind的目標(biāo)是在CT和核磁掃描成像上運用這項技術(shù)，利用深度學(xué)習(xí)提高分割準(zhǔn)確率和速度，在不降低準(zhǔn)確率前提下，提高分割的效率。
BergHealth 是一家利用大數(shù)據(jù)協(xié)助病人管理的公司。AI系統(tǒng)針對以往大量的診斷數(shù)據(jù)及患者體征資料，通過對成功療法的分析，結(jié)合人工智能，為其他患者提供診療方法參考，甚至生成新的療法。
AI系統(tǒng)能夠預(yù)測藥物之間相互作用。
例如，哥倫比亞大學(xué)研究組利用機(jī)器學(xué)習(xí)算法研究發(fā)現(xiàn)頭孢曲松和蘭索拉唑混合使用可導(dǎo)致心率紊亂。而微軟公司Hanover醫(yī)用機(jī)器學(xué)習(xí)預(yù)測藥物有效性，為患者制定個性化治療方案。
4、健康管理
情感識別是AI一個熱點領(lǐng)域。
該領(lǐng)域已經(jīng)衍生出了很多優(yōu)秀技術(shù)，從語言、表情、語音中識別人的情感和情緒。Ginger.IO 和 Mobile Therapy 公司通過挖掘用戶智能手機(jī)數(shù)據(jù)來發(fā)現(xiàn)用戶精神健康的微弱波動。例如，Ginger.IO能夠通過收集手機(jī)數(shù)據(jù)，推測用戶生活習(xí)慣是否發(fā)生了變化，根據(jù)用戶習(xí)慣來主動對用戶提問。當(dāng)情況變化時，會推送報告給身邊的親友甚至醫(yī)生。Affectiva公司的一項技術(shù)通過手機(jī)或電腦攝像頭實時分析人的情緒。
人工智能也可用于識別疾病風(fēng)險和降低風(fēng)險的措施。為個體設(shè)計個性化的健康管理計劃，通過個人健康檔案數(shù)據(jù)分析建立個性化健康管理方案。
例如，風(fēng)險預(yù)測分析公司Lumiata的核心產(chǎn)品風(fēng)險矩陣(Risk Matrix)能夠為個體繪制患病風(fēng)險隨時間變化的軌跡。2016年，在消化疾病周上一項研究結(jié)果顯示，研究人員應(yīng)用唾液分析、患者問卷調(diào)查的橫斷面數(shù)據(jù)和人工智能分析工具，預(yù)測食管癌的發(fā)生風(fēng)險。Ayasdi主要用于病人風(fēng)險評估、降低再住院率。
Welltoks公司關(guān)注個人健康管理和提升生活質(zhì)量。成立于2015年的碳云智能科技公司(iCarbonX)計劃建立一個健康大數(shù)據(jù)平臺，運用AI技術(shù)進(jìn)行數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)，幫助人們健康管理，騰訊公司2016年4月投資了iCarbonX公司1.5億美元，可預(yù)見未來發(fā)展的前景無限。
Alme Health Coach能通過AI技術(shù)評估慢病病人的整體狀態(tài)，協(xié)助慢病病人規(guī)劃日常生活。它以一位“虛擬護(hù)士”身份出現(xiàn)，通過了解病人飲食習(xí)慣、鍛煉周期、服藥習(xí)慣等個人生活習(xí)慣，經(jīng)過AI技術(shù)進(jìn)行數(shù)據(jù)處理，對疾病整體狀態(tài)給予評估，并建議個性化健康管理方案，幫助病人規(guī)劃日常健康安排，監(jiān)控睡眠，提供藥物和測試提醒，甚至可以反向推導(dǎo)出病人不依從建議的心理根源。該AI系統(tǒng)以一種全自動化方式幫助慢病患者改變不良習(xí)慣，養(yǎng)成更健康的生活方式，能夠無縫融入病人的生活中，其AI系統(tǒng)能夠與可穿戴設(shè)備、智能手機(jī)、電子病歷等進(jìn)行功能整合。
Molly 是Sense.ly 推出的一款“虛擬護(hù)士”，能幫助患者更好地接受治療。AI系統(tǒng)能以機(jī)器學(xué)習(xí)方式不斷更新慢病患者的情況，并給出個性化護(hù)理建議。此外，還有一些輔助用藥管理的AI應(yīng)用，如AiCure能夠通過智能手機(jī)攝像頭及人工智能技術(shù)確認(rèn)病人的服藥依從性。
5、康復(fù)醫(yī)療
最近，《新英格蘭醫(yī)學(xué)雜志》報道了全球首例接受“皮質(zhì)電圖機(jī) ”Electrocorticograph(ECoG)治療的患者。該患者為一名58歲女性，這種設(shè)備被植入到患者大腦組織里，可以捕獲到想象肢體運動而觸發(fā)的微弱生物脈沖電信號，然后經(jīng)過放大后，再傳輸?shù)街糜谛厍暗牧硪粋€微型可穿戴設(shè)備上。經(jīng)過反復(fù)訓(xùn)練，患者用僅存的眼球肌肉運動來傳遞“大腦—微機(jī)”指令，以恢復(fù)她所失去的四肢運動功能。該智能化設(shè)備還具有學(xué)習(xí)功能，不斷完善自我。直到患者能夠完全把控調(diào)節(jié)室溫、開關(guān)電視等等簡單、卻是必需的家庭生活剛需。
科學(xué)家們第一實現(xiàn)了意念感知機(jī)器人手臂，利用植入大腦的特殊芯片，讓患者的意念通過智能機(jī)器人手臂感覺周圍環(huán)境，并且反饋觸摸感再鏈接回到大腦意識中來。
《科學(xué)：轉(zhuǎn)化醫(yī)學(xué)》刊登了美國匹茲堡大學(xué)的首次意念感知智能機(jī)器人人體臨床試驗。人工智能研究的核心問題是讓機(jī)器人手臂有感觸覺，并且試驗者可以意念控制或接受反饋感覺。在試驗測試中，研究人員將試驗者眼睛蒙上，然后通過各種方式來觸摸智能機(jī)器人手臂，試驗者不僅感觸到，而且還能判斷出絕大多數(shù)的測試(成功率84%)。
6、互聯(lián)網(wǎng)+醫(yī)療
一家硅谷創(chuàng)業(yè)公司希望將人工智能帶入醫(yī)療咨詢行業(yè)，用智能聊天機(jī)器人來為用戶提供醫(yī)療健康的專業(yè)咨詢。
如果覺得身體有些不適，是選擇去醫(yī)院看病，還是有更簡便方法?人工智能健康咨詢系統(tǒng)能夠?qū)崿F(xiàn)這一點。
英國Babylon Health公司開發(fā)的在線就診AI系統(tǒng)，能夠基于用戶既往病史與用戶和在線AI系統(tǒng)對話時所列舉的癥狀，給出初步診斷結(jié)果和具體應(yīng)對措施。
此外，該AI系統(tǒng)還能提醒用戶定時服藥，并實時監(jiān)測用戶的身體狀況。這樣的解決方法能將病人就診時間縮短數(shù)倍，實現(xiàn)醫(yī)患資源的合理配置。該AI系統(tǒng)的核心技術(shù)是自然語言處理和深度學(xué)習(xí)，前者用于識別患者語音癥狀描述，基于疾病數(shù)據(jù)庫、患者體征數(shù)據(jù)庫和外部環(huán)境數(shù)據(jù)庫的海量數(shù)據(jù)分析，利用深度學(xué)習(xí)技術(shù)，提供醫(yī)療護(hù)理建議、預(yù)測疾病發(fā)生的類型、概率和程度，該公司獲得了Google的DeepMind的投資。
7、便攜設(shè)備
AI技術(shù)與這些應(yīng)用相結(jié)合，能夠提供個性化的實時健康預(yù)警反饋與建議，監(jiān)控個體行為，實現(xiàn)健康管理的目標(biāo)。
目前，可穿戴設(shè)備和移動醫(yī)療設(shè)備大多只能檢測脈搏和血壓等簡單生命指標(biāo)，被動地提醒患者何時吃藥，但無法主動監(jiān)測和記錄患者行為、環(huán)境和風(fēng)險因素，并給出預(yù)防措施和建議。
Butterfly正在研發(fā)一款可嵌入手機(jī)或平板電腦中、價格低廉的超聲波掃描設(shè)備——電容性微型機(jī)器制作的超聲波換能器(CMUTs)。將該設(shè)備貼在胸、腹部，即可對內(nèi)臟進(jìn)行超聲波掃描成像，然后利用人工智能技術(shù)進(jìn)一步識別心臟驟停、異位妊娠等可能突發(fā)情況。
Cyrcadia 公司發(fā)明了一款可以檢測乳腺癌的智能內(nèi)衣，這款內(nèi)衣內(nèi)置溫度傳感器，可長期監(jiān)測溫度變化，且傳輸給計算機(jī)數(shù)據(jù)平臺，識別是否有癌變的可能。目前，該設(shè)備正在等待美國FDA上市審批。
谷歌公司正在開發(fā)一款智能隱形眼鏡，通過淚液測量攜帶者的血糖水平。將可穿戴設(shè)備和人工智能結(jié)合的公司如雨后春筍，或許未來將會有一批人工智能的醫(yī)療設(shè)備或配件，像現(xiàn)在的電子血壓計一樣普及到我們每個人的家庭中來。未來的個人健康和疾病管理與人工智能技術(shù)應(yīng)用必然密不可分!
8、醫(yī)院管理
在醫(yī)院里，人工智能技術(shù)可用于優(yōu)化醫(yī)療服務(wù)流程和資源配置，通過數(shù)據(jù)分析提高醫(yī)護(hù)效率和質(zhì)量，降低醫(yī)療成本。
例如，醫(yī)療實時分析平臺Analytics MD通過機(jī)器學(xué)習(xí)和數(shù)據(jù)分析，能夠協(xié)助醫(yī)院管理人員進(jìn)行有數(shù)據(jù)支撐的管理決策，利用實時分析平臺saas得出輔助性意見。
在沃爾特里德醫(yī)學(xué)中心，退伍軍人事務(wù)部使用人工智能系統(tǒng)進(jìn)行疾病并發(fā)癥的預(yù)測，提高了嚴(yán)重戰(zhàn)傷治療效果，同時也降低了醫(yī)療成本。Zephyr Health能夠評估藥物或產(chǎn)品在某個地區(qū)的受歡迎程度，醫(yī)院和保險公司據(jù)此預(yù)測分析藥物銷售情況。
愛因斯坦II人力資源解決方案主要用于靈活調(diào)度關(guān)于人口普查、員工可用性和歷史數(shù)據(jù)，提高現(xiàn)有勞動力資源效率。它采用云計算方案，不需要購買額外硬件和服務(wù)器空間，數(shù)據(jù)實時更新，能夠了解到所有醫(yī)院員工的工作狀態(tài)，整個系統(tǒng)以醫(yī)院調(diào)度規(guī)則為基礎(chǔ)，同時也考慮到臨時調(diào)度需要。因此，能夠確保大多數(shù)情況下人員調(diào)配的合理性。此外，愛因斯坦II系統(tǒng)還能作為分析工具，利用其擁有的人工智能引擎，從既往行動中提取有效的“行動”和“模式”，從而決策當(dāng)前和未來的選擇。此外，醫(yī)療票據(jù)隱藏著大量就診信息。在荷蘭，97% 的醫(yī)療票據(jù)可以被輕松檢索出來， Zorgprisma Publiek公司使用IBM Watson 云端服務(wù)分析票據(jù)信息，指出醫(yī)生是否因為在診斷特定疾病時總是采用某種藥物療法而導(dǎo)致療效不佳。
其次，應(yīng)用AI系統(tǒng)可進(jìn)行并發(fā)癥預(yù)測和預(yù)防性治療。
約翰霍普金斯大學(xué)、維也納醫(yī)科大學(xué)的實踐驗證了效果。在維也納醫(yī)科大學(xué)，人工智能監(jiān)測院內(nèi)感染項目由一系列數(shù)據(jù)流模型評估來完成，主要監(jiān)測醫(yī)院內(nèi)獲得性感染(NIs)的細(xì)菌衍生與傳播情況。醫(yī)院或院內(nèi)獲得性感染是住院患者常見并發(fā)癥。而醫(yī)院病人健康檔案的電子化允許機(jī)器人自動識別和監(jiān)控NIs狀況。根據(jù)歐洲監(jiān)控系統(tǒng)標(biāo)準(zhǔn)開發(fā)了一個基于模糊知識系統(tǒng)Moni，用于識別和監(jiān)控重癥監(jiān)護(hù)病房NIs的實時變化，包括利用醫(yī)學(xué)知識包(MKPs)來確認(rèn)和監(jiān)測血液中各種感染，比如肺炎、尿路感染以及中心靜脈導(dǎo)管相關(guān)的感染病例。
另外，人工智能技術(shù)能夠應(yīng)用于確定病人的隨訪計劃、決定是否暫停或執(zhí)行下一個檢查，以減少病人的創(chuàng)傷、輻射量和醫(yī)療費用等。
9、精準(zhǔn)醫(yī)療
機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在醫(yī)療健康大數(shù)據(jù)分析與應(yīng)用領(lǐng)域具有巨大潛力。對電子健康檔案數(shù)據(jù)的分析將在精確醫(yī)學(xué)和癌癥研究中發(fā)揮重要作用。
人工智能支持生物信息技術(shù)在組學(xué)數(shù)據(jù)(基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等)研究中的風(fēng)險評估，例如，全基因組關(guān)聯(lián)分析和基因測序。有望將個性化醫(yī)療和精準(zhǔn)醫(yī)療概念帶入現(xiàn)實。該內(nèi)容在此就不展開贅述了，明年的第八屆中美臨床與轉(zhuǎn)化醫(yī)學(xué)國際論壇上，我們將詳細(xì)交流和探討。
10、生物醫(yī)學(xué)研究
人工智能系統(tǒng)能夠協(xié)助科學(xué)家閱讀文獻(xiàn)、查詢專利、提高理論和以往觀察結(jié)果的擬合度、形成可驗證的假設(shè)、利用AI系統(tǒng)和模擬技術(shù)進(jìn)行實驗研究、開發(fā)新的設(shè)備和軟件。
例如，2015年，《PLOS計算生物學(xué)》雜志報道，美國塔夫斯大學(xué)研究者利用AI技術(shù)破解了對困擾科學(xué)界120年之久的難題——研究渦蟲被切開后如何再生為新個體。AI技術(shù)第一次不需要人類的幫助，獨立發(fā)現(xiàn)了一個新的科學(xué)理論。這表明在生物醫(yī)學(xué)研究中，人工智能不僅對實驗中產(chǎn)生的大數(shù)據(jù)進(jìn)行挖掘，也能分析復(fù)雜數(shù)據(jù)背后的原理。
人類思維模式趨向于快思維(fast thinking)捷徑，能夠從少數(shù)樣本、數(shù)據(jù)和碎片化信息中迅速得出普遍性結(jié)論的本能。但這種天賦并不適用于癌癥和阿爾茲海默癥等復(fù)雜疾病現(xiàn)象。深度學(xué)習(xí)則擅長識別潛在的模式和細(xì)節(jié)之間的聯(lián)系。例如，基因型和表現(xiàn)型之間的聯(lián)系是一個復(fù)雜的問題，若要挖掘兩者之間的關(guān)聯(lián)，需要建立能夠處理生物學(xué)內(nèi)生的復(fù)雜因果關(guān)系的運算模型。生物醫(yī)學(xué)領(lǐng)域?qū)ι疃葘W(xué)習(xí)在基因組關(guān)聯(lián)分析中的應(yīng)有抱有厚望。如科研人員正在研究基因協(xié)同致死作用(synthetic lethality)，這方面的研究也是癌癥靶向治療的關(guān)鍵。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。