朱何靜 馮圓圓

關鍵詞：人工智能;生物醫(yī)療;發(fā)展應用;前景;

1引言

生物醫(yī)療是與工程技術密切相關的學科，它是將工程學的方法應用到醫(yī)學領域以提高醫(yī)療水平，使患者得到更好的治療。隨著社會進步和人們健康意識的增強，迫切需要提升醫(yī)療技術及水平。然而現(xiàn)實卻存在醫(yī)療資源不充分和不平衡眭、新的藥物研發(fā)周期漫長以及醫(yī)務人員缺乏等問題。

人工智能（AI）是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。從其誕生至現(xiàn)在，經(jīng)無數(shù)多研究人員的努力，不僅成就了MphaGo，而且其在很多領域都有讓人驚奇的表現(xiàn)，其強大的智能也為生物醫(yī)療提供了新的生機和可能。如在新藥研發(fā)、輔助疾病診斷、醫(yī)學影像、輔助治療、健康管理、臨床決策支持等領域，都有實操案例。本文將重點介紹AI在生物醫(yī)療的三種應用：即AI與新藥研發(fā)、AI與輔助疾病診斷以及AI與精準治療，并對其發(fā)展趨勢和前景進行了相關思考。

2人工智能在生物醫(yī)療中的應用實例

2.1AI與新藥研發(fā)

新藥研發(fā)的痛點是周期長、費用高和成功率低等特點，結合AI技術的藥物研發(fā)將在提高效率和降低成本方面大顯身手。AI研發(fā)新藥是指通過AI的深度學習技術，結合大數(shù)據(jù)分析等手段，在眾多的化合物中準確、快速挖掘和篩選合適的化合物，用于新藥的研究，這樣就使新藥的研發(fā)成本降低、研發(fā)周期大為縮短，較大程度地提高了新藥研發(fā)的成功率。

以Berg Health公司為例說明AI在新藥研發(fā)中的應用。Berg Health是一家數(shù)據(jù)驅(qū)動型生物研究公司，其特色是使用大數(shù)據(jù)創(chuàng)建新模式進行前沿領域的藥物研發(fā)。與傳統(tǒng)的依靠生物假設不同，這種模式是依靠生物數(shù)據(jù)提供可操作的方法，研究疾病發(fā)生時新陳代謝的變化機制，其在代謝性疾病、神經(jīng)系統(tǒng)疾病方面積累了豐厚的經(jīng)驗。在藥物研發(fā)平臺，如何創(chuàng)建病人“圖譜”，是一個關鍵難題。該公司平臺將AI、大數(shù)據(jù)分析、基因組學、蛋白組學和代謝組學以及生物模型元素結合的方式，挖掘有用數(shù)據(jù)進而推進藥物的研發(fā)效率。

在極為關注的藥物活性、安全性和毒副作用方面，AI可以通過計算機模擬進行預測。目前，AI借助深度學習，不僅在抗腫瘤藥、心血管藥和常見傳染病治療藥等領域取得了新進展和突破。

2.2 AI與輔助疾病診斷

臨床上進行高質(zhì)量的疾病病理診斷是有效治療的重要前提。然而當前的狀況是，常規(guī)的病例診斷需要投入大量的人力成本，即使這樣，質(zhì)量保障也難盡人意。而基于AI開發(fā)的病理診斷，主要是通過計算機不斷“學習”醫(yī)生專家的醫(yī)療知識、經(jīng)驗，并進一步模擬醫(yī)生對病理的思維認識、診斷過程推理模式，達到智能輔助診療的目的，這類方法可大大提供診療的精確性。

IBMWatson是目前全球醫(yī)療領域最先進的AI工具。臨床醫(yī)生在Watson輸入患者的關鍵指標，僅需幾十秒，Watson就可以在龐大的數(shù)據(jù)系統(tǒng)中，對比超過幾百種醫(yī)學專業(yè)期刊、腫瘤專著，以及成千上萬的論文研究檔案，快速匹配最佳治療方案。該系統(tǒng)的實質(zhì)是將自然語言處理、認知技術、自動推理、機器學習、信息檢索等技術進行深度融合，并能夠給予假設認知和大規(guī)模的證據(jù)搜集、分析和評價。2012年Watson通過了美國職業(yè)醫(yī)師資格考試，為美國多家醫(yī)院提供輔助診療服務。目前Watson能夠提供包括乳腺癌、肺癌、結腸癌、前列腺癌、卵巢癌等多種癌癥的診斷服務。

在其他方面，也有類似AI為人類診斷的事例。美國研究人員編制的AI軟件能夠?qū)⒉∪说膱D像結果直觀地翻譯成診斷信息，速度快，準確率高，能夠準確解讀乳腺x線影像結果，幫助醫(yī)生快速準確預測乳腺癌風險，該項成果發(fā)表在國際學術期刊Cancer上。

由上所述，AI疾病診斷上的應用，主要還是依賴于其對大數(shù)據(jù)的分析與處理，這也是它能夠在科學家們眾多探索嘗試中脫穎而出的原因所在。

3人工智能應用于生物醫(yī)療的發(fā)展前景

目前已有不少科研團隊在這方面有了一些成果：韓國高科技科學院等機構的科學家們通過深度學習開發(fā)出一項技術，能以超過84%的準確度識別未來三年可能發(fā)展成為阿茲海默病的潛在病人;斯坦福大學聯(lián)合研究團隊開發(fā)出了皮膚癌診斷準確率媲美人類醫(yī)生的AI，其診斷準確率在91%以上;我國第三軍軍醫(yī)大學研發(fā)的一項技術，可以在30s內(nèi)檢測出ABO血型和Rh血型，僅用一滴血在2min內(nèi)完成包括罕見血型在內(nèi)的正向和反向同時定型，同時團隊還設計出一套智能算法，能夠根據(jù)試紙的顏色變化讀出血型，定型準確率超過99.9%……這些科研成果，無一不是展示了AI應用于生命科學的宏遠前景。盡管AI已經(jīng)能夠解決很多醫(yī)學上的難題，但是實施的時候依然會面臨很多問題。

（1）如何獲得高質(zhì)量的數(shù)據(jù)。目前，AI獲得的數(shù)據(jù)樣本的數(shù)量有一定的限度，其數(shù)量和質(zhì)量應該如何進行合理分選，以保證機器學習這些數(shù)據(jù)的有效性，這直接關系到機器學習的效果，如何獲取高質(zhì)量的臨床數(shù)據(jù)，更有利于AI在在醫(yī)療行也的應用是一個重要的前提。

（2）如何更大限度的保護病人的個人隱私。從一開始建立病人的檔案、制定病人的醫(yī)療和保健計劃時，就要考慮病人的隱私，在后續(xù)的各種環(huán)節(jié)，如文件儲存、文件傳輸、文件訪問和開放研討時，按照何種方式進行更為有效的保密處理，既能保護病人隱私，又不影響數(shù)據(jù)的應用和模型的開發(fā)，這是目前智能醫(yī)療在建庫之初就必須考慮的問題。

即便面臨諸多挑戰(zhàn)，但AI發(fā)展的趨勢已經(jīng)勢不可擋，“路漫漫其修遠兮，吾將上下而求索”。隨著AI、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、可穿戴式設備等創(chuàng)新技術的發(fā)展，國家對A1愈加重視的情況下，醫(yī)療健康全流程管理的各個環(huán)節(jié)將會越來越智能化，相應的新藥研發(fā)、精準醫(yī)療等將會越來越有針對眭，再伴隨著醫(yī)療機器人的發(fā)展，相信在未來的醫(yī)療愿景里，許多基礎性服務將能由AI來完成，醫(yī)生將能夠有更多的時間與精力來做好患者的服務、溝通和從事創(chuàng)造性的醫(yī)療工作。國外的智能醫(yī)療產(chǎn)業(yè)有了較為蓬勃的發(fā)展，我國的AI與醫(yī)療應用的結合尚處于起步階段，雖然現(xiàn)在已有多家智能醫(yī)療創(chuàng)業(yè)公司，但是在數(shù)據(jù)庫的建設和開發(fā)、算法以及通用技術等方面還要加強投資力度和研發(fā)強度，使AI在生物醫(yī)療的領域不僅有堅實的技術基礎，還要有更為寬闊的應用領域。