人工智能在生物醫(yī)療領(lǐng)域的應(yīng)用和機遇

聶金福

人工智能（AI），可謂火爆至極，2017年短短的三個月就有三十多家公司獲得了融資。每天我們都能聽到AI在嶄新領(lǐng)域的應(yīng)用和突破。下面我們就人工智能在生物醫(yī)療領(lǐng)域近期的進展做一個簡單的介紹，然后重點就人工智能在國內(nèi)醫(yī)療領(lǐng)域的應(yīng)用提出一些自己的看法。

人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并試圖生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。1956年，John McCarthy（斯坦福AI實驗室主任，圖靈獎得主，AI之父）組織AI達特茅斯暑期研究項目研討會，第一次使用Artificial Intelligence，被認為是人工智能的正式誕生。AI經(jīng)歷了從上個世紀(jì)六七十年代的火熱、七八十年代寒冬到近幾年的爆發(fā)式增長。AI的重新興起，主要得益于以下幾個方面的重大進展：1.硬件成本降低，性能更加可靠，感知和聲像技術(shù)的發(fā)展使得機器人制造更容易。2.互聯(lián)網(wǎng)的發(fā)展使得搜集大量數(shù)據(jù)成為可能，同時也為深度學(xué)習(xí)提供了有力的條件。3.計算能力、儲存能力、處理數(shù)據(jù)的能力大大提高。

AI在生物醫(yī)療領(lǐng)域的應(yīng)用現(xiàn)狀

近幾年，AI在醫(yī)療領(lǐng)域的應(yīng)用達到了前所未有的高度和規(guī)模。許多人正在急切地希望，AI能代替醫(yī)生，例如診斷某些疾病或作出人類大腦本身無法做到的一些高智能的運算—基于大數(shù)據(jù)來選擇最佳的治療方案和預(yù)后預(yù)測等。AI在醫(yī)療領(lǐng)域的應(yīng)用大體可以分為以下四個方面：第一，醫(yī)療機器人；第二，醫(yī)療影像；第三，臨床輔助診斷和治療方案的選擇；第四，藥物研發(fā)。

1.醫(yī)療機器人

傳統(tǒng)意義上機器人主要是指具備傳感器、智能控制系統(tǒng)、驅(qū)動系統(tǒng)等要素的機械。然而，隨著人工智能的發(fā)展，醫(yī)用機器人即使沒有驅(qū)動系統(tǒng)，也能通過獨立的智能控制系統(tǒng)進行手術(shù)操作。例如，人工智能裝備的人造肌肉機器人，能夠?qū)崿F(xiàn)和真實的肌肉非常相近的功能。再如，目前，在前列腺癌高發(fā)的美國及歐洲大部分國家，機器人輔助前列腺癌根治術(shù)幾乎已經(jīng)取代了具有局限性的傳統(tǒng)治療前列腺癌的標(biāo)準(zhǔn)手術(shù)。其中，被使用最廣泛的是美國機器人手術(shù)系統(tǒng)—達芬奇手術(shù)機器人。它為遠程醫(yī)療提供了可能。借助高速而穩(wěn)定的互聯(lián)網(wǎng)，醫(yī)生可以通過屏幕實時了解病人的狀況，運用機械臂在千里之外完成手術(shù)。

2.圖像識別

在過去十幾年里，基于機器學(xué)習(xí)的對人體解剖結(jié)構(gòu)的自動檢測在醫(yī)學(xué)成像領(lǐng)域得到了廣泛的應(yīng)用。CT和MRI機器能夠從預(yù)掃圖中自動找到各種解剖結(jié)構(gòu)，然后非常精準(zhǔn)地對目標(biāo)結(jié)構(gòu)（比如說大腦）進行成像，同時減少對相鄰敏感器官的不必要的傷害。這一類的工具可以大大提高成像的質(zhì)量，并幫助放射科醫(yī)生更快更好地處理分析圖像和撰寫報告。另外病理切片的AI分析診斷系統(tǒng)也開始出現(xiàn)。由于圖像識別和深度學(xué)習(xí)算法的突破，醫(yī)學(xué)影像識別的精確度實現(xiàn)了跳躍性的增長。

谷歌和Verily的科學(xué)家們做了一個嘗試。他們將單張病理切片的圖像分割成數(shù)以萬計的128×128像素的小區(qū)域，每個小區(qū)域內(nèi)可能含有數(shù)個腫瘤細胞。隨后，他們提供了許多腫瘤組織與正常組織的病理切片供人工智能學(xué)習(xí)。最終，這個人工智能掌握了一項像素級的技巧—它能分辨出單個小區(qū)域內(nèi)被標(biāo)注為“腫瘤”的像素，從而將整個小區(qū)域標(biāo)注為“腫瘤區(qū)”。這樣就可以有效地將腫瘤組織與健康組織區(qū)分開來。學(xué)習(xí)完畢后，科學(xué)家們邀請了一位病理學(xué)家，并讓他與人工智能進行一場比賽。這名病理學(xué)家花了整整30個小時，仔細分析了130張切片，并給出了他的診斷結(jié)果。在隨后基于靈敏度（找到了多少正確的腫瘤）和假陽性（將多少正常組織診斷為腫瘤）的評分中，這名病理學(xué)家的準(zhǔn)確率為73.3%，而人工智能交出的答卷是88.5%！

3.疾病輔助診斷

近五年，隨著深度學(xué)習(xí)算法的逐漸普及，通過建立深度學(xué)習(xí)神經(jīng)元數(shù)學(xué)模型，從海量醫(yī)療影像診斷數(shù)據(jù)中挖掘規(guī)律，學(xué)習(xí)和模仿醫(yī)生的診斷技術(shù)，使人工智能的疾病診斷技術(shù)達到了前所未有的精度，開始成為發(fā)達國家醫(yī)院不可缺少的醫(yī)療組件。IBM的沃森認知健康系統(tǒng)中的Watson for Oncology是一個以人工智能疾病診斷成功的案例沃森醫(yī)生，實際上是一個以人工智能為基礎(chǔ)的認知計算平臺，由IBM公司開發(fā)，并與美國腫瘤治療領(lǐng)域的權(quán)威醫(yī)院—紀(jì)念斯隆凱特琳癌癥中心共同訓(xùn)練出來，是目前世界上癌癥治療領(lǐng)域最先進的機器人。它可以在數(shù)秒鐘內(nèi)閱讀患者的文字、影像、病歷資料，檢索上百萬已發(fā)表的科學(xué)文獻及上千萬頁的腫瘤治療指南等相關(guān)資料，從中提煉總結(jié)出適合癌癥患者的精準(zhǔn)診斷和治療方案。更重要的是同時給出制定治療方案的依據(jù)。我們知道腫瘤等專科疾病的診斷難度很高，要求?？漆t(yī)生要花費大量的時間精力，通過閱讀大量文獻，追蹤學(xué)習(xí)國際上最先進的腫瘤治療經(jīng)驗。沃森醫(yī)生的認知計算功能，能夠讓腫瘤的診療更加標(biāo)準(zhǔn)化和規(guī)范化。我國目前在?？埔?guī)范診療方面的水平參差不齊。同一個患者，可能在不同的醫(yī)院得到不同的診斷結(jié)果；甚至在同一個醫(yī)院的不同大夫，給出的診療方案也不盡相同。出現(xiàn)這樣的情況，也是因為?？频膶I(yè)知識更新快，涵蓋面廣，診療復(fù)雜程度高，與其他普通臨床學(xué)科相比，?？漆t(yī)生需要更加及時地跟進和獲取大量的循證醫(yī)學(xué)證據(jù)，以支持患者的個性化治療方案。

4.藥物開發(fā)

開發(fā)一種有效的藥物是一個非常艱難的過程。傳統(tǒng)的科學(xué)方法是—科學(xué)家首先想出一種假設(shè)，比如說一種特定的異常蛋白質(zhì)是造成某種類型的癌癥的原因，然后制藥公司測試這個假設(shè)，從數(shù)十萬種化合物中篩選其中可能和蛋白質(zhì)發(fā)生化學(xué)反應(yīng)的化合物，成為潛在的抗癌藥，這些潛在的抗癌藥還要經(jīng)過多輪的篩選及漫長的三期臨床試驗。即使能夠進入臨床試驗，最后能夠通過FDA批準(zhǔn)的也不到百分之一。制藥公司完成研發(fā)和生產(chǎn)一種新藥的費用可高達26億美元，時間長達12到14年。很多制藥公司，如位于美國波士頓的Berg公司，嘗試采用人工智能的方法設(shè)計新藥。他們收集數(shù)量龐大的生物樣本，例如癌癥患者的血液、尿液、腫瘤和健康組織樣本，同時收集患者的詳細臨床表型，然后他們對樣本的基因、蛋白質(zhì)、代謝物和脂肪進行測試。將測試結(jié)果及患者的臨床表現(xiàn)一起輸入人工智能系統(tǒng)，系統(tǒng)將從這些以十萬億為單位的數(shù)據(jù)節(jié)點上找出造成疾病和健康組織差異的分子。這樣改變或者替代這些分子就成為新藥研發(fā)的依據(jù)。用這種方法，Berg只需要9～12個月就能研制出一款新藥。臨床二期的新藥BPM31510聯(lián)合gemcitabine治療胰腺癌就是成功的例子。

國內(nèi)AI在醫(yī)療領(lǐng)域應(yīng)用的機遇和挑戰(zhàn)

AI的兩個要素是技術(shù)（算法）和數(shù)據(jù)。我國人工智能的技術(shù)并不落后，應(yīng)該說遠遠走到了應(yīng)用的前頭。再加之國際上多數(shù)的人工智能算法都是開源軟件，一個新的算法出來很快就會轉(zhuǎn)化為可以方便調(diào)用的模塊。即使入門級AI工作者也能夠使用，所以說AI技術(shù)本身并不是瓶頸。那么數(shù)據(jù)呢？AI領(lǐng)域有句老話“只要有足夠的數(shù)據(jù)，任何問題都可以解決”。這句話未必全對，但它從一個側(cè)面說明了數(shù)據(jù)的在AI應(yīng)用中的重要性。在醫(yī)療的AI研究領(lǐng)域，長期以來的一個困難是缺乏高質(zhì)量干凈的有臨床標(biāo)注的數(shù)據(jù)。這個情況正在改變。美國的政府機構(gòu)如食品和藥物管理局（FDA）、國家健康研究所（NIH）、大型醫(yī)院、非營利組織、醫(yī)療IT和技術(shù)公司都開始將許多高質(zhì)量的數(shù)據(jù)開放。這些數(shù)據(jù)會大大地促進AI在醫(yī)療健康領(lǐng)域的全面應(yīng)用。比如基因檢測公司Foundation Medicine和測序儀主要生產(chǎn)廠家Illumina開放了上萬名腫瘤患者的基因數(shù)據(jù)與臨床表征資料。這些數(shù)據(jù)對人工智能在腫瘤精準(zhǔn)醫(yī)療方面的應(yīng)用有很大的幫助。值得一提的是我國的患者資源非常豐富，但是高質(zhì)量的、干凈的、有完整的臨床表型標(biāo)注的資源并不多?？上驳氖?，各地已經(jīng)意識到了這個問題，開始建造各種高質(zhì)量的生物樣本庫，增加電子病歷的整合和臨床表現(xiàn)標(biāo)注，希望這種狀況能夠很快有所改變。開放的數(shù)據(jù)加上開源的算法使得AI商業(yè)公司的壁壘（entry barrier）變得越來越低。有了技術(shù)和數(shù)據(jù)我們再來看AI在國內(nèi)的應(yīng)用前景。

先看AI在影像中的應(yīng)用，影像AI可分為儀器影像的分析及病理切片的分析與診斷。在儀器影像方面如X光、CT、MRI、超聲等，現(xiàn)有影像的深度分析有很多機會。而對于對病理切片，可以按照不同的病種開發(fā)相對應(yīng)的診斷系統(tǒng)。我們知道人類有3萬多種疾病，每一種疾病的AI分析軟件都可以變成一種成熟的產(chǎn)品，可以說商機無限。如用手機加上人工智能，可以鑒別診斷皮膚癌，其準(zhǔn)確度超過了一般的病理醫(yī)生。

相對于AI在影像方面的應(yīng)用，AI在醫(yī)療診斷方面的應(yīng)用在國內(nèi)剛剛起步。AI可以滿足高端和低端兩個方向：高端是指為三甲醫(yī)院的?？铺峁┓?wù)，如IBM Watson for Oncology 就是一個很好的例子。值得一提的是IBM Watson并不一定完全適合中國的國情，它是按照西方的病例訓(xùn)練出來的。如治療方案多提供昂貴的靶向藥物，而在中國可能化療和放療更容易被病人接受。另外同樣的檢查結(jié)果，如某些基因突變亞洲人和歐美人有不同的表型，所以我們還需要開發(fā)自己的腫瘤及其它?？撇〉腁I系統(tǒng)。AI醫(yī)療診斷的另外一個方面是針對基層全科醫(yī)生的低端診斷系統(tǒng)，與?？圃\療系統(tǒng)不同，全科醫(yī)生的診斷系統(tǒng)更注重常見病的診斷治療，標(biāo)準(zhǔn)臨床路徑的執(zhí)行等。中國的醫(yī)療資源缺乏，尤其是優(yōu)質(zhì)醫(yī)療資源嚴(yán)重不足，并且集中在少數(shù)三甲醫(yī)院，基層和社區(qū)的醫(yī)療水平和效率都亟待提高。在大力加強專業(yè)醫(yī)療人才的培養(yǎng)的同時，我們必須尋找創(chuàng)新的解決辦法。通過人工智能把有經(jīng)驗的醫(yī)生的知識汲取出來，做出一個智能全科醫(yī)生系統(tǒng)幫助基層醫(yī)生提升診療質(zhì)量和效率。因此，智能全科醫(yī)生系統(tǒng)是一個具有巨大社會價值和商業(yè)價值的目標(biāo)。

需要強調(diào)的是，人工智能并不一定要解決高大上的問題。如開發(fā)一個產(chǎn)品利用NLP技術(shù)對現(xiàn)有病歷中非結(jié)構(gòu)化的醫(yī)囑進行處理，使其成為診斷的輔助依據(jù)就有很好的應(yīng)用價值。在智能機器人方面，隨著3D打印技術(shù)的普及，可穿戴設(shè)備發(fā)展迅速，如慢性疾病管理機器人等，許多可穿戴設(shè)備/機械人都需要配置相應(yīng)的智慧系統(tǒng)，AI大有用武之地。我國AI醫(yī)療應(yīng)用最大的挑戰(zhàn)可能還是來自醫(yī)生，如?？漆t(yī)生是否有時間并愿意用這個系統(tǒng)；基層醫(yī)生會不會使用這個智能系統(tǒng)，能不能提供智能系統(tǒng)所需要的輸入信息，能不能理解智能系統(tǒng)給出的治療方案和建議等。要解決這些問題，首先AI的開發(fā)要由醫(yī)生主導(dǎo)，從臨床中來到臨床中去，這樣的產(chǎn)品才可能被醫(yī)生接受。同時智能設(shè)備的可使用性，也會對應(yīng)用產(chǎn)生很大的影響。如AI系統(tǒng)采用聊天機器人的交流方式，可能會對系統(tǒng)的推廣起到一定的促進作用。