人工智能描繪未來醫(yī)學(xué)藍圖

利用人工智能探索生命科技“無人區(qū)”，是當(dāng)前人工智能醫(yī)學(xué)的一大熱點。在我國，醫(yī)學(xué)人工智能已經(jīng)活躍在醫(yī)學(xué)影像診斷、新藥研發(fā)、疾病風(fēng)險預(yù)測、輔助醫(yī)學(xué)研究平臺等多個領(lǐng)域。

基于大數(shù)據(jù)、云計算、神經(jīng)網(wǎng)絡(luò)和樹搜索，擁有深度學(xué)習(xí)功能的人工智能，和上世紀60年代圖靈早提出的人工智能概念相比，已擁有了強大的全新內(nèi)涵。它們彌補了人類的能力短板，成為醫(yī)生的得力助手，為我們描繪出一幅激動人心的未來醫(yī)學(xué)藍圖。

推動我國新藥原始創(chuàng)新

■陳凱先 (中國科學(xué)院院士、中國科學(xué)院上海藥物研究所研究員)

目前，藥物開發(fā)中熱門的新領(lǐng)域之一是使用人工智能(AI)驅(qū)動模型。許多人認為，在未來三到五年內(nèi)，AI會被應(yīng)用到整個醫(yī)藥行業(yè)。這意味著沒有經(jīng)過各種AI驅(qū)動模型(包括預(yù)測動物毒性、人體毒性及PK指數(shù)等)研究的候選藥物，將無法進入臨床試驗。

人工智能結(jié)合大數(shù)據(jù)的藥物設(shè)計，將成為創(chuàng)新藥物研發(fā)和醫(yī)療的重要發(fā)展方向。

傳統(tǒng)制藥的痛點在于，新藥研發(fā)周期長，平均10年；研發(fā)費用高，平均26億美元；成功率低，大約5000種化合物中才有1種進入Ⅱ期臨床。

與此同時，小分子藥物研究還遇到了大數(shù)據(jù)的挑戰(zhàn)?，F(xiàn)在每年大約有超過200萬個化合物被公開發(fā)表，這是非常龐大的數(shù)據(jù)。這些化合物提供了大量的信息，但同時也存在很多缺陷和問題，如體量大、增速快、非結(jié)構(gòu)化等。怎么才能用好這些大數(shù)據(jù)，也成了問題。

人工智能在引領(lǐng)新藥研究上，可以打破這些瓶頸，發(fā)揮以下優(yōu)勢：

預(yù)測新靶標——人工智能通過藥物基因組的研究，可預(yù)測新的藥物靶標。以往的靶標大多數(shù)是體內(nèi)的某種基因或某種蛋白酶，現(xiàn)在可以通過蛋白和蛋白的相互作用(PPI)來發(fā)現(xiàn)藥物靶標。

用小分子抑制劑作用于PPI位點，不僅成為新的藥物設(shè)計策略，還有助于提高藥物的選擇性、減輕。利用人工智能來預(yù)測新的PPI位點，擴充了我們對PPI靶標的認識。目前，基于相互作用蛋白數(shù)據(jù)庫的2萬多樣本，通過建立AI深度學(xué)習(xí)模型來預(yù)測兩個蛋白能否相互作用，準確度已超過90%。

發(fā)現(xiàn)新活性化合物——要從上百萬的化合物中，找出哪一個化合物對靶點有作用，需要進行預(yù)測。傳統(tǒng)的方法是經(jīng)過試驗篩選，再用打分函數(shù)對每種化合物進行打分。人工進行這樣的篩選和打分，要耗費大量的時間。去年，國際上有學(xué)者發(fā)展了基于卷積神經(jīng)網(wǎng)絡(luò)打分函數(shù)，來預(yù)測小分子與蛋白的結(jié)合能力；另有學(xué)者開發(fā)了針對藥物設(shè)計的深度學(xué)習(xí)框架，來進行定量和活性關(guān)系的研究。

設(shè)計優(yōu)化新分子——化合物如果對某種疾病有治療作用，并不等于就能夠成為好的藥物，因為它在體內(nèi)還有一個吸收、分布、代謝、排泄和毒性(ADME/T)的綜合性安全問題。

如何優(yōu)化分子結(jié)構(gòu)，現(xiàn)在有很多新的人工智能方法在應(yīng)用，比如通過生成式模型強化學(xué)習(xí)的方法，讓人工智能自動尋找活性更好的結(jié)構(gòu)，或通過深度神經(jīng)網(wǎng)絡(luò)的方法來進行多種性質(zhì)的預(yù)測。

ADME/T預(yù)測——小分子的活性優(yōu)化完成之后，它在體內(nèi)表現(xiàn)出的綜合ADME/T，決定了藥物研發(fā)的成敗。

中國科學(xué)院上海藥物所蔣華良院士帶領(lǐng)的團隊，構(gòu)建了一個運用人工智能和大數(shù)據(jù)進行藥物設(shè)計的軟件環(huán)境，針對多靶標集群虛擬篩選方法，對藥物的ADME/T進行預(yù)測，效率均優(yōu)于國際同類方法。他們開發(fā)出的具有自主知識產(chǎn)權(quán)的藥物設(shè)計軟件包，打破了國外軟件公司的壟斷。

我國手術(shù)機器人領(lǐng)先國際同類產(chǎn)品

■田偉(北京積水潭醫(yī)院院長)

人工智能進入外科手術(shù)領(lǐng)域，可以很好地彌補醫(yī)生的能力短板，提高手術(shù)精度，完成一些以往無法想象的手術(shù)。

我國目前手術(shù)機器人的創(chuàng)新成果，已領(lǐng)先國際同類產(chǎn)品，在國際上的影響力正逐步提高。

手術(shù)機器人早是上世紀八九十年代出現(xiàn)的，出名的是美國研制的“達芬奇”，它是一個內(nèi)窺鏡手術(shù)器械控制系統(tǒng)，確切地說，它不是一個“機器人”，而只是一個“機器手”。它支持醫(yī)生不斷擴展臨床的手術(shù)種類，但缺陷是只能用于軟組織手術(shù)，而無法用于硬組織。

2000年后，國際上出現(xiàn)了可用于關(guān)節(jié)置換對硬組織進行磨削開槽的機器人“MAKO”，以及可以對腰椎局部進行主動定位固定的手術(shù)機器人“MAZOR”，但使用起來并不方便，適應(yīng)證也比較狹窄。我國在應(yīng)用機器人方面也做了大量的嘗試，但大部分研究都還停留在實驗室階段。

骨科標志性的進步是內(nèi)固定技術(shù)。在北京積水潭醫(yī)院，脊柱的內(nèi)固定手術(shù)目前已做了三萬多例。盡管內(nèi)固定手術(shù)可以使病人的治愈期從過去的至少三個月，縮短到現(xiàn)在的幾周甚至兩三天，但這一手術(shù)也存在一定的危害性，所以，造成的醫(yī)療事故糾紛在國際上風(fēng)險排名第二。而且，脊柱手術(shù)平均并發(fā)癥為16.4%，人工徒手置釘?shù)臏蚀_性僅為68.1%，5年來國際上報告固定不準確的文章達400多篇。為了突破這一瓶頸，過去在手術(shù)技巧研究、操作經(jīng)驗積累、解剖特征分析，以及術(shù)前圖像測量等方面作了很多努力，但都沒有解決問題。

好的辦法就是通過人工智能技術(shù)，來超越人類的能力短板。我的團隊從2012年開始，與北航和中國科學(xué)院一起做手術(shù)機器人研發(fā)，現(xiàn)已做了三代。新研制的“天璣”，是國際上首臺通用型骨科手術(shù)機器人，獲得了國家高等級的Ⅲ類醫(yī)療器械注冊證。其特點是機械臂能通過實時導(dǎo)航，跟隨醫(yī)生的規(guī)劃進行自主運動定位，定位精度高，且適用于長骨、脊柱、股骨頸、骨盆、腕骨等13個部位，各項重要技術(shù)指標均領(lǐng)先國際同類產(chǎn)品。

“天璣”機器人進入骨科手術(shù)，不但降低了手術(shù)風(fēng)險，提高了固定準確率，還帶來了更多的創(chuàng)新術(shù)式，如3D導(dǎo)航頸椎椎弓根內(nèi)固定術(shù)、骨科機器人輔助齒狀突內(nèi)固定術(shù)等。

如果沒有手術(shù)機器人，要完成這些手術(shù)是不可想象的。比如強直性脊柱炎患者，所有關(guān)節(jié)都粘連在一起，但中間出現(xiàn)一個斷裂，形成了神經(jīng)壓迫?；颊咧荒芡ㄟ^椎弓根內(nèi)固定術(shù)才能減輕痛苦，但椎根非常細小，傾斜度又非常大，以往做這樣的手術(shù)，即使切開來也很難實現(xiàn)準確固定。但現(xiàn)在醫(yī)生可以引導(dǎo)機器人，經(jīng)皮就能把螺釘準確地打進去。

國家衛(wèi)計委和工信部對“天璣”機器人的研發(fā)非常支持，牽頭成立了國家骨科手術(shù)機器人應(yīng)用中心，由北京積水潭醫(yī)院為主任委員單位，輻射全國各級醫(yī)院279家，通過教育培訓(xùn)及推廣，推動智能手術(shù)常規(guī)化，讓醫(yī)療資源均質(zhì)化。

但是，“天璣”機器人依然存在不足，因為它沒有骨復(fù)位和矯正能力，沒有多機械手分工操作能力，更不具備自主學(xué)習(xí)能力。未來的功能性機器人將在精細動作控制、進入微小空間、識別和避免誤操作等人類能力短板方面，有進一步的提升；同時通過模式識別和機器學(xué)習(xí)，更準確地進行診斷；依托大數(shù)據(jù)智慧，提供個性化的治療決策，終達成自主完成手術(shù)的目標。

兩秒就能診斷肺部結(jié)節(jié)

■沈湫莎

醫(yī)療數(shù)據(jù)中有90%來自醫(yī)學(xué)影像，我國醫(yī)學(xué)影像數(shù)據(jù)正以40%的增長率逐年上升。

人工智能可以幫助影像科醫(yī)生更高質(zhì)量地讀片、篩查高風(fēng)險病變……

醫(yī)學(xué)影像的解讀需要長時間專業(yè)經(jīng)驗的積累，影像科醫(yī)生的培養(yǎng)周期也相對較長。

相比之下，影像科醫(yī)生的增長速度和工作效率不足以應(yīng)對影像數(shù)據(jù)的增長趨勢，造成當(dāng)前工作中影像醫(yī)師的診斷壓力不斷增加，漏診、誤診情況時有發(fā)生，影像服務(wù)水平參次不齊。在這一情況下，人工智能成了幫助影像科醫(yī)生閱讀醫(yī)學(xué)影像、篩查高風(fēng)險病變的好幫手。

在燒傷診斷方面，過去大面積燒傷的深度主要靠醫(yī)生的肉眼觀察，所以這跟醫(yī)生的經(jīng)驗和主觀判斷息息相關(guān)。如果診斷為三度創(chuàng)面就需要完全把焦痂切除，如果是深二度創(chuàng)面還可以保留一些皮膚組織。臨床中不同年資的醫(yī)生，對燒傷程度的診斷有可能不同，治療方案也會完全兩樣。

去年2月，英國《自然》雜志發(fā)表一項研究：某團隊收集了12萬個皮膚損傷樣本，其中涉及到2000多種皮膚病，交給深度神經(jīng)網(wǎng)絡(luò)識別，這一人工智能可以從中準確判斷出皮膚癌，水平已經(jīng)超過醫(yī)生。

廣州醫(yī)科大學(xué)張康教授團隊與國外聯(lián)合研發(fā)的人工智能診斷系統(tǒng)，采用遷移學(xué)習(xí)策略，只需幾秒鐘便能準確識別視網(wǎng)膜OCT成像中的黃斑變性和糖尿病性視網(wǎng)膜病樣本，準確度達到96.6%，屬于訓(xùn)練有素的眼科醫(yī)生的水平。這種方法也被成功應(yīng)用到了診斷兒童病毒性和細菌性肺炎，準確率在90%以上。未來有望實現(xiàn)快速區(qū)分良性或惡性腫瘤等功能。

2016年下半年，上海長征醫(yī)院著手開展智能影像相關(guān)論證，半年后和兩家人工智能公司簽署了戰(zhàn)略合作協(xié)議，聚焦肺部疾病和眼底疾病的智能影像研發(fā)，相關(guān)產(chǎn)品已在長征醫(yī)院內(nèi)部上線使用，從前需要閱讀10多分鐘的肺部影像圖像，借助人工智能醫(yī)療影像輔助診斷產(chǎn)品，2秒鐘就可以出結(jié)果，并標注出結(jié)節(jié)的位置、大小，其敏感性99%，在小結(jié)節(jié)的識別上明顯超過人類。目前長征醫(yī)院正在上海市課題資助下，與AI公司合作研發(fā)肺結(jié)節(jié)良惡性鑒別系統(tǒng)，初步結(jié)果顯示良惡性分辨率達到80%以上，有望持續(xù)獲得突破。