當(dāng)醫(yī)藥行業(yè)遇上人工智能，AI 是否能為特效藥“降降溫”

來源：湖北國菱編輯部 時間：2018-07-13

近期，《自然》上發(fā)表了一項研究成果——由全國多家科研機構(gòu)白血病科學(xué)家組成的研究小組使用血液檢測和機器學(xué)習(xí)，以達到預(yù)測健康個體是否有患急性骨髓性白血?。ˋML）的風(fēng)險。

這意味著我們今后對AML的出現(xiàn)有預(yù)警，并能夠提早發(fā)現(xiàn)AML的高風(fēng)險人群并進行監(jiān)測，同時可以進行研發(fā)，尋找降低該疾病患病幾率的方案。

隨著進一步研究，研究人員通過機器人學(xué)習(xí)模型，在大數(shù)據(jù)變量的支撐下，構(gòu)建了AML預(yù)測模型，其可以在診斷前6-12個月內(nèi)，就能夠?qū)崿F(xiàn)對AML預(yù)測，其靈敏度和特異性分別達到25.7%和98.2%。

《我不是藥神》電影中，矛盾的聚焦點就在于天價的“格列寧”，新藥貴，貴在研發(fā)，研發(fā)的“試錯”環(huán)節(jié)，AI也許能夠幫上大忙。

從目前智慧醫(yī)療的發(fā)展情況來看，擅長模式識別的人工智能可以從海量已有的和新的基因、代謝及臨床信息中篩查篩選，以破解各種疾病背后的復(fù)雜網(wǎng)絡(luò)。反過來，這也有助于發(fā)現(xiàn)適用于特定病人群體的藥物，同時引導(dǎo)藥企規(guī)避可能會失敗的藥物。

此外，借助人工智能的生物意義，可以幫助藥企根據(jù)病人情況，并參與對他們最可能見效的創(chuàng)新療法的臨床試驗，這也許能夠成為提升新藥獲批的可能性，比如獲得美國FDA的批準(zhǔn)。

實際上，醫(yī)藥研發(fā)的核心在于知識圖譜，就是將實驗信息、數(shù)據(jù)、臨床實驗結(jié)果和數(shù)據(jù)的結(jié)合起來，將零散的數(shù)據(jù)整合在一起，從而為決策提供有價值的數(shù)據(jù)支持。

從目前來看，人工智能主要作用于藥物研發(fā)主要有七個場景：靶點藥物研發(fā)、候選藥物挖掘、化合物篩選、預(yù)測ADMET性質(zhì)、藥物晶型預(yù)測、輔助病理生物學(xué)研究，以及發(fā)掘藥物新適應(yīng)癥。

其實，我們也可以看到，AI在智慧醫(yī)療領(lǐng)域的每一步，其中都撇不開一個重要因素：藥物數(shù)據(jù)。

AI通過機器學(xué)習(xí)，不但可以加速時間，還可以提高到達后期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風(fēng)險，就可以為大型制藥公司節(jié)約大量成本，使其能夠騰出資源集中于尋找更有潛力的機會。

除了藥物數(shù)據(jù)，醫(yī)療數(shù)據(jù)也成為醫(yī)生診斷及后續(xù)藥物研發(fā)的重要依據(jù)。隨著健康智能硬件的興起，醫(yī)療數(shù)據(jù)的邊界不斷地被拓展。

醫(yī)療數(shù)據(jù)可不僅僅是醫(yī)學(xué)期刊和醫(yī)生輸入電腦的醫(yī)療記錄，我們的身體無時無刻不在產(chǎn)生海量的潛在醫(yī)療數(shù)據(jù)。但是目前來說，絕大部分的數(shù)據(jù)都處于“丟失”的狀態(tài)——我們每天走了多少步、今天的心率怎么樣、皮膚的溫度是高還是低、今天都吃什么了等等這些數(shù)據(jù)，都只保存在本地、孤零零的幾個設(shè)備和App里。

對AI醫(yī)療來說，數(shù)據(jù)的重要性不言而喻。不論是應(yīng)用于藥物研發(fā)還是診斷治療方面，都有著相當(dāng)大的前景，但是AI在小樣本集上做的診斷或推定，被認(rèn)為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結(jié)果可能就出現(xiàn)偏差，正確率下降。

總的來說，AI醫(yī)療發(fā)展至今已經(jīng)有了長足的進步，雖然許多AI醫(yī)療產(chǎn)品暫未落地，但是不是病人的“藥神”，我們走著瞧。