醫(yī)療保健行業(yè)一直都是創(chuàng)新先行者。然而，疾病和病毒不斷地變種，給醫(yī)療保健行業(yè)帶來一定的挑戰(zhàn)，現(xiàn)在借助人工智能（AI）和機器學(xué)習(xí)算法，該行業(yè)迎來了新機遇。

▲ 圖：醫(yī)療科技概念及醫(yī)療器械（Getty/圖片來源）

《柳葉刀數(shù)字健康》（The Lancet Digital Health）本周發(fā)表的一項研究，比較了深度學(xué)習(xí)與醫(yī)療專業(yè)人員在檢測醫(yī)學(xué)影像疾病方面的表現(xiàn)，該研究采用的樣本是2012年-2019年期間的所有相關(guān)數(shù)據(jù)。

研究發(fā)現(xiàn)，在過去的幾年里，AI在圖像識別疾病診斷方面變得更加準確，并成為一個更可行的診斷信息來源。研究人員表示，在其考察的14項研究里，AI系統(tǒng)能夠正確識別疾病的百分比達87％，而醫(yī)療保健專業(yè)人士正確識別疾病的百分比為86％；且AI還能夠正確地識別出病例中93%沒有疾病的患者，而醫(yī)療保健專業(yè)人員為91%。不難推斷出，AI未來在醫(yī)療成像識別診斷的技術(shù)效率會更高。

人工智能在醫(yī)療領(lǐng)域的應(yīng)用不僅限于診斷疾病，還包括可能的治療方法。

制藥公司拜耳（Bayer）最近一直在與科技公司合作，開發(fā)有助于診斷復(fù)雜和罕見疾病的軟件，并幫助開發(fā)治療這些疾病的新藥。他們一直與醫(yī)院和研究人員合作，希望找出機器學(xué)習(xí)在分析和學(xué)習(xí)如何診斷病人病情時需要的東西。人工智能吸收的信息來自許多因素，包括癥狀數(shù)據(jù)、疾病原因、檢測結(jié)果、醫(yī)學(xué)圖像、醫(yī)生報告等等。

最近負責(zé)拜耳人工智能項目的Angeli Moeller接受了美聯(lián)社的采訪，Moeller解釋了新藥物的開發(fā)及用到的系統(tǒng)：“我們可以模擬它在細胞里的表現(xiàn)，同時綜合考慮患者服用的其他藥物。我們正在研究如何找適合的病人和地點，進行我們的臨床試驗。如果成功，我們就可以進行更短期的研究，可以更早地發(fā)現(xiàn)哪些藥物適合患者。”

機器學(xué)習(xí)系統(tǒng)并不是要取代醫(yī)生，也不能在治療病人時做出絕對的決定。據(jù)Moeller說，他們?nèi)匀幌Ｍ∪四軌蚩刂谱约旱闹委?，希望利用AI來支持決策，并根據(jù)得到的結(jié)果提出建議。

拜耳并非唯一一家在AI醫(yī)療保健領(lǐng)域掀起波瀾的公司，其他許多初創(chuàng)公司也在提出AI疾病治療方案。據(jù)BenchSci最新報告顯示，目前市場上有148家初創(chuàng)公司在藥物研發(fā)中使用了AI技術(shù)。

其中一家初創(chuàng)公司Atomwise剛剛與江蘇豪森藥業(yè)集團有限公司（Jiangsu Hansoh Pharmaceutical Group）合作，成立了一家價值15億美元的合資企業(yè)，用于設(shè)計癌癥治療新藥物。此次合作將Atomwise的AI技術(shù)與豪森藥業(yè)的制造能力結(jié)合起來，共同設(shè)計出預(yù)測小分子如何與靶標蛋白綁定的新方法，有望取得醫(yī)療新進展。類似的合資企業(yè)前景頗佳，因為這些企業(yè)結(jié)合了機器學(xué)習(xí)和醫(yī)療器械創(chuàng)新發(fā)展的兩個關(guān)鍵要素。

加拿大生物技術(shù)公司Deep Genomics在過去5年里一直在試驗機器學(xué)習(xí)和藥物開發(fā)。具體而言，這家公司一直在針對一種名為“威爾遜?。╓ilson Disease）”的罕見遺傳疾病做了不同的實驗，目前市場上尚無威爾遜病的治療方法，這種疾病會阻止人體排除銅，而銅元素最終會在器官中積聚，并可能導(dǎo)致危及生命的器官損傷，或者器官衰竭。

Deep Genomics的AI系統(tǒng)成功發(fā)現(xiàn)，這種基因突變改變了ATP7B的氨基酸鏈，ATP7B是一種銅結(jié)合蛋白，威爾遜病患者缺乏ATP7B，導(dǎo)致基因組的中斷，進而導(dǎo)致不能生成該蛋白。目前Deep Genomics公司正在測試他們的藥物對第一批應(yīng)選人的效用，但愿最終能成功治療該疾病。

不幸的是，目前市場上還不存在由AI創(chuàng)建的任何藥物治療，但許多公司都在努力實現(xiàn)這一點?；颊邤?shù)據(jù)和測試的收集，將持續(xù)推動市場的進步，雖然人工智能與醫(yī)療專業(yè)工作做的大量工作挽救了生命，但目前卻遠非主流。

Moeller 表示，“AI真正進入主流醫(yī)療實踐可能需要兩年的時間，但把這項技術(shù)應(yīng)用到患者身上，仍然是最困難的部分。”