據(jù)1藥才獵頭顧問得知，人工智能應用醫(yī)藥健康領(lǐng)域已是大勢所趨。對人工智能在醫(yī)藥健康領(lǐng)域的應用主要基于多方面的客觀現(xiàn)實：優(yōu)質(zhì)醫(yī)療資源供給不足、成本高、醫(yī)生培養(yǎng)周期長、誤診率高、疾病譜變化快和醫(yī)療服務需求持續(xù)增加等等。

人工智能(Artificial Intelligence，AI)是計算機科學的一個分支，它企圖了解人類智能的實質(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。

　　一、AI在醫(yī)藥健康領(lǐng)域的應用現(xiàn)狀
　　人工智能應用醫(yī)藥健康領(lǐng)域已是大勢所趨。對人工智能在醫(yī)藥健康領(lǐng)域的應用主要基于多方面的客觀現(xiàn)實：優(yōu)質(zhì)醫(yī)療資源供給不足、成本高、醫(yī)生培養(yǎng)周期長、誤診率高、疾病譜變化快和醫(yī)療服務需求持續(xù)增加等等。AI在醫(yī)療領(lǐng)域的應用大體可以分為四個方面：醫(yī)療機器人、智能影像識別、輔助診斷和藥物研發(fā)。
　　1.醫(yī)療機器人
　　傳統(tǒng)意義上的機器人主要是指具備傳感器、智能控制系統(tǒng)和驅(qū)動系統(tǒng)等要素的機械。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。它代替醫(yī)生診斷某些疾病或做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后預測等。
　　IBM的沃森認知健康系統(tǒng)中的Watson for Oncology是目前世界上癌癥治療領(lǐng)域最先進的機器人。這款機器人由IBM公司與美國腫瘤治療領(lǐng)域的權(quán)威醫(yī)院——紀念斯隆凱特琳癌癥中心共同開發(fā)，它可以在數(shù)秒鐘內(nèi)閱讀患者的文字、影像和病歷資料，檢索上百萬已發(fā)表的科學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診斷和治療方案。該系統(tǒng)已被Watson Health部署到了許多頂尖的醫(yī)療機構(gòu)，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據(jù)的醫(yī)療決策系統(tǒng)。2015年，日本東京大學醫(yī)學院研究所確診一位60歲的日本女性患了急髓白血病，但在經(jīng)歷各種療法后，效果都不明顯。無奈之下，研究所只好求助 IBM Watson，而IBM Watson則通過對比2000萬份癌癥研究論文，分析了數(shù)千個基因突變，最終確診這位60歲的日本女性患有一種罕見的白血病，并提供了適當?shù)闹委煼桨?。整個過程IBM Watson只用了短短10分鐘。
　　2.智能影像識別
　　在智能影像識別方面，人工智能的應用主要分為兩部分：一是圖像識別，應用于感知環(huán)節(jié)，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡進行深度學習訓練，促使其掌握診斷能力。作為醫(yī)生，從CT、核磁共振等圖像判斷一個非常小的陰影，是腫瘤是炎癥還是其他原因，需要豐富臨床經(jīng)驗的積累。如果通過大數(shù)據(jù)，通過智能醫(yī)療，就能夠迅速得出比較準確的判斷。
　　3.輔助診斷
　　隨著深度學習算法的逐漸普及，通過建立深度學習神經(jīng)元數(shù)學模型，從海量醫(yī)療影像診斷數(shù)據(jù)中挖掘規(guī)律，學習和模仿醫(yī)生的診斷技術(shù)，從而給出可靠診斷和治療方案，現(xiàn)已成為發(fā)達國家醫(yī)院不可缺少的醫(yī)療組件。谷歌的人工智能算法在乳腺癌診斷上表現(xiàn)出了很高準確度;蘋果公司最近收購了Lattice，該公司在開發(fā)醫(yī)療診斷應用的算法方面具有很強能力。
　　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)的科學方法是科學家首先想出一種假設(shè)，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)生化學反應的化合物，成為潛在的藥物，這些潛在的藥物還要經(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批準的也不到百分之一。在智能藥物研發(fā)方面，則是將人工智能中的深度學習技術(shù)應用于藥物研究，通過大數(shù)據(jù)分析等技術(shù)手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。目前借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領(lǐng)域取得了新突破，在抗擊埃博拉病毒中智能藥物研發(fā)也發(fā)揮了重要的作用。
　　二、人工智能是藥物研發(fā)的未來
　　1.人工智能推動藥物研發(fā)轉(zhuǎn)型升級
　　AI可應用于藥物開發(fā)的不同環(huán)節(jié)，包括鎖定致病蛋白質(zhì)、篩選對蛋白質(zhì)起作用的藥物成分、藥物有效性/安全性預測、構(gòu)建新型藥物分子、篩選生物標志物和研究新型組合療法等。
　　藥企對AI技術(shù)的興趣主要源于這樣一個事實：傳統(tǒng)的藥物研發(fā)耗時耗力，且失敗率高，人工智能讓藥物研發(fā)“先假設(shè)再驗證”的傳統(tǒng)模式180度翻轉(zhuǎn)。傳統(tǒng)的藥物開發(fā)是一個不斷試驗、不斷試錯的過程，在這種思路下，藥物從最初的實驗室研究到最終擺放到藥柜銷售平均要花費12年時間。目前，業(yè)界嘗試利用人工智能開發(fā)虛擬篩選技術(shù)，以取代或增強傳統(tǒng)的高通量篩選(HTS)過程，并提高篩選的速度和成功率。
　　擅長模式識別的人工智能可以從海量的已有和新的基因、代謝及臨床信息中篩查篩選，以破解各種疾病背后的復雜生物網(wǎng)絡，從而助力適用于特定病人群體的藥物，同時引導藥企規(guī)避很可能會失敗的藥物。Berg Health的總裁Niven Narain指出，人工智能驅(qū)動的藥物實驗同傳統(tǒng)藥物實驗的最大區(qū)別在于，“我們并不預先作出任何假設(shè)。我們決不允許根據(jù)人的假設(shè)來生成數(shù)據(jù)。我們根據(jù)從病人那里獲取的數(shù)據(jù)來生成假設(shè)?！?/span>
　　一種物質(zhì)變成藥物，必須要具備安全性、有效性的特征，而在新藥研發(fā)過程中提前預測，則可以極大程度地提高研發(fā)成功率?！霸S多原因都可能導致藥物研發(fā)失敗?！边z傳流行病學家Aroon Hingorani說，“然而，其中一個主要的原因是沒能針對疾病選擇正確的靶標?！?/span>Hororani的小組建立了一個將基因信息、蛋白質(zhì)數(shù)據(jù)結(jié)構(gòu)和已知藥物的作用過程相結(jié)合的預測模型。最終，他們獲得了將近4500種潛在藥物靶標，相比之前預測的可成藥人類基因組數(shù)量，翻了一倍。然后，兩名臨床醫(yī)生梳理出了具有正確形狀和化學物質(zhì)的144種藥物。由于這些藥物此前已經(jīng)通過了安全測試，這意味它們可以很快被用于治療其他疾病。對于藥物開發(fā)商來說，時間就是金錢。
　　人工智能對藥物研發(fā)的助力還包括：發(fā)現(xiàn)新藥或者老藥新用，借助人工智能獲知的生物學數(shù)據(jù)，也能幫助藥企更好地確定并招募病人，以參與對他們最可能見效的創(chuàng)新療法的臨床試驗，或許也能提升新藥獲監(jiān)管機構(gòu)批準的可能性，比如獲得美國FDA批準。
　　2.全球頂尖制藥公司都在利用AI改進、簡化新藥研發(fā)過程
　　近日，葛蘭素史克公司(GSK)與蘇格蘭的Exscientia公司達成合作，交易涉及金額約為4300萬美元。Exscientia是一家初創(chuàng)公司，主要業(yè)務是利用AI進行藥物研發(fā)指導。雙方合作之后，Exscientia將利用其AI藥物研發(fā)平臺為GSK進行10個創(chuàng)新小分子藥物疾病的靶點開發(fā)，該公司的AI系統(tǒng)只需相當于傳統(tǒng)方法四分之一的時間和成本即可完成新藥候選。
　　強生倫敦創(chuàng)新中心與英國的Benevolent AI公司進行了合作，將一些處于試驗中的小分子化合物轉(zhuǎn)交給了Benevolent AI公司進行開發(fā)。Benevolent AI是一家致力于人工智能技術(shù)開發(fā)和應用的公司，該公司的核心技術(shù)是一個叫做JACS(Judgment Augmented Cognition System，判斷加強認知系統(tǒng))的人工智能系統(tǒng)，可以更快更好的開發(fā)新藥，避免代價高昂的臨床試驗失敗。根據(jù)合作協(xié)議，BenevolentAI將利用人工智能系統(tǒng)來指導臨床試驗的進行和數(shù)據(jù)的收集，他們計劃最早在2017年中展開2b期臨床試驗。
　　Numerate公司成立于2007年，該公司的創(chuàng)新藥物設(shè)計平臺運用基于機器學習技術(shù)來模擬小分子化合物的藥物特性，比如靶點結(jié)合能力和特異性，藥物動力學和藥物代謝特性，以及毒副作用。這一平臺的藥物篩選流程會依據(jù)特定的藥物活性從包含一兆個模擬化合物的化合物庫中選出2500萬個化合物進行模擬測試。這個過程只需要一周就可以完成，每個模擬化合物的測試成本為0.01美分。化學家會對測試結(jié)果進行分析，挑選出最有希望的模擬化合物進行合成和實驗。目前該公司的藥物研發(fā)管道包含治療代謝疾病，心血管疾病和阿茲海默病的候選藥物。
　　除了歐美藥企，日本藥企也積極面對新科技。日本政府于2016年推出了一個研究聯(lián)盟，旨在幫助國內(nèi)數(shù)十家公司和機構(gòu)使用日本K超級計算機，從而提高藥物發(fā)現(xiàn)效率。日本武田藥品工業(yè)、富士膠片及鹽野義制藥等近50家日本企業(yè)將參加利用人工智能推進新藥開發(fā)的項目。在項目中，企業(yè)將與理化學研究所和京都大學合作，組成100人規(guī)模的團隊推進開發(fā)。東京的Takeda公司與Numerate進行合作，篩選靶標分子，設(shè)計和優(yōu)化化合物，對藥物吸收、分布、代謝和排除以及毒性進行建模，為Takeda提供臨床試驗候選藥物。
　　三、國內(nèi)AI在醫(yī)藥健康領(lǐng)域應用的機遇和挑戰(zhàn)
　　中國的醫(yī)療資源缺乏，尤其是優(yōu)質(zhì)醫(yī)療資源嚴重不足，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，人工智能就是一個創(chuàng)新的解決辦法。
　　AI在醫(yī)療診斷方面的應用在國內(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┓眨?/span>IBM Watson for Oncology 就是一個很好的例子。而IBM Watson并不一定適合中國的國情，它是按照西方的病例訓練出來的，我們需要開發(fā)自己的腫瘤及其它?？撇〉?/span>AI系統(tǒng)。而“低端”是針對基層全科醫(yī)生的診斷系統(tǒng)，與?？圃\療系統(tǒng)不同，基層全科醫(yī)生的診斷系統(tǒng)更注重常見病的診斷治療，標準臨床路徑的執(zhí)行等。
　　需要強調(diào)的是，人工智能并不一定要解決高大上的問題。如用手機加上人工智能，可以鑒別診斷皮膚癌，其準確度超過了一般的病理醫(yī)生。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，許多可穿戴設(shè)備/機械人都需要配置相應的智慧系統(tǒng)，AI大有用武之地。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。
　　在醫(yī)療中實施機器學習和人工智能會遇到很多眾所周知的挑戰(zhàn)。第一是缺乏“專業(yè)數(shù)據(jù)庫”，而另一個就是設(shè)計技術(shù)解決方案，并順利將其運用到臨床實踐和科研中去。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，但從側(cè)面說明了數(shù)據(jù)在AI應用中的重要性。我國的患者資源非常豐富，但是高質(zhì)量的、干凈的，但有高質(zhì)量完整的臨床標注的數(shù)據(jù)庫資源并不多。產(chǎn)品做出來之后如何在醫(yī)療系統(tǒng)中落地也是難題，一個醫(yī)院可能有幾十家系統(tǒng)廠商和上百個數(shù)據(jù)接口。
　　四、醫(yī)學人工智能真正落地需要全產(chǎn)業(yè)鏈配合
　　要真正實現(xiàn)醫(yī)療產(chǎn)業(yè)的人工智能化，僅靠單方面的力量難以實現(xiàn)，這需要依托全產(chǎn)業(yè)鏈包括醫(yī)療主管部門、醫(yī)療機構(gòu)的參與和信息化服務商等各個環(huán)節(jié)的共同努力。同時在產(chǎn)品的設(shè)計和研發(fā)上，需要數(shù)學家、計算機科學家或醫(yī)學專家的聯(lián)合攻關(guān)，任何單一力量都無法實現(xiàn)產(chǎn)品的推出。但中國依然要快速追趕，中國可以成立國家級的醫(yī)學人工智能工程中心，由國內(nèi)在醫(yī)學、藥學、信息技術(shù)專業(yè)具備一流水平的綜合性高等院校牽頭，吸引大數(shù)據(jù)應用企業(yè)、人工智能開發(fā)企業(yè)、藥品研發(fā)企業(yè)等共同參與，加速研發(fā)更多適用于國人的人工智能醫(yī)學系統(tǒng)，滿足我國醫(yī)療領(lǐng)域的應用需求。1藥才獵頭顧問整理。