據(jù)1藥才獵頭顧問(wèn)得知，人工智能應(yīng)用醫(yī)藥健康領(lǐng)域已是大勢(shì)所趨。對(duì)人工智能在醫(yī)藥健康領(lǐng)域的應(yīng)用主要基于多方面的客觀現(xiàn)實(shí)：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(zhǎng)、誤診率高、疾病譜變化快和醫(yī)療服務(wù)需求持續(xù)增加等等。

人工智能(Artificial Intelligence，AI)是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解人類智能的實(shí)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(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。1956年，John McCarthy(斯坦福AI實(shí)驗(yàn)室主任，圖靈獎(jiǎng)得主，AI之父)組織AI達(dá)特茅斯暑期研究項(xiàng)目研討會(huì)，第一次使用Artificial Intelligence，被認(rèn)為是人工智能的正式誕生。

　　一、AI在醫(yī)藥健康領(lǐng)域的應(yīng)用現(xiàn)狀
　　人工智能應(yīng)用醫(yī)藥健康領(lǐng)域已是大勢(shì)所趨。對(duì)人工智能在醫(yī)藥健康領(lǐng)域的應(yīng)用主要基于多方面的客觀現(xiàn)實(shí)：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(zhǎng)、誤診率高、疾病譜變化快和醫(yī)療服務(wù)需求持續(xù)增加等等。AI在醫(yī)療領(lǐng)域的應(yīng)用大體可以分為四個(gè)方面：醫(yī)療機(jī)器人、智能影像識(shí)別、輔助診斷和藥物研發(fā)。
　　1.醫(yī)療機(jī)器人
　　傳統(tǒng)意義上的機(jī)器人主要是指具備傳感器、智能控制系統(tǒng)和驅(qū)動(dòng)系統(tǒng)等要素的機(jī)械。隨著人工智能的發(fā)展，醫(yī)用機(jī)器人即使沒(méi)有驅(qū)動(dòng)系統(tǒng)，也能通過(guò)獨(dú)立的智能控制系統(tǒng)進(jìn)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(wú)法做到的一些高智能的運(yùn)算，基于大數(shù)據(jù)來(lái)選擇最佳的治療方案和預(yù)后預(yù)測(cè)等。
　　IBM的沃森認(rèn)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(jìn)的機(jī)器人。這款機(jī)器人由IBM公司與美國(guó)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開(kāi)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(wàn)已發(fā)表的科學(xué)文獻(xiàn)及上千萬(wàn)頁(yè)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。該系統(tǒng)已被Watson Health部署到了許多頂尖的醫(yī)療機(jī)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(xué)醫(yī)學(xué)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(wú)奈之下，研究所只好求助 IBM Watson，而IBM Watson則通過(guò)對(duì)比2000萬(wàn)份癌癥研究論文，分析了數(shù)千個(gè)基因突變，最終確診這位60歲的日本女性患有一種罕見(jiàn)的白血病，并提供了適當(dāng)?shù)闹委煼桨?。整個(gè)過(guò)程IBM Watson只用了短短10分鐘。
　　2.智能影像識(shí)別
　　在智能影像識(shí)別方面，人工智能的應(yīng)用主要分為兩部分：一是圖像識(shí)別，應(yīng)用于感知環(huán)節(jié)，其主要目的是將影像進(jìn)行分析，獲取一些有意義的信息;二是深度學(xué)習(xí)，應(yīng)用于學(xué)習(xí)和分析環(huán)節(jié)，通過(guò)大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)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(gè)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(yàn)的積累。如果通過(guò)大數(shù)據(jù)，通過(guò)智能醫(yī)療，就能夠迅速得出比較準(zhǔn)確的判斷。
　　3.輔助診斷
　　隨著深度學(xué)習(xí)算法的逐漸普及，通過(guò)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)，從而給出可靠診斷和治療方案，現(xiàn)已成為發(fā)達(dá)國(guó)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(zhǔn)確度;蘋果公司最近收購(gòu)了Lattice，該公司在開(kāi)發(fā)醫(yī)療診斷應(yīng)用的算法方面具有很強(qiáng)能力。
　　4.藥物開(kāi)發(fā)
　　開(kāi)發(fā)一種有效的藥物是一個(gè)非常艱難的過(guò)程。傳統(tǒng)的科學(xué)方法是科學(xué)家首先想出一種假設(shè)，然后制藥公司測(cè)試這個(gè)假設(shè)，從數(shù)十萬(wàn)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，成為潛在的藥物，這些潛在的藥物還要經(jīng)過(guò)多輪的篩選及漫長(zhǎng)的三期臨床試驗(yàn)。即使能夠進(jìn)入臨床試驗(yàn)，最后能夠通過(guò)FDA批準(zhǔn)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(xué)習(xí)技術(shù)應(yīng)用于藥物研究，通過(guò)大數(shù)據(jù)分析等技術(shù)手段快速、準(zhǔn)確地挖掘和篩選出合適的化合物或生物，達(dá)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(guò)計(jì)算機(jī)模擬，可以對(duì)藥物活性、安全性和副作用進(jìn)行預(yù)測(cè)。目前借助深度學(xué)習(xí)，人工智能已在心血管藥、抗腫瘤藥和常見(jiàn)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(lái)
　　1.人工智能推動(dòng)藥物研發(fā)轉(zhuǎn)型升級(jí)
　　AI可應(yīng)用于藥物開(kāi)發(fā)的不同環(huán)節(jié)，包括鎖定致病蛋白質(zhì)、篩選對(duì)蛋白質(zhì)起作用的藥物成分、藥物有效性/安全性預(yù)測(cè)、構(gòu)建新型藥物分子、篩選生物標(biāo)志物和研究新型組合療法等。
　　藥企對(duì)AI技術(shù)的興趣主要源于這樣一個(gè)事實(shí)：傳統(tǒng)的藥物研發(fā)耗時(shí)耗力，且失敗率高，人工智能讓藥物研發(fā)“先假設(shè)再驗(yàn)證”的傳統(tǒng)模式180度翻轉(zhuǎn)。傳統(tǒng)的藥物開(kāi)發(fā)是一個(gè)不斷試驗(yàn)、不斷試錯(cuò)的過(guò)程，在這種思路下，藥物從最初的實(shí)驗(yàn)室研究到最終擺放到藥柜銷售平均要花費(fèi)12年時(shí)間。目前，業(yè)界嘗試?yán)萌斯ぶ悄荛_(kāi)發(fā)虛擬篩選技術(shù)，以取代或增強(qiáng)傳統(tǒng)的高通量篩選(HTS)過(guò)程，并提高篩選的速度和成功率。
　　擅長(zhǎng)模式識(shí)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(fù)雜生物網(wǎng)絡(luò)，從而助力適用于特定病人群體的藥物，同時(shí)引導(dǎo)藥企規(guī)避很可能會(huì)失敗的藥物。Berg Health的總裁Niven Narain指出，人工智能驅(qū)動(dòng)的藥物實(shí)驗(yàn)同傳統(tǒng)藥物實(shí)驗(yàn)的最大區(qū)別在于，“我們并不預(yù)先作出任何假設(shè)。我們決不允許根據(jù)人的假設(shè)來(lái)生成數(shù)據(jù)。我們根據(jù)從病人那里獲取的數(shù)據(jù)來(lái)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(guò)程中提前預(yù)測(cè)，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(dǎo)致藥物研發(fā)失敗?！边z傳流行病學(xué)家Aroon Hingorani說(shuō)，“然而，其中一個(gè)主要的原因是沒(méi)能針對(duì)疾病選擇正確的靶標(biāo)?！?/span>Hororani的小組建立了一個(gè)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(guò)程相結(jié)合的預(yù)測(cè)模型。最終，他們獲得了將近4500種潛在藥物靶標(biāo)，相比之前預(yù)測(cè)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(xué)物質(zhì)的144種藥物。由于這些藥物此前已經(jīng)通過(guò)了安全測(cè)試，這意味它們可以很快被用于治療其他疾病。對(duì)于藥物開(kāi)發(fā)商來(lái)說(shuō)，時(shí)間就是金錢。
　　人工智能對(duì)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(xué)數(shù)據(jù)，也能幫助藥企更好地確定并招募病人，以參與對(duì)他們最可能見(jiàn)效的創(chuàng)新療法的臨床試驗(yàn)，或許也能提升新藥獲監(jiān)管機(jī)構(gòu)批準(zhǔn)的可能性，比如獲得美國(guó)FDA批準(zhǔn)。
　　2.全球頂尖制藥公司都在利用AI改進(jìn)、簡(jiǎn)化新藥研發(fā)過(guò)程
　　近日，葛蘭素史克公司(GSK)與蘇格蘭的Exscientia公司達(dá)成合作，交易涉及金額約為4300萬(wàn)美元。Exscientia是一家初創(chuàng)公司，主要業(yè)務(wù)是利用AI進(jìn)行藥物研發(fā)指導(dǎo)。雙方合作之后，Exscientia將利用其AI藥物研發(fā)平臺(tái)為GSK進(jìn)行10個(gè)創(chuàng)新小分子藥物疾病的靶點(diǎn)開(kāi)發(fā)，該公司的AI系統(tǒng)只需相當(dāng)于傳統(tǒng)方法四分之一的時(shí)間和成本即可完成新藥候選。
　　強(qiáng)生倫敦創(chuàng)新中心與英國(guó)的Benevolent AI公司進(jìn)行了合作，將一些處于試驗(yàn)中的小分子化合物轉(zhuǎn)交給了Benevolent AI公司進(jìn)行開(kāi)發(fā)。Benevolent AI是一家致力于人工智能技術(shù)開(kāi)發(fā)和應(yīng)用的公司，該公司的核心技術(shù)是一個(gè)叫做JACS(Judgment Augmented Cognition System，判斷加強(qiáng)認(rèn)知系統(tǒng))的人工智能系統(tǒng)，可以更快更好的開(kāi)發(fā)新藥，避免代價(jià)高昂的臨床試驗(yàn)失敗。根據(jù)合作協(xié)議，BenevolentAI將利用人工智能系統(tǒng)來(lái)指導(dǎo)臨床試驗(yàn)的進(jìn)行和數(shù)據(jù)的收集，他們計(jì)劃最早在2017年中展開(kāi)2b期臨床試驗(yàn)。
　　Numerate公司成立于2007年，該公司的創(chuàng)新藥物設(shè)計(jì)平臺(tái)運(yùn)用基于機(jī)器學(xué)習(xí)技術(shù)來(lái)模擬小分子化合物的藥物特性，比如靶點(diǎn)結(jié)合能力和特異性，藥物動(dòng)力學(xué)和藥物代謝特性，以及毒副作用。這一平臺(tái)的藥物篩選流程會(huì)依據(jù)特定的藥物活性從包含一兆個(gè)模擬化合物的化合物庫(kù)中選出2500萬(wàn)個(gè)化合物進(jìn)行模擬測(cè)試。這個(gè)過(guò)程只需要一周就可以完成，每個(gè)模擬化合物的測(cè)試成本為0.01美分?；瘜W(xué)家會(huì)對(duì)測(cè)試結(jié)果進(jìn)行分析，挑選出最有希望的模擬化合物進(jìn)行合成和實(shí)驗(yàn)。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(duì)新科技。日本政府于2016年推出了一個(gè)研究聯(lián)盟，旨在幫助國(guó)內(nèi)數(shù)十家公司和機(jī)構(gòu)使用日本K超級(jí)計(jì)算機(jī)，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(jìn)新藥開(kāi)發(fā)的項(xiàng)目。在項(xiàng)目中，企業(yè)將與理化學(xué)研究所和京都大學(xué)合作，組成100人規(guī)模的團(tuán)隊(duì)推進(jìn)開(kāi)發(fā)。東京的Takeda公司與Numerate進(jìn)行合作，篩選靶標(biāo)分子，設(shè)計(jì)和優(yōu)化化合物，對(duì)藥物吸收、分布、代謝和排除以及毒性進(jìn)行建模，為Takeda提供臨床試驗(yàn)候選藥物。
　　三、國(guó)內(nèi)AI在醫(yī)藥健康領(lǐng)域應(yīng)用的機(jī)遇和挑戰(zhàn)
　　中國(guó)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(qiáng)專業(yè)醫(yī)療人才的培養(yǎng)的同時(shí)，人工智能就是一個(gè)創(chuàng)新的解決辦法。
　　AI在醫(yī)療診斷方面的應(yīng)用在國(guó)內(nèi)剛剛起步， AI可以滿足高端和低端兩個(gè)方向：高端是指為三甲醫(yī)院的專科提供服務(wù)，如IBM Watson for Oncology 就是一個(gè)很好的例子。而IBM Watson并不一定適合中國(guó)的國(guó)情，它是按照西方的病例訓(xùn)練出來(lái)的，我們需要開(kāi)發(fā)自己的腫瘤及其它?？撇〉?/span>AI系統(tǒng)。而“低端”是針對(duì)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(jiàn)病的診斷治療，標(biāo)準(zhǔn)臨床路徑的執(zhí)行等。
　　需要強(qiáng)調(diào)的是，人工智能并不一定要解決高大上的問(wèn)題。如用手機(jī)加上人工智能，可以鑒別診斷皮膚癌，其準(zhǔn)確度超過(guò)了一般的病理醫(yī)生。在智能機(jī)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(jī)械人都需要配置相應(yīng)的智慧系統(tǒng)，AI大有用武之地。我們知道人類有3萬(wàn)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(shuō)商機(jī)無(wú)限。
　　在醫(yī)療中實(shí)施機(jī)器學(xué)習(xí)和人工智能會(huì)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(kù)”，而另一個(gè)就是設(shè)計(jì)技術(shù)解決方案，并順利將其運(yùn)用到臨床實(shí)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(wèn)題都可以解決”。這句話未必全對(duì)，但從側(cè)面說(shuō)明了數(shù)據(jù)在AI應(yīng)用中的重要性。我國(guó)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(biāo)注的數(shù)據(jù)庫(kù)資源并不多。產(chǎn)品做出來(lái)之后如何在醫(yī)療系統(tǒng)中落地也是難題，一個(gè)醫(yī)院可能有幾十家系統(tǒng)廠商和上百個(gè)數(shù)據(jù)接口。
　　四、醫(yī)學(xué)人工智能真正落地需要全產(chǎn)業(yè)鏈配合
　　要真正實(shí)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(shí)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(jī)構(gòu)的參與和信息化服務(wù)商等各個(gè)環(huán)節(jié)的共同努力。同時(shí)在產(chǎn)品的設(shè)計(jì)和研發(fā)上，需要數(shù)學(xué)家、計(jì)算機(jī)科學(xué)家或醫(yī)學(xué)專家的聯(lián)合攻關(guān)，任何單一力量都無(wú)法實(shí)現(xiàn)產(chǎn)品的推出。但中國(guó)依然要快速追趕，中國(guó)可以成立國(guó)家級(jí)的醫(yī)學(xué)人工智能工程中心，由國(guó)內(nèi)在醫(yī)學(xué)、藥學(xué)、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(yīng)用企業(yè)、人工智能開(kāi)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(guó)人的人工智能醫(yī)學(xué)系統(tǒng)，滿足我國(guó)醫(yī)療領(lǐng)域的應(yīng)用需求。1藥才獵頭顧問(wèn)整理。