當(dāng)生物醫(yī)學(xué)遇到人工智能，AI讓醫(yī)生更“聰明” ▏F2科學(xué)峰會
Benjamin J. Raphael，普林斯頓大學(xué)計算機科學(xué)系教授
● ● ●
近兩年，無論是在語音識別、圖像識別還是文本理解，深度學(xué)習(xí)在醫(yī)療領(lǐng)域都有不少應(yīng)用成功的案例。特別是伴隨著計算機視覺的技術(shù)進(jìn)步，深度學(xué)習(xí)技術(shù)在醫(yī)療影像領(lǐng)域頻頻取得重大突破，人工智能除了教會機器如何“聽懂”和“讀懂”，更能教會機器“看懂”我們的世界，并在此基礎(chǔ)上協(xié)助醫(yī)生診斷疾病。因此，在醫(yī)療影像領(lǐng)域，深度學(xué)習(xí)可能率先進(jìn)入臨床階段。
F2科學(xué)峰會特別設(shè)置了“下一代生物醫(yī)學(xué)智能系統(tǒng)”議題，邀請Benjamin、Olga、詹啟敏三大杰出科學(xué)家共同探討生物醫(yī)學(xué)智能系統(tǒng)的發(fā)展趨勢及前沿應(yīng)用。為了深刻感受生物醫(yī)學(xué)智能系統(tǒng)的魅力，斯坦福大學(xué)醫(yī)學(xué)院病理學(xué)和遺傳學(xué)助理教授，未來論壇的青創(chuàng)聯(lián)盟成員叢樂老師對議題提前進(jìn)行了解讀。
生物技術(shù)的“最強大腦”
移動互聯(lián)網(wǎng)時代，通過智能手機我們獲得了海量的健康信息，包括出行數(shù)據(jù)、運動數(shù)據(jù)，生物大數(shù)據(jù)如火如荼地發(fā)展。隨著基因組學(xué)和各種測序技術(shù)的發(fā)展，相應(yīng)的基因組數(shù)據(jù)也不斷上升。
如何應(yīng)用這些數(shù)據(jù)，就需要更高級的數(shù)據(jù)分析和管理，更好的計算方法。普林斯頓大學(xué)計算機科學(xué)系教授，Benjamin J. Raphael將計算機統(tǒng)計和計算理論的方法運用到基因測序和基因組學(xué)的數(shù)據(jù)中，從而使基因組數(shù)據(jù)的管理和分析更便捷有效。
今年5月，來自普林斯頓大學(xué)的Raphael和他的同事在《自然遺傳學(xué)》(Nature Genetics)雜志上發(fā)表的一項研究中提出了一種稱為MACHINA的算法，其通過將DNA序列數(shù)據(jù)與細(xì)胞位于人體的位置信息相結(jié)合，來追蹤癌癥的轉(zhuǎn)移。這種算法可以讓研究人員從目前獲得的DNA序列數(shù)據(jù)中推斷出過去的轉(zhuǎn)移過程。他表示，之前的大部分僅僅依靠DNA序列，所推斷出的復(fù)雜的結(jié)果很多并沒有反應(yīng)真實的疾病過程，而新開發(fā)的MACHINA的算法可以更加清楚的描繪腫瘤的遷移。
輔助疾病診斷
AI技術(shù)可以用于輔助臨床決策。實際上，診斷就是數(shù)據(jù)分析過程，從基因序列到影像圖片分析，病人會產(chǎn)生大量數(shù)據(jù)，機器學(xué)習(xí)應(yīng)需而生。通過AI分析技術(shù)與機器學(xué)習(xí)相互結(jié)合，極大地提高了醫(yī)療服務(wù)質(zhì)量。
Olga G.Troyanskaya，普林斯頓大學(xué)計算機科學(xué)系教授，Lewis-Sigler 綜合基因組學(xué)研究所教授
因此，使用人工智能、深度學(xué)習(xí)的方法來處理生物數(shù)據(jù)，一直為大家所期待、熱度很高。普林斯頓大學(xué)計算機科學(xué)系教授，Olga G.Troyanskaya，從計算機角度出發(fā)，將計算機領(lǐng)域新的方法運用到基因測序和基因組學(xué)的數(shù)據(jù)中。跟Benjamin相比，Olga教授的獨特之處是使用人工智能方面一系列深度學(xué)習(xí)中的算法和技術(shù)來處理生物數(shù)據(jù)。
目前，國內(nèi)外已經(jīng)有很多非常優(yōu)秀的科研及產(chǎn)業(yè)界研究人員在深度學(xué)習(xí)醫(yī)療結(jié)合中做出了大量頂尖工作，比如：
今年2月23日，來自廣州醫(yī)科大學(xué)附屬廣州市婦女兒童醫(yī)療中心/加州大學(xué)圣地亞哥分校張康課題組研究人員在Cell雜志發(fā)表了題為“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”的論文，建立了一個基于深度學(xué)習(xí)框架的用于篩查普通可治療的致盲性視網(wǎng)膜疾病的診斷工具。在這項研究中，研究人員應(yīng)用了一種有效的“遷移學(xué)習(xí)算法”（“transfer learning algorithm”）用于處理醫(yī)學(xué)影像，提供了一種精準(zhǔn)又具有時效性的方法來診斷病理圖像?；谏疃葘W(xué)習(xí)的視網(wǎng)膜疾病診斷工具的問世有望加速有關(guān)可治療性疾病的診斷，從而促進(jìn)疾病的早治療，最終改善病人的臨床結(jié)果。
受到2015年谷歌DeepMind發(fā)表論文的啟發(fā)，中國中山大學(xué)中山眼科中心的80后眼科醫(yī)生林浩添和他的同事萌生出想要創(chuàng)建一個人工智能平臺來挖掘他們在先天性白內(nèi)障的臨床數(shù)據(jù)，進(jìn)而達(dá)到篩查和輔助診斷的目的。他們聯(lián)合西安電子科技大學(xué)劉西洋教授利用ILSVRC 2014（ImageNet Large Scale Visual Recognition Challenge of 2014）的冠軍模型來建立識別先天性白內(nèi)障的深度學(xué)習(xí)模型（該模型被認(rèn)為在圖像識別領(lǐng)域占主導(dǎo)地位，可用于訓(xùn)練和分類），取名為CC-Cruiser。本次研究成果于2017年1月30日發(fā)表在Nature Biomedical Engineering期刊上。
推動個性化醫(yī)療
在人工智能領(lǐng)域，包括深度學(xué)習(xí)在內(nèi)的各種機器學(xué)習(xí)的方法近年來在生物醫(yī)學(xué)數(shù)據(jù)分析中取得了一系列潛力巨大的進(jìn)展。人工智能最大的不同，在于它運轉(zhuǎn)的規(guī)則不是事先輸入的程序，而是依托龐大的后臺數(shù)據(jù)庫，根據(jù)正在檢測的病人情況，“思考”出針對每一個病人的單獨的結(jié)論。
詹啟敏，北京大學(xué)常務(wù)副校長、醫(yī)學(xué)部主任；中國工程院院士
詹啟敏老師作為一名醫(yī)生，從醫(yī)學(xué)、生物學(xué)角度出發(fā)，基于臨床大量數(shù)據(jù)和病人樣本相結(jié)合的方法，用癌癥基因組學(xué)來分析突變機制和發(fā)病機理，通過提供診斷標(biāo)記，最終實現(xiàn)精準(zhǔn)針對病人的基因突變進(jìn)行對癥下藥的靶向治療。
詹老師長期致力于腫瘤分子生物學(xué)和腫瘤轉(zhuǎn)化醫(yī)學(xué)研究，在國際上率先發(fā)現(xiàn)和系統(tǒng)揭示了細(xì)胞周期監(jiān)測點關(guān)鍵蛋白的作用和機制，闡明多個重要細(xì)胞周期調(diào)控蛋白在細(xì)胞癌變和腫瘤診斷與個體化治療中的作用。近年來，在基因組水平全面系統(tǒng)的揭示了食管癌的遺傳突變背景，為了解食管癌的發(fā)病機理、尋找食管鱗癌診斷的分子標(biāo)志物、確定研發(fā)臨床治療的藥物靶點提供了理論和實驗基礎(chǔ)。
架起跨學(xué)科橋梁
“下一代生物醫(yī)學(xué)智能系統(tǒng)”議題的價值在于能涵蓋交叉學(xué)科在生物醫(yī)學(xué)研究領(lǐng)域的進(jìn)展,邀請不同背景的嘉賓和老師，既有從計算機領(lǐng)域進(jìn)入生物醫(yī)學(xué)領(lǐng)域的，又有生物醫(yī)學(xué)領(lǐng)域使用計算機和數(shù)據(jù)以及基因的方法來解決臨床上問題的，兩邊科學(xué)家就像是從橋的兩端同時向中間進(jìn)發(fā)，最終架起計算科學(xué)、數(shù)學(xué)科學(xué)和生命科學(xué)及醫(yī)學(xué)上的橋梁。
劉小樂，哈佛大學(xué)與Dana-Farber癌癥研究所教授，同濟大學(xué)長江講座教授
在現(xiàn)代生命科學(xué)領(lǐng)域，轉(zhuǎn)向以數(shù)據(jù)為驅(qū)動力的改變正引發(fā)著巨大的變革，但海量基因編輯數(shù)據(jù)的存儲、處理、挖掘卻面臨著前所未有的挑戰(zhàn)。為了解決這一難題，劉小樂老師和張鋒老師雙方團隊開展合作研究,如何能夠更好地設(shè)計大規(guī)模的基因編輯實驗，旨在以更低的成本、更高的效率完成大量的數(shù)據(jù)處理計算，讓實驗變得自動化、標(biāo)準(zhǔn)化，從而促進(jìn)以大規(guī)模實驗為指導(dǎo)的基因編輯的應(yīng)用。
項目的合作方式是：張鋒老師的團隊從生物技術(shù)的角度出發(fā)，提供關(guān)于基因編輯和基因組學(xué)的生物相關(guān)知識和解讀；劉小樂老師的團隊從統(tǒng)計和計算科學(xué)的角度出發(fā)，分析和設(shè)計大規(guī)模的基因編輯實驗的研發(fā)應(yīng)用，實際上就是構(gòu)建一個數(shù)據(jù)處理的程序和平臺。項目合作包含了數(shù)學(xué)、計算科學(xué)與醫(yī)學(xué)領(lǐng)域，不同研究方向的科學(xué)家架起交叉學(xué)科研究的“跨界”橋梁。
叢樂（斯坦福大學(xué)醫(yī)學(xué)院病理系和遺傳系助理教授，未來論壇青創(chuàng)聯(lián)盟成員）
生物醫(yī)學(xué)智能領(lǐng)域發(fā)展趨勢：
這個領(lǐng)域目前還處在萌芽探索期，因而有更多的可能性，怎么能把它做得更好，借由我近年來在科研實踐中獲得的切實體會，有兩點想要和大家分享。
1. 多元化的交叉
智能醫(yī)學(xué)工程一門新興的醫(yī)、理、工高度交叉的學(xué)科，研究者需要尋找那條被打斷的“溝通鏈條”，探索不同領(lǐng)域多元交叉的可能性，把臨床需求作為出發(fā)點和落腳點，布局醫(yī)學(xué)與智能的交叉融合、轉(zhuǎn)化創(chuàng)新，打通醫(yī)學(xué)從“實驗室”到“手術(shù)臺”的通路橋梁。
2. 從交叉到融合
醫(yī)工深入交叉融合將成為未來生命科學(xué)領(lǐng)域革命的關(guān)鍵點。從醫(yī)療數(shù)據(jù)的產(chǎn)生到應(yīng)用，將醫(yī)學(xué)各領(lǐng)域最先進(jìn)的知識理論和臨床各?？谱钣行У膶嵺`經(jīng)驗進(jìn)行多層次整合，實現(xiàn)不同領(lǐng)域成果轉(zhuǎn)化、互通與共享，最終形成以“個體化治療”為中心的科學(xué)醫(yī)學(xué)，是未來醫(yī)學(xué)發(fā)展的必然趨勢。
生物醫(yī)學(xué)智能領(lǐng)域面臨難題：
1.生物醫(yī)學(xué)大數(shù)據(jù)挖掘
生物醫(yī)學(xué)大數(shù)據(jù)時代，數(shù)據(jù)呈現(xiàn)種類繁多、難以有效整合分析等特點，難以挖掘其潛在高價值。如何實現(xiàn)從“組學(xué)”到臨床與健康人群數(shù)據(jù)的生物醫(yī)學(xué)大數(shù)據(jù)的交匯、綜合管理、利用和共享，將多層次臨床與研究數(shù)據(jù)進(jìn)行深度挖掘和高維度、全方位的有機整合，將大數(shù)據(jù)迅速轉(zhuǎn)化為新知識，成為我們所面臨的挑戰(zhàn)。
2.交叉學(xué)科人才培養(yǎng)
“智能醫(yī)學(xué)”對醫(yī)學(xué)教育提出了更高要求。醫(yī)學(xué)教育的深度變革需要做好頂層設(shè)計和戰(zhàn)略布局，重塑未來醫(yī)學(xué)人才的培養(yǎng)體系?！罢厢t(yī)學(xué)”將細(xì)分的醫(yī)學(xué)?？七M(jìn)行多層次的系統(tǒng)整合，進(jìn)一步推動學(xué)科交叉融合和跨界整合，促進(jìn)醫(yī)學(xué)教育、工程教育、科學(xué)教育、人文教育的有機融合，培養(yǎng)多元化的醫(yī)學(xué)復(fù)合型人才?；谡w醫(yī)學(xué)教育模式提升臨床醫(yī)生的綜合素質(zhì)，為患者提供個性化的優(yōu)質(zhì)診療方案。
注：本文來自由未來論壇提供。
