人工智能診治癌癥的機(jī)理

　　利用人工智能診治疾病是人類一個雄心勃勃

　　的計劃，而且，這一計劃早就有一些初步結(jié)果，

　　例如2007年，美國國際商業(yè)機(jī)器公司（IBM）就

　　推出了人工智能軟件——沃森醫(yī)生 （Watson）。

　　現(xiàn)在，人們特別希望利用人工智能去征服某些嚴(yán)

　　重危害人們生命和健康的疾病，如癌癥，而且也

　　已經(jīng)進(jìn)入實踐，并且有不小的收獲。

　　要讓人工智能診治癌癥，第一步需要人工

　　智能有像人一樣的感知，即知道周圍的環(huán)境，

　　尤其是生物體和人的機(jī)體環(huán)境，什么是正常的

　　機(jī)體，什么是異常的機(jī)體，甚至是癌變的機(jī)

　　體，尤其是只具有微小變化的機(jī)體，例如，只

　　有幾個發(fā)生癌變細(xì)胞的乳腺或肺。

　　第二步是，人工智能不僅要感知正常和異

　　常機(jī)體的不同，還要理解為何有這樣的不同，

　　是癌變引起的不同，還是其他疾病引起的不

　　同。最后第三步才是判斷和決策，即得出結(jié)

　　論，在感知和正確理解的基礎(chǔ)上，向醫(yī)生提供

　　對某個個體檢測的結(jié)果，是患癌還是沒有患

　　癌，抑或是患了其他疾病。

　　要讓人工智能感知和理解人體環(huán)境和器

　　官，就要讓其學(xué)習(xí)，包括利用大數(shù)據(jù)的機(jī)器學(xué)

　　習(xí) （算法） 和深度學(xué)習(xí)，這兩者有時是相互結(jié)

　　合的，同時也是相互滲透的。大數(shù)據(jù)學(xué)習(xí)和處

　　理是人工智能的強(qiáng)項，可以達(dá)到比人類能力強(qiáng)

　　幾百倍幾千倍的快速數(shù)據(jù)運(yùn)算、分析和理解。

　　而在癌癥診治的深度學(xué)習(xí)上，更需要人工智能

　　像人一樣進(jìn)行學(xué)習(xí)，例如對通過物理和化學(xué)方

　　式拍攝的人體各種部位，以及深淺度不同組織

　　的圖像要有正確的感知和理解，如對 X 線圖

　　像、磁共振成像和 CT 掃描圖像的感知、解讀，

　　并得出結(jié)論，即診斷。

　　但是，人工智能的癌癥診治深度學(xué)習(xí)并不

　　僅限于對癌癥和正常組織圖像的解讀，而是包

　　括更多的深度學(xué)習(xí)的內(nèi)容，例如，對癌癥標(biāo)記

　　物和特異分子的識別。

　　癌癥診治的人工智能學(xué)習(xí)內(nèi)容

　　2016年1月，美國總統(tǒng)奧巴馬宣布了“癌癥

　　登月計劃”，由副總統(tǒng)拜登全面負(fù)責(zé)?！鞍┌Y登

　　月計劃”的其中一個項目就是讓人工智能進(jìn)行

　　機(jī)器學(xué)習(xí) （算法） 和深度學(xué)習(xí)，以識別癌癥。

　　為此，美國能源部與美國國家衛(wèi)生研究院下屬

　　的國家癌癥研究所合作，提出了“高級癌癥計

　　算解決方案的聯(lián)合設(shè)計任務(wù)”，這個項目就是致

　　力于解決三個基于計算機(jī)學(xué)習(xí)的人工智能抗癌

　　難題。

　　首先是從認(rèn)識癌癥的分子層面學(xué)習(xí)，要讓

　　人工智能了解 RAS/Raf 通路的蛋白質(zhì)相互作

　　用。RAS基因在20世紀(jì)60年代被發(fā)現(xiàn)是致癌基

　　因，存在于30%的癌癥患者中。1982年，美國科

　　學(xué)家溫伯格等人從膀胱癌細(xì)胞中克隆得到第一

　　個人類癌基因，由于它和之前發(fā)現(xiàn)的鼠肉瘤病

　　毒基因C-RAS高度同源，因此被命名為RAS基

　　因。RAS 基因編碼產(chǎn)生的蛋白定位于細(xì)胞膜內(nèi)

　　側(cè)，為GTP/GDP結(jié)合蛋白（GDP為鳥嘌呤二核

　　苷酸磷酸，GTP是鳥嘌呤三核苷酸磷酸），通過

　　GTP 與 GDP 的相互轉(zhuǎn)化來調(diào)節(jié)信號通路的傳

　　遞。由于RAS蛋白的相對分子量是21千道爾頓

　?。╧Da），故又被稱為p21蛋白。

　　之后，人們又發(fā)現(xiàn)了 RAS 蛋白的直接效應(yīng)

　　因子 Raf-1 蛋白激酶。Raf-1 激酶對細(xì)胞增殖、

　　細(xì)胞分化、細(xì)胞凋亡和細(xì)胞周期停滯有重要作

　　用，利用這些作用可以知道癌癥的發(fā)生、發(fā)

　　展，以及找到治療癌癥的藥物和方法。

　　“癌癥登月計劃”讓人工智能進(jìn)行的第二個

　　學(xué)習(xí)任務(wù)是，進(jìn)行臨床前的藥物篩查。這是一

　　種研發(fā)癌癥藥物的預(yù)測模型，在臨床試驗前進(jìn)

　　行最大化的藥物篩選，為癌癥病人提供精準(zhǔn)醫(yī)

　　療方案。具體而言是對臨床前和臨床試驗時的

　　癌癥數(shù)據(jù)進(jìn)行篩選，結(jié)合小鼠模型中的新數(shù)

　　據(jù)，通過反饋循環(huán)讓實驗?zāi)Ｐ椭笇?dǎo)計算模型的

　　設(shè)計，建立腫瘤藥物反應(yīng)的預(yù)測模型。其實，

　　這也是基于特殊數(shù)據(jù)和大數(shù)據(jù)的學(xué)習(xí)和分析。

　　“癌癥登月計劃”讓人工智能進(jìn)行的第三個

　　學(xué)習(xí)任務(wù)是，學(xué)習(xí)和建立人口模型。這就要求

　　人工智能根據(jù)不同人群的生活方式、生活環(huán)

　　境、所患癌癥的種類、不同的醫(yī)療體系等，從

　　數(shù)百萬癌癥病人的病歷數(shù)據(jù)中自動分析，從而

　　獲取最佳治療策略。當(dāng)然，海量病人的數(shù)據(jù)來

　　自美國國家衛(wèi)生研究院、美國食品和藥物管理

　　局、制藥公司和第三方付款機(jī)構(gòu)。

　　可以看到，美國的“癌癥登月計劃”中的

　　人工智能學(xué)習(xí)并不包含腫瘤圖像的識別，所以

　　人工智能診治癌癥的學(xué)習(xí)在不同的國家有不同

　　的內(nèi)容。

　　人工智能幫助診治癌癥

　　人工智能對癌癥的識別和診斷首先體現(xiàn)于

　　對癌癥數(shù)據(jù)的解讀上，其中最重要的是對癌癥

　　基因和基因組的識別和解讀。

　　機(jī)器學(xué)習(xí) （算法） 是人工智能的一個基本

　　內(nèi)容，其中，數(shù)據(jù)的輸入、輸出、賦值等運(yùn)算

　　可以讓人工智能對某一問題進(jìn)行計算分析，從

　　而得出初步結(jié)果。對癌癥的診斷和治療也可以

　　利用這一點。加拿大西方大學(xué)的羅根等人研發(fā)

　　了一套算法，通過對基因數(shù)據(jù)的分析得出最可

　　能的有效治療癌癥的方案，并且讓該治療方案

　　變得更加個性化。

相關(guān)電子資料下載

• 如何創(chuàng)建FPGA控制的機(jī)器人手臂 49
• 怎樣延長半導(dǎo)體元器件的壽命呢？ 180
• 智能時代的三大核心技術(shù) 57
• 研華推出EPC-B3000系列嵌入式工控機(jī)，搭載先進(jìn)X86架構(gòu)CPU，助力邊緣人工智能應(yīng)用 91
• 探索可觀測性未來：基調(diào)聽云產(chǎn)品VP陳靖華揭秘新一代可觀測性工具 129
• 異構(gòu)時代：CPU與GPU的發(fā)展演變 143
• RISC-V要顛覆GPU嗎？ 210
• 韓國半導(dǎo)體10月早期出口數(shù)據(jù)一年來首次回暖，工信部推動通用人工智能與物聯(lián) 192
• AI可在數(shù)秒鐘內(nèi)成功設(shè)計出行走機(jī)器人 28
• 因「盒」而來︱英碼科技「深元」的AI重構(gòu)與工具革命 58