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(huì)
Benjamin J. Raphael，普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系教授
● ● ●
近兩年，無(wú)論是在語(yǔ)音識(shí)別、圖像識(shí)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(jì)算機(jī)視覺(jué)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(huì)機(jī)器如何“聽(tīng)懂”和“讀懂”，更能教會(huì)機(jī)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(huì)特別設(shè)置了“下一代生物醫(yī)學(xué)智能系統(tǒng)”議題，邀請(qǐng)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(shì)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(lái)論壇的青創(chuàng)聯(lián)盟成員叢樂(lè)老師對(duì)議題提前進(jìn)行了解讀。
生物技術(shù)的“最強(qiáng)大腦”
移動(dòng)互聯(lián)網(wǎng)時(shí)代，通過(guò)智能手機(jī)我們獲得了海量的健康信息，包括出行數(shù)據(jù)、運(yùn)動(dòng)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(cè)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(jí)的數(shù)據(jù)分析和管理，更好的計(jì)算方法。普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系教授，Benjamin J. Raphael將計(jì)算機(jī)統(tǒng)計(jì)和計(jì)算理論的方法運(yùn)用到基因測(cè)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(lái)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(xiàng)研究中提出了一種稱(chēng)為MACHINA的算法，其通過(guò)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(lái)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(guò)去的轉(zhuǎn)移過(guò)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(méi)有反應(yīng)真實(shí)的疾病過(guò)程，而新開(kāi)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(shí)際上，診斷就是數(shù)據(jù)分析過(guò)程，從基因序列到影像圖片分析，病人會(huì)產(chǎn)生大量數(shù)據(jù)，機(jī)器學(xué)習(xí)應(yīng)需而生。通過(guò)AI分析技術(shù)與機(jī)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(jì)算機(jī)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(lái)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(jì)算機(jī)科學(xué)系教授，Olga G.Troyanskaya，從計(jì)算機(jī)角度出發(fā)，將計(jì)算機(jī)領(lǐng)域新的方法運(yùn)用到基因測(cè)序和基因組學(xué)的數(shù)據(jù)中。跟Benjamin相比，Olga教授的獨(dú)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(lái)處理生物數(shù)據(jù)。
目前，國(guó)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(lái)自廣州醫(yī)科大學(xué)附屬?gòu)V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(gè)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(xiàng)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(shí)效性的方法來(lái)診斷病理圖像。基于深度學(xué)習(xí)的視網(wǎng)膜疾病診斷工具的問(wèn)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(guó)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?jiǎng)?chuàng)建一個(gè)人工智能平臺(tái)來(lái)挖掘他們?cè)谙忍煨园變?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(lái)建立識(shí)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(shí)別領(lǐng)域占主導(dǎo)地位，可用于訓(xùn)練和分類(lèi)），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(dòng)個(gè)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(jī)器學(xué)習(xí)的方法近年來(lái)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(yùn)轉(zhuǎn)的規(guī)則不是事先輸入的程序，而是依托龐大的后臺(tái)數(shù)據(jù)庫(kù)，根據(jù)正在檢測(cè)的病人情況，“思考”出針對(duì)每一個(gè)病人的單獨(dú)的結(jié)論。
詹啟敏，北京大學(xué)常務(wù)副校長(zhǎng)、醫(yī)學(xué)部主任；中國(guó)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(lái)分析突變機(jī)制和發(fā)病機(jī)理，通過(guò)提供診斷標(biāo)記，最終實(shí)現(xiàn)精準(zhǔn)針對(duì)病人的基因突變進(jìn)行對(duì)癥下藥的靶向治療。
詹老師長(zhǎng)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(guó)際上率先發(fā)現(xiàn)和系統(tǒng)揭示了細(xì)胞周期監(jiān)測(cè)點(diǎn)關(guān)鍵蛋白的作用和機(jī)制，闡明多個(gè)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(gè)體化治療中的作用。近年來(lái)，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(jī)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(diǎn)提供了理論和實(shí)驗(yàn)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(jià)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(qǐng)不同背景的嘉賓和老師，既有從計(jì)算機(jī)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(jì)算機(jī)和數(shù)據(jù)以及基因的方法來(lái)解決臨床上問(wèn)題的，兩邊科學(xué)家就像是從橋的兩端同時(shí)向中間進(jìn)發(fā)，最終架起計(jì)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(lè)，哈佛大學(xué)與Dana-Farber癌癥研究所教授，同濟(jì)大學(xué)長(zhǎng)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(dòng)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(chǔ)、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(lè)老師和張鋒老師雙方團(tuán)隊(duì)開(kāi)展合作研究,如何能夠更好地設(shè)計(jì)大規(guī)模的基因編輯實(shí)驗(yàn)，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(jì)算，讓實(shí)驗(yàn)變得自動(dòng)化、標(biāo)準(zhǔn)化，從而促進(jìn)以大規(guī)模實(shí)驗(yàn)為指導(dǎo)的基因編輯的應(yīng)用。
項(xiàng)目的合作方式是：張鋒老師的團(tuán)隊(duì)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(shí)和解讀；劉小樂(lè)老師的團(tuán)隊(duì)從統(tǒng)計(jì)和計(jì)算科學(xué)的角度出發(fā)，分析和設(shè)計(jì)大規(guī)模的基因編輯實(shí)驗(yàn)的研發(fā)應(yīng)用，實(shí)際上就是構(gòu)建一個(gè)數(shù)據(jù)處理的程序和平臺(tái)。項(xiàng)目合作包含了數(shù)學(xué)、計(jì)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(lè)（斯坦福大學(xué)醫(yī)學(xué)院病理系和遺傳系助理教授，未來(lái)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(shì)：
這個(gè)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(lái)在科研實(shí)踐中獲得的切實(shí)體會(huì)，有兩點(diǎn)想要和大家分享。
1. 多元化的交叉
智能醫(yī)學(xué)工程一門(mén)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(diǎn)和落腳點(diǎn)，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(shí)驗(yàn)室”到“手術(shù)臺(tái)”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(lái)生命科學(xué)領(lǐng)域革命的關(guān)鍵點(diǎn)。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(shí)理論和臨床各專(zhuān)科最有效的實(shí)踐經(jīng)驗(yàn)進(jìn)行多層次整合，實(shí)現(xiàn)不同領(lǐng)域成果轉(zhuǎn)化、互通與共享，最終形成以“個(gè)體化治療”為中心的科學(xué)醫(yī)學(xué)，是未來(lái)醫(yī)學(xué)發(fā)展的必然趨勢(shì)。
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(shí)代，數(shù)據(jù)呈現(xiàn)種類(lèi)繁多、難以有效整合分析等特點(diǎn)，難以挖掘其潛在高價(jià)值。如何實(shí)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(jī)整合，將大數(shù)據(jù)迅速轉(zhuǎn)化為新知識(shí)，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(duì)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(jì)和戰(zhàn)略布局，重塑未來(lái)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)專(zhuān)科進(jìn)行多層次的系統(tǒng)整合，進(jìn)一步推動(dòng)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(jī)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(gè)性化的優(yōu)質(zhì)診療方案。
注：本文來(lái)自由未來(lái)論壇提供。
