隨著人工智能技術(shù)的演進(jìn)，其在醫(yī)療健康領(lǐng)域的應(yīng)用愈發(fā)廣泛和深入，當(dāng)下人工智能已不斷加速著醫(yī)療領(lǐng)域的發(fā)展，在個(gè)人基因、藥物研發(fā)、新疾病的診斷和控制方面展開(kāi)了一系列變革。人工智能和機(jī)器學(xué)習(xí)在醫(yī)療健康領(lǐng)域的應(yīng)用正在重塑著整個(gè)行業(yè)的形貌，并將曾經(jīng)的不可能變成可能。

在醫(yī)療健康領(lǐng)域活躍著世界上最具創(chuàng)新性的初創(chuàng)公司，他們致力于為人類(lèi)帶來(lái)更高質(zhì)量的生活和更長(zhǎng)的生命。軟件和信息技術(shù)刺激了這些創(chuàng)新的產(chǎn)生和發(fā)展，數(shù)字化的健康和醫(yī)療數(shù)據(jù)使得醫(yī)療的研究和應(yīng)用進(jìn)程不斷加速。

近年來(lái)，以人工智能和機(jī)器學(xué)習(xí)為首的先進(jìn)技術(shù)讓軟件變得越來(lái)越智能和獨(dú)立，不斷加速著健康領(lǐng)域的創(chuàng)新步伐，也使得業(yè)界得以在以下這些領(lǐng)域展開(kāi)一系列變革：

個(gè)人基因；

藥物研發(fā)；

新疾病的診斷和控制。

這些技術(shù)為醫(yī)療健康領(lǐng)域帶了巨大的發(fā)展機(jī)會(huì)，在某一個(gè)細(xì)分領(lǐng)域擁有差異化和高附加值產(chǎn)品的企業(yè)，將會(huì)收獲巨大的回報(bào)。

個(gè)人基因時(shí)代的開(kāi)啟

人工智能和機(jī)器學(xué)習(xí)在遺傳學(xué)方面最重要的應(yīng)用就是理解DNA如何影響生命的進(jìn)程。盡管我們已經(jīng)能夠繪制出人類(lèi)完整的基因圖譜，但是我們依然不清楚大多數(shù)基因的作用和影響。基因會(huì)和外部環(huán)境、食物氣候等因素發(fā)生協(xié)同作用并對(duì)生命產(chǎn)生影響。

如果我們想要了解什么在影響生命和生物進(jìn)程，我們必須首先學(xué)會(huì)理解DNA的語(yǔ)言。先進(jìn)的機(jī)器學(xué)習(xí)算法和Google DeepMind和IBM Watson這樣的系統(tǒng)應(yīng)運(yùn)而生。如今利用機(jī)器學(xué)習(xí)系統(tǒng)和先進(jìn)的技術(shù)可以在很短的時(shí)間內(nèi)，處理以前可能一生都無(wú)法處理的海量數(shù)據(jù)（病歷、診斷記錄、醫(yī)學(xué)影象和治療方案），從中學(xué)習(xí)和識(shí)別出疾病的模式和規(guī)律。

像Deep Genomics這樣的公司已經(jīng)開(kāi)始在這一領(lǐng)進(jìn)行革命性的研究。這家公司正在研發(fā)一套可以解讀DNA的系統(tǒng)并在分子層面預(yù)測(cè)每一個(gè)基因變量的影響。他們的數(shù)據(jù)庫(kù)可以解讀上億個(gè)基因變量對(duì)基因編碼的影響。

一旦對(duì)人類(lèi)DNA信息有了更好的理解，我們就有機(jī)會(huì)更深入地研究每個(gè)個(gè)體地遺傳信息。這將會(huì)使得“個(gè)人基因時(shí)代”的到來(lái)，每個(gè)人將有機(jī)會(huì)利用前所未有的基因信息，控制自身的健康和生命過(guò)程。

基因領(lǐng)域的消費(fèi)公司23andMe和Rthm代表了這個(gè)領(lǐng)域的第一波浪潮。他們研發(fā)出了便捷的基因診斷工具來(lái)幫助客戶(hù)理解自己的基因構(gòu)成。Rthm還進(jìn)一步地利用這些數(shù)據(jù)幫助顧客改變他們地日常行為習(xí)慣，實(shí)實(shí)在在地管理自己的健康。

機(jī)器學(xué)習(xí)和人工智能在應(yīng)用中，必須能夠接入海量的數(shù)據(jù)進(jìn)行分析，才能夠?yàn)橛脩?hù)提供更好的建議來(lái)改善個(gè)人的生活習(xí)慣。目前初創(chuàng)公司致力于在基因信息的交付過(guò)程中進(jìn)行更多的思考，就如同日本學(xué)者Takashi Kido強(qiáng)調(diào)的：

獲取可靠的個(gè)人基因數(shù)據(jù)和基因風(fēng)險(xiǎn)預(yù)測(cè)；

通過(guò)用戶(hù)數(shù)據(jù)和基因信息指導(dǎo)用戶(hù)行為模式的分析，以得到對(duì)用戶(hù)有用的信息，拋棄無(wú)用信息；

基于數(shù)據(jù)挖掘的科學(xué)研究。

其中第二點(diǎn)是值得注意的，并不是所有的數(shù)據(jù)對(duì)于用戶(hù)來(lái)說(shuō)都是有用的，心理學(xué)在數(shù)據(jù)信息的控制和分析中起到了重要作用。

精準(zhǔn)的藥物研發(fā)

人工智能和機(jī)器學(xué)習(xí)另一個(gè)激動(dòng)人心的應(yīng)用在于極大地減少了新藥研發(fā)的時(shí)間和金錢(qián)。一款新藥從研發(fā)到投入臨床使用通常需要耗費(fèi)12－14年的時(shí)間，并花費(fèi)高達(dá)26億美元的預(yù)算。在研發(fā)的過(guò)程中，復(fù)雜的化學(xué)成分需要于每一種可能結(jié)合的細(xì)胞進(jìn)行測(cè)試，并需要綜合考慮基因變異和治療情況的不同。

這樣的工作極為耗時(shí)，同時(shí)也大大限制了實(shí)驗(yàn)的廣泛性。而機(jī)器學(xué)習(xí)算法可以教會(huì)計(jì)算機(jī)基于先前的實(shí)驗(yàn)數(shù)據(jù)學(xué)會(huì)預(yù)測(cè)哪些實(shí)驗(yàn)需要進(jìn)行，藥物的化學(xué)成分會(huì)有什么樣的副作用。這極大的加快了研發(fā)的進(jìn)程。

舊金山的初創(chuàng)公司Atomwise就致力于利用超級(jí)計(jì)算機(jī)來(lái)代替新藥研發(fā)中的試管實(shí)驗(yàn)。他們利用機(jī)器學(xué)習(xí)和三維的神經(jīng)網(wǎng)絡(luò)篩查一個(gè)分子結(jié)構(gòu)的數(shù)據(jù)庫(kù)，為疾病找到可能的藥物解決方案，幫助人們發(fā)現(xiàn)治愈疾病的新藥物，或者將已經(jīng)存在的治療方法創(chuàng)造性的應(yīng)用到其他病癥的治療中去。

2015年這家公司就曾幫助研發(fā)出兩種新藥，并在很大程度上緩解了埃博拉疫情。不想傳統(tǒng)方法耗費(fèi)幾年的時(shí)間，新方法只用了一天的時(shí)間就完成了新藥研發(fā)的分析。最近的一項(xiàng)研究也證實(shí)了Atomwise的研究結(jié)果，表明深度神經(jīng)網(wǎng)絡(luò)是可以用于預(yù)測(cè)藥物的藥理學(xué)特性并實(shí)現(xiàn)藥物的重新應(yīng)用的。

Berg Health是波士頓的一家生物制藥公司，從一個(gè)獨(dú)特的角度進(jìn)行新藥研發(fā)。他們通過(guò)AI挖掘患者的生物數(shù)據(jù)來(lái)理解某些患者能從疾病中痊愈的原因，并基于此來(lái)改進(jìn)現(xiàn)有的療法和新藥的研發(fā)。

BenevolentAI是一家倫敦的初創(chuàng)公司，致力于利用AI從科研文獻(xiàn)中發(fā)掘信息來(lái)加速新藥的研發(fā)過(guò)程。目前在世界范圍內(nèi)只有一小部分基因科學(xué)信息被用于研究，而每30秒就會(huì)有新的健康相關(guān)的信息產(chǎn)生。BenevolentAI可以分析研究人員提供的海量數(shù)據(jù)，并大幅度地提升藥物地研發(fā)進(jìn)程。最近公司發(fā)現(xiàn)了兩種可以用于老年癡呆的藥物，極大地吸引了藥企的注意。

隨著機(jī)器學(xué)習(xí)和人工智能的發(fā)展，藥物研發(fā)的未來(lái)越來(lái)越明朗。最近一篇谷歌研究論文表示利用不同地方獲取的數(shù)據(jù)可以更好的確定哪一種化學(xué)成分對(duì)于疾病更有用，并且機(jī)器學(xué)習(xí)還能夠通過(guò)大規(guī)模的實(shí)驗(yàn)來(lái)驗(yàn)證幾百萬(wàn)中復(fù)雜的藥物以節(jié)省大量的時(shí)間金錢(qián)。

新型疾病的發(fā)現(xiàn)和控制

大多數(shù)疾病并不僅僅是因?yàn)楹?jiǎn)單基因變異產(chǎn)生的，我們還需要分析很多因素才能更加了解。盡管醫(yī)療系統(tǒng)積累了豐富的巨量數(shù)據(jù)，但之前我們一直沒(méi)有足夠強(qiáng)大的軟硬件來(lái)從中發(fā)掘出其中的寶藏。

疾病診斷是一個(gè)需要綜合考慮許多因素的復(fù)雜過(guò)程，從患者的皮膚質(zhì)地到每天他／她的糖分?jǐn)z入量，需要廣泛的綜合信息來(lái)做出判斷。過(guò)去的兩千多年來(lái)，醫(yī)學(xué)一直是由癥狀診斷和對(duì)應(yīng)的治療來(lái)完成的（如果你發(fā)燒流鼻涕了，那你八成是感冒了）。

但對(duì)于患者來(lái)說(shuō)，待到有明顯癥狀時(shí)已經(jīng)太晚了，特別對(duì)于癌癥患者和阿爾茨海默患者來(lái)說(shuō)，早期發(fā)現(xiàn)尤為重要。如今，我們利用機(jī)器學(xué)習(xí)有希望在疾病發(fā)于腠理之時(shí)就進(jìn)行診斷和預(yù)測(cè)，極大地提高患者生存和治愈的概論。

舊金山的初創(chuàng)公司Freenome創(chuàng)造了一臺(tái)自適應(yīng)的基因引擎，可以動(dòng)態(tài)地檢測(cè)血液中地疾病特征。這家公司動(dòng)態(tài)地收集血液中地freenome檢測(cè)用戶(hù)的基因信息，例如你的年齡、和生長(zhǎng)過(guò)程。

在疾病診斷和療程管理等方面，像Enlitic這樣的公司致力于改善患者治療費(fèi)用的支出情況，利用深度學(xué)習(xí)分析醫(yī)療數(shù)據(jù)來(lái)從百億計(jì)的臨床案例中尋求幫助。IBM的沃森與紐約癌癥治療中心合作，分析了過(guò)去幾十年來(lái)的癌癥患者及其治療方案數(shù)據(jù)，為醫(yī)生提供對(duì)于特殊病例的有效治療方案。

在倫敦，Google的DeepMind正從Moorfields眼科醫(yī)院的眼底掃描數(shù)據(jù)中挖掘分析，幫助醫(yī)生在治療眼部疾病時(shí)有更好的理解和處理。同時(shí)DeepMind還在進(jìn)行一個(gè)幫助頸部和頭部癌癥患者進(jìn)行化療的治療方案，極大的減少了醫(yī)生指定治療計(jì)劃的時(shí)間，讓他們可以集中精力處理更多患者。

這意味著什么？

人工智能和機(jī)器學(xué)習(xí)在醫(yī)療健康領(lǐng)域的應(yīng)用正在重塑著整個(gè)行業(yè)的形貌，并將曾經(jīng)的不可能變成可能。

人工智能如今無(wú)處不在，在醫(yī)療行業(yè)中，持續(xù)的數(shù)據(jù)輸入是成功的關(guān)鍵。一個(gè)系統(tǒng)能擁有越多的數(shù)據(jù)，這個(gè)系統(tǒng)便會(huì)變得越聰明。所以很多公司都不斷增加對(duì)于數(shù)據(jù)獲取的關(guān)注（匿名數(shù)據(jù)）。去年2月IBM就以26億美元收購(gòu)了一家健康分析公司Truven Health，目的是獲取這家公司海量的數(shù)據(jù)。最近又與Medtronic合作，通過(guò)接入真實(shí)的胰島素?cái)?shù)據(jù)不斷拓展Watson在糖尿病方面的分析能力。

數(shù)據(jù)越來(lái)越豐富，技術(shù)越來(lái)越先進(jìn)，醫(yī)療健康領(lǐng)域的機(jī)會(huì)也在不斷涌現(xiàn)，不斷激勵(lì)著從業(yè)者們?yōu)槿祟?lèi)的健康和福祉實(shí)現(xiàn)更多的可能。