《我不是藥神》引熱議，AI會是下一個對抗癌癥的有力武器嗎？
2018-07-13 來源：raincent
這部電影之所以叫好又賣座，無非是它戳中了人們的痛點(diǎn)：經(jīng)濟(jì)條件普通的患者買不起治療白血病的天價藥格列衛(wèi)，就只能求助于幾乎同樣療效、但價格只有幾十分之一的印度仿制藥。要想活命，就都要去求助于程勇這樣代購印度廉價藥的“黑中介”。
世界衛(wèi)生組織公布的數(shù)據(jù)顯示，全球每年都有超過1400萬新發(fā)癌癥病例，且有將近880萬人死于癌癥，其中大部分人都處于中低收入水平國家�？拱┻M(jìn)口藥往往研發(fā)成本高昂，涉及核心專利保護(hù)，再加上進(jìn)口關(guān)稅等層層加價，合法的“真藥”賣到中國來，往往是翻了幾倍甚至幾十倍的天價。很多癌癥患者只能以各種方式購買國外的低價仿制藥來維持生命，生命就這么被明碼標(biāo)價。
如何讓“大病面前人人平等”不再成為空話，讓更多患者能夠有尊嚴(yán)地接受更優(yōu)質(zhì)的治療、吃上價格合適的藥品，從根本上提高癌癥預(yù)防和治療的效率和質(zhì)量?
越來越多的人把目光轉(zhuǎn)向了人工智能，希望人工智能能為飽受傷病困擾、經(jīng)濟(jì)能力有限的癌癥患者帶來更高效、廉價的預(yù)防和治療措施。
那么，在將來，人工智能的迅速崛起會不會為癌癥診治帶來新的福音?
新藥研發(fā)：人工智能與抗癌藥物
在電影里面，藥販子張長林用戲謔的口吻說：“世界上只有一種治不好的病，就是窮病”，讓人唏噓不已。罕見病藥物的高昂價格正是患者最大的困擾，對于經(jīng)濟(jì)條件一般的病人來說，廉價而同樣有效的仿造藥物，就是他們的救命稻草。
電影將瑞士藥廠諾華公司塑造為追逐利益花大功夫保護(hù)專利、草菅人命的負(fù)面角色。但在保護(hù)創(chuàng)新與貧窮者的生存之間的矛盾背后，是巨大的倫理困境。
研發(fā)新藥物，成本是天文數(shù)字，如果沒有專利保護(hù)，仿制藥就會扼殺了大藥廠的創(chuàng)新動機(jī)，不利于新藥的研發(fā)，最終結(jié)果是大家都沒有新藥可用。
據(jù)權(quán)威機(jī)構(gòu)Tufts CSDD在2014年的統(tǒng)計，美國批準(zhǔn)上市的新藥平均研發(fā)成本是29億美元。藥品研發(fā)如此昂貴，主要是因?yàn)樗幬镅邪l(fā)后需要大量及漫長的臨床試驗(yàn)，以及藥品的研發(fā)失敗幾率極高，藥企需要為此付出高昂的研發(fā)費(fèi)用，以及極高的風(fēng)險成本。
以片中的“救命藥”格列衛(wèi)為例，從開始研發(fā)到被批準(zhǔn)用于治療，諾華公司花費(fèi)了數(shù)十億美元的研發(fā)費(fèi)用，投入大規(guī)模的人力和設(shè)備投入，時間跨度長達(dá)四十余年。格列衛(wèi)還承擔(dān)著諾華公司其他虧損藥物項(xiàng)目的成本均攤費(fèi)用。醫(yī)藥企業(yè)躲不過高昂的投入，也自然無法給藥物定低價，做無私的“救世主”。
全球制藥企業(yè)2016年研發(fā)投入前20強(qiáng)排行(十億美元)
不過，隨著深度學(xué)習(xí)技術(shù)的突破，圖像識別、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等關(guān)鍵技術(shù)的快速發(fā)展，人工智能技術(shù)在新藥研發(fā)領(lǐng)域的作用越來越突出，能夠幫助研究人員快速識別抗癌藥物的有效性，從而大幅縮減研發(fā)時間，提高新藥研發(fā)的效率。
咨詢公司麥肯錫(McKinsey & Co.)制藥及醫(yī)療產(chǎn)品行業(yè)合伙人SastryChilukuriv在一份報告中指出，人工智能在幫助藥企研發(fā)新藥的過程中表現(xiàn)出越來越積極的角色得益于人工智能近幾年的發(fā)展，比如患者的各種大數(shù)據(jù)越來越容易獲取、人工智能算法準(zhǔn)確率提升、數(shù)據(jù)的實(shí)時監(jiān)控質(zhì)量提高等。
于是，越來越多的藥物開發(fā)廠商開始轉(zhuǎn)向計算機(jī)和人工智能，希望利用這種技術(shù)來縮小潛在藥物分子的范圍，從而節(jié)省后續(xù)測試的時間和金錢投入。為了識別那些有很大潛力可以作為藥物靶標(biāo)的蛋白質(zhì)的編碼基因，很多廠商把希望寄托在了機(jī)器算法上。
目前，一些新的算法模型(包括近日發(fā)布在《ScienceTranslational Medicine》上)增加了新層次的復(fù)雜性，這些算法可以縮小相關(guān)蛋白質(zhì)、藥物和臨床數(shù)據(jù)的范圍，以便更好地預(yù)測哪些基因最有可能讓蛋白質(zhì)和藥物結(jié)合。
在解決癌癥耐藥性方面，人工智能也有著突出作用。人工智能可以通過對龐大抗藥腫瘤的數(shù)據(jù)學(xué)習(xí)、分析，快速理解癌癥細(xì)胞是如何對抗癌藥物產(chǎn)生抗藥性的，這有助于研究人員和醫(yī)療人員改進(jìn)藥品研發(fā)、調(diào)整藥物使用。
藥企通過運(yùn)用人工智能研發(fā)系統(tǒng)，能夠降低研發(fā)過程中人力、時間、物力成本，同時基于疾病、用藥等建立數(shù)據(jù)模型，預(yù)測藥品研發(fā)過程中的安全性、有效性、副作用等。而研發(fā)成本的下降也就意味著罕見病藥物售價能夠更加低廉，讓更多的患者能夠用上藥效更好的正版藥。
今年一月，葛蘭素史克公司宣布同位于加州的勞倫斯利物莫國家實(shí)驗(yàn)室(LawrenceLivermore National Laboratory)結(jié)成伙伴關(guān)系，攜手利用人工智能進(jìn)行藥物研發(fā)。葛蘭素史克負(fù)責(zé)科技的高級副總裁約翰·巴爾多尼(JohnBaldoni)表示，合作的目的是借助人工智能將藥物研發(fā)時間壓縮至一年，而此前有些藥物研發(fā)耗時長達(dá)10年。
人工智能在幫助醫(yī)生為癌癥患者制定針對性治療方案、預(yù)測藥物治療有效性方面也有著積極表現(xiàn)�？萍季揞^微軟正開發(fā)名為“Hanover”的人工智能項(xiàng)目，借助深度學(xué)習(xí)技術(shù)，理解、分析大量醫(yī)學(xué)專業(yè)論文，來幫助醫(yī)生合理、精準(zhǔn)用藥。
智能診斷：人工智能與癌癥篩查
對于癌癥患者來說，服用抗癌藥物、接受放療、化療都是在確診后的不得已的應(yīng)對手段。但如果將來能在早期診療中普及早期篩查，并提高癌癥篩查的準(zhǔn)確性，將癌細(xì)胞的焰火掐滅在萌芽狀態(tài)，癌癥患者也會得到更加及時的治療，癌癥患者的存活率能得到有效提高。
目前傳統(tǒng)的篩查模式有諸多局限，比如靈敏度不夠高，未能早發(fā)現(xiàn)癌癥的靶點(diǎn);特異性不夠好，檢測結(jié)果容易出現(xiàn)假陽性和假陰性;誤診率高，有時受制于醫(yī)生肉眼閱片能力等等。
以結(jié)直腸癌篩查為例，由于腸道環(huán)境復(fù)雜、早期癌變或息肉又小又平以及醫(yī)生疲勞等因素，臨床漏診率很高。而AI能有效降低結(jié)直腸癌篩查的漏檢率，對于人眼經(jīng)常漏診的息肉等，AI可以選出病變疑點(diǎn)并提示醫(yī)生。
AI技術(shù)能夠利用圖像識別、深度學(xué)習(xí)輔助臨床醫(yī)生更準(zhǔn)確、更高效地診斷，達(dá)到從基于醫(yī)生的主觀判斷到基于人工智能軟件處理大數(shù)據(jù)后的客觀判讀的轉(zhuǎn)變。目前已經(jīng)在全球范圍內(nèi)應(yīng)用于如宮頸癌、乳腺癌等多種癌癥的篩查。
例如，香港中文大學(xué)的研究團(tuán)隊就用人工智能影像識別技術(shù)判讀肺癌及乳腺癌的醫(yī)學(xué)影像，自動篩查早期肺癌及快速檢測乳腺癌轉(zhuǎn)移，其準(zhǔn)確率分別達(dá)91%及99%，識別過程只需30秒至10分鐘。
AI技術(shù)能夠更好地標(biāo)記乳腺癌腫瘤，減少假陽性和過度診療的幾率
來自德國、法國和美國的團(tuán)隊研發(fā)了檢測皮膚病的人工智能軟件，該軟件能夠以95%的精確率檢測出癌性痣和良性斑點(diǎn)，比醫(yī)生的識別結(jié)果(87%)更加精確。
圖為鱗狀細(xì)胞癌。 AI系統(tǒng)將癌性的皮膚病變部分與良性皮膚病變區(qū)分開來
越來越多中國的醫(yī)院也開始把AI技術(shù)帶入到癌癥篩查當(dāng)中，深圳市南山人民醫(yī)院就在騰訊的AI醫(yī)學(xué)影像技術(shù)——騰訊覓影的輔助下對早期食管癌進(jìn)行篩查，篩查準(zhǔn)確率達(dá)到90%。得益于人工智能超強(qiáng)的識別圖像和篩查能力，醫(yī)生可以更快更高效地幫助女性早期識別乳腺癌，更高效的早篩也有助于降低乳腺癌的死亡率。
目前，人工智能在智能診斷方面的技術(shù)已經(jīng)在世界范圍內(nèi)產(chǎn)生了重大進(jìn)展和突破，相對于傳統(tǒng)的篩查模式，人工智能能夠更快速地學(xué)習(xí)了海量癌癥醫(yī)學(xué)知識和診治案例，全面提升癌癥篩查效率和準(zhǔn)確率，結(jié)合大數(shù)據(jù)等技術(shù)的應(yīng)用，將來能夠大大提高早期篩查和輔助決策的質(zhì)量。但人工智能的技術(shù)迭代是一個長期的過程，不可能一蹴而就。
人工智能什么時候能大規(guī)模應(yīng)用?
不過，若想人工智能充分發(fā)揮其在藥物研發(fā)上的潛能，仍有諸多障礙需要跨越。
比如，北卡羅來納大學(xué)研究機(jī)器學(xué)習(xí)的助理教授Olexandr Isayev指出，即使在同一機(jī)構(gòu)內(nèi)，不同的數(shù)據(jù)集可能是碎片化的，而且存儲方式并不兼容，使得機(jī)器理解識別數(shù)據(jù)變得很困難，而讓數(shù)據(jù)變得協(xié)調(diào)兼容需要付出卓絕的努力。
同時，數(shù)據(jù)保密也是個令人擔(dān)憂的問題，尤其是考慮到近期針對醫(yī)療保健系統(tǒng)的網(wǎng)絡(luò)攻擊和數(shù)據(jù)泄露事件，人工智能數(shù)據(jù)的使用也頗具爭議。
此外，藥物批準(zhǔn)過程也是一大難關(guān)，因?yàn)樗幬锱鷾?zhǔn)需要動物和人體實(shí)驗(yàn)數(shù)據(jù)，這也使得短期內(nèi)在藥物研發(fā)上計算機(jī)不可能徹底取代科學(xué)家。
自2014年起，北美約20家醫(yī)療機(jī)構(gòu)等利用美國IBM開發(fā)的“沃森”，啟動了醫(yī)療領(lǐng)域的研究，而中國在這方面的應(yīng)用依舊十分有限。
在處理自動化任務(wù)、案例整合注釋、高效計算等任務(wù)上，人工智能能夠?yàn)獒t(yī)生們提供相當(dāng)大的幫助。醫(yī)院越來越緊張的醫(yī)療資源也要求快速的計算分析、處理的能力和更高的檢測精度，人工智能能夠造福廣大患者，提供更大的幫助。
人工智能在歷經(jīng)半個世紀(jì)的起伏之后，已經(jīng)從概念走向了現(xiàn)實(shí)，越來越成熟的智能應(yīng)用出現(xiàn)在我們的生活中，并逐步在醫(yī)療行業(yè)落地。醫(yī)療人工智能發(fā)展迅速，產(chǎn)業(yè)格局風(fēng)起云涌，包括醫(yī)學(xué)影像、臨床決策支持、語音識別、藥物挖掘、健康管理、病理學(xué)等眾多領(lǐng)域。
深度學(xué)習(xí)技術(shù)的突破，使得此前半溫不火的人工智能迅速崛起，圖像識別、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等關(guān)鍵技術(shù)的發(fā)展，以及大數(shù)據(jù)技術(shù)的融合應(yīng)用，為抗癌藥物研發(fā)和癌癥診治提供了巨大的幫助。
人工智能是否能夠提高新藥的研發(fā)升級的速度的同時降低藥物成本，使得藥物能夠以更低的價格使患者受益，甚至是更廣泛地應(yīng)用于癌癥檢測的領(lǐng)域，讓癌癥的風(fēng)險在早期得到更好的評估和檢測。
就像電影中程勇說的那樣：“我相信，今后會越來越好的。希望這一天能早日到來”，有了人工智能的幫助，相信更多患者能夠順利康復(fù)的那一天一定會更早到來。
附錄：人工智能在醫(yī)療領(lǐng)域發(fā)展路徑 創(chuàng)新步伐加快
1952年 -人工智能之父Marvin Minsky建立了隨機(jī)神經(jīng)模擬加固計算器(SNARC)。這是人類打造的最一個人工神經(jīng)網(wǎng)絡(luò)，用了3000個真空管來模擬40個神經(jīng)元規(guī)模的網(wǎng)絡(luò)。
1975年- BP算法，即反向傳播(back propagation)算法，使多層神經(jīng)元網(wǎng)絡(luò)訓(xùn)練成為可能，20世紀(jì)80年代神經(jīng)網(wǎng)絡(luò)開始廣泛使用;
2000年-“ 深度學(xué)習(xí) ”一詞首次用于描述得知創(chuàng)建能夠以無監(jiān)督方式從非結(jié)構(gòu)化數(shù)據(jù)的學(xué)習(xí)的機(jī)器學(xué)習(xí)過程;
2011-2012-卷積神經(jīng)網(wǎng)絡(luò)AlexNet實(shí)現(xiàn)了視覺識別前所未有的精度水平，從而為深度學(xué)習(xí)在機(jī)器學(xué)習(xí)中的主流作用作了肯定;
2017年1月-美國斯坦福大學(xué)研究人員在開發(fā)的深度學(xué)習(xí)技術(shù)可以直觀地識別癌細(xì)胞皮膚痣和病變，與同級別人類皮膚科醫(yī)生精度相當(dāng);
2017年2月-微軟建立醫(yī)療NEXT，旨在運(yùn)用人工智能和機(jī)器學(xué)習(xí)技術(shù)，以解決不同的健康問題，包括癌癥治療;
2017年3月-谷歌的GoogleNet深度學(xué)習(xí)技術(shù)能夠檢測癌癥惡性腫瘤，比人類醫(yī)生有更高的精確度;
2017年10月-英特爾發(fā)布Nervana神經(jīng)網(wǎng)絡(luò)處理器(NNP)芯片，它可以加速深度學(xué)習(xí)速度，包括診斷癌癥
這一時間表顯示，深度學(xué)習(xí)和基于AI的癌癥研究創(chuàng)新的步伐正在加快。然而，在這個階段的進(jìn)展仍然涉及相對小的步驟導(dǎo)致了在未來的終極目標(biāo)。
參考閱讀：
https://www.theguardian.com/technology/2018/jun/10/artificial-intelligence-cancer-detectors-the-five
https://www.iyiou.com/breaking/17242?share_from=f13294ebIvm-sWBNhWA7pxQpw-ODBY4DBeJ-aVo3cjfwejtmQkyc1z5eMuhtbS5mgp2cvFJroxd3GXUo9a-5GE6YQVpWdNN3Csle1Sf-R_7TfIMKvyr96d_Jw
http://news.163.com/17/1025/20/D1KDKN4U00018AOR.html
https://www.mckinsey.com/industries/pharmaceuticals-and-medical-products/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d
https://www.wsj.com/articles/how-ai-is-transforming-drug-creation-1498442760
標(biāo)簽： Google 安全 處理大數(shù)據(jù) 大數(shù)據(jù) 大數(shù)據(jù)技術(shù) 谷歌 網(wǎng)絡(luò)
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
