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(lèi)一個(gè)雄心勃勃

　　的計(jì)劃，而且，這一計(jì)劃早就有一些初步結(jié)果，

　　例如2007年，美國(guó)國(guó)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(shí)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?chē)沫h(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(gè)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(duì)某個(gè)個(gè)體檢測(cè)的結(jié)果，是患癌還是沒(méi)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(shí)是相互結(jié)

　　合的，同時(shí)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(xiàng)，可以達(dá)到比人類(lèi)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(duì)通過(guò)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(duì) 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(duì)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(duì)癌癥標(biāo)記

　　物和特異分子的識(shí)別。

　　癌癥診治的人工智能學(xué)習(xí)內(nèi)容

　　2016年1月，美國(guó)總統(tǒng)奧巴馬宣布了“癌癥

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

　　月計(jì)劃”的其中一個(gè)項(xiàng)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(shí)別癌癥。

　　為此，美國(guó)能源部與美國(guó)國(guó)家衛(wèi)生研究院下屬

　　的國(guó)家癌癥研究所合作，提出了“高級(jí)癌癥計(jì)

　　算解決方案的聯(lián)合設(shè)計(jì)任務(wù)”，這個(gè)項(xiàng)目就是致

　　力于解決三個(gè)基于計(jì)算機(jī)學(xué)習(xí)的人工智能抗癌

　　難題。

　　首先是從認(rèn)識(shí)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(guó)科

　　學(xué)家溫伯格等人從膀胱癌細(xì)胞中克隆得到第一

　　個(gè)人類(lèi)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(niǎo)嘌呤二核

　　苷酸磷酸，GTP是鳥(niǎo)嘌呤三核苷酸磷酸），通過(guò)

　　GTP 與 GDP 的相互轉(zhuǎn)化來(lái)調(diào)節(jié)信號(hào)通路的傳

　　遞。由于RAS蛋白的相對(duì)分子量是21千道爾頓

　?。╧Da），故又被稱(chēng)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(duì)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(jì)劃”讓人工智能進(jìn)行的第二個(gè)

　　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(cè)模型，在臨床試驗(yàn)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(duì)臨床前和臨床試驗(yàn)時(shí)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(guò)反饋循環(huán)讓實(shí)驗(yàn)?zāi)Ｐ椭笇?dǎo)計(jì)算模型的

　　設(shè)計(jì)，建立腫瘤藥物反應(yīng)的預(yù)測(cè)模型。其實(shí)，

　　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(jì)劃”讓人工智能進(jìn)行的第三個(gè)

　　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(lèi)、不同的醫(yī)療體系等，從

　　數(shù)百萬(wàn)癌癥病人的病歷數(shù)據(jù)中自動(dòng)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(lái)

　　自美國(guó)國(guó)家衛(wèi)生研究院、美國(guó)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(guó)的“癌癥登月計(jì)劃”中的

　　人工智能學(xué)習(xí)并不包含腫瘤圖像的識(shí)別，所以

　　人工智能診治癌癥的學(xué)習(xí)在不同的國(guó)家有不同

　　的內(nèi)容。

　　人工智能幫助診治癌癥

　　人工智能對(duì)癌癥的識(shí)別和診斷首先體現(xiàn)于

　　對(duì)癌癥數(shù)據(jù)的解讀上，其中最重要的是對(duì)癌癥

　　基因和基因組的識(shí)別和解讀。

　　機(jī)器學(xué)習(xí) （算法） 是人工智能的一個(gè)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(duì)某一問(wèn)題進(jìn)行計(jì)算分析，從

　　而得出初步結(jié)果。對(duì)癌癥的診斷和治療也可以

　　利用這一點(diǎn)。加拿大西方大學(xué)的羅根等人研發(fā)

　　了一套算法，通過(guò)對(duì)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(gè)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(zhǎng)半導(dǎo)體元器件的壽命呢？ 180
• 智能時(shí)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(cè)性未來(lái)：基調(diào)聽(tīng)云產(chǎn)品VP陳靖華揭秘新一代可觀測(cè)性工具 129
• 異構(gòu)時(shí)代：CPU與GPU的發(fā)展演變 143
• RISC-V要顛覆GPU嗎？ 210
• 韓國(guó)半導(dǎo)體10月早期出口數(shù)據(jù)一年來(lái)首次回暖，工信部推動(dòng)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(jì)出行走機(jī)器人 28
• 因「盒」而來(lái)︱英碼科技「深元」的AI重構(gòu)與工具革命 58