当医药行业遇上人工智能，AI 是否能为特效药“降降温”

来源：湖北国菱编辑部 时间：2018-07-13

近期，《自然》上发表了一项研究成果——由全国多家科研机构白血病科学家组成的研究小组使用血液检测和机器学习，以达到预测健康个体是否有患急性骨髓性白血病（AML）的风险。

这意味着我们今后对AML的出现有预警，并能够提早发现AML的高风险人群并进行监测，同时可以进行研发，寻找降低该疾病患病几率的方案。

随着进一步研究，研究人员通过机器人学习模型，在大数据变量的支撑下，构建了AML预测模型，其可以在诊断前6-12个月内，就能够实现对AML预测，其灵敏度和特异性分别达到25.7%和98.2%。

《我不是药神》电影中，矛盾的聚焦点就在于天价的“格列宁”，新药贵，贵在研发，研发的“试错”环节，AI也许能够帮上大忙。

从目前智慧医疗的发展情况来看，擅长模式识别的人工智能可以从海量已有的和新的基因、代谢及临床信息中筛查筛选，以破解各种疾病背后的复杂网络。反过来，这也有助于发现适用于特定病人群体的药物，同时引导药企规避可能会失败的药物。

此外，借助人工智能的生物意义，可以帮助药企根据病人情况，并参与对他们最可能见效的创新疗法的临床试验，这也许能够成为提升新药获批的可能性，比如获得美国FDA的批准。

实际上，医药研发的核心在于知识图谱，就是将实验信息、数据、临床实验结果和数据的结合起来，将零散的数据整合在一起，从而为决策提供有价值的数据支持。

从目前来看，人工智能主要作用于药物研发主要有七个场景：靶点药物研发、候选药物挖掘、化合物筛选、预测ADMET性质、药物晶型预测、辅助病理生物学研究，以及发掘药物新适应症。

其实，我们也可以看到，AI在智慧医疗领域的每一步，其中都撇不开一个重要因素：药物数据。

AI通过机器学习，不但可以加速时间，还可以提高到达后期试验阶段药物的成功概率。如果AI可以减少药物试验的风险，就可以为大型制药公司节约大量成本，使其能够腾出资源集中于寻找更有潜力的机会。

除了药物数据，医疗数据也成为医生诊断及后续药物研发的重要依据。随着健康智能硬件的兴起，医疗数据的边界不断地被拓展。

医疗数据可不仅仅是医学期刊和医生输入电脑的医疗记录，我们的身体无时无刻不在产生海量的潜在医疗数据。但是目前来说，绝大部分的数据都处于“丢失”的状态——我们每天走了多少步、今天的心率怎么样、皮肤的温度是高还是低、今天都吃什么了等等这些数据，都只保存在本地、孤零零的几个设备和App里。

对AI医疗来说，数据的重要性不言而喻。不论是应用于药物研发还是诊断治疗方面，都有着相当大的前景，但是AI在小样本集上做的诊断或推定，被认为是不可持久的模式，因为一旦再扩大一点范围，换一个病种、换一个地方，结果可能就出现偏差，正确率下降。

总的来说，AI医疗发展至今已经有了长足的进步，虽然许多AI医疗产品暂未落地，但是不是病人的“药神”，我们走着瞧。