盤點人工智能在醫療行業的6大最新進展，主要集中在新藥研發、疾病診斷兩大領域。

　　其中，賽諾菲巴斯德利用AI研發流感疫苗、葛蘭素史克在兩大計算機網絡的助力下研發新藥，是新藥研發領域備受關注的AI探索。而疾病診斷運用人工智能技術，可以使結直腸癌、乳腺癌獲得較高的診斷準確率，可以找到帕金森病的進展標志物，甚至可以在發病前數年預知阿茲海默癥。

　　新藥研發

　　1、賽諾菲巴斯德利用AI研發流感疫苗

　　賽諾菲巴斯德（Sanofi Pasteur）是全球知名的研發企業。近日，它與一家名為BERG的生物醫藥公司達成合作，利用人工智能進行流感疫苗研發。

　　每年，美國10%-20%的人口會感染流感，美國疾病控制與預防中心（CDC）認為最佳的控制手段就是進行流感疫苗接種。然而，不同人對流感疫苗的反應不盡相同，有人能從中獲得更佳的免疫力，有人接種的效果則非常一般。人工智能有望找到背后的原因。

　　BERG的平臺利用其開發的人工技能技術，可以對高通量的分子和臨床信息進行數據驅動分析。它能從分散、龐大的數據里頭提取出可執行的洞見，這一方法也已得到了驗證。利用這一人工智能平臺，賽諾菲巴斯德將尋找能評估季節性流感疫苗效果的潛在生物標志物。如果一切順利，這些標志物能預測流感疫苗引起的免疫反應的廣度和持久性，這有助于未來的疫苗研發，造福患者。

　　2、兩大計算機網絡助力葛蘭素史克研發新藥

　　美國癌癥研究所有一項觸目驚心的數據：每10名美國人中，就有4名會在一生里被診斷有癌癥。其中，有三分之一的患者無法活過5年。與此同時，開發一款抗癌新藥所花的時間，卻要超過10年，成功率更是不足7%。為此，人們也在思索如何提高新藥研發的效率。

　　位于美國巴爾的摩（Baltimore）的Insilico Medicine希望能用人工智能技術為新藥研發帶來革命。他們開發了兩種計算機網絡，一種能找到具有抗癌活性的新分子，另一種則能剔除那些基于現有療法提出的建議。如果用藝術來作類比，前者就像是一名模仿大師的美術生，后者則是剔除臨摹品的專家。這樣的兩個系統能相輔相成——被第二個網絡挑出毛病的新藥，會在第一個網絡里得到進一步的錘煉，而經過提升的新藥分子，又會讓第二個網絡煉出火眼金睛。

　　在互相磨練后，這兩款網絡從公開數據庫中的7200個化學分子里找到了不少潛在的抗癌新藥，其中有60款已經被其他公司注冊，這從側面驗證了這套系統的確能找到具有抗癌活性的分子。研究人員聲稱，在短短的一個月里，他們的技術就能從幾百萬個分子中，找到最有潛力的100個候選新藥。這能大大縮短新藥發現的過程，并有望減少試錯的成本。

　　今年8月，葛蘭素史克（GSK）已經與這家新銳達成協議，尋找新藥?；蛟S，第一款用AI設計出來的新藥，已經進入了人工智能的視野。

　　疾病診斷

　　3、人工智能不到1秒就能診斷結直腸癌，準確率達86%

　　正確且及時地診斷癌癥，一直是個難題。最近，來自日本的一群科學家利用人工智能的方法，能在不到1秒鐘的時間里對結直腸癌做出診斷，準確率高達86%。令人贊嘆的是，它甚至能在良性腫瘤惡化前，就做出診斷。

　　在這項研究里，科學家們讓人工智能對結直腸中的息肉進行了深度觀察。他們將息肉放大了500倍，讓人工智能可以仔細看清這些組織的變化。隨后，他們又提供了30000張癌變前和癌變后的細胞照片，用機器學習的方法來訓練人工智能。最終，這套系統可以在短短1秒內做出診斷，準確率高達86%。這也是人工智能首次被用于結直腸癌的診斷。

　　4、診斷乳腺癌，人工智能準確率高達97%

　　在美國，每年有40000名女性因乳腺癌去世。這一令人遺憾的結果，與乳腺癌沒有得到及時診斷有關。據統計，如果乳腺癌能在早期得到發現，它們甚至有望被治愈。

　　另一方面，作為乳腺癌常規檢查手段的乳腺X光檢查則有著假陽性率高的問題。有些患者的乳腺在X光下會出現可疑組織，她們也會選擇手術進行移除。然而手術后對這些組織的分析卻常常發現，它們是良性的。換句話說，這些女性接受了不必要的治療。那么，有沒有什么技術可以在確保診斷出乳腺癌的同時，還能降低假陽性率呢？

　　人工智能可以做到。哈佛醫學院和麻省總醫院的研究人員們開發的這款系統能從一系列數據點中做出診斷。除了活檢結果和病理報告，這款人工智能還會分析患者的家族病史，以及種族信息。這樣一來，診斷的正確率大大提高。

　　在335項高風險的病理中，該人工智能的診斷正確率為97%。研究人員說，由于它的準確率，患者接受不必要的手術的概率下降了30%！對于患者來說，這不啻于一個巨大福音。

　　5、人工智能發現帕金森病進展標志物

　　位于麻省劍橋地區的GNS Healthcare宣布，利用人工智能技術找到了帕金森病的一個進展標志物，這項研究發表在了《柳葉刀》的子刊《The Lancet Neurology》。

　　值得關注的是，這是用“電腦”來解決“人腦”問題的一個典型案例。利用其機器學習技術，GNS從312名帕金森病患者和117名對照組志愿者中收集到了遺傳學和臨床的數據，并將遺傳學上的變異于疾病的進展聯系了起來。這一系統找到了一個叫做LINGO2的基因。與另一個遺傳變異一起，它們能用來預測患者運動能力衰退的進展情況。此外，研究人員們也發現了一些和疾病進展有關的人口因素。

　　6、病發數年前預知阿茲海默病

　　意大利巴里大學（University of Bari）的研究人員用MRI掃描了67名志愿者的大腦，其中一些罹患阿茲海默病，一些輕度認知障礙患者，以及一些普通健康人。利用算法，他們能準確地鑒定出患有阿茲海默病的患者，準確率達86%。此外，他們也能將健康人與輕度認知障礙患者進行區分。

　　輕度認知障礙一般被認為是阿茲海默病的前兆。在項研究中，科學家人也發現，實驗中的輕度認知障礙患者最終都發展成了阿茲海默病。也就是說，利用他們開發的算法，我們能在阿茲海默病出現前的幾年，就發現患有認知障礙的大腦，預知阿茲海默病的發生。

　　毫無疑問，人工智能的時代早已到來。懂得使用人工智能的科研人員，比那些不懂得使用人工智能的科研人員具有顯著的優勢。