利用人工智能探索生命科技“無人區(qū)”，是當前人工智能醫(yī)學的一大熱點。在我國，醫(yī)學人工智能已經活躍在醫(yī)學影像診斷、新藥研發(fā)、疾病風險預測、輔助醫(yī)學研究平臺等多個領域。

　　基于大數(shù)據(jù)、云計算、神經網(wǎng)絡和樹搜索，擁有深度學習功能的人工智能，和上世紀60年代圖靈最早提出的人工智能概念相比，已擁有了強大的全新內涵。它們彌補了人類的能力短板，成為醫(yī)生的得力助手，為我們描繪出一幅激動人心的未來醫(yī)學藍圖。

　　推動我國新藥原始創(chuàng)新

　　目前，藥物開發(fā)中最熱門的新領域之一是使用人工智能(AI)驅動模型。許多人認為，在未來三到五年內，AI會被應用到整個醫(yī)藥行業(yè)。這意味著沒有經過各種AI驅動模型(包括預測動物毒性、人體毒性及PK指數(shù)等)研究的候選藥物，將無法進入臨床試驗。

　　人工智能結合大數(shù)據(jù)的精準藥物設計，將成為創(chuàng)新藥物研發(fā)和精準醫(yī)療的重要發(fā)展方向。

　　傳統(tǒng)制藥的痛點在于，新藥研發(fā)周期長，平均10年;研發(fā)費用高，平均26億美元;成功率低，大約5000種化合物中才有1種進入Ⅱ期臨床。

　　與此同時，小分子藥物研究還遇到了大數(shù)據(jù)的挑戰(zhàn)?，F(xiàn)在每年大約有超過200萬個化合物被公開發(fā)表，這是非常龐大的數(shù)據(jù)。這些化合物提供了大量的信息，但同時也存在很多缺陷和問題，如體量大、增速快、非結構化等。怎么才能用好這些大數(shù)據(jù)，也成了問題。

　　人工智能在引領新藥研究上，可以打破這些瓶頸，發(fā)揮以下優(yōu)勢：

　　預測新靶標——人工智能通過藥物基因組的研究，可預測新的藥物靶標。以往的靶標大多數(shù)是體內的某種基因或某種蛋白酶，現(xiàn)在可以通過蛋白和蛋白的相互作用(PPI)來發(fā)現(xiàn)藥物靶標。

　　用小分子抑制劑作用于PPI位點，不僅成為新的藥物設計策略，還有助于提高藥物的選擇性、減輕毒副作用。利用人工智能來預測新的PPI位點，擴充了我們對PPI靶標的認識。目前，基于相互作用蛋白數(shù)據(jù)庫的2萬多樣本，通過建立AI深度學習模型來預測兩個蛋白能否相互作用，準確度已超過90%。

　　發(fā)現(xiàn)新活性化合物——要從上百萬的化合物中，找出哪一個化合物對靶點有作用，需要進行預測。傳統(tǒng)的方法是經過試驗篩選，再用打分函數(shù)對每種化合物進行打分。人工進行這樣的篩選和打分，要耗費大量的時間。去年，國際上有學者發(fā)展了基于卷積神經網(wǎng)絡打分函數(shù)，來預測小分子與蛋白的結合能力;另有學者開發(fā)了針對藥物設計的深度學習框架，來進行定量和活性關系的研究。

　　設計優(yōu)化新分子——化合物如果對某種疾病有治療作用，并不等于就能夠成為好的藥物，因為它在體內還有一個吸收、分布、代謝、排泄和毒性(ADME/T)的綜合性安全問題。

　　如何優(yōu)化分子結構，現(xiàn)在有很多新的人工智能方法在應用，比如通過生成式模型強化學習的方法，讓人工智能自動尋找活性更好的結構，或通過深度神經網(wǎng)絡的方法來進行多種性質的預測。

　　ADME/T預測——小分子的活性優(yōu)化完成之后，它在體內表現(xiàn)出的綜合ADME/T，決定了藥物研發(fā)的成敗。

　　中國科學院上海藥物所蔣華良院士帶領的團隊，構建了一個運用人工智能和大數(shù)據(jù)進行藥物設計的軟件環(huán)境，針對多靶標集群虛擬篩選方法，對藥物的ADME/T進行預測，效率均優(yōu)于國際同類方法。他們開發(fā)出的具有自主知識產權的藥物設計軟件包，打破了國外軟件公司的壟斷。

　　我國手術機器人領先國際同類產品

　　人工智能進入外科手術領域，可以很好地彌補醫(yī)生的能力短板，提高手術精度，完成一些以往無法想象的手術。

　　我國目前手術機器人的創(chuàng)新成果，已領先國際同類產品，在國際上的影響力正逐步提高。

　　手術機器人最早是上世紀八九十年代出現(xiàn)的，最出名的是美國研制的“達芬奇”，它是一個內窺鏡手術器械控制系統(tǒng)，確切地說，它不是一個“機器人”，而只是一個“機器手”。它支持醫(yī)生不斷擴展臨床的手術種類，但缺陷是只能用于軟組織手術，而無法用于硬組織。

　　2000年后，國際上出現(xiàn)了可用于關節(jié)置換對硬組織進行磨削開槽的機器人“MAKO”，以及可以對腰椎局部進行主動定位固定的手術機器人“MAZOR”，但使用起來并不方便，適應證也比較狹窄。我國在應用機器人方面也做了大量的嘗試，但大部分研究都還停留在實驗室階段。

　　骨科標志性的進步是內固定技術。在北京積水潭醫(yī)院，脊柱的內固定手術目前已做了三萬多例。盡管內固定手術可以使病人的治愈期從過去的至少三個月，縮短到現(xiàn)在的幾周甚至兩三天，但這一手術也存在一定的危害性，所以，造成的醫(yī)療事故糾紛在國際上風險排名第二。而且，脊柱手術平均并發(fā)癥為16.4%，人工徒手置釘?shù)臏蚀_性僅為68.1%，5年來國際上報告固定不準確的文章達400多篇。為了突破這一瓶頸，過去在手術技巧研究、操作經驗積累、解剖特征分析，以及術前圖像測量等方面作了很多努力，但都沒有解決問題。

　　最好的辦法就是通過人工智能技術，來超越人類的能力短板。我的團隊從2012年開始，與北航和中國科學院一起做手術機器人研發(fā)，現(xiàn)已做了三代。最新研制的“天璣”，是國際上首臺通用型骨科手術機器人，獲得了國家最高等級的Ⅲ類醫(yī)療器械注冊證。其特點是機械臂能通過實時導航，跟隨醫(yī)生的規(guī)劃進行自主運動定位，定位精度高，且適用于長骨、脊柱、股骨頸、骨盆、腕骨等13個部位，各項重要技術指標均領先國際同類產品。

　　“天璣”機器人進入骨科手術，不但降低了手術風險，提高了固定準確率，還帶來了更多的創(chuàng)新術式，如3D導航頸椎椎弓根內固定術、骨科機器人輔助齒狀突內固定術等。

　　如果沒有手術機器人，要完成這些手術是不可想象的。比如強直性脊柱炎患者，所有關節(jié)都粘連在一起，但中間出現(xiàn)一個斷裂，形成了神經壓迫。患者只能通過椎弓根內固定術才能減輕痛苦，但椎根非常細小，傾斜度又非常大，以往做這樣的手術，即使切開來也很難實現(xiàn)準確固定。但現(xiàn)在醫(yī)生可以引導機器人，經皮就能把螺釘準確地打進去。

　　國家衛(wèi)計委和工信部對“天璣”機器人的研發(fā)非常支持，牽頭成立了國家骨科手術機器人應用中心，由北京積水潭醫(yī)院為主任委員單位，輻射全國各級醫(yī)院279家，通過教育培訓及推廣，推動智能手術常規(guī)化，讓醫(yī)療資源均質化。

　　但是，“天璣”機器人依然存在不足，因為它沒有骨復位和矯正能力，沒有多機械手分工操作能力，更不具備自主學習能力。未來的功能性機器人將在精細動作控制、進入微小空間、識別和避免誤操作等人類能力短板方面，有進一步的提升;同時通過模式識別和機器學習，更準確地進行診斷;依托大數(shù)據(jù)智慧，提供個性化的治療決策，最終達成自主完成手術的目標。

　　兩秒就能診斷肺部結節(jié)

　　醫(yī)療數(shù)據(jù)中有90%來自醫(yī)學影像，我國醫(yī)學影像數(shù)據(jù)正以40%的增長率逐年上升。

　　人工智能可以幫助影像科醫(yī)生更高質量地讀片、篩查高風險病變……

　　醫(yī)學影像的解讀需要長時間專業(yè)經驗的積累，影像科醫(yī)生的培養(yǎng)周期也相對較長。

　　相比之下，影像科醫(yī)生的增長速度和工作效率不足以應對影像數(shù)據(jù)的增長趨勢，造成當前工作中影像醫(yī)師的診斷壓力不斷增加，漏診、誤診情況時有發(fā)生，影像服務水平參次不齊。在這一情況下，人工智能成了幫助影像科醫(yī)生閱讀醫(yī)學影像、篩查高風險病變的好幫手。

　　在燒傷診斷方面，過去大面積燒傷的深度主要靠醫(yī)生的肉眼觀察，所以這跟醫(yī)生的經驗和主觀判斷息息相關。如果診斷為三度創(chuàng)面就需要完全把焦痂切除，如果是深二度創(chuàng)面還可以保留一些皮膚組織。臨床中不同年資的醫(yī)生，對燒傷程度的診斷有可能不同，治療方案也會完全兩樣。

　　去年2月，英國《自然》雜志發(fā)表一項研究：某團隊收集了12萬個皮膚損傷樣本，其中涉及到2000多種皮膚病，交給深度神經網(wǎng)絡識別，這一人工智能可以從中準確判斷出皮膚癌，水平已經超過醫(yī)生。

　　廣州醫(yī)科大學張康教授團隊與國外聯(lián)合研發(fā)的人工智能診斷系統(tǒng)，采用遷移學習策略，只需幾秒鐘便能準確識別視網(wǎng)膜OCT成像中的黃斑變性和糖尿病性視網(wǎng)膜病樣本，準確度達到96.6%，屬于訓練有素的眼科醫(yī)生的水平。這種方法也被成功應用到了診斷兒童病毒性和細菌性肺炎，準確率在90%以上。未來有望實現(xiàn)快速區(qū)分良性或惡性腫瘤等功能。

　　2016年下半年，上海長征醫(yī)院著手開展智能影像相關論證，半年后和兩家人工智能公司簽署了戰(zhàn)略合作協(xié)議，聚焦肺部疾病和眼底疾病的智能影像研發(fā)，相關產品已在長征醫(yī)院內部上線使用，從前需要閱讀10多分鐘的肺部影像圖像，借助人工智能醫(yī)療影像輔助診斷產品，2秒鐘就可以出結果，并標注出結節(jié)的位置、大小，其敏感性99%，在小結節(jié)的識別上明顯超過人類。目前長征醫(yī)院正在上海市課題資助下，與AI公司合作研發(fā)肺結節(jié)良惡性鑒別系統(tǒng)，初步結果顯示良惡性分辨率達到80%以上，有望持續(xù)獲得突破。