编辑说：新的一年里，基因技术和免疫治疗还会继续给我们带来新的惊喜和成果，但生物医药的下一个风口应该是人工智能的应用

刚刚过去的2017年，给我们带来了很多重大的医学科技突破。美国《科学》杂志的年终回顾中包括了中国团队第一次运用CRISPR技术对胚胎细胞进行基因缺损修补工作，以及美国FDA批准诺华的CAR-T上市。在新的一年里，基因技术和免疫治疗还会继续给我们带来新的惊喜和成果。有不少公司和投资人都赶紧在这些风口里“布局”，但也有不少人已经在考虑生物医药的下一个风口了。

在笔者看来，生物医药的下一个风口应该是人工智能的应用。

技术面突破性发展

人工智能在近几年里有了突破性的发展。一方面是对重大技术难题的突破，例如在IBM的“深蓝”第一次战胜国际象棋冠军20年后，AlphaGo去年最终打败了世界围棋第一人柯洁。在另一方面，人工智能在也从游戏领域里突围而出，在包括金融、医药、服务等行业中绽放异彩。

提起人工智能，很多人会想到有计算机控制的机器人。的确，人工智能的实现离不开超速计算机和精密机械。但是人工智能的本质是一门“关于知识的学科”，是一门研究“怎样表示知识以及怎样获得知识并使用知识的科学”。人工智能发展的首要条件是要研究和理解人类大脑思维的方法和过程，运用这些能力去重新认识和总结人类有文字记录以来积累的全部知识，并由此发展出新的知识和能力。

人工智能的一个主要优势就是“深度学习”。人工智能的学习有两种模式。一种被称为“指导性学习”（Supervised Learning）， 而另一种被称为“自主性学习”（Unsupervised Learning)。

拿学习下围棋来说，AlphaGo主要采用的是“指导性学习”方法。也就是让计算机去学习成千上万的古代和现代棋谱，在这些已有知识的“指导”下，发现和学会人类下围棋的基本思路和主要方法。但是，它的“弟弟”AlphaZero主要采用的就是“自主学习”，也就是根据围棋的基本法则，自行学习和创立最佳下棋方法。

这两种方法之间的区别在于前者的主要需要的技能是“归纳”（Classification）和“总结” （Regression），而后者则是需要一点“创新”精神。显然，人工智能在进入任何一个领域都需要经过这样两个学习阶段。

可以预见的影像科替代

在医学方面，“指导性学习”已经成功地运用在临床检查上。比如，人工智能通过学习大量已经确定为“良性”或“恶行”的两组病理切片总结出肿瘤组织的特点和规律，并以此为准绳来阅读和判断新样品的性质。而这项工作过去主要靠显微镜观察和病理学家多年的经验。不但如此，谷歌的AI系统对乳腺癌的判断率（87%）还超过了人工判断率（73%）。我们过去说“有图有真相”，现在可以说“有图有智能”。在今后几年里，各种图像，如X光、超声波、CT、NMR等都可以通过人工智能进行临床判断。也许在不久的将来，医院的病理科、放射科、皮肤科、肿瘤科等大量产生和使用图像的科室，都将逐步被机器人霸占。

医生的位置也在被人工智能撬动。一个被称为“人工智能医生辅助诊疗技术及系统”，去年在长沙与200位国内顶尖医生进行了PK，结果人工智能的判断100%正确，而所需时间不到5秒钟。中国古话“少年木匠老郎中”，就是说一个医生需要经过多年历练才能成为一代名医。而这台人工智能系统为了达到这样的诊疗水平曾经学习了8000万份病例，这是任何一个医生穷其一生都不可能做到的。

由清华-讯飞联合实验室联合开发的“晓医”最近通过了全国医考。为了通过这次考试，晓医学习了近百万张医学图像资料、50多本医学教材、200万份电子病历、40万份医疗文献等。可以说是“满腹经纶”。不久前笔者在美国一家医院进行了一次常规体检，等再次回到医生办公室的时候，计算机不但报告了结果、做好诊断，还开好了“医嘱”。当时笔者就其中一项“医嘱”与医生展开讨论，但几乎每次当我们企图改变一个“医嘱”时，计算机就会给出10个不可改变的理由。如果真想要改变“医嘱”，得先要问问你自己是否读过40万份文献、研究过上亿病例。

新药研发替代难

但是，和下围棋一样，新药研发很可能是对人工智能在医药领域应用的一个“终极挑战”。

这里有几个原因。首先，新药开发是一个商业性很强的领域。与医院不同，各个医药公司之间资料的流通和交流很少，加上针对各种具体疾病的成功药物本身也很少，这就限制了“深度学习”的资料来源。而药物作用的对象往往是具有生物活性的大分子蛋白。这些蛋白在体内的作用机制乃至形态都有相当大的未知性和不确定性。这也会对学习产生很大的难度。更重要的一点是，绝大部分药物临床前的研究都是在动物中进行的，物种之间的差异造成药物在人体中作用只能通过动物反应“间接”推断。

尽管如此，新药开发也是最早引进“人工智能”的一个领域。这里包括“计算机协助药物设计”（Computer Aided Drug Design, CADD）、高通量筛选 （High-Throughput Screening, HTS)和由此而来的大数据分析 (Data Mining)。据估计，目前全世界每天有1万篇新的生物医药相关文章发表，因此人工智能进入这个领域还是有一定基础的。毕竟，在目前的情况下，开发一个新药的成本已经上升为10亿美元，平均时间为15年。无论从满足病人需求来看，还是从市场开发来看，这都是难以接受的现实。

恩格斯说：“社会一旦有技术上的需要，则这种需要就会比十所大学更能把科学推向前进。”目前国内外已经有上百家医药相关的人工智能在涌动。人工智能在这个领域的爆发指日可待。

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。