隨著人工智能技術(shù)的演進，其在醫(yī)療健康領(lǐng)域的應(yīng)用愈發(fā)廣泛和深入，當(dāng)下人工智能已不斷加速著醫(yī)療領(lǐng)域的發(fā)展，在個人基因、藥物研發(fā)、新疾病的診斷和控制方面展開了一系列變革。人工智能和機器學(xué)習(xí)在醫(yī)療健康領(lǐng)域的應(yīng)用正在重塑著整個行業(yè)的形貌，并將曾經(jīng)的不可能變成可能。

在醫(yī)療健康領(lǐng)域活躍著世界上最具創(chuàng)新性的初創(chuàng)公司，他們致力于為人類帶來更高質(zhì)量的生活和更長的生命。軟件和信息技術(shù)刺激了這些創(chuàng)新的產(chǎn)生和發(fā)展，數(shù)字化的健康和醫(yī)療數(shù)據(jù)使得醫(yī)療的研究和應(yīng)用進程不斷加速。

近年來，以人工智能和機器學(xué)習(xí)為首的先進技術(shù)讓軟件變得越來越智能和獨立，不斷加速著健康領(lǐng)域的創(chuàng)新步伐，也使得業(yè)界得以在以下這些領(lǐng)域展開一系列變革：

個人基因；

藥物研發(fā)；

新疾病的診斷和控制。

這些技術(shù)為醫(yī)療健康領(lǐng)域帶了巨大的發(fā)展機會，在某一個細分領(lǐng)域擁有差異化和高附加值產(chǎn)品的企業(yè)，將會收獲巨大的回報。

個人基因時代的開啟

人工智能和機器學(xué)習(xí)在遺傳學(xué)方面最重要的應(yīng)用就是理解DNA如何影響生命的進程。盡管我們已經(jīng)能夠繪制出人類完整的基因圖譜，但是我們依然不清楚大多數(shù)基因的作用和影響。基因會和外部環(huán)境、食物氣候等因素發(fā)生協(xié)同作用并對生命產(chǎn)生影響。

如果我們想要了解什么在影響生命和生物進程，我們必須首先學(xué)會理解DNA的語言。先進的機器學(xué)習(xí)算法和Google DeepMind和IBM Watson這樣的系統(tǒng)應(yīng)運而生。如今利用機器學(xué)習(xí)系統(tǒng)和先進的技術(shù)可以在很短的時間內(nèi)，處理以前可能一生都無法處理的海量數(shù)據(jù)（病歷、診斷記錄、醫(yī)學(xué)影象和治療方案），從中學(xué)習(xí)和識別出疾病的模式和規(guī)律。

像Deep Genomics這樣的公司已經(jīng)開始在這一領(lǐng)進行革命性的研究。這家公司正在研發(fā)一套可以解讀DNA的系統(tǒng)并在分子層面預(yù)測每一個基因變量的影響。他們的數(shù)據(jù)庫可以解讀上億個基因變量對基因編碼的影響。

一旦對人類DNA信息有了更好的理解，我們就有機會更深入地研究每個個體地遺傳信息。這將會使得“個人基因時代”的到來，每個人將有機會利用前所未有的基因信息，控制自身的健康和生命過程。

基因領(lǐng)域的消費公司23andMe和Rthm代表了這個領(lǐng)域的第一波浪潮。他們研發(fā)出了便捷的基因診斷工具來幫助客戶理解自己的基因構(gòu)成。Rthm還進一步地利用這些數(shù)據(jù)幫助顧客改變他們地日常行為習(xí)慣，實實在在地管理自己的健康。

機器學(xué)習(xí)和人工智能在應(yīng)用中，必須能夠接入海量的數(shù)據(jù)進行分析，才能夠為用戶提供更好的建議來改善個人的生活習(xí)慣。目前初創(chuàng)公司致力于在基因信息的交付過程中進行更多的思考，就如同日本學(xué)者Takashi Kido強調(diào)的：

獲取可靠的個人基因數(shù)據(jù)和基因風(fēng)險預(yù)測；

通過用戶數(shù)據(jù)和基因信息指導(dǎo)用戶行為模式的分析，以得到對用戶有用的信息，拋棄無用信息；

基于數(shù)據(jù)挖掘的科學(xué)研究。

其中第二點是值得注意的，并不是所有的數(shù)據(jù)對于用戶來說都是有用的，心理學(xué)在數(shù)據(jù)信息的控制和分析中起到了重要作用。

精準的藥物研發(fā)

人工智能和機器學(xué)習(xí)另一個激動人心的應(yīng)用在于極大地減少了新藥研發(fā)的時間和金錢。一款新藥從研發(fā)到投入臨床使用通常需要耗費12－14年的時間，并花費高達26億美元的預(yù)算。在研發(fā)的過程中，復(fù)雜的化學(xué)成分需要于每一種可能結(jié)合的細胞進行測試，并需要綜合考慮基因變異和治療情況的不同。

這樣的工作極為耗時，同時也大大限制了實驗的廣泛性。而機器學(xué)習(xí)算法可以教會計算機基于先前的實驗數(shù)據(jù)學(xué)會預(yù)測哪些實驗需要進行，藥物的化學(xué)成分會有什么樣的副作用。這極大的加快了研發(fā)的進程。

舊金山的初創(chuàng)公司Atomwise就致力于利用超級計算機來代替新藥研發(fā)中的試管實驗。他們利用機器學(xué)習(xí)和三維的神經(jīng)網(wǎng)絡(luò)篩查一個分子結(jié)構(gòu)的數(shù)據(jù)庫，為疾病找到可能的藥物解決方案，幫助人們發(fā)現(xiàn)治愈疾病的新藥物，或者將已經(jīng)存在的治療方法創(chuàng)造性的應(yīng)用到其他病癥的治療中去。

2015年這家公司就曾幫助研發(fā)出兩種新藥，并在很大程度上緩解了埃博拉疫情。不想傳統(tǒng)方法耗費幾年的時間，新方法只用了一天的時間就完成了新藥研發(fā)的分析。最近的一項研究也證實了Atomwise的研究結(jié)果，表明深度神經(jīng)網(wǎng)絡(luò)是可以用于預(yù)測藥物的藥理學(xué)特性并實現(xiàn)藥物的重新應(yīng)用的。

Berg Health是波士頓的一家生物制藥公司，從一個獨特的角度進行新藥研發(fā)。他們通過AI挖掘患者的生物數(shù)據(jù)來理解某些患者能從疾病中痊愈的原因，并基于此來改進現(xiàn)有的療法和新藥的研發(fā)。

BenevolentAI是一家倫敦的初創(chuàng)公司，致力于利用AI從科研文獻中發(fā)掘信息來加速新藥的研發(fā)過程。目前在世界范圍內(nèi)只有一小部分基因科學(xué)信息被用于研究，而每30秒就會有新的健康相關(guān)的信息產(chǎn)生。BenevolentAI可以分析研究人員提供的海量數(shù)據(jù)，并大幅度地提升藥物地研發(fā)進程。最近公司發(fā)現(xiàn)了兩種可以用于老年癡呆的藥物，極大地吸引了藥企的注意。

隨著機器學(xué)習(xí)和人工智能的發(fā)展，藥物研發(fā)的未來越來越明朗。最近一篇谷歌研究論文表示利用不同地方獲取的數(shù)據(jù)可以更好的確定哪一種化學(xué)成分對于疾病更有用，并且機器學(xué)習(xí)還能夠通過大規(guī)模的實驗來驗證幾百萬中復(fù)雜的藥物以節(jié)省大量的時間金錢。

新型疾病的發(fā)現(xiàn)和控制

大多數(shù)疾病并不僅僅是因為簡單基因變異產(chǎn)生的，我們還需要分析很多因素才能更加了解。盡管醫(yī)療系統(tǒng)積累了豐富的巨量數(shù)據(jù)，但之前我們一直沒有足夠強大的軟硬件來從中發(fā)掘出其中的寶藏。

疾病診斷是一個需要綜合考慮許多因素的復(fù)雜過程，從患者的皮膚質(zhì)地到每天他／她的糖分攝入量，需要廣泛的綜合信息來做出判斷。過去的兩千多年來，醫(yī)學(xué)一直是由癥狀診斷和對應(yīng)的治療來完成的（如果你發(fā)燒流鼻涕了，那你八成是感冒了）。

但對于患者來說，待到有明顯癥狀時已經(jīng)太晚了，特別對于癌癥患者和阿爾茨海默患者來說，早期發(fā)現(xiàn)尤為重要。如今，我們利用機器學(xué)習(xí)有希望在疾病發(fā)于腠理之時就進行診斷和預(yù)測，極大地提高患者生存和治愈的概論。

舊金山的初創(chuàng)公司Freenome創(chuàng)造了一臺自適應(yīng)的基因引擎，可以動態(tài)地檢測血液中地疾病特征。這家公司動態(tài)地收集血液中地freenome檢測用戶的基因信息，例如你的年齡、和生長過程。

在疾病診斷和療程管理等方面，像Enlitic這樣的公司致力于改善患者治療費用的支出情況，利用深度學(xué)習(xí)分析醫(yī)療數(shù)據(jù)來從百億計的臨床案例中尋求幫助。IBM的沃森與紐約癌癥治療中心合作，分析了過去幾十年來的癌癥患者及其治療方案數(shù)據(jù)，為醫(yī)生提供對于特殊病例的有效治療方案。

在倫敦，Google的DeepMind正從Moorfields眼科醫(yī)院的眼底掃描數(shù)據(jù)中挖掘分析，幫助醫(yī)生在治療眼部疾病時有更好的理解和處理。同時DeepMind還在進行一個幫助頸部和頭部癌癥患者進行化療的治療方案，極大的減少了醫(yī)生指定治療計劃的時間，讓他們可以集中精力處理更多患者。

這意味著什么？

人工智能和機器學(xué)習(xí)在醫(yī)療健康領(lǐng)域的應(yīng)用正在重塑著整個行業(yè)的形貌，并將曾經(jīng)的不可能變成可能。

人工智能如今無處不在，在醫(yī)療行業(yè)中，持續(xù)的數(shù)據(jù)輸入是成功的關(guān)鍵。一個系統(tǒng)能擁有越多的數(shù)據(jù)，這個系統(tǒng)便會變得越聰明。所以很多公司都不斷增加對于數(shù)據(jù)獲取的關(guān)注（匿名數(shù)據(jù)）。去年2月IBM就以26億美元收購了一家健康分析公司Truven Health，目的是獲取這家公司海量的數(shù)據(jù)。最近又與Medtronic合作，通過接入真實的胰島素數(shù)據(jù)不斷拓展Watson在糖尿病方面的分析能力。

數(shù)據(jù)越來越豐富，技術(shù)越來越先進，醫(yī)療健康領(lǐng)域的機會也在不斷涌現(xiàn)，不斷激勵著從業(yè)者們?yōu)槿祟惖慕】岛透ｌ韺崿F(xiàn)更多的可能。