人工智能AI 僅用 30 天研發抗癌新藥，并能預測患者的生存率，帶來哪些醫學方面的影響？
加拿大多倫多大學的研究人員與Insilico Medicine合作，利用名為Pharma的人工智能（AI）藥物發現平臺，在30天內就開發出肝細胞癌（HCC）的潛在治療藥物，而且只合成了7種成分。
據報道，HCC是最常見的原發性肝癌類型，但AI發現了一個以前未知的治療途徑，并設計了一個可以與該目標結合的“新型靶向分子”。
Insilico Medicine公司創始人兼首席執行官Alex Zhavoronkov表示，當世界為藝術和語言方面的生成性人工智能的進展所吸引時，該公司的生成性人工智能算法成功地設計出具有AlphaFold衍生結構的目標有效抑制劑。
AlphaFold數據庫設計并合成了一種潛在的藥物來治療HCC。
據悉，AlphaFold是一個由人工智能（AI）驅動的蛋白質結構數據庫，設計并合成了一種潛在的藥物來治療HCC。
這一任務從目標選擇開始僅用30天就完成了，而且只合成了7種成分。
在第二輪人工智能驅動的化合物生成中，研究人員發現了一個更有效的靶向分子，盡管任何潛在的藥物仍然需要進行臨床試驗。
Insilico Medicine公司首席科學官兼聯合首席執行官任鋒（音譯）表示，AlphaFold在預測人體內所有蛋白質的結構方面開拓了新的科學領域，可以利用這些結構并將其應用于“端到端”人工智能平臺，以產生新的治療方法來解決頑癥。
人工智能正在成為對抗致命疾病的新武器，因為該技術能夠分析大量的數據，發現模式和關系。
該系統還可以預測生存率，這是加拿大不列顛哥倫比亞大學和不列顛哥倫比亞省癌癥協會的科學家的發明，他們發現該模型的準確率為80%。
用于預測預期壽命的系統使用“自然語言處理”（NLP）來分析病人初次就診后的腫瘤醫生筆記。
NLP是人工智能的一個分支，可以理解復雜的人類語言。
該模型確定了每個病人的獨特特征，預測6個月、36個月和60個月的生存率，準確率超過80%。
人工智能基本上是“像人類一樣”閱讀咨詢文件。
UBC情緒障礙中心和B.C. Cancer的精神病學家和臨床研究員John-Jose Nunez表示，人工智能基本上是“像人類一樣”閱讀咨詢文件。
這些文件有很多細節，如病人的年齡、癌癥的類型、潛在的健康狀況、過去的物質使用，以及家族史等。
人工智能將所有這些結合起來，描繪出一幅完整的病人結果。
傳統上，癌癥存活率的計算是回顧性的，只按一些通用因素進行分類，如癌癥部位和組織類型。
然而，該模型能夠在病人的初始咨詢文件中發現獨特的線索，以提供更細致的評估。
該人工智能使用來自不列顛哥倫比亞省所有6個B.C.癌癥基地的47625名患者的數據進行了訓練和測試。
Nunez表示，神經NLP模型的偉大之處在于，它們具有高度的可擴展性、可移植性，并且不需要結構化的數據集。可以使用本地數據快速訓練這些模型，以提高在新地區的性能。
新聞主要講了兩個方面的問題：
一是在抗腫瘤藥物設計的應用。
之前AlphaFold給出超高準確率的蛋白質結構預測時就已經體現了AI在精準醫學上的強大功能，這一次的突破是在蛋白質結構的基礎上，進一步給出了藥物設計的方案。
這種設計主要的優勢在于節約了科學家化合物篩選的時間。
以往在了解蛋白質結構來尋找有效靶向藥物中，科學家需要從龐大的可選藥物庫中進行篩選，或者根據蛋白質結構進行復雜的設計。
這需要耗費很多時間，但AI的應用給出了更快的方案，并且選項更少。
這樣對于下一步藥物的初步評估節省了時間和成本，以往可能通過人工篩選會篩出20中化合物進入實驗驗證，但AI給出7種可以進一步縮小實驗范圍，節約時間和經濟成本。
二是利用AI來對患者結局進行預測。
醫生對患者預后和結局的評估往往基于臨床數據和經驗“綜合判斷”。這個“綜合判斷”受到很多主觀因素和時間經驗影響，不同資歷、不同經驗的醫生給出的判斷可能不一樣。
AI在這個方面的原理就是把所有的臨床數據納入，給出判斷。
因為AI可以進行高通量的數據分析、歸納，所以短時間內給出的預測率很高，也對臨床醫生的診療有很高的經驗。
在之前的研究中，利用AI工具對數據庫中的數據進行匯總，預測患者發生死亡的結局風險。其中比較有參考價值的是通過AI可以把單個臨床指標對結局的影響可視化。
以往經驗認為，膿毒癥患者血壓過低會影響器官灌注，所以低血壓要及時干預，但具體低到多少開始干預是非常依賴經驗的，指南上也沒有明確的規范，個體差異也決定了沒辦法采用通用的標準（例如長期高血壓的患者血壓目標可能比沒有高血壓的患者目標更高）。
AI的應用可以給出更加精準的預測，例如在研究中就發現，針對之前罹患過膿毒癥患者，再次進入ICU時，其收縮壓目標應超過135mmHg（可以看到此時SHAP<0，說明血壓這一因素不額外增加患者的死亡風險）。
而在實際臨床過程中，一般認為收縮壓低于110mmHg或者100mmHg才需要進行干預。
這就顯示了在特定患者中，AI可以更加精準的提供參考預測。
而在后續的研究中，進一步利用這個算法工具來分析膿毒癥患者的死亡風險，給出了類似于Nature Biomedical Engineering上的這種實時的風險分析、還可以依據臨床數據把同一個疾病但可能存在不同病因的患者進行預先的分類，這些都比人工更為精準且有依據。
這樣就可以利用AI工具，基于單個患者的所有臨床數據，給出接下來患者可能發生的事情的預測，方便醫生提前有所準備。
而新聞中的研究的突破是可以識別病歷記錄中的自然語言，這比單純把臨床數據納入分析有更大的信息量。
因為不需要結構化的數據集，AI的模型的拓展性和適用性更強，也就是更有“人性”，更能結合多維信息進行分析。
但總的來說，AI工具仍舊是基于信息匯總的分析模型，它可以無限接近人腦中的信息處理的模式，但最終，醫療決策仍然通過醫生來決策。
因為在醫療過程中，除了絕對的基于數據的理性以外，還需要考慮很多額外的不理性甚至矛盾的因素——患者自我的意愿和醫療選擇、經濟因素、康復期的客觀條件等等……
但我們非常樂見有更多的AI工具進入臨床工作中。
歡迎收藏本站，獲取更多優質內容。如需轉載請保留本文地址。本文地址：http://m.zsliqing.cn/article/53.html
- 發表于 2023-03-21 16:15
- 閱讀 ( 703 )
- 分類：討論熱點
