人工智能治療癌癥的機(jī)理

　　盡管人們對(duì)人工智能有多種定義，但都認(rèn) 已經(jīng)進(jìn)入實(shí)踐，并且有不小的收獲。

　　同一個(gè)要素，讓機(jī)器勝任一些通常需要人類智 要讓人工智能診治癌癥，第一步需要人工

　　能才能完成的復(fù)雜工作。人類的許多活動(dòng)，如 智能有像人一樣的感知，即知道周圍的環(huán)境，

　　演算數(shù)學(xué)題、猜謎語、討論、編制計(jì)劃和編寫 尤其是生物體和人的機(jī)體環(huán)境，什么是正常的

　　計(jì)算機(jī)程序，甚至駕駛汽車、騎自行車和診治 機(jī)體，什么是異常的機(jī)體，甚至是癌變的機(jī)

　　疾病等，都需要智能。如果機(jī)器能夠執(zhí)行這種 體，尤其是只具有微小變化的機(jī)體，例如，只

　　任務(wù)，就可以認(rèn)為機(jī)器已具有某種性質(zhì)的人工 有幾個(gè)發(fā)生癌變細(xì)胞的乳腺或肺。

　　智能。 第二步是，人工智能不僅要感知正常和異

　　常機(jī)體的不同，還要理解為何有這樣的不同，

　　人工智能診治癌癥的機(jī)理 是癌變引起的不同，還是其他疾病引起的不

　　同。最后第三步才是判斷和決策，即得出結(jié)

　　利用人工智能診治疾病是人類一個(gè)雄心勃勃 論，在感知和正確理解的基礎(chǔ)上，向醫(yī)生提供

　　的計(jì)劃，而且，這一計(jì)劃早就有一些初步結(jié)果， 對(duì)某個(gè)個(gè)體檢測的結(jié)果，是患癌還是沒有患

　　例如2007年，美國國際商業(yè)機(jī)器公司（IBM）就 癌，抑或是患了其他疾病。

　　推出了人工智能軟件——沃森醫(yī)生（Watson）。 要讓人工智能感知和理解人體環(huán)境和器

　　現(xiàn)在，人們特別希望利用人工智能去征服某些嚴(yán) 官，就要讓其學(xué)習(xí)，包括利用大數(shù)據(jù)的機(jī)器學(xué)

　　重危害人們生命和健康的疾病，如癌癥，而且也 習(xí)（算法）和深度學(xué)習(xí)，這兩者有時(shí)是相互結(jié)

　　4 百科知識(shí) 2017.3A

　　QIANYAN 前 沿

　　合的，同時(shí)也是相互滲透的。大數(shù)據(jù)學(xué)習(xí)和處 因子Raf-1蛋白激酶。Raf-1激酶對(duì)細(xì)胞增殖、

　　理是人工智能的強(qiáng)項(xiàng)，可以達(dá)到比人類能力強(qiáng) 細(xì)胞分化、細(xì)胞凋亡和細(xì)胞周期停滯有重要作

　　幾百倍幾千倍的快速數(shù)據(jù)運(yùn)算、分析和理解。 用，利用這些作用可以知道癌癥的發(fā)生、發(fā)

　　而在癌癥診治的深度學(xué)習(xí)上，更需要人工智能 展，以及找到治療癌癥的藥物和方法。

　　像人一樣進(jìn)行學(xué)習(xí)，例如對(duì)通過物理和化學(xué)方 “癌癥登月計(jì)劃”讓人工智能進(jìn)行的第二個(gè)

　　式拍攝的人體各種部位，以及深淺度不同組織 學(xué)習(xí)任務(wù)是，進(jìn)行臨床前的藥物篩查。這是一

　　的圖像要有正確的感知和理解，如對(duì) X 線圖 種研發(fā)癌癥藥物的預(yù)測模型，在臨床試驗(yàn)前進(jìn)

　　像、磁共振成像和CT掃描圖像的感知、解讀， 行最大化的藥物篩選，為癌癥病人提供精準(zhǔn)醫(yī)

　　并得出結(jié)論，即診斷。 療方案。具體而言是對(duì)臨床前和臨床試驗(yàn)時(shí)的

　　但是，人工智能的癌癥診治深度學(xué)習(xí)并不 癌癥數(shù)據(jù)進(jìn)行篩選，結(jié)合小鼠模型中的新數(shù)

　　僅限于對(duì)癌癥和正常組織圖像的解讀，而是包 據(jù)，通過反饋循環(huán)讓實(shí)驗(yàn)?zāi)Ｐ椭笇?dǎo)計(jì)算模型的

　　括更多的深度學(xué)習(xí)的內(nèi)容，例如，對(duì)癌癥標(biāo)記 設(shè)計(jì)，建立腫瘤藥物反應(yīng)的預(yù)測模型。其實(shí)，

　　物和特異分子的識(shí)別。 這也是基于特殊數(shù)據(jù)和大數(shù)據(jù)的學(xué)習(xí)和分析。

　　“癌癥登月計(jì)劃”讓人工智能進(jìn)行的第三個(gè)

　　癌癥診治的人工智能學(xué)習(xí)內(nèi)容 學(xué)習(xí)任務(wù)是，學(xué)習(xí)和建立人口模型。這就要求

　　人工智能根據(jù)不同人群的生活方式、生活環(huán)

　　2016年1月，美國總統(tǒng)奧巴馬宣布了“癌癥 境、所患癌癥的種類、不同的醫(yī)療體系等，從

　　登月計(jì)劃”，由副總統(tǒng)拜登全面負(fù)責(zé)?！鞍┌Y登 數(shù)百萬癌癥病人的病歷數(shù)據(jù)中自動(dòng)分析，從而

　　月計(jì)劃”的其中一個(gè)項(xiàng)目就是讓人工智能進(jìn)行 獲取最佳治療策略。當(dāng)然，海量病人的數(shù)據(jù)來

　　機(jī)器學(xué)習(xí)（算法）和深度學(xué)習(xí)，以識(shí)別癌癥。 自美國國家衛(wèi)生研究院、美國食品和藥物管理

　　為此，美國能源部與美國國家衛(wèi)生研究院下屬 局、制藥公司和第三方付款機(jī)構(gòu)。

　　的國家癌癥研究所合作，提出了“高級(jí)癌癥計(jì) 可以看到，美國的“癌癥登月計(jì)劃”中的

　　算解決方案的聯(lián)合設(shè)計(jì)任務(wù)”，這個(gè)項(xiàng)目就是致 人工智能學(xué)習(xí)并不包含腫瘤圖像的識(shí)別，所以

　　力于解決三個(gè)基于計(jì)算機(jī)學(xué)習(xí)的人工智能抗癌 人工智能診治癌癥的學(xué)習(xí)在不同的國家有不同

　　難題。 的內(nèi)容。

　　首先是從認(rèn)識(shí)癌癥的分子層面學(xué)習(xí)，要讓

　　人工智能了解 RAS/Raf 通路的蛋白質(zhì)相互作 人工智能幫助診治癌癥

　　用。RAS基因在20世紀(jì)60年代被發(fā)現(xiàn)是致癌基

　　因，存在于30%的癌癥患者中。1982年，美國科 人工智能對(duì)癌癥的識(shí)別和診斷首先體現(xiàn)于

　　學(xué)家溫伯格等人從膀胱癌細(xì)胞中克隆得到第一 對(duì)癌癥數(shù)據(jù)的解讀上，其中最重要的是對(duì)癌癥

　　個(gè)人類癌基因，由于它和之前發(fā)現(xiàn)的鼠肉瘤病 基因和基因組的識(shí)別和解讀。

　　毒基因C-RAS高度同源，因此被命名為RAS基 機(jī)器學(xué)習(xí)（算法）是人工智能的一個(gè)基本

　　因。RAS基因編碼產(chǎn)生的蛋白定位于細(xì)胞膜內(nèi) 內(nèi)容，其中，數(shù)據(jù)的輸入、輸出、賦值等運(yùn)算

　　側(cè)，為GTP/GDP結(jié)合蛋白（GDP為鳥嘌呤二核 可以讓人工智能對(duì)某一問題進(jìn)行計(jì)算分析，從

　　苷酸磷酸，GTP是鳥嘌呤三核苷酸磷酸），通過 而得出初步結(jié)果。對(duì)癌癥的診斷和治療也可以

　　GTP 與 GDP 的相互轉(zhuǎn)化來調(diào)節(jié)信號(hào)通路的傳 利用這一點(diǎn)。加拿大西方大學(xué)的羅根等人研發(fā)

　　遞。由于RAS蛋白的相對(duì)分子量是21千道爾頓 了一套算法，通過對(duì)基因數(shù)據(jù)的分析得出最可

　?。╧Da），故又被稱為p21蛋白。 能的有效治療癌癥的方案，并且讓該治療方案

　　之后，人們又發(fā)現(xiàn)了RAS蛋白的直接效應(yīng) 變得更加個(gè)性化。