AI又當醫生了這次是通過血液識別癌癥

張曄

近日，頂尖學術期刊《自然》上線了一項有關癌癥診斷的重要研究。

與以往不同的是，來自美國加州大學圣迭戈分校的科學家，通過訓練人工智能從血液中鑒定微生物的遺傳物質，不僅可以識別出癌癥，還能對不同類型的癌癥做出區分。

“這是一個很有前景的方向，改變了傳統的檢測方法，而且運用人工智能技術，使得海量的檢索和比對工作得以快速而準確地完成。”南京信息工程大學教授徐軍評價道。

微生物與腫瘤微環境息息相關

菌群與人體的關系毫無疑問是十分密切的。近年來，許多研究證據顯示，人體微生物對多種類型的腫瘤有“貢獻”。科學家猜想，這些微生物在癌癥中所起的作用也許比我們已知的更多。因為以前的癌癥研究工作，忽略了人體癌細胞與微生物可能有復雜的相互作用。

美國加州大學圣迭戈分校的科學家有了一個大膽的設想：分析血液中來自微生物的遺傳物質，可以根據其特征模式來識別體內的腫瘤。

如果在過去，這種設想真的只能是想想罷了，“這是因為細菌的數量十分龐大，檢測它們的基因序列將是一個海量工程。”徐軍說，但是得益于基因測序技術的發展，現在測序的費用與時間都在大幅下降，同時微生物的基因測序也能夠運用AI技術，效率能大大提升。

人工智能測癌可靠性有多高

研究人員在幾千份樣本中找到相應的微生物特征后，把工作交給了人工智能。通過相應的機器學習模型來挖掘大量數據，把特定的微生物序列特征與特定的癌癥相匹配。

“機器學習的方式主要有監督學習和非監督學習，從這個項目公開的信息來看，采用的是監督學習模式。”徐軍分析說，監督學習的特點是人類會把知識傳授給計算機，計算機根據樣本的特征進行學習，接下來就能夠自動區分疾病或者健康的樣本。

另一種非監督學習將能夠使得機器具備更高的智能，即人類沒有給計算機提示，計算機通過歸納的樣本之間的規律和模式，突破了以往需人類干預才可學習的局限。

“現在還有一種新的非監督學習模式——對抗學習，其特點是人類設計出兩個模型，一個用于制造偽裝數據，另一個用于鑒別偽裝，在你來我往中實現互贏，最后達到納什均衡狀態。”徐軍認為，我國擁有大量的疾病數據，醫學和人工智能領域之間如果能夠長期深入合作，將能夠更好地為患者服務。

從此項研究的結果來看，這套AI模型在實際診斷中是可靠的。科學家讓AI對100名患者的樣本血漿進行分析，并與69名健康無癌個體的血樣進行比較。機器學習模型不僅可以區分患癌和無癌的樣本，還能區分不同類型的癌癥：以86%的敏感性識別出肺癌患者，對于無肺部疾病的個體沒有出現假陽性報告，并且以81%的準確率區分出前列腺癌和肺癌。

專家認為，AI和大數據的加入，可以完成更加復雜的任務。比如基因序列的讀取，是人的眼睛和智力水平基本上無法完成的，而人工智能和大數據技術的廣泛使用將能夠很好地解決這個問題。