幾家初創(chuàng )公司都急于利用這一趨勢，導致近期有其他新聞報道稱(chēng)，人工智能系統旨在幫助醫生診斷癌癥，并預測結果，但可能尚未準備好。最近的報告指出，人工授精癌癥檢測系統IBM Watson用于腫瘤學(xué)，是根據合成的病人記錄而不是廣告中宣傳的真實(shí)病例進(jìn)行訓練的，而且根據泄露的內部文件，它產(chǎn)生了“不安全和錯誤的治療建議”。

      一個(gè)潛在的巨大市場(chǎng),可以完全破壞癌癥治療是如何交付——表明,目前,AI的承諾似乎很聰明,但還有很長(cháng)的路要走這樣的技術(shù)將變得司空見(jiàn)慣在診所和一個(gè)更廣闊的海灣橫在我們進(jìn)入一個(gè)時(shí)代,進(jìn)行機器會(huì )取代人類(lèi)診斷和預言家。

 

      人工智能在醫療保健中的未來(lái)作用——尤其是在癌癥的診斷和治療方面——可能會(huì )采取多種形式。從診斷一種特定類(lèi)型的癌癥到確定哪種治療方法可能較好地治療該特定病例，人工智能承諾改善癌癥護理的個(gè)性化，并幫助人們以更高的生活質(zhì)量和更少的副作用來(lái)應對這種疾病。

 

      有一種技術(shù)已經(jīng)顯示出了很大的前景，它使用谷歌AI工具，根據活檢過(guò)程中采集的肺癌組織圖像，識別腫瘤中的基因突變。紐約大學(xué)醫學(xué)院(New York University School of Medicine)病理學(xué)副教授、應用生物信息學(xué)實(shí)驗室(Applied Bioinformatics Laboratories)主任亞里斯多德•西里戈斯(aristotle Tsirigos)領(lǐng)導了一項研究，該研究表明，這個(gè)特殊項目可能比病理學(xué)家更出色，并解釋了這項技術(shù)模仿人類(lèi)大腦的工作方式。這種被稱(chēng)為神經(jīng)網(wǎng)絡(luò )或學(xué)習的人工智能方法起初是在1944年提出的，在過(guò)去10年左右的時(shí)間里得到了顯著(zhù)擴展。簡(jiǎn)而言之，這些類(lèi)型的人工智能系統依賴(lài)于一種算法——一種復雜的計算程序——處理輸入系統的大量數據。隨著(zhù)時(shí)間的推移，它學(xué)習了所有導入的數據，在某些情況下甚至可以開(kāi)始推斷出它沒(méi)有直接被傳授的東西——因此有了“深度學(xué)習”或“機器學(xué)習”這個(gè)術(shù)語(yǔ)。

 

      這個(gè)訓練時(shí)期,在此期間,被送入圖像算法,需要一個(gè)人的努力老師,但是隨著(zhù)時(shí)間的推移,隨著(zhù)越來(lái)越多的數據集都是進(jìn)口的,算法“學(xué)習”尋找什么,如何使自己的決策和假設的方式實(shí)際上開(kāi)始圖出來(lái),人類(lèi)的大腦根本沒(méi)有能力的過(guò)程。

      “在過(guò)去10年里，出現了很多技術(shù)，比較出名的是基因測序，這意味著(zhù)產(chǎn)生了很多數據集。因此，現在我們似乎是在利用人工智能收集(這些數據)，“并以更深入、交叉參照的方式分析它，比人工引導的數據傳遞能夠產(chǎn)生的更詳細和更多的信息。”隨著(zhù)更多的原始數據集變得可用，“人工智能變得重要是因為數據的大小。對于較小規模的數據，您不需要人工智能——您可以使用常規的統計數據。但如果你有大數據，那么你就需要使用人工智能來(lái)獲得好處。

 

      Tsirigos說(shuō)，如果我們不能“產(chǎn)生更多的數據或更多的數據模式”，我們目前的數據生產(chǎn)方法結果將導致人工智能的能力停滯不前。我想接下來(lái)會(huì )發(fā)生什么，也許幾年之后我們會(huì )說(shuō)人工智能探索了我們現在擁有的所有數據集，“我們需要新的更好的方法來(lái)獲得更有意義的數據。他說(shuō)，這個(gè)領(lǐng)域將不得不與實(shí)驗室程序的進(jìn)化“攜手并進(jìn)”來(lái)收集這些數據。

 

      Tsirigos說(shuō)，如果數據生產(chǎn)技術(shù)停滯不前，聯(lián)合數據方法的突破仍可能產(chǎn)生結果，或為不同問(wèn)題提供更好的答案，比如針對特定癌癥的較好靶向治療方案是什么。探索所有潛在的藥物組合排列是另一個(gè)可能的未來(lái)研究領(lǐng)域，它可以為較好治療方案和患者結局提供更好的見(jiàn)解。

 

      “能夠做出診斷，甚至預測突變是一回事，但問(wèn)題是:你能預測臨床結果嗎?比如，對特定療法的反應、準確治療或生存的反應?”這些是Tsirigos和他的團隊正在研究的重要問(wèn)題，而回答其中一些問(wèn)題的前進(jìn)道路可能在于如何將數據集生成的方法和演進(jìn)結合起來(lái)。“我們不會(huì )局限于一種數據類(lèi)型。理想的情況是，你有很多不同類(lèi)型的數據給一個(gè)病人，你把所有這些數據結合到你的模型中，預測“他們在某種藥物治療上的表現如何”。這些數據可能包括成像數據，提供基因突變信息的基因測序數據，然后這些數據可以與基于這些基因突變預測預后相關(guān)。“我們沒(méi)有理由不把測序、成像、核磁共振和血液檢測的所有信息結合起來(lái)。”他說(shuō)，我們所能整合的一切都有助于為個(gè)別病人制定更準確的護理計劃。

      人工智能在幫助病人處理癌癥治療的副作用方面也有應用。美國西海岸一家大型癌癥研究中心近期與微軟合作，希望開(kāi)發(fā)一種以人工智能為驅動(dòng)的設備，幫助那些正在接受化療的癌癥患者在病情爆發(fā)前，通過(guò)檢測并發(fā)癥的細微跡象，將其排除在急診室之外。

 

      主任斯科特•拉姆齊博士西雅圖哈欽森癌癥結果研究所說(shuō),伙伴關(guān)系旨在利用HICOR和微軟的優(yōu)勢團隊開(kāi)發(fā)一個(gè)可穿戴的跟蹤設備或智能手機應用程序,將監測化療病人的副作用,“之前更好地管理它們成為壞到足以急診室的訪(fǎng)問(wèn)。其目標是將Fred Hutch的臨床和數據科學(xué)專(zhuān)業(yè)知識與微軟的人工智能/機器學(xué)習技術(shù)相結合，以提高患者的健康水平，同時(shí)降低醫療成本。

 

      這是一個(gè)大目標，而試點(diǎn)項目才剛剛開(kāi)始。拉姆齊說(shuō)，研究小組正在研究哪些指標需要跟蹤，但心率、體溫、能量消耗和其他代謝信息等關(guān)鍵信息可能會(huì )被收集和分析，以發(fā)現可能預示著(zhù)即將出現問(wèn)題的細微變化。

 

      “幾乎所有的這些問(wèn)題,人們在對化療毒性相關(guān)的ER可能可以預防如果醫生知道病人越來(lái)越麻煩了(可能)患者采取更惡心醫學(xué)或水合物之前自己惹麻煩,”拉姆齊說(shuō),并補充道,“在患者化療,其中一半是在急診室或醫院。”美國疾病控制與預防中心(Centers for Disease Control and Prevention)估計，每年約有65萬(wàn)人在美國的一家腫瘤門(mén)診接受化療。讓更多的病人離開(kāi)醫院可以節省很多錢(qián)，并為這些病人提供更好的生活質(zhì)量。

 

      開(kāi)發(fā)一個(gè)遠程監控系統,該系統將提醒醫生對病人健康的變化是一個(gè)令人興奮的想法,可以轉化為改善保健成千上萬(wàn)的人,更不用說(shuō)在國家層面上節約大量成本——如果可以執行的技術(shù)開(kāi)發(fā)人員希望它的方式。

 

      拉姆齊警告說(shuō)，盡管有時(shí)人們可能覺(jué)得未來(lái)已經(jīng)到來(lái)，但圍繞人工智能、機器學(xué)習以及這些技術(shù)可能已經(jīng)對癌癥的診斷和治療產(chǎn)生了革命性影響的討論，還遠遠沒(méi)有達到預期的效果。在我們合理地期待機器做出診斷或決定較好的治療方案之前，還有很多工作要做。

 

      拉姆齊說(shuō):“我們并不幻想一切都會(huì )很容易，或者我們知道所有的答案。”“但這是樂(lè )趣的一部分——弄清楚一切。”將各個(gè)部分組合在一起并讓技術(shù)跟上概念需要時(shí)間。“并不是說(shuō)會(huì )有一場(chǎng)革命。我們將在這里和那里取得勝利，我相信讓化療患者離開(kāi)急診室是可以實(shí)現的。我和其他人一樣不確定我們需要了解的所有事情，”但有了穩定、有條理的工作，耐心的收獲可能是可以實(shí)現的。“我認為從長(cháng)遠來(lái)看，這些技術(shù)將幫助醫生和病人。”