本篇文章2027字,读完约5分钟

去年五月,美国研究人员在《自然遗传学》杂志上报道说,他们已经证明,看起来毫无用处的“垃圾DNA”中的突变与自闭症密切相关。这项研究不是第一个将这种状况与不编码基因的DNA相关联的研究,但是它利用了机器学习的能力来分析1,790名自闭症患者,其父母和兄弟姐妹的基因组。这是人工智能正在改变临床和研究医学的无数努力之一。

乐天全球数据监督部主任北川卓也在最近的东京新经济峰会(NEST)上介绍了有关人工智能和医学的会议,该会议吸引了人们对《自然遗传学》论文和其他使用人工智能的研究的关注。然后,他与三位在工作中使用AI的从业者展开了讨论。

读取基因组以预测健康
北川问:“我们如何在医疗中使用人工智能?” “一个例子是直接读取脑部信号并将其转换为音频信号,从而使那些沉默寡言的人受益匪浅。”

小组成员Puneet Batra是麻省理工学院和哈佛大学博德学院的机器学习副主任,该学院成立于2004年,以继承人类基因组计划的遗产并研究疾病的遗传基础。他指出,过去15年间,基因测序的成本如何急剧下降,并概述了基因谱分析对预测医学的意义。

例如,广泛的研究人员正在开发诸如多基因风险评分之类的技术,这些技术是可以评估患病情况的遗传计算方法。  

“现在,在整个基因组中观察,在一个人中观察数百万个不同的变异体,我们就可以预测您患心肌梗塞,中风,心房颤动,甚至是肥胖或乳腺癌的风险,” Batra说。

“现在,在整个基因组中观察,在一个人中观察数百万个不同的变异体,我们就可以预测您患心肌梗塞,中风,心房纤颤甚至肥胖或乳腺癌的风险,”机器副总监Puneet Batra说。在麻省理工学院和哈佛大学广泛研究所学习期间,介绍了基因谱分析对预测医学的意义。 </ s> </ s> </ s> 
“ 现在,在整个基因组中观察,在一个人中观察数百万个不同的变异体,我们可以预测您患心肌梗塞,中风,心房颤动甚至是肥胖或乳腺癌的风险,”机器副总监Puneet Batra说在麻省理工学院和哈佛大学广泛研究所学习期间,他介绍了基因谱分析对预测医学的意义。
更好的诊断工具
总部位于东京的AI合资企业LPIXEL的首席执行官,专家小组成员Yuki Shimahara讨论了AI如何提高医疗诊断的准确性和效率,以及如何为疾病诊断提供新的标准。

在佳能,富士和奥林巴斯等主要公司的支持下,LPIXEL为从事医学,药理学和农业研究的研究人员提供了图像分析和诊断工具。它的EIRL平台可用于分析磁共振血管造影图像,以发现血管变形和潜在的脑动脉瘤的迹象。

岛原说:“动脉瘤可以忽略不计。” “与单个医生的评估和AI相结合,准确性提高了几个百分点。对于经验不足的医生,可能会提高约10%。”

前医疗保健初创公司MICIN的首席执行官,前医师Seigo Hara的与会嘉宾对与会者说,还可以利用AI技术(例如机器学习)来帮助医生识别有时不会出现明显症状的状况,例如产后抑郁症。MICIN于2015年在东京成立,经营远程医疗远程医疗业务,其中包括提供用于流感的家庭测试套件以及基于AI的医学分析服务,旨在寻找生活方式与疾病之间的联系。

医学AI技术仍在开发中,其最引人注目的用例尚未想象。当被问及可能克服的潜在月球成就时,如果可以克服法规,临床和技术方面的障碍,则与会嘉宾介绍了几种有趣的情况。

专家组一致认为,智能设备(如连接云的浴室秤,健身带和其他物联网(IoT)工具)将在健康维护中发挥越来越重要的作用。Shimahara预计在未来五年内,将出现一个类似于应用商店的医学成像软件工具平台,放射科医生可以根据患者的需求进行选择。再往前看,Hara预测,先进的分析工具将有助于重写医学教科书。

Hara说:“使用AI,我们可以在10年后重新定义疾病。” “例如,有两种类型的糖尿病,但是使用聚类分析,实际上有五种类型……使用AI可以发生这种类型的分类或重新定义疾病。”

前医疗保健初创公司MICIN首席执行官的前医师 S eigo Hara对与会人员说,还可以利用诸如机器学习之类的AI技术来帮助医生识别有时没有明显症状的状况,例如产后抑郁症。
展望未来
从理论上讲,某些疾病可以完全消除。如果社会能够讨论并最终接受基因组编辑的概念,那么遗传条件就可以得到成功治疗。

“我希望看到我们解决基因组中的所有单点突变,所有导致疾病的突变中有50%与基因组中的单碱基变化有关,” Batra说。“如果世界关注这一问题,我认为我们可以解决这些突变问题,这将覆盖撒哈拉以南非洲患有镰状细胞性贫血的40%人口……十年的关注才真正使我们到达那里。”

一个主要的挑战是如何充分利用医疗AI技术生成的大量健康数据。但是小组成员对可以做到这一点表示乐观。

“这个数据,这个问题,今天的这个领域有些东西,感觉就像是物理学的黄金时代,”前物理学家巴特拉说。“我们这个时代的挑战是弄清楚如何将这些数据放在一起,以改变我们对人类的理解。我们已经达到了数据,技术和业务需求交汇的地步。我认为现在会发生。”