盘点人工智能在医疗行业的6大最新进展，主要集中在新药研发、疾病诊断两大领域。

　　其中，赛诺菲巴斯德利用AI研发流感疫苗、葛兰素史克在两大计算机网络的助力下研发新药，是新药研发领域备受关注的AI探索。而疾病诊断运用人工智能技术，可以使结直肠癌、乳腺癌获得较高的诊断准确率，可以找到帕金森病的进展标志物，甚至可以在发病前数年预知阿兹海默症。

　　新药研发

　　1、赛诺菲巴斯德利用AI研发流感疫苗

　　赛诺菲巴斯德（Sanofi Pasteur）是全球知名的研发企业。近日，它与一家名为BERG的生物医药公司达成合作，利用人工智能进行流感疫苗研发。

　　每年，美国10%-20%的人口会感染流感，美国疾病控制与预防中心（CDC）认为最佳的控制手段就是进行流感疫苗接种。然而，不同人对流感疫苗的反应不尽相同，有人能从中获得更佳的免疫力，有人接种的效果则非常一般。人工智能有望找到背后的原因。

　　BERG的平台利用其开发的人工技能技术，可以对高通量的分子和临床信息进行数据驱动分析。它能从分散、庞大的数据里头提取出可执行的洞见，这一方法也已得到了验证。利用这一人工智能平台，赛诺菲巴斯德将寻找能评估季节性流感疫苗效果的潜在生物标志物。如果一切顺利，这些标志物能预测流感疫苗引起的免疫反应的广度和持久性，这有助于未来的疫苗研发，造福患者。

　　2、两大计算机网络助力葛兰素史克研发新药

　　美国癌症研究所有一项触目惊心的数据：每10名美国人中，就有4名会在一生里被诊断有癌症。其中，有三分之一的患者无法活过5年。与此同时，开发一款抗癌新药所花的时间，却要超过10年，成功率更是不足7%。为此，人们也在思索如何提高新药研发的效率。

　　位于美国巴尔的摩（Baltimore）的Insilico Medicine希望能用人工智能技术为新药研发带来革命。他们开发了两种计算机网络，一种能找到具有抗癌活性的新分子，另一种则能剔除那些基于现有疗法提出的建议。如果用艺术来作类比，前者就像是一名模仿大师的美术生，后者则是剔除临摹品的专家。这样的两个系统能相辅相成——被第二个网络挑出毛病的新药，会在第一个网络里得到进一步的锤炼，而经过提升的新药分子，又会让第二个网络炼出火眼金睛。

　　在互相磨练后，这两款网络从公开数据库中的7200个化学分子里找到了不少潜在的抗癌新药，其中有60款已经被其他公司注册，这从侧面验证了这套系统的确能找到具有抗癌活性的分子。研究人员声称，在短短的一个月里，他们的技术就能从几百万个分子中，找到最有潜力的100个候选新药。这能大大缩短新药发现的过程，并有望减少试错的成本。

　　今年8月，葛兰素史克（GSK）已经与这家新锐达成协议，寻找新药。或许，第一款用AI设计出来的新药，已经进入了人工智能的视野。

　　疾病诊断

　　3、人工智能不到1秒就能诊断结直肠癌，准确率达86%

　　正确且及时地诊断癌症，一直是个难题。最近，来自日本的一群科学家利用人工智能的方法，能在不到1秒钟的时间里对结直肠癌做出诊断，准确率高达86%。令人赞叹的是，它甚至能在良性肿瘤恶化前，就做出诊断。

　　在这项研究里，科学家们让人工智能对结直肠中的息肉进行了深度观察。他们将息肉放大了500倍，让人工智能可以仔细看清这些组织的变化。随后，他们又提供了30000张癌变前和癌变后的细胞照片，用机器学习的方法来训练人工智能。最终，这套系统可以在短短1秒内做出诊断，准确率高达86%。这也是人工智能首次被用于结直肠癌的诊断。

　　4、诊断乳腺癌，人工智能准确率高达97%

　　在美国，每年有40000名女性因乳腺癌去世。这一令人遗憾的结果，与乳腺癌没有得到及时诊断有关。据统计，如果乳腺癌能在早期得到发现，它们甚至有望被治愈。

　　另一方面，作为乳腺癌常规检查手段的乳腺X光检查则有着假阳性率高的问题。有些患者的乳腺在X光下会出现可疑组织，她们也会选择手术进行移除。然而手术后对这些组织的分析却常常发现，它们是良性的。换句话说，这些女性接受了不必要的治疗。那么，有没有什么技术可以在确保诊断出乳腺癌的同时，还能降低假阳性率呢？

　　人工智能可以做到。哈佛医学院和麻省总医院的研究人员们开发的这款系统能从一系列数据点中做出诊断。除了活检结果和病理报告，这款人工智能还会分析患者的家族病史，以及种族信息。这样一来，诊断的正确率大大提高。

　　在335项高风险的病理中，该人工智能的诊断正确率为97%。研究人员说，由于它的准确率，患者接受不必要的手术的概率下降了30%！对于患者来说，这不啻于一个巨大福音。

　　5、人工智能发现帕金森病进展标志物

　　位于麻省剑桥地区的GNS Healthcare宣布，利用人工智能技术找到了帕金森病的一个进展标志物，这项研究发表在了《柳叶刀》的子刊《The Lancet Neurology》。

　　值得关注的是，这是用“电脑”来解决“人脑”问题的一个典型案例。利用其机器学习技术，GNS从312名帕金森病患者和117名对照组志愿者中收集到了遗传学和临床的数据，并将遗传学上的变异于疾病的进展联系了起来。这一系统找到了一个叫做LINGO2的基因。与另一个遗传变异一起，它们能用来预测患者运动能力衰退的进展情况。此外，研究人员们也发现了一些和疾病进展有关的人口因素。

　　6、病发数年前预知阿兹海默病

　　意大利巴里大学（University of Bari）的研究人员用MRI扫描了67名志愿者的大脑，其中一些罹患阿兹海默病，一些轻度认知障碍患者，以及一些普通健康人。利用算法，他们能准确地鉴定出患有阿兹海默病的患者，准确率达86%。此外，他们也能将健康人与轻度认知障碍患者进行区分。

　　轻度认知障碍一般被认为是阿兹海默病的前兆。在项研究中，科学家人也发现，实验中的轻度认知障碍患者最终都发展成了阿兹海默病。也就是说，利用他们开发的算法，我们能在阿兹海默病出现前的几年，就发现患有认知障碍的大脑，预知阿兹海默病的发生。

　　毫无疑问，人工智能的时代早已到来。懂得使用人工智能的科研人员，比那些不懂得使用人工智能的科研人员具有显著的优势。