近日，頂尖學(xué)術(shù)期刊《自然》上線了一項有關(guān)癌癥診斷的重要研究。

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

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

微生物與腫瘤微環(huán)境息息相關(guān)

菌群與人體的關(guān)系毫無疑問是十分密切的。有科學(xué)家估計，在每個人的身體中細(xì)菌的數(shù)量占到了人體所有活細(xì)胞的90%。此外，我們體內(nèi)還有許多病毒存在。

這些常駐人體的微生物幾乎參與了人體的一切生命活動，所以，它們的核酸片段(DNA或RNA)也就經(jīng)血液游蕩在我們體內(nèi)。

近年來，許多研究證據(jù)顯示，人體微生物對多種類型的腫瘤有“貢獻(xiàn)”?？茖W(xué)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(xì)胞與微生物可能有復(fù)雜的相互作用。

這也就提供了一種全新的檢測癌癥的思路：用正常人血液中與癌癥患者血液做對比，其中的微生物是否會有差別呢?

于是，美國加州大學(xué)圣迭戈分校的科學(xué)家有了一個大膽的設(shè)想：分析血液中來自微生物的遺傳物質(zhì)，可以根據(jù)其特征模式來識別體內(nèi)的腫瘤。

如果在過去，這種設(shè)想真的只能是想想罷了，“這是因為細(xì)菌的數(shù)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(shù)的發(fā)展，現(xiàn)在測序的費(fèi)用與時間都在大幅下降，同時微生物的基因測序也能夠運(yùn)用AI技術(shù)，效率能大大提升。

徐軍告訴記者，疾病的檢測、診斷和治療是一個非常復(fù)雜的過程，需要借助多方面信息，比如圖像數(shù)據(jù)、基因數(shù)據(jù)、分子和蛋白的表達(dá)，患者的病史、遺傳背景、家族史等其他數(shù)據(jù)化信息，以及患者的臨床數(shù)據(jù)，微生物的核酸特征等等。大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)的加入，從基因?qū)用妗⒓?xì)胞層面、以及微生物層面展現(xiàn)患者個體化的信息。

“我們對這些問題理解越深刻，治療疾病的成功率就越高。”徐軍說，在沒有AI技術(shù)之前，盡管我們能夠采集大量的數(shù)據(jù)，但是由于能力限制，能夠獲取的知識很有限。比如盡管我們能夠破譯人類的基因，但是目前90%以上的信息我們還不能理解對疾病的診斷和治療有什么作用。

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(yīng)的微生物特征后，把工作交給了人工智能。通過相應(yīng)的機(jī)器學(xué)習(xí)模型來挖掘大量數(shù)據(jù)，把特定的微生物序列特征與特定的癌癥相匹配。

“機(jī)器學(xué)習(xí)的方式主要有監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，從這個項目公開的信息來看，采用的是監(jiān)督學(xué)習(xí)模式。”徐軍分析說，監(jiān)督學(xué)習(xí)的特點(diǎn)是人類會把知識傳授給計算機(jī)，計算機(jī)根據(jù)樣本的特征進(jìn)行學(xué)習(xí)，接下來就能夠自動區(qū)分疾病或者健康的樣本。

另一種非監(jiān)督學(xué)習(xí)將能夠使得機(jī)器具備更高的智能，即人類沒有給計算機(jī)提示，計算機(jī)通過歸納的樣本之間的規(guī)律和模式，突破了以往需人類干預(yù)才可學(xué)習(xí)的局限。

“現(xiàn)在還有一種新的非監(jiān)督學(xué)習(xí)模式——對抗學(xué)習(xí)，其特點(diǎn)是人類設(shè)計出兩個模型，一個用于制造偽裝數(shù)據(jù)，另一個用于鑒別偽裝，在你來我往中實現(xiàn)互贏，最后達(dá)到納什均衡狀態(tài)。”徐軍認(rèn)為，我國擁有大量的疾病數(shù)據(jù)，醫(yī)學(xué)和人工智能領(lǐng)域之間如果能夠長期深入合作，將能夠更好地為患者服務(wù)。

從此項研究的結(jié)果來看，這套AI模型在實際診斷中是可靠的。科學(xué)家讓AI對100名患者的樣本血漿進(jìn)行分析，并與69名健康無癌個體的血樣進(jìn)行比較。機(jī)器學(xué)習(xí)模型不僅可以區(qū)分患癌和無癌的樣本，還能區(qū)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(xiàn)假陽性報告，并且以81%的準(zhǔn)確率區(qū)分出前列腺癌和肺癌。

“達(dá)到這個準(zhǔn)確率具備了參考價值，但需要注意的是，這個結(jié)果可能是在理想的條件下得到的，論文作者可能也剔除了許多不規(guī)范的樣本和數(shù)據(jù)。”徐軍認(rèn)為，這還是一項早期的概念驗證研究，應(yīng)用到臨床還需要做大量工作。

專家認(rèn)為，AI和大數(shù)據(jù)的加入，可以完成更加復(fù)雜的任務(wù)。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(shù)據(jù)技術(shù)的廣泛使用將能夠很好地解決這個問題。

徐軍告訴記者，人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域得到廣泛的關(guān)注，它并不是偶然發(fā)生的，而是建立在近年來以機(jī)器學(xué)習(xí)為代表的深度學(xué)習(xí)技術(shù)取得了巨大突破的基礎(chǔ)上。

“2019年，《自然·醫(yī)學(xué)》出版了一期特刊，該特刊的12篇論文全部和人工智能相關(guān)，這說明人工智能技術(shù)和醫(yī)學(xué)結(jié)合的爆發(fā)點(diǎn)已經(jīng)到來。”徐軍說，以人工智能技術(shù)為核心的機(jī)器能夠極大地彌補(bǔ)人類的不足。

但徐軍也指出，人類醫(yī)生的優(yōu)勢是冷冰冰的機(jī)器無法代替的，機(jī)器不具備人對疾病的認(rèn)知和理解，同時，治療的過程不僅僅是數(shù)據(jù)處理過程，更重要的是醫(yī)生和患者之間的溝通和互動。醫(yī)生對于患者的關(guān)懷和安慰是機(jī)器無法做到的，而這在治療過程中有時非常關(guān)鍵。因此，未來最好的模式是機(jī)器與醫(yī)生協(xié)同開展工作。(記者 張 曄)