当谷歌DeepMind的AlphaGo在2016年令人震惊地击败传奇围棋选手李世石(Lee Sedol)时,人工智能(AI)、机器学习和深度学习等术语被推入了技术主流。

  人工智能通常被定义为电脑或机器展示或模拟智能行为的能力,比如特斯拉(Tesla)的自动驾驶汽车和苹果(apple)的数字助理Siri。这是一个蓬勃发展的领域,也是许多研究和投资的重点。机器学习是人工智能系统从原始数据中提取信息,并从新数据中学习预测的能力。深度学习将人工智能与机器学习相结合。它关注的算法灵感来自于大脑的结构和功能,称为人工神经网络。

人工智能给癌症康复领域带来哪些革命性变化

  在斯坦福大学的实验室里,研究人员正在进行与癌症病人康复应用相关的有趣的深度学习研究——作为数学系和医学院的跨学科合作系统,癌症病人术后的评估和干预系统-TIES.IO,在病人康复评估和实时干预方面的应用已经取得了令人兴奋的成果。

  细胞增殖数据人工模拟

  细胞系是癌症研究的支柱。这些细胞群体,通常是从患者的肿瘤样本中收集并在实验室中进行培养的,可在体外无限制地生长,从而能够用于从基础病理研究到营养药物评估干预的一切应用中。

  而在癌细胞培养中,最困扰医学专家的问题就是培养液的成分复杂而多样,理论上可以有接近无穷多组合,如何在如此繁多的成分组合里找到对某个个体病人癌细胞有临床意义的成分配方,是一项复杂、耗时、繁琐的工作,用传统的医学研究方式耗资巨大且收效甚微。通过人工智能模拟出的培养环境,可以模拟出每个病人的癌细胞增殖方式和速度,从而对于病人的个体化康复干预方案提供了方向性的指导。

人工智能给癌症康复领域带来哪些革命性变化

个体化营养方案评估

  在我国的肿瘤病患者当中,会有20%到80%的病人出现营养不良的状况,再加上大多患者在发现罹患癌症的时候已经是中晚期,以至造成瘦弱、乏力等的现象非常普遍。据统计,大约有20%的恶性肿瘤患者直接死于营养不良。营养不良严重影响着癌症患者对于治疗的反应、生存时间和生活质量。为了给临床癌症患者的营养支持疗法提供证据,欧洲临床营养和代谢学会(ESPEN)2006年首次发布了《癌症患者肠内营养指南》;2016年8月ESPEN发布了第四版《癌症患者营养指南》,该指南较为普遍的面向不同程度、不同分期和不同并发症的癌症患者和癌症存活者,估适用人群广泛,具有一定的普适性。在医学实践中,受到临床对比试验的局限性,癌症病人的个体化营养方案迟迟无法被制定。这也是众多肿瘤内科和肿瘤营养科专家们研究的热点。这一医学领域的问题也进入到了以数学为基础的人工智能研究领域。斯坦福大学通过对个体病人前端数据分析,经过深度学习和大量病人标记数据进化分析,然后提供出一套基于当前营养学条件下的优化方案,使得每一个病人根据自身不同特征进行营养的支持干预变为可能。

人工智能给癌症康复领域带来哪些革命性变化

广阔前景

  最近有一项goole的报告显示,他们通过获取患者的临床数据,从而通过人工智能预测患者的死亡时间的的准确率高达99%。

  目前,一些新的算法模型(包括近日发布在《ScienceTranslational Medicine》上)增加了新层次的复杂性,这些算法可以缩小相关蛋白质、营养药物和临床数据的范围,以便更好地预测哪些病人最有可能在某些营养药物中获益。

  去年一月,葛兰素史克公司宣布同位于加州的劳伦斯利物莫国家实验室(LawrenceLivermore National Laboratory)结成伙伴关系,携手利用人工智能进行药物研发。葛兰素史克负责科技的高级副总裁约翰·巴尔多尼(JohnBaldoni)表示,合作的目的是借助人工智能将药物研发时间压缩至一年,而此前有些药物研发耗时长达10年。

  人工智能在帮助医生为癌症患者制定针对性治疗方案、预测药物治疗有效性方面也有着积极表现。科技巨头微软正开发名为“Hanover”的人工智能项目,借助深度学习技术,理解、分析大量医学专业论文,来帮助医生合理、精准用药。

上一篇:工银瑞信医疗保健行业股票型证券投资基金2019年第2季度报告 下一篇:郑州市肿瘤康复协会为51位“抗癌斗士”庆生