为了治愈疾病，人工智能需要更多我们的数据

获得免费更新信息

只需注册即可 人工智能 myFT Digest——直接发送到您的收件箱。

机器已经在下棋、识别鸟鸣和预测复杂蛋白质结构等方面超越了人类。但当涉及到真正聪明且直观的东西时，比如原创科学研究，我们人类喜欢认为我们仍然占有优势。

我们可能需要再思考一下。本月早些时候在伦敦举行的 RAAIS 人工智能会议上， 丹尼尔·科恩， 加拿大药物研发公司 Valence Labs 总裁讨论了“自主科学发现”这一诱人但略显令人不安的可能性。经过专业数据训练的复杂人工智能模型可能很快就能生成假设、设计和运行实验、从结果中学习并全天候重复。“我们的使命是将科学发现工业化，”他说。

你不需要和计算生物学领域的人们长时间交谈就能理解他们对人工智能的兴奋之情。人工智能研究公司 Google DeepMind 甚至在其 AlphaFold 程序模拟了 2 亿个蛋白质结构后，成立了一家独立的公司 Isomorphic Labs 来开发这一领域。

计算生物学有望推动科学研究、加速药物研发和改善患者治疗效果。与有血有肉的研究人员和实验室助理相比，机器具有许多优势。首先，它们不需要睡觉，也不需要处理感冒、宿醉或混乱的关系。

斯坦福大学医学院遗传学和生物医学数据科学教授克里斯蒂娜·柯蒂斯告诉我：“这个领域的发展速度让我深受鼓舞。这正在改变我们理解疾病的方式、检测恶性肿瘤的方式以及治疗和拦截恶性肿瘤的方式。”

柯蒂斯是一篇论文的资深作者， 上个月发表在《科学》杂志上的，旨在探索各种癌症亚群中恶性肿瘤的遗传性。研究人员利用机器学习技术，分析了数千个患有乳腺浸润前肿瘤和浸润性肿瘤的个体的基因组，以探索他们对疾病的免疫反应差异。他们发现，肿瘤细胞在个体中的进化方式是由他们在受孕时继承的生殖系基因组“塑造”的。

此类研究可能有助于更早发现癌症，并制定更加个性化的治疗方案，从而提高患者存活的几率。“超过 50% 的癌症诊断都处于 4 期或更晚期。我们获得的信息太晚，无法帮助患者做出决策，”Curtis 说道。“理想情况下，我们可以更提前地做到这一点。”

有两个重大制约因素。首先，一位行业高管表示，“基因学提供的只是提示，而不是答案”。机器已经标记出大量药物开发目标，但成功推出的产品却寥寥无几。即使该技术确实带来了科学突破，新药也需要很多年才能获得监管部门的批准。

托尔·格雷佩尔 (Thore Graepel) 是 Altos Labs 的全球计算科学负责人，此前曾帮助谷歌 DeepMind 开发 AlphaGo 程序。AlphaGo 在古老的围棋游戏中击败了世界上最强大的选手，这被视为机器智能领域的一次惊人突破。但格雷佩尔在 RAAIS 会议上表示，他现在在细胞再生方面面临的生物复杂性要高出“几个数量级”。他说：“我从未见过如此少的数据却能带来如此高的复杂性。”

第二个制约因素是数据稀疏性。Curtis 认为，患者数据对于研究人员来说就像“液体黄金”，但我们还没有定期捕获这些数据的机制。最有用的方法是将患者的基因信息与患者在治疗和生活中收集的纵向健康数据结合起来。

重新定位医疗保健系统，使其从晚期诊断和治疗转向早期监测和预防，需要对繁琐的组织进行重大变革。但英国工党似乎有望赢得下周的大选，该党承诺将加速国民医疗服务体系的这一变革。 工党宣言 承诺创建“适合未来”基金，将用于检测早期癌症的 CT 和 MRI 扫描仪的数量增加一倍。

选民对政客做出的重大承诺持怀疑态度，这是理所当然的。但老龄化社会的公共财政压力可能很快就会让政府别无选择，只能走这条路。正如荷兰哲学家德西德里乌斯·伊拉斯谟在五个世纪前告诉我们的那样：“预防胜于治疗。”为此，人工智能可能是我们最宝贵的资产之一。

邮箱：[email protected]