AI+大數(shù)據(jù)在生物醫(yī)藥領(lǐng)域中的應(yīng)用及行業(yè)發(fā)展現(xiàn)狀

       繼《AI技術(shù)在醫(yī)學(xué)影像中的應(yīng)用及行業(yè)發(fā)展現(xiàn)狀》《醫(yī)藥研發(fā)領(lǐng)域大數(shù)據(jù)和人工智能的應(yīng)用探討》《洞察 | 國內(nèi)AI醫(yī)學(xué)影像平臺商業(yè)模式探索》之后，本文將總結(jié)AI技術(shù)在藥物研發(fā)、醫(yī)學(xué)影像的應(yīng)用情況，并繼續(xù)探討其在輔助診療和基因分析領(lǐng)域中的應(yīng)用情況及行業(yè)發(fā)展現(xiàn)狀。

       大數(shù)據(jù)與AI相輔相成，得益于計算機信息技術(shù)科技革命，各領(lǐng)域產(chǎn)生了海量數(shù)據(jù)積累，人工智能（AI）技術(shù)獲得快速發(fā)展。目前，AI技術(shù)在生物醫(yī)藥領(lǐng)域應(yīng)用主要有藥物研發(fā)、醫(yī)學(xué)影像、輔助診療和基因分析四個細分領(lǐng)域。其中，國外借助先進的藥品研發(fā)技術(shù)和人工智能技術(shù)更早起步，以AI藥物研發(fā)為主，我國則借助海量大數(shù)據(jù)優(yōu)勢，以AI醫(yī)學(xué)影像為主。本文將針對這四個主要領(lǐng)域分別進行探討。

       一、藥物研發(fā)

       根據(jù) Global MarketInsight的數(shù)據(jù)報告，全球人工智能醫(yī)療市場中，第一大細分市場為藥物硏發(fā)，份額（約占35%）。根據(jù)既往資料顯示，藥物研發(fā)領(lǐng)域的細分方向有以下6種：

       1. 海量文獻信息分析整合

       對于藥物研發(fā)工作者來說，最讓他們頭疼的事如何去甄別每天產(chǎn)生的海量科研信息。而人工智能技術(shù)恰恰可以從這些散亂無章的海量信息中提取出能夠推動藥物研發(fā)的知識，提出新的可以被驗證的假說，從而加速藥物研發(fā)的過程。

       2.化合物高通量篩選

       化合物篩選，是指通過規(guī)范化的實驗手段，從大量化合物或者新化合物中選擇對某一特定作用靶點具有較高活性的化合物的過程。而要從數(shù)以萬計的化合物分子中篩選出符合活性指標的化合物，往往需要較長的時間和成本。

       AI 技術(shù)可以通過對現(xiàn)有化合物數(shù)據(jù)庫信息的整合和數(shù)據(jù)提取、機器學(xué)習(xí)，提取大量化合物與**、有效性的關(guān)鍵信息，既避免了盲人摸象般的試錯路徑，還可以大幅提高篩選的成功率。

       3.發(fā)掘藥物靶點

       現(xiàn)代新藥研究與開發(fā)的關(guān)鍵是尋找、確定和制備藥物靶點。靶點是指藥物在體內(nèi)的作用結(jié)合位點，包括基因位點、受體、酶、離子通道和核酸等生物大分子。

       AI系統(tǒng)可以從每個設(shè)計周期里的現(xiàn)有數(shù)據(jù)資源中學(xué)習(xí)，其原理與人類的學(xué)習(xí)方式相似，但AI在識別多種微妙變化以平衡藥效、選擇性和藥代動力學(xué)方面要更加高效。

       4.預(yù)測藥物分子動力學(xué)指標（ADMET）

       ADMET包括藥物的吸收、分配、代謝、排泄和**。預(yù)測ADMET是當(dāng)代藥物設(shè)計和藥物篩選中十分重要的方法。過去藥物ADMET性質(zhì)研究以體外研究技術(shù)與計算機模擬等方法相結(jié)合，研究藥物在生物體內(nèi)的動力學(xué)表現(xiàn)。

       目前市場中有數(shù)十種計算機模擬軟件，包括ADMET Predicator、MOE、Discovery Studio和Shrodinger等。該類軟件現(xiàn)已在國內(nèi)外的藥品監(jiān)管部門、制藥企業(yè)和研究院所得到了廣泛應(yīng)用。

       5. 病理生物學(xué)研究

       病理生物學(xué)是研究疾病發(fā)生、發(fā)展、轉(zhuǎn)歸的規(guī)律和機制的科學(xué)。病理生物學(xué)研究是醫(yī)藥研發(fā)的基礎(chǔ)，至今許多疾病尚無治療方法，是由于在病理生物學(xué)研究方面沒有取得進展。

       其研究內(nèi)容是指基于人工智能將病理圖像轉(zhuǎn)化為高保真度、高通量的可挖掘的數(shù)據(jù),并用于定量化病理診斷和疾病預(yù)后,最后自動生成病理診斷報告。在人工智能技術(shù)的支撐下,病理組學(xué)的研究正向著更加自動化更加精準的方向發(fā)展,這也有益于充分利用現(xiàn)有醫(yī)療資源、節(jié)省研究成本、推動醫(yī)療發(fā)展。

       6.發(fā)掘藥物新適應(yīng)癥

       老藥新用是目前尋找藥物的常用方式，它的實現(xiàn)方式是將市面上已曝光的藥物及人身上的1萬多個靶點進行交叉研究及匹配。

       依靠AI強大的自然語言處理能力和深度學(xué)習(xí)能力，從散亂無章的海量信息中，提取出能夠推動藥物研發(fā)的知識和新的可以被驗證的假說，將給試驗的速度帶來指數(shù)級的提升。

       AI在藥物重定向環(huán)節(jié)的應(yīng)用，可以省去靶點發(fā)現(xiàn)和藥理作用評估等環(huán)節(jié)，有望將藥物研發(fā)成本降至3億美元甚至更低，研發(fā)周期也縮短至6.5 年。

       表1 部分人工智能藥物研發(fā)公司及融資情況

       二、醫(yī)學(xué)影像

       根據(jù) Global MarketInsight的數(shù)據(jù)報告中，僅次于藥物研發(fā)，醫(yī)學(xué)影像市場作為人工智能醫(yī)療應(yīng)用領(lǐng)域第二大細分市場，將以超過40%的增速發(fā)展，在2024年達到25億美元規(guī)模，占比達25%。

       醫(yī)學(xué)影像行業(yè)是國內(nèi)AI與大數(shù)據(jù)在醫(yī)療領(lǐng)域應(yīng)用發(fā)展最快的方向，遠高于其他場景的應(yīng)用。有研究報告顯示，進入中國100強的人工智能相關(guān)非上市企業(yè)的10家人工智能醫(yī)療方向的企業(yè)中，有6家涉及到了AI醫(yī)學(xué)影像領(lǐng)域。

       智能醫(yī)學(xué)影像識別是基于人工智能技術(shù)，對X線片、計算機斷層掃描、磁共振成像等常用醫(yī)學(xué)影像學(xué)技術(shù)掃描圖像和手術(shù)視頻進行分析處理的過程，其發(fā)展方向主要包括智能影像診斷、影像三維重建與配準、智能手術(shù)視頻解析等。

       1. 智能影像診斷

       我們通常所說的狹義的智能醫(yī)學(xué)影像，指的就是智能影像診斷。這也是智能醫(yī)學(xué)影像領(lǐng)域最為火熱的方向之一。智能影像診斷和影像三維重建與配準可提高影像識別的效率和質(zhì)量，為疾病診斷和治療提供幫助。

       AI輔助診斷、AI篩查、AI超聲是智能醫(yī)療影像探索最廣泛的領(lǐng)域。當(dāng)下AI+醫(yī)學(xué)影像的產(chǎn)品形態(tài)主要以用于影像識別與處理的軟件為主，極少數(shù)結(jié)合硬件。

       表2 部分AI醫(yī)學(xué)影像企業(yè)及融資情況

       資料來源：火石創(chuàng)造

       2. 自動病理分類

       疾病的病理分類是當(dāng)前智能醫(yī)學(xué)影像研究的重要問題。早期的病理分類通常分為三步，第一步是在影像中人工標注目標區(qū)域，第二步是對分割出來的區(qū)域進行識別分類，第三步是對整個診斷結(jié)果進行宏觀的判斷。

       隨著CNN的不斷發(fā)展，分類器越來越強大，新的算法可以直接端到端（圖像端到結(jié)果端）地對圖像進行分類并檢測物體。但目前可利用的醫(yī)學(xué)影像圖像數(shù)據(jù)量通常較少，為深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練帶來了難題。

       3.智能手術(shù)視頻解析

       手術(shù)視頻解析是智能外科的重要組成部分，是智能手術(shù)的基礎(chǔ)。對手術(shù)視頻的內(nèi)容進行解析，讓機器理解當(dāng)前手術(shù)視頻中的操作，可以使計算機幫助醫(yī)師在手術(shù)中做出合理的選擇，協(xié)助醫(yī)師規(guī)劃下一步的手術(shù)操作，并通過比對數(shù)據(jù)庫中的內(nèi)容揭示醫(yī)師手術(shù)中各個操作的細節(jié)。

       盡管手術(shù)視頻解析起步較晚，目前只能應(yīng)用于一些簡單的手術(shù)（如膽囊切除術(shù)）中，但其已經(jīng)具備成熟的技術(shù)思路和方法。

       三、輔助診療

       當(dāng)擁有足夠數(shù)量質(zhì)量的醫(yī)療數(shù)據(jù)后，就具備了做出正確診斷的數(shù)據(jù)基礎(chǔ)條件，AI深度學(xué)習(xí)便可以發(fā)揮作用了，可更高效地處理海量數(shù)據(jù)，迅速找到特征和規(guī)律。在圖像識別上，人工智能的優(yōu)越性表現(xiàn)的特別突出。

       用于輔助診斷的方向中除了上面提到的醫(yī)學(xué)影像領(lǐng)域之外，人工智能還可以利用大量高質(zhì)量病歷數(shù)據(jù)的優(yōu)勢，以真實的海量臨床電子病歷大數(shù)據(jù)為基礎(chǔ)，融合臨床指南、專家共識和醫(yī)學(xué)文獻，結(jié)合分析和深度學(xué)習(xí)技術(shù)建立多維度診療模型，對病歷進行大量標注工作，通過人工智能提供初步的診斷提示，提高患者和醫(yī)生的尋醫(yī)問診效率。

       表3 部分AI輔助診療企業(yè)及融資情況

       四、基因數(shù)據(jù)分析

       基因二代測序技術(shù)產(chǎn)生了大量的測序數(shù)據(jù)，AI在基因大數(shù)據(jù)的分析上亦表現(xiàn)出良好的應(yīng)用趨勢。

       隨著計算機算力的不斷提升，超級計算機強大的數(shù)據(jù)處理能力可以對TB級的海量基因組數(shù)據(jù)進行處理和挖掘，從而極大地縮短基因檢測的時間，提高基因檢測效率。

       在此基礎(chǔ)上，催生出兩種致力于疾病風(fēng)險預(yù)測的公司，一類是面向B端如醫(yī)院、企業(yè)等，研發(fā)并提供能夠?qū)崿F(xiàn)腫瘤基因、遺傳基因、傳染病等疾病預(yù)測的基因測序儀；另一類則是以疾病風(fēng)險預(yù)測為重點，面向C端公眾開放基因測序服務(wù)。

       表4 部分基因數(shù)據(jù)分析相關(guān)企業(yè)及融資情況

       五、小結(jié)

       目前，AI與大數(shù)據(jù)在醫(yī)藥領(lǐng)域的科研和產(chǎn)業(yè)發(fā)展方興未艾，毫無疑問，AI和大數(shù)據(jù)和生物醫(yī)藥領(lǐng)域的融合必將不斷的深化和廣化，更多的成功案例將不斷涌現(xiàn)。

       國內(nèi)也面臨著人工智能人才缺少且成本高昂，數(shù)據(jù)歸屬不明確、質(zhì)量不高、標準沒有統(tǒng)一、獲取難度高，醫(yī)療器械審批難度大等種種問題。亟待國家、企業(yè)、醫(yī)療機構(gòu)和科研人員的共同努力，實現(xiàn)人工智能與大數(shù)據(jù)對生物醫(yī)藥行業(yè)的充分賦能。

       參考資料：

       [1]孫翔宇.醫(yī)藥研發(fā)領(lǐng)域大數(shù)據(jù)和人工智能的應(yīng)用探討[EB/OL].火石創(chuàng)造,2019.

       [2]上海交通大學(xué)人工智能研究院.2019中國人工智能醫(yī)療白皮書[R].2019.

       [3]趙成龍.國內(nèi)AI醫(yī)學(xué)影像平臺商業(yè)模式探索[EB/OL].火石創(chuàng)造,2018.

       [4]楊欣.AI技術(shù)在醫(yī)學(xué)影像中的應(yīng)用及行業(yè)發(fā)展現(xiàn)狀[EB/OL].火石創(chuàng)造,2019.

       [5]陳真誠，蔣勇，胥明玉，等.人工智能技術(shù)及其在醫(yī)學(xué)診斷中的應(yīng)用及發(fā)展[J].生物醫(yī)學(xué)工程學(xué)雜志，2002(3).

       [6]周瑞泉，紀洪辰，劉榮智.能醫(yī)學(xué)影像識別研究現(xiàn)狀與展望[J].第二軍醫(yī)大學(xué)學(xué)報，2018，39(8): 917-922.