盡管人們對人工智能有多種定義，但都認 已經(jīng)進入實踐，并且有不小的收獲。

　　同一個要素，讓機器勝任一些通常需要人類智 要讓人工智能診治癌癥，第一步需要人工

　　能才能完成的復(fù)雜工作。人類的許多活動，如 智能有像人一樣的感知，即知道周圍的環(huán)境，

　　演算數(shù)學(xué)題、猜謎語、討論、編制計劃和編寫 尤其是生物體和人的機體環(huán)境，什么是正常的

　　計算機程序，甚至駕駛汽車、騎自行車和診治 機體，什么是異常的機體，甚至是癌變的機

　　疾病等，都需要智能。如果機器能夠執(zhí)行這種 體，尤其是只具有微小變化的機體，例如，只

　　任務(wù)，就可以認為機器已具有某種性質(zhì)的人工 有幾個發(fā)生癌變細胞的乳腺或肺。

　　智能。 第二步是，人工智能不僅要感知正常和異

　　常機體的不同，還要理解為何有這樣的不同，

　　人工智能診治癌癥的機理 是癌變引起的不同，還是其他疾病引起的不

　　同。最后第三步才是判斷和決策，即得出結(jié)

　　利用人工智能診治疾病是人類一個雄心勃勃 論，在感知和正確理解的基礎(chǔ)上，向醫(yī)生提供

　　的計劃，而且，這一計劃早就有一些初步結(jié)果， 對某個個體檢測的結(jié)果，是患癌還是沒有患

　　例如2007年，美國國際商業(yè)機器公司（IBM）就 癌，抑或是患了其他疾病。

　　推出了人工智能軟件——沃森醫(yī)生（Watson）。 要讓人工智能感知和理解人體環(huán)境和器

　　現(xiàn)在，人們特別希望利用人工智能去征服某些嚴(yán) 官，就要讓其學(xué)習(xí)，包括利用大數(shù)據(jù)的機器學(xué)

　　重危害人們生命和健康的疾病，如癌癥，而且也 習(xí)（算法）和深度學(xué)習(xí)，這兩者有時是相互結(jié)

　　4 百科知識 2017.3A

　　QIANYAN 前 沿

　　合的，同時也是相互滲透的。大數(shù)據(jù)學(xué)習(xí)和處 因子Raf-1蛋白激酶。Raf-1激酶對細胞增殖、

　　理是人工智能的強項，可以達到比人類能力強 細胞分化、細胞凋亡和細胞周期停滯有重要作

　　幾百倍幾千倍的快速數(shù)據(jù)運算、分析和理解。 用，利用這些作用可以知道癌癥的發(fā)生、發(fā)

　　而在癌癥診治的深度學(xué)習(xí)上，更需要人工智能 展，以及找到治療癌癥的藥物和方法。

　　像人一樣進行學(xué)習(xí)，例如對通過物理和化學(xué)方 “癌癥登月計劃”讓人工智能進行的第二個

　　式拍攝的人體各種部位，以及深淺度不同組織 學(xué)習(xí)任務(wù)是，進行臨床前的藥物篩查。這是一

　　的圖像要有正確的感知和理解，如對 X 線圖 種研發(fā)癌癥藥物的預(yù)測模型，在臨床試驗前進

　　像、磁共振成像和CT掃描圖像的感知、解讀， 行最大化的藥物篩選，為癌癥病人提供精準(zhǔn)醫(yī)

　　并得出結(jié)論，即診斷。 療方案。具體而言是對臨床前和臨床試驗時的

　　但是，人工智能的癌癥診治深度學(xué)習(xí)并不 癌癥數(shù)據(jù)進行篩選，結(jié)合小鼠模型中的新數(shù)

　　僅限于對癌癥和正常組織圖像的解讀，而是包 據(jù)，通過反饋循環(huán)讓實驗?zāi)Ｐ椭笇?dǎo)計算模型的

　　括更多的深度學(xué)習(xí)的內(nèi)容，例如，對癌癥標(biāo)記 設(shè)計，建立腫瘤藥物反應(yīng)的預(yù)測模型。其實，

　　物和特異分子的識別。 這也是基于特殊數(shù)據(jù)和大數(shù)據(jù)的學(xué)習(xí)和分析。

　　“癌癥登月計劃”讓人工智能進行的第三個

　　癌癥診治的人工智能學(xué)習(xí)內(nèi)容 學(xué)習(xí)任務(wù)是，學(xué)習(xí)和建立人口模型。這就要求

　　人工智能根據(jù)不同人群的生活方式、生活環(huán)

　　2016年1月，美國總統(tǒng)奧巴馬宣布了“癌癥 境、所患癌癥的種類、不同的醫(yī)療體系等，從

　　登月計劃”，由副總統(tǒng)拜登全面負責(zé)?！鞍┌Y登 數(shù)百萬癌癥病人的病歷數(shù)據(jù)中自動分析，從而

　　月計劃”的其中一個項目就是讓人工智能進行 獲取最佳治療策略。當(dāng)然，海量病人的數(shù)據(jù)來

　　機器學(xué)習(xí)（算法）和深度學(xué)習(xí)，以識別癌癥。 自美國國家衛(wèi)生研究院、美國食品和藥物管理

　　為此，美國能源部與美國國家衛(wèi)生研究院下屬 局、制藥公司和第三方付款機構(gòu)。

　　的國家癌癥研究所合作，提出了“高級癌癥計 可以看到，美國的“癌癥登月計劃”中的

　　算解決方案的聯(lián)合設(shè)計任務(wù)”，這個項目就是致 人工智能學(xué)習(xí)并不包含腫瘤圖像的識別，所以

　　力于解決三個基于計算機學(xué)習(xí)的人工智能抗癌 人工智能診治癌癥的學(xué)習(xí)在不同的國家有不同

　　難題。 的內(nèi)容。

　　首先是從認識癌癥的分子層面學(xué)習(xí)，要讓

　　人工智能了解 RAS/Raf 通路的蛋白質(zhì)相互作 人工智能幫助診治癌癥

　　用。RAS基因在20世紀(jì)60年代被發(fā)現(xiàn)是致癌基

　　因，存在于30%的癌癥患者中。1982年，美國科 人工智能對癌癥的識別和診斷首先體現(xiàn)于

　　學(xué)家溫伯格等人從膀胱癌細胞中克隆得到第一 對癌癥數(shù)據(jù)的解讀上，其中最重要的是對癌癥

　　個人類癌基因，由于它和之前發(fā)現(xiàn)的鼠肉瘤病 基因和基因組的識別和解讀。

　　毒基因C-RAS高度同源，因此被命名為RAS基 機器學(xué)習(xí)（算法）是人工智能的一個基本

　　因。RAS基因編碼產(chǎn)生的蛋白定位于細胞膜內(nèi) 內(nèi)容，其中，數(shù)據(jù)的輸入、輸出、賦值等運算

　　側(cè)，為GTP/GDP結(jié)合蛋白（GDP為鳥嘌呤二核 可以讓人工智能對某一問題進行計算分析，從

　　苷酸磷酸，GTP是鳥嘌呤三核苷酸磷酸），通過 而得出初步結(jié)果。對癌癥的診斷和治療也可以

　　GTP 與 GDP 的相互轉(zhuǎn)化來調(diào)節(jié)信號通路的傳 利用這一點。加拿大西方大學(xué)的羅根等人研發(fā)

　　遞。由于RAS蛋白的相對分子量是21千道爾頓 了一套算法，通過對基因數(shù)據(jù)的分析得出最可

　　（kDa），故又被稱為p21蛋白。 能的有效治療癌癥的方案，并且讓該治療方案

　　之后，人們又發(fā)現(xiàn)了RAS蛋白的直接效應(yīng) 變得更加個性化。