人工智能助推人类癌症治疗进程
人工智能诊治癌症的机理
利用人工智能诊治疾病是人类一个雄心勃勃
的计划，而且，这一计划早就有一些初步结果，
例如2007年，美国国际商业机器公司（IBM）就
推出了人工智能软件——沃森医生 （Watson）。
现在，人们特别希望利用人工智能去征服某些严
重危害人们生命和健康的疾病，如癌症，而且也
已经进入实践，并且有不小的收获。
要让人工智能诊治癌症，第一步需要人工
智能有像人一样的感知，即知道周围的环境，
尤其是生物体和人的机体环境，什么是正常的
机体，什么是异常的机体，甚至是癌变的机
体，尤其是只具有微小变化的机体，例如，只
有几个发生癌变细胞的乳腺或肺。
第二步是，人工智能不仅要感知正常和异
常机体的不同，还要理解为何有这样的不同，
是癌变引起的不同，还是其他疾病引起的不
同。最后第三步才是判断和决策，即得出结
论，在感知和正确理解的基础上，向医生提供
对某个个体检测的结果，是患癌还是没有患
癌，抑或是患了其他疾病。
要让人工智能感知和理解人体环境和器
官，就要让其学习，包括利用大数据的机器学
合的，同时也是相互渗透的。大数据学习和处
理是人工智能的强项，可以达到比人类能力强
几百倍几千倍的快速数据运算、分析和理解。
而在癌症诊治的深度学习上，更需要人工智能
像人一样进行学习，例如对通过物理和化学方
式拍摄的人体各种部位，以及深浅度不同组织
的图像要有正确的感知和理解，如对 X 线图
像、磁共振成像和 CT 扫描图像的感知、解读，
并得出结论，即诊断。
但是，人工智能的癌症诊治深度学习并不
仅限于对癌症和正常组织图像的解读，而是包
括更多的深度学习的内容，例如，对癌症标记
物和特异分子的识别。
癌症诊治的人工智能学习内容
2016年1月，美国总统奥巴马宣布了“癌症
登月计划”，由副总统拜登全面负责。“癌症登
月计划”的其中一个项目就是让人工智能进行
机器学习 （算法） 和深度学习，以识别癌症。
为此，美国能源部与美国国家卫生研究院下属
的国家癌症研究所合作，提出了“高级癌症计
算解决方案的联合设计任务”，这个项目就是致
力于解决三个基于计算机学习的人工智能抗癌
难题。
首先是从认识癌症的分子层面学习，要让
人工智能了解 RAS/Raf 通路的蛋白质相互作
用。RAS基因在20世纪60年代被发现是致癌基
因，存在于30%的癌症患者中。1982年，美国科
学家温伯格等人从膀胱癌细胞中克隆得到第一
个人类癌基因，由于它和之前发现的鼠肉瘤病
毒基因C-RAS高度同源，因此被命名为RAS基
因。RAS 基因编码产生的蛋白定位于细胞膜内
侧，为GTP/GDP结合蛋白（GDP为鸟嘌呤二核
苷酸磷酸，GTP是鸟嘌呤三核苷酸磷酸），通过
GTP 与 GDP 的相互转化来调节信号通路的传
递。由于RAS蛋白的相对分子量是21千道尔顿
（kDa），故又被称为p21蛋白。
之后，人们又发现了 RAS 蛋白的直接效应
因子 Raf-1 蛋白激酶。Raf-1 激酶对细胞增殖、
细胞分化、细胞凋亡和细胞周期停滞有重要作
用，利用这些作用可以知道癌症的发生、发
展，以及找到治疗癌症的药物和方法。
“癌症登月计划”让人工智能进行的第二个
学习任务是，进行临床前的药物筛查。这是一
种研发癌症药物的预测模型，在临床试验前进
行最大化的药物筛选，为癌症病人提供精准医
疗方案。具体而言是对临床前和临床试验时的
癌症数据进行筛选，结合小鼠模型中的新数
据，通过反馈循环让实验模型指导计算模型的
设计，建立肿瘤药物反应的预测模型。其实，
这也是基于特殊数据和大数据的学习和分析。
“癌症登月计划”让人工智能进行的第三个
学习任务是，学习和建立人口模型。这就要求
人工智能根据不同人群的生活方式、生活环
境、所患癌症的种类、不同的医疗体系等，从
数百万癌症病人的病历数据中自动分析，从而
获取最佳治疗策略。当然，海量病人的数据来
自美国国家卫生研究院、美国食品和药物管理
局、制药公司和第三方付款机构。
可以看到，美国的“癌症登月计划”中的
人工智能学习并不包含肿瘤图像的识别，所以
人工智能诊治癌症的学习在不同的国家有不同
的内容。
人工智能帮助诊治癌症
人工智能对癌症的识别和诊断首先体现于
对癌症数据的解读上，其中最重要的是对癌症
基因和基因组的识别和解读。
机器学习 （算法） 是人工智能的一个基本
内容，其中，数据的输入、输出、赋值等运算
可以让人工智能对某一问题进行计算分析，从
而得出初步结果。对癌症的诊断和治疗也可以
利用这一点。加拿大西方大学的罗根等人研发
了一套算法，通过对基因数据的分析得出最可
能的有效治疗癌症的方案，并且让该治疗方案
变得更加个性化。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%