人工智能治疗癌症的机理

　　尽管人们对人工智能有多种定义，但都认 已经进入实践，并且有不小的收获。

　　同一个要素，让机器胜任一些通常需要人类智 要让人工智能诊治癌症，第一步需要人工

　　能才能完成的复杂工作。人类的许多活动，如 智能有像人一样的感知，即知道周围的环境，

　　演算数学题、猜谜语、讨论、编制计划和编写 尤其是生物体和人的机体环境，什么是正常的

　　计算机程序，甚至驾驶汽车、骑自行车和诊治 机体，什么是异常的机体，甚至是癌变的机

　　疾病等，都需要智能。如果机器能够执行这种 体，尤其是只具有微小变化的机体，例如，只

　　任务，就可以认为机器已具有某种性质的人工 有几个发生癌变细胞的乳腺或肺。

　　智能。 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，

　　人工智能诊治癌症的机理 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

　　利用人工智能诊治疾病是人类一个雄心勃勃 论，在感知和正确理解的基础上，向医生提供

　　的计划，而且，这一计划早就有一些初步结果， 对某个个体检测的结果，是患癌还是没有患

　　例如2007年，美国国际商业机器公司（IBM）就 癌，抑或是患了其他疾病。

　　推出了人工智能软件——沃森医生（Watson）。 要让人工智能感知和理解人体环境和器

　　现在，人们特别希望利用人工智能去征服某些严 官，就要让其学习，包括利用大数据的机器学

　　重危害人们生命和健康的疾病，如癌症，而且也 习（算法）和深度学习，这两者有时是相互结

　　4 百科知识 2017.3A

　　QIANYAN 前 沿

　　合的，同时也是相互渗透的。大数据学习和处 因子Raf-1蛋白激酶。Raf-1激酶对细胞增殖、

　　理是人工智能的强项，可以达到比人类能力强 细胞分化、细胞凋亡和细胞周期停滞有重要作

　　几百倍几千倍的快速数据运算、分析和理解。 用，利用这些作用可以知道癌症的发生、发

　　而在癌症诊治的深度学习上，更需要人工智能 展，以及找到治疗癌症的药物和方法。

　　像人一样进行学习，例如对通过物理和化学方 “癌症登月计划”让人工智能进行的第二个

　　式拍摄的人体各种部位，以及深浅度不同组织 学习任务是，进行临床前的药物筛查。这是一

　　的图像要有正确的感知和理解，如对 X 线图 种研发癌症药物的预测模型，在临床试验前进

　　像、磁共振成像和CT扫描图像的感知、解读， 行最大化的药物筛选，为癌症病人提供精准医

　　并得出结论，即诊断。 疗方案。具体而言是对临床前和临床试验时的

　　但是，人工智能的癌症诊治深度学习并不 癌症数据进行筛选，结合小鼠模型中的新数

　　仅限于对癌症和正常组织图像的解读，而是包 据，通过反馈循环让实验模型指导计算模型的

　　括更多的深度学习的内容，例如，对癌症标记 设计，建立肿瘤药物反应的预测模型。其实，

　　物和特异分子的识别。 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

　　癌症诊治的人工智能学习内容 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

　　2016年1月，美国总统奥巴马宣布了“癌症 境、所患癌症的种类、不同的医疗体系等，从

　　登月计划”，由副总统拜登全面负责。“癌症登 数百万癌症病人的病历数据中自动分析，从而

　　月计划”的其中一个项目就是让人工智能进行 获取最佳治疗策略。当然，海量病人的数据来

　　机器学习（算法）和深度学习，以识别癌症。 自美国国家卫生研究院、美国食品和药物管理

　　为此，美国能源部与美国国家卫生研究院下属 局、制药公司和第三方付款机构。

　　的国家癌症研究所合作，提出了“高级癌症计 可以看到，美国的“癌症登月计划”中的

　　算解决方案的联合设计任务”，这个项目就是致 人工智能学习并不包含肿瘤图像的识别，所以

　　力于解决三个基于计算机学习的人工智能抗癌 人工智能诊治癌症的学习在不同的国家有不同

　　难题。 的内容。

　　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 人工智能帮助诊治癌症

　　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 人工智能对癌症的识别和诊断首先体现于

　　学家温伯格等人从膀胱癌细胞中克隆得到第一 对癌症数据的解读上，其中最重要的是对癌症

　　个人类癌基因，由于它和之前发现的鼠肉瘤病 基因和基因组的识别和解读。

　　毒基因C-RAS高度同源，因此被命名为RAS基 机器学习（算法）是人工智能的一个基本

　　因。RAS基因编码产生的蛋白定位于细胞膜内 内容，其中，数据的输入、输出、赋值等运算

　　侧，为GTP/GDP结合蛋白（GDP为鸟嘌呤二核 可以让人工智能对某一问题进行计算分析，从

　　苷酸磷酸，GTP是鸟嘌呤三核苷酸磷酸），通过 而得出初步结果。对癌症的诊断和治疗也可以

　　GTP 与 GDP 的相互转化来调节信号通路的传 利用这一点。加拿大西方大学的罗根等人研发

　　递。由于RAS蛋白的相对分子量是21千道尔顿 了一套算法，通过对基因数据的分析得出最可

　　（kDa），故又被称为p21蛋白。 能的有效治疗癌症的方案，并且让该治疗方案

　　之后，人们又发现了RAS蛋白的直接效应 变得更加个性化。