人工智能现在能有多“聪明”
全尺寸人形仿生机器人，其身高达1.77米，重量为52公斤摄影/本报记者李娜
正在召开的2023中关村论坛上，“人工智能”无疑是最热门的关键词。无论是自动驾驶还是智能穿戴，是量子计算还是5G通信，甚至碳中和，众多前沿科技的背后都离不开人工智能技术的支持。可以说，未来十年，人工智能将继续改变各行各业以及普通人的生活。在本次论坛国际技术交易大会板块、科博会展览板块，以及人工智能相关平行论坛上，北京青年报记者注意到，各大公司都带来了最新人工智能科技成果，包括视觉通用分割模型SegGPT、5G音视频交互应用、双语数智人等等。
5G通信新应用
可视自助服务带来交互新体验
最新数据显示，我国5G用户已达5.61亿，我国累计建成开通5G基站231.2万个，全球占比均超过60%。而一季度全国平均5G下载网速为334.98Mbps，峰值下载速率为472.92Mbps。如此快的网速，再加上人工智能的支持，除了用来刷社交网络、日常办公学习，还可以用来做什么？
中国联通此次展出的“5G新通信智能交互平台”，就应用了5G“大带宽、低时延、泛连接”的特点，运用5G音视频交互与AI原子能力，结合AR&VR、三维建模、智能交互等先进技术，做到了5G内生服务下的音视频交互应用。平台运用多媒体、三维建模、实时跟踪、传感、智能交互等技术，实现端到端的可视化、智能化新通信服务，为企业、政府等提供5G音视频交互、智慧虚拟形象等功能。
如金融行业应用版平台，用户可以远程接入银行柜台服务，享受与现场办理同等的体验及个人隐私保护；能源行业应用版平台则重构了井场智能联动系统应用体系，实现了井场资源数字化管理、井场巡护数字化编制。交通行业版平台以5G新通信为基础提供无障碍智能通信服务，为老年乘客提供可视化交互的智慧助老服务。
值得一提的是，该平台在国产化适配与自主可控方面实现了平台与国产手机芯片适配；平台端支持国产化系统，手机侧适配华为麒麟芯片、联发科天玑芯片，支持华为、小米、OPPO、VIVO、魅族系列国产手机。
“数智人”更聪明
与大模型融合能“听懂你的话”
数智人，简单来说就是虚拟人，借助拟人化的外表、人工智能的内核，数智人已经开始在众多行业中商业化落地，辅助人工服务，提升企业运行效率。例如，数智人在金融、文旅、传媒、公共服务、医疗、零售等行业场景中，可担任坐席客服、理财顾问、播报主持、导游导览角色；在文化娱乐场景，可以作为虚拟偶像、虚拟歌手等形成IP资产；在智能车载、智能交通、智能家居等场景，可以通过与智能设备结合，为用户提供智能化服务。
腾讯云智能小样本数智人生产平台近日首次对外发布，只需要3分钟真人口播视频、100句语音素材，平台便可通过音频、文本多模态数据输入，实时建模并生成高清人像，在24小时内制作出与真人近似的“数智人”。相较于照片生成、仅能呈现面部形态的数字人，小样本数智人可根据文本设计手势，唇动、口型、表情复现真人风格。
本届中关村论坛，北青报记者也尝试用数智人虚拟主播，代替真人主播出镜，进行7×24小时的直播服务，吸引了诸多观众关注。
不过，以往的数智人，比起真人来，他们的思考能力明显更弱。此次中关村论坛上，由智谱AI推出的“智谱AI脑数智人”则更加聪明，它不再拘泥于固定的互动方式，而是初具理解人类指令意图的能力。智谱AI由清华大学计算机系的技术成果转化而来，公司于2022年合作研发了双语千亿级超大规模预训练模型GLM-130B，并主导构建了高精度通用知识图谱，把两者有机融合为数据与知识双轮驱动的认知引擎，并基于此千亿基座模型打造ChatGLM。通过认知大模型链接物理世界的亿级用户、赋能元宇宙数字人、成为具身机器人的基座，赋予机器像人一样“思考”的能力。此外，它还是一个既会中文又会英文的双语数智人。
“无人驾驶”上街
最新行人预测模型呼之欲出
如今在亦庄等地，已经可以打到百度自动驾驶的车辆。未来，随着技术发展和政策批准后，车上的安全员将会撤出，自动驾驶车辆会实现真正的无人化。
据百度公司介绍，无人驾驶技术核心是“百度汽车大脑Apollo平台”，包括高精度地图、定位、感知、智能决策与控制四大模块。最新的Apollo已经进化到引入多个基于深度学习的模型、发布了基于语义地图的低速行人预测模型、引入了基于语义地图的模仿学习。
在本次中关村论坛上，旷视科技发布了自研智能托盘四向穿梭车系统。旷视智能托盘四向车作为柔性物流系统中的离散型设备，可以实现“一车跑全仓”。为什么说是“柔性物流”？旷视表示，主要是因为它具有离散型设备、分布式控制两大特点，用户企业可以像搭积木一样，根据需要灵活组合，柔性部署。其次，柔性则体现在整个系统的“动态可扩展”，用户企业可以根据淡旺季以及业务增长等变化，随时增减四向车数量，提升系统承载能力。
智慧城市更低碳
AI“管家”水电空调全都管
在智慧城市建设中，AI扮演着越来越重要的角色。例如，AI可以用于城市的基础设施管理，例如自动监测道路、桥梁和建筑物的结构健康状况，以及检测和修复道路上的裂缝和坑洼；AI可以帮助城市管理能源，例如通过分析能源使用数据来实现更高效的能源使用，以及优化城市的能源系统；AI也可以帮助城市保护环境，例如通过空气质量监测、垃圾处理和水资源管理等方面，提高城市的环境质量。
那么，如何利用AI给楼宇减碳来实现碳中和碳达峰的目标呢？恒华数元展示的基于楼宇大脑神经网络系统碳管理平台，从充分利用清洁能源的角度出发，集中引用性价比较高的技术产品应用，遍及楼宇末端传感感知节点和主要用能设备传感感知节点，通过楼宇大脑边缘计算服务器统一协调管理，使楼宇用能设备高效运转，尽可能排除不必要的能源浪费，根据边缘计算模型分析，楼宇各用能子系统能耗曲线处于平稳运行状态下，整体能耗是最低的。
其中，楼宇电力能耗应该占楼宇能耗的首位，针对楼宇弱电系统的特点，在不增加装修施工的基础上，研发出体积更小、计量准确、安装便捷的一套弱电监测及AI控制系统，可以对楼宇的电力系统进行动态的监控，确保无人区及时断电，避免不必要的电力浪费。而楼宇空调系统耗能占到楼宇总能耗的40%，恒华数元通过和高校成立产学研基地深度合作研发出针对楼宇冷、热源系统调优的策略算法，形成了成熟的数据算法模型，使得空调系统节能率达到10%以上。目前，这一项目已在广东、天津、江西、四川、湖北、安徽等省份落地。未来，居住小区、写字楼、商场等，都将向着绿色低碳的方向“进化”。
AR眼镜“同声传译”
智能穿戴设备助力无障碍
随着人工智能融入生活的方方面面，搭载人工智能的设备也趋于小型化，如智能手表可接听电话、回微信、监测运动情况等；智能眼镜外形如普通眼镜，戴上后可以接打电话、听音乐等。
不过，中关村论坛上展示的这一智能眼镜，则更实用。这款名为“亮亮听语者智能眼镜”是一款双目光波导AR智能眼镜。
VR眼镜戴上后会沉浸在虚拟世界，AR眼镜则不会阻挡视线，其将现实世界与虚拟世界进行融合，从而实现一些在现实世界中无法做到的功能。如听力受损人群常常因“听不清”、“听不见”声音而在工作、社交、学习过程中遇到困难，这款眼镜可以将声音信息转换成文字在眼前显示出来。它还具有同声传译功能，可以识别不同国家的语言，同时转换成汉字或者其他国家的文字呈现前，帮助用户在国际语言交流的环境中方便理解。这款眼镜轻巧便携，机身仅重79g，相比于目前市面上200-300g的AR眼镜，其自重非常适合长时间佩戴；还可以适配近视、远视、散光、老花眼等情况的镜片；眼镜外侧不漏光，保护隐私，内容仅自己可见；这款眼镜还搭载了毫秒级实时字幕，降噪算法，5米内精准收音，转译准确率最高可达95%以上。据悉，该款产品目前已经具备量产能力。
隐私保护计算技术开源
应用于金融医疗保险等领域
隐私计算，也叫隐私保护计算，是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，实现数据在流通与融合过程中的“可用不可见”，从而实现数据价值的转化和释放。隐私保护计算对隐私数据提供了未来行业亟须的保护能力。本次中关村论坛展览（科博会）上，蚂蚁集团首次公布以关键基础软件为核心的开源完整版图，9大核心技术全部开源，其中就包括隐私计算技术“隐语”。也就是说，这一技术平台面向全球用户开放，可无需调用和开发代码，直接使用产品功能，帮助用户低成本探索隐私计算应用场景。
据介绍，隐语目前已经在金融、医疗、保险等场景应用。如浦发银行联合蚂蚁集团隐语平台，识别出超过14.5万名高风险用户，阻止了数十亿人民币的高风险贷款的发放。在医疗方面，蚂蚁隐私计算平台和阿里云数字医疗团队合作，为医院搭建了面向医院运营管理的数据融合平台，为管理者提供数字化绩效管理分析，帮助医院建立精细化运营管理体系，减少医院的经济风险或临床风险。此外，过往保险机构在理赔过程中，通过向医疗机构明文（即数据不加密）查询被保险人的诊疗情况，将会获得不必要的原始数据。而蚂蚁的解决方案通过设定数据逻辑查询，利用多方安全计算等隐私计算技术，使得保险公司只获得是否理赔的查询结果，不会获得各种原始数据，保护理赔用户隐私。
声音
大模型将改变世界开发的同时应研究控制技术
ChatGPT是2023年最引人关注的科技界新事物之一，它的发布也引发了语言大模型狂潮，百度、阿里、知乎、商汤、京东等多个公司纷纷推出了其大模型。AI另一个重大领域——视觉GPT也亮相本届中关村论坛：智源研究院视觉团队正式推出通用分割模型SegGPT，这是首个利用视觉提示完成任意分割任务的通用视觉模型。
据介绍，SegGPT使用时，摈弃语言类大模型的传统思维，与机器交互时不使用文字而是使用图像。比如用户给出SegGPT一张图并在上面将“彩虹”圈了起来，当用户再给许多张包含有彩虹的图片时，SegGPT就能自动识别上面的彩虹，并将这些部分圈出来。可以说，SegGPT“一通百通”：给出一个或几个示例图像和意图掩码，模型就能get用户意图，“有样学样”地完成类似分割任务。此外，SegGPT还“一触即通”：通过一个点或边界框，在待预测图片上给出交互提示，识别分割画面上的指定物体。利用这个特性，可以实现诸多功能，比如机器人机械手去拿西红柿等物件时，机器人就可以迅速知道西红柿的边缘在哪里，既能拿起西红柿，又不会捏碎，十分精准。
目前，国内大模型处在百花齐放、百家争鸣的状态下。百度创始人、董事长兼CEO李彦宏在中关村论坛上表示，人工智能再次成为人类创新的焦点，越来越多的人认可第四次产业革命正在到来。他强调：“大模型改变了人工智能，大模型即将改变世界。”中国工程院院士、中国人工智能学会理事长戴琼海也表示，人工智能将带来多个方面的应用变革：面向科学研究新范式（宇宙起源、自然规律、生命奥秘）；面向人民生命健康（AI药物研发、远程虚拟手术）；面向经济主战场（虚拟创造、工业制造、灵境交互）；面向国防重大需求（多源态势分析、AI地空战线部署）等等。
值得关注的是，面对新变化，也有人提出了警示。创新工场董事长、首席执行官李开复表示，“AI仍会出错，会一本正经地胡说八道，它只能被应用于生成内容初稿、开拓想法，而不能作为最终版本，AI需要持续的人工干预，避免谬误或灾难发生。此外，AI可能还存在一些法律及伦理问题，因此，AI并非适合所有的领域，只能应用于容错度较高的应用中。”李开复强调，“AI可能制造虚假信息，可能被不法分子利用来做针对性的欺骗用户，因此，开发时，需要同时研究控制AI的技术和管理的法律法规。”本版文/本报记者温婧
2023年终盘点｜人工智能重磅级研究成果！
2020年2月21日，由麻省理工学院合成生物专家吉姆·柯林斯（JimCollins）领导的研究团队研发一种开创性的机器学习方法，登上全球自然科学研究领域最著名期刊之一《细胞（Cell）》2月20日的封面。
该方法首次在没有使用人类任何先前假设的情况下，短短几天内从超过1亿个分子的库中筛选出强大的新型抗生素。
其中一种抗生素可杀死多种世界上最麻烦的致病细菌，包括结核病和被认为无法治愈的菌株。
宾夕法尼亚州匹兹堡大学的计算生物学家雅各布·杜兰特（JacobDurrant）认为，这一研究非常出色，研究小组不仅确定了候选基因，而且在动物实验中验证了很有前景的分子。
此外，这个方法还可用于治疗癌症、神经衰退性疾病等其他类型的药物。如果类似AI研究方法能应用于抗病毒药物的研发，想必意义将更大。
如今人工智能在各个领域的应用也越来越广泛，让我们一起来看看2021年人工智能都有哪些新进展吧！
【1】Science：利用人工智能成功预测蛋白相互作用
doi：10.1126/science.abm4805
在一项新的研究中，来自美国德克萨斯大学西南医学中心和华盛顿大学等研究机构的研究人员利用人工智能（AI）和进化分析构建出真核生物蛋白相互作用的三维模型。他们首次鉴定出100多种可能的蛋白复合物，并为700多种以前未被描述的蛋白复合物提供了结构模型。对成对或成组的蛋白如何结合在一起执行细胞过程的深入了解可能会带来大量新的药物靶标。相关研究结果于2021年11月11日在线发表在Science期刊上。
Cong博士说，“我们的结果代表了结构生物学新时代的一个重大进展，计算在其中发挥着基本作用。”Cong博士解释说，蛋白经常以成对或成组的方式（形成蛋白复合物）运作以完成让有机体存活所需的每一项任务。虽然这些相互作用中的一些得到了很好的研究，但许多仍然是一个谜。构建全面的相互作用组（interactome）--即描述细胞中完整的分子相互作用--将阐明生物学的许多基本方面，并为科学家们开发促进或阻止这些相互作用的药物提供一个新起点。Cong博士工作于将生物信息学和生物学结合在一起的相互作用组学这一新兴领域。
直到最近，构建相互作用组的一个主要障碍是许多蛋白质结构的不确定性，这是科学家们半个世纪以来一直试图解决的问题。2020年和2021年，一家名为DeepMind的公司和Baker博士的实验室独立发布了两项名为AlphaFold（AF）和RoseTTAFold（RF）的人工智能技术，这两种技术根据产生蛋白的基因序列使用不同的策略来预测蛋白结构。
【2】NatMachIntell：新型人工智能技术或能预测人类机体的抗癌免疫力
doi：10.1038/s42256-021-00383-2
新抗原（neoantigens）在T细胞识别肿瘤细胞上扮演着关键角色，然而，仅有一小部分新抗原能真正引起T细胞反应，而且关于哪些新抗原能被哪些T细胞受体识别到的线索也非常少；近日，一篇发表在国际杂志NatureMachineIntelligence上题为“Deeplearning-basedpredictionoftheTcellreceptor–antigenbindingspecificity”的研究报告中，来自德克萨斯大学西南医学中心等机构的科学家们通过研究开发了一种人工智能技术，其或能识别出被机体免疫系统所识别的癌细胞表面的肽类，即新抗原。
这种名为pMTnet的新型人工智能技术或有望帮助研究者开发新方法来预测癌症患者的治疗预后以及对免疫疗法的潜在反应。研究者TaoWang教授表示，确定哪些新抗原能与T细胞受体结合，哪些不能结合似乎是一项不太可能完成的任务；但利用机器学习手段，我们就能取得重大进展。癌细胞中基因组的突变会导致其表面展现出不同的新抗原，其中一些新抗原就能被捕捉癌症迹象和外来入侵者的免疫T细胞所识别，从而就会促进癌细胞被宿主机体免疫系统所破坏，然而，其它新抗原似乎对T细胞隐身了，从而就会促进癌症受控生长。
对于免疫系统来讲，新抗原的存在是正常细胞和肿瘤细胞之间最大的区别之一，如果我们能弄清楚哪些新抗原能刺激机体的免疫反应，随后就能以多种方式来利用这一知识从而对抗癌症。能够预测哪些新抗原被T细胞所识别能够帮助科学家们开发个体化癌症疫苗，并设计更好的基于T细胞的疗法，或预测患者对其它免疫疗法的反应程度，但有数以万计的不同的新抗原，而且预测哪种新抗原能诱发T细胞反应的方法也被证明比较耗时，且在技术上具有一定的挑战性，成本也较为高昂。
【3】NatCommun：新型人工智能血液检测技术或能高效识别出肺癌患者准确率高达90%以上！
doi：10.1038/s41467-021-24994-w
对机体游离DNA（cfDNA）评估的无创手段能为癌症检测和干预提供很好的机会。近日，一篇发表在国际杂志NatureCommunications上题为“Detectionandcharacterizationoflungcancerusingcell-freeDNAfragmentomes”的研究报告中，来自约翰霍普金斯大学医学院等机构的科学家们通过研究开发了一种新型人工智能血液检测技术，其能在来自约800名患癌或不患癌个体的样本中检出超过90%的肺癌病例。
这种名为DELFI（对早期截留片段的DNA评估，DNAevaluationoffragmentsforearlyinterception）的检测技术能发现循环在血液中的癌细胞脱落的DNA片段的独特模式，研究人员将这一技术应用到了来自丹麦、荷兰和美国的796名个体机体所采集的血样中，结果发现，DELFI技术能准确区分出肺癌患者和非肺癌患者。将这种检测技术与临床风险因素、蛋白质生物标志物结合起来，随后利用计算机断层扫描成像，DELFI技术就能帮助检测出94%的各期和各亚型的癌症患者；这其中就包括91%的早期或侵入性较低的I/II期癌症患者和96%的晚期III/IV期癌症患者。
肺癌是引发癌症死亡最常见的原因之一，每年全球大约会有200万人因肺癌而死亡；然而仅有不到6%的存在肺癌风险的美国人群会接受推荐的低剂量计算机断层扫描筛查，尽管预测可以避免数以万计的患者死亡，但全球接受筛查的人群少之又少；这或许是多种原因所造成的；包括对调查假阳性成像结果的潜在危害的担忧、辐射暴露或担心侵入性手术所产生的并发症等。很显然，开发替代性的无创检测技术或能改善高风险个体的癌症筛查，并最终改善一般人群的癌症筛查，而这是目前临床上迫切需要解决且未得到满足的一项挑战；研究者相信，针对肺癌的血液检测或液体活检或许是增强筛查工作的一个好方法，因为其很容易就能做到，而且可以被广泛使用，且具有一定的成本效益。
全链结构预测。
图片来源：Nature,2021,doi:10.1038/s41586-021-03828-1。
【4】Nature：利用人工智能系统Alphafold发布最完整的预测人类蛋白质三维结构数据库
doi：10.1038/s41586-021-03828-1
2021年7月22日，DeepMind宣布与欧洲分子生物学实验室（EMBL）合作，为人类蛋白质组的预测蛋白质结构模型建立迄今为止最完整、最精确的数据库。这将涵盖人类基因组所表达的全部约20000种蛋白质，并且这些数据将免费向科学界公开提供。该数据库和人工智能系统为结构生物学家提供了探究蛋白质三维结构的强大的新工具，并提供了一个宝贵的数据宝库，可能开启未来的进步，并预示着人工智能驱动的生物学的新时代。
AlphaFold于2020年12月被蛋白质结构预测关键评估（CriticalAssessmentofproteinStructurePrediction，CASP）的组织者认可为解决蛋白质结构预测这一具有50年历史的巨大挑战的方案，这对该领域是一个惊人的突破。AlphaFold蛋白质结构数据库建立在这一创新和几代科学家的发现之上，从早期的蛋白质成像和晶体学的先驱，到后来成千上万的花了数年时间对蛋白质进行实验的预测专家和结构生物学家。该数据库极大地扩展了积累的蛋白质结构知识，使科学家们可用的高精度人类蛋白质结构的数量增加了一倍以上。推进对这些构成生命的基石（即蛋白）的理解，将有助于各个领域的研究人员加速他们的工作。这些基石支撑着每种生物中的每一个生物过程。
Alphafold是去年12月宣布的支持这些结构预测的先进人工智能系统。2021年7月15日，Nature期刊公布了Alphafold最新高度创新版本背后的方法及其开放源代码（Nature，2021，doi：10.1038/s41586-021-03819-2）。7月22日的最新成果以论文的形式发表在Nature期刊上，论文标题为“Highlyaccurateproteinstructurepredictionforthehumanproteome”。该论文提供了构成人类蛋白质组的蛋白质的最完整图片，并发布了来自另外20种对生物研究很重要的有机体的蛋白质结构图片。
【5】Science：利用新型人工智能软件工具RoseTTAFold仅需10分钟就可准确地计算出蛋白质三维结构
doi：10.1126/science.abj8754
自从DeepMind在2020年的“结构预测关键评估（CriticalAssessmentofStructurePrediction）”（CASP14）会议上展示了该领域的显著进展以来，科学家们已经等待了数月，以便获得高度准确的蛋白质结构预测的机会。现在等待已经结束。
在一项新的研究中，来自美国多个研究机构的研究人员在很大程度上重现了DeepMind在这项重要任务上取得的性能。相关研究结果于2021年7月15日在线发表在Science期刊上。与DeepMind不同的是，这些作者开发的方法，他们称之为RoseTTAFold，可以免费使用。世界各地的科学家们如今正用它来建立蛋白质模型，以加速他们自己的研究。自7月以来，该程序已被140多个独立研究团队从GitHub下载。
蛋白质由一串串氨基酸组成，它们折叠成复杂的微观形状。这些独特的形状反过来又引起了生物体内几乎所有的化学过程。通过更好地了解蛋白质的形状，科学家们可以加快开发针对癌症、COVID-19和其他数千种健康疾病的新疗法。
论文通讯作者、华盛顿大学医学院生物化学教授、华盛顿大学医学院蛋白质设计研究所所长DavidBaker博士说，“在蛋白质设计研究所，这是忙碌的一年，设计了COVID-19药物和疫苗并将其投入临床试验，同时开了发RoseTTAFold用于高精度蛋白质结构预测。我很高兴科学界已经在使用RoseTTAFold服务程序来解决突出的生物学问题。”
【6】SciRep：新型人工智能技术或有望实时检测患者机体中的癌变组织
doi：10.1038/s41598-021-90089-7
将吲哚菁绿（ICG，indocyaninegreen）与近红外内窥镜技术（near-infraredendoscopy）技术相结合能够增强手术中组织微灌注的实时评估能力，同时还能动态揭示肿瘤组织与正常组织的区别，尤其是通过视频软件荧光分析的技术。近日，一篇发表在国际杂志ScientificReports上题为“Digitaldynamicdiscriminationofprimarycolorectalcancerusingsystemicindocyaninegreenwithnear-infraredendoscopy”的研究报告中，来自都柏林大学等机构的科学家们通过研究开发了一种新型外科技术，其能利用人工智能技术来在手术中实时检测癌变组织，这或能从根本上改善患者的治疗结局。
文章中，研究者所开发的新方法揭示了他们如何利用数码相机和染料相结合，在手术过程中来观察活体组织中组织的癌变过程。这或许就能帮助外科医生在手术中观察到癌症的确切范围，从而确保通过手术切除最大的癌变组织。研究者RonanCahill教授说道，如果癌症能被完全探查出来，那么其更有可能在一次手术中就被治愈，或者我们就能利用组合型疗法来确保降低病人的癌症复发风险以及并发症产生风险。
在介入过程中对癌症进行动态学数码判别意味着外科手术医生能更好地在第一时间为个别病人进行完善正确的介入。如今研究人员正在开发的工具能直接部署和使用软件来帮助用户轻松地解释结果，而并不必进一步发展专业性的知识。此前，外科医生在实验室对组织类型进行正式鉴别之前或许还需要相当长的等待时间。通过间隔放射成像评估对疗法反应时也会出现这种延迟；相比之下，本文中，研究人员共同开发的新方法不仅能通过外观，还能通过其行为来检测癌变组织，这就能使其与附近的正常组织有效区分开来。
图片来源：CC0PublicDomain
【7】Nature：新型人工智能系统或能改善多种人类复杂转移性癌症的诊断
doi：10.1038/s41586-021-03512-4
原发不明癌症（CUP，Cancerofunknownprimary）是一组非常神秘的癌症诊断形式，即肿瘤起源的主要原发性位点并不能被确定，这对于科学家们而言是一项巨大的挑战，因为现代的治疗方法主要针对原发性肿瘤；最近的研究集中在使用基因组学和转录组学来识别肿瘤的起源；然而基因组的检测并不总是能奏效，而且在较低资源环境中缺乏一定的临床渗透性。
为了改善复杂转移性癌症患者的诊断，日前，一篇发表在国际杂志Nature上题为“AI-basedpathologypredictsoriginsforcancersofunknownprimary”的研究报告中，来自哈佛医学院等机构的科学家们通过研究开发出了一种人工智能系统，其能利用常规获得的组织学切片来准确寻找转移性肿瘤的起源，同时还能产生一种“鉴别诊断”策略，用于对原发性不明癌症患者进行诊断。
在1%-2%的癌症病例中，研究人员无法确定肿瘤起源的原发性位点，由于很多现代癌症疗法都会靶向作用原发性肿瘤，针对原发不明癌症的诊断技术往往相对缺乏，而且患者的中位总生存期仅为2.7-16个月，为了能够进行更为具体的诊断，癌症患者通常必须接受广泛的诊断，其中包括额外的实验室检测、活组织检查和内窥镜检查程序，这无疑中就会延误患者的治疗。
这项研究中，研究人员开发的人工智能系统就能够帮助改善复杂转移性癌症患者的诊断，尤其是在低水平资源的地区；其能利用常规获得的组织切片来寻找转移性肿瘤的起源，同时还能针对原发不明原因的癌症患者产生一种鉴别诊断策略。文章通讯作者FaisalMahmood指出，几乎每一名接受癌症诊断的患者都会有一张组织学切片，这在一百多年来一直是诊断的标准，本文研究就为科学家们提供了一种方法来利用普遍获得的数据和人工智能的强大力量，帮助改善这些通常需要大量诊断工作的复杂癌症病例的诊断。
【8】Nature：利用真实数据和人工智能评价肿瘤临床试验的入组标准取得进展
doi：10.1038/s41586-021-03430-5
在药物开发过程中，人类的临床试验是必要的步骤。临床试验的入组标准是导致临床试验低入组率的一个关键障碍。例如，研究发现约80%的晚期非小细胞肺癌患者不符合临床试验的标准。结果，86%的临床试验未能在目标时间内完成招募受试者。美国国家癌症研究所认为，临床试验入组标准任意排除患者，应简化和扩大。美国FDA也强调，在没有确凿的临床证据的情况下，某些人群通常被排除在临床试验之外。限制性临床试验并不能完全反映药物在批准后使用人群中的有效性和安全性。因此，非常需要有更快的临床试验累积和更好的普遍性的数据驱动的临床入组标准。然而，如何扩大临床入组标准仍然是一个重大挑战。即使是针对同一疾病的类似机制的试验，也常常使用不同的入组标准，越来越多的人关注如何使临床试验更有包容性，但临床试验入组标准的设计仍然具有挑战性。
数据驱动的算法结合真实世界的数据可以改善临床试验中的这些问题。人工智能可以筛选符合的患者，预测哪些患者更有可能参加试验，并从电子健康记录（EHR）中提取特征。近期，美国斯坦福大学的JamesZou研究团队在Nature上发表了题为"Evaluatingeligibilitycriteriaofoncologytrialsusingreal-worlddataandAI"的论文。
美国斯坦福大学的JamesZou研究团队使用TrialPathfinder的计算框架，用真实世界的数据系统地评估了不同入组标准对癌症试验人群和结果的影响。研究人员应用TrialPathfinder来模拟已完成的晚期非小细胞肺癌试验，数据来自美国全国范围的电子健康记录数据库，包括61094例晚期非小细胞肺癌患者。研究显示，许多共同入组标准，包括基于几个实验室值的排除，对试验危险比的影响最小。
【9】NatBiomedEng：人工智能能够预测死亡风险
doi：10.1038/s41551-020-00667-9
Geisinger的研究人员发现，使用心脏超声心动图视频开发的计算机算法可以预测患者一年内的死亡率。研究结果表明，该算法（所谓基于机器学习或人工智能（AI）的范例）优于其他临床使用的预测指标，包括汇总队列方程式和SeattleHeartFailure得分。研究结果发表在NatureBiomedicalEngineering杂志上。
“我们很高兴发现机器学习可以利用诸如医学图像和视频之类的非结构化数据集来改善各种临床预测模型，”该系共同资深作者兼助理教授ChrisHaggerty博士说。
成像对大多数医学专业的治疗决策至关重要，并且已成为电子健康记录（EHR）中数据最丰富的组成部分之一。例如，心脏的单次超声可产生约3，000张图像，心脏病专家在众多其他诊断数据的背景下，只有有限的时间来解释这些图像。这为利用诸如机器学习之类的技术来管理和分析该数据并最终为医生提供智能计算机帮助创造了巨大的机会。
【10】Science子刊：利用人工智能预测哪些女性将可能患乳腺癌
doi：10.1126/scitranslmed.aba4373
一个由来自美国、瑞典的成员组成的研究小组表示已经开发出一种人工智能(artificialintelligence，AI)系统，可以在肿瘤出现前数年预测乳腺癌，并发表在ScienceTranslationalMedicine杂志上。近年来，人工智能应用已经在医学诊断领域取得了非凡的进展。它们可以通过训练数千个例子来寻找癌症或其他疾病，然后应用到实际案例中。在这项新的研究中，该团队描述了他们如何开发和训练他们的系统，以及在测试时它的工作效果如何。
多年来，科学家一直在寻找确定乳腺癌风险的方法。一些基因组学研究鉴定出一些列增加患病风险的变异。其他研究也使用各种因素和分析来预测风险，但迄今为止，它们还没有被证明足够准确。在这项新的研究中，研究人员使用了多年来多次筛查的女性的乳房X光照片数据。他们训练该系统来研究最终患上乳腺癌的女性的乳房X光片，然后利用该系统根据自己的乳房X光片数据来预测未来患乳腺癌的风险。