人工智能对于医疗事业的意义 人工智能在医疗领域应用的意义有哪些

人工智能对于医疗事业的意义

生老病死是人之常事，但是人们对于生命的长度总是怀有期望，人们总是想要追求与天地同寿，与日月同光，古有秦始皇寻遍天下求长生不老的仙丹，今有基因存储实现科学意义上的永生。古代医疗设备并不发达，也可以说是不存在医疗设备，所有古代的平均寿命远远低于如今，我们都知道“刮骨疗毒”的典故，如果在治疗过程中稍有不慎就可能使病人丧失生命。随着科学技术的发展，越来越的医疗设备被发明，越来越多的药物被研发出来，到如今更是有了纯精神控制的机器人手臂，由此可见人工智能对于医疗事业有极其重大的影响。今天就让中国科技传播志愿者带你了解一下当人工智能与医疗事业将擦出怎样的火花吧!

一、医疗事业的现状

如今在世界发展经济的同时。环境也受到了极大的污染，而我们人类生活在这样一个环境之下难免生病，所以医院现在可以说是世界上最忙碌的地方。记得有一次我路过医院门口，本来想让面前的一辆车过去我在走过去，可是这一辆车过去之后，下一辆车紧接着开了过来，我在哪里等了有五分钟，可是面前的车还是一辆接着一辆，最后我不得不从后面绕了过去，我从外面往医院的停车区看，发现根本没有空的停车位，满满的全是车，由此可见，当下社会，人民的健康问题越来越突出，所需的医生和医院数量亟待增加。我们常常在新闻上看见“某某医院挂号需要几个小时”等等，不得不说这个时间对于病人来说是极其漫长的，而且医生在长期负荷的工作压力下也容易出现问题。

二、人工智能的意义

如我们上述所说，在医院里各种问题突出，归根到底是因为医生数量不够，即使要求医生加班也只是暂时缓解问题，不是长远之计。如果我们把一人工智能的医疗设备投入医院使用，不仅它可以代替医生完成一些简单的手术操作，其次，机器人并不会感到疲劳，所以可以无限期的工作，只要做好维护保养工作即可，最重要的是只要程序设定正确，机器人是不会出错的，我们常常说“犯错是人之常情”，当我们的身体达到极限后，难免会出现一些错误，而人工智能机器人的出现可以帮助我们进行二次检查，尽可能地减少错误的的发生。

三、医疗事业的未来展望

现在越来越多的国家对于医用人工智能机器人的关注度正在逐步提高，而世界各地对于这一项目的研究取得成果也此起彼伏。想象一下，未来当我们走进医院，可以不用排队挂号，而是直接挂号，随后在护士的带领下进入一个房间，里面只有一个医生和几台人工智能医用设备，我们可以花几分钟就完成现在需要几个小时的检验，在得到结果后，我们就可以获得由机器人配置的药物，然后就可以加车离开医院，这是多么的美好。

也许未来的发展超乎我们现在的现象，或许比我们现在的期望还要好很多，也许未来我们可以足不出户就能看病，不过谁又能够知道呢？返回搜狐，查看更多

人工智能技术在医药研发中的应用

鉴于人工智能技术在医药领域内得到越来越多的关注，以及在未来新药研发的重要位置，有必要对目前的研究及应用现状进行归纳总结。本文首先概述人工智能的主要方法，论述人工智能的特点，综述人工智能在医药研发各专业领域中的应用情况，讨论国内外实践经验，归纳人工智能应用的关键问题，最后提出建议并总结。

1

人工智能概述

1．1人工智能的主要应用领域

人工智能的主要应用领域包括机器学习、进化计算、图像识别、自然语言处理、认知计算等。除此之外，其他领域仍在持续性发展中。目前机器学习的主流研究方向也是人工智能的重要应用领域，机器学习可以通过计算获得经验来提高系统本身的性能。机器学习可以分为传统机器学习和高级机器学习，传统机器学习包括无监督学习和有监督学习等，高级机器学习则包括深度学习、强化学习和迁移学习等［9－11］。

1．2人工智能的主要发展过程与自身特点

自从1956年人工智能诞生以来，它经历了从高潮到低潮的各个阶段。最近的低潮发生在1992年，当时日本的第五代计算机并未取得成功，其后人工神经网络热潮在20世纪90年代初退烧，人工智能领域再次进入低潮期。直到2006年，GeoffreyHinton提出了深度学习的概念并改进了模型训练方法，突破了神经网络的长期发展瓶颈，人工智能的发展迎来新一轮浪潮。此后，国内外众多知名大学和知名IT企业开展了深度学习、强化学习、迁徙学习等一系列新技术的课题研究。同时，智能医疗、智能交通、智能制造等社会发展的新需求驱动人工智能发展进入了一个新阶段。

人工智能基于先进的机器学习、大数据和云计算，在感知智能、计算智能和认知智能方面具有强大的处理能力。它以更高水平接近人的智能形态存在，主要特点包括:①从人工知识表达到大数据驱动的知识学习技术。②从多媒体数据的子类处理到跨媒体交互。③从追求智能机器到高层人机协作。④从关注个人智能到基于网络的群体智能。⑤从拟人机器人到更广泛的智能自我处理系统。

内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明来源于凡默谷公众号。

2

人工智能在医药研发领域的应用现状

本文为全面了解目前研究现状以及关注热点，借鉴杨超凡等［12］的方法，通过Scrapy(爬虫)，在百度学术以“artificialintelligenceanddrugdiscovery/research”为关键词进行英文文献搜索，得到共361篇英文文献，爬取到了每一篇文献中摘要、关键词、研究点分析以及发表时间。在进行文献搜集时只搜集了英文文献，因为一方面，人工智能在药物研发领域国外研究起步较早且研究体系相对成熟，形成对比的是国内在该方面领域研究较少;另一方面，本文要爬取信息并对文本进行分词处理，英文由标点符号、空格、单词组成，所以只用根据空格和标点符号便可将词语分开，进行处理时更为便捷和精确。

作为抽象信息的视觉表达手段，信息可视化可用于文档处理和数据挖掘。本文主要使用Python的Pandas数据分析软件包进行文献的可视化处理和可视化分析，为了符合科学的测量原理，使研究结论更加具有时间敏感性，首先需要进行数据清理。为了更形象、更直观地展现出人工智能在医药研发方面的发展趋势，将对本文年度发表文章数使用Matplotlib绘图库进行绘图分析。通过数据清洗后，分析年度相关发表论文量与发表文章数量趋势，见图1和图2。

通过以上可视化分析，可以清楚了解到人工智能在医药研发方面的研究发展趋势，与上文分析人工智能发展趋势基本一致，同时也能发现近5年人工智能在医药研发方面研究趋于减少乃至于停滞，亟须整个行业进一步投入以及寻找发展新活力。为了确认人工智能在医药研发重点应用领域，利用Python对爬取到的数据中关键词、摘要、研究点分析进行了系统的词频统计，见表1。

从上述表1关键词频可以直观看到，关键词词频数越大，说明该主题在人工智能医药研发方面中的关注度越高，研究越热。高频词中机器学习(MachineLearning)、药物研发(DrugDiscovery)、医疗保健(HealthCare)、数据库(Databases)、数据挖掘(Datamining)、数据分析(DataAnalysis)、数据可视化(DataVisualization)、数据交流(DataCommunication)、归纳逻辑编程(Inductivelogicprogramming)、癌症(Cancer)、神经网络(NeuralNetworks)、药物制剂(PharmaceuticalPreparations)、计算机科学(Computerscience)、医药制造业(PharmaceuticalIndustry)由于研究内容过于宽泛抑或与在医药研发方面的研究相关性不足所以被剔除。通过词频分析、清洗无关研究领域的词汇、综合近义词汇后最终确定了7个频次靠前的人工智能在医药研发重点研究领域:靶点药物研发(DrugTargetsDevelopment)、药物挖掘(DrugMining)、化合物筛选(CompoundScreening)、预测ADMET性质(PredicationofADMETProperties)、药物晶型预测(CrystalStructurePrediction)、病理生物学研究(Pathophysiology)、药物重定位/药物再利用(DrugＲepurposing)。人工智能的主要应用领域包括机器学习、进化计算、图像识别、自然语言处理、认知计算，7个频次靠前的人工智能在医药研发重点研究领域在这5个主要应用领域各有涉及，具体关系如图3所示。

2．1人工智能技术在医药研发的应用现状概述

2．1．1靶点药物研发

研究和开发新药的关键是寻找、确定和制备药物筛选目标分子药物靶点。靶点药物是指药物在体内的结合位点，包括生物大分子，比如基因座、受体、酶、离子通道和核酸等，而识别新的有效的药物靶点是新药开发的重中之重，因此发现和验证大量分子靶标所涉及的工作极大增加了药物开发的负担［13］。利用机器学习算法可以组合设计并评估编码的深层知识，从而可以完全应用于旧时的单目标药物发现项目［14］。研究人员首先研究了靶点选择性结合均衡小分子的可能性来确定那些最易于化学处理的靶点，对于双特异性小分子，设计过程类似于单一目标药物。关键的区别在于功效必须同时满足2个不同的目标。初创公司Exscientia是AI公司这方面的典型代表，Exscientia针对这些靶点药物通过AI药物研发平台为GSK公司的10个疾病靶点开发创新小分子药物，来发现临床候选药物［15］。Exscientia系统可以从每个设计周期的现有数据资源和实验数据中学习，这些原理近似于人类自我学习的过程，但AI在识别多种微妙和复杂的变化以平衡药效方面更具效率。Exscientia首席执行官霍普金斯表示，其人工智能系统已经可以用传统方法的1/4时间和成本得到新的候选药物［16］。目前，公司已与众多国际知名制药公司建立了战略合作关系，如Merck公司、Sunovion公司、Sanof公司、Evotec公司、强生公司。

2．1．2药物挖掘

医学、物理学或材料科学领域的专业论文非常广泛，但这些专业论文中有大量独立的专业知识和研究结果，快速且有针对性地组织和连接这些知识和发现的能力对于药物挖掘是极其重要的。使用人工智能可以从大量的科学论文、专利、临床试验信息和非结构化信息中生成有用的信息。通过自然语言处理算法的深度学习优化，分析和理解上下文信息，然后进一步学习、探索、创建和翻译它所学到的知识以产生独特结论。该技术通过寻找可能遗漏的连接使以前不可能的科学发现成为可能:可以自动提取药学与医学知识，找出相关关系并提出相应的候选药物，进一步筛选对某些疾病有效的分子结构，使科学家们能够更有效地开发新药。2016年BenevolentAI公司曾通过人工智能算法在1周内确定了5种假造药物，用于治疗肌萎缩侧索硬化。BenevolentAI使用AI算法建模来确认化合物对睡眠的潜在影响，这是解决帕金森病相关嗜睡症状的一大机会。该公司目前的药物研发产品组合表明，它可以将早期药物研发的时间缩短4年，并有可能在整个药物研发过程中将药物研发的平均效率提高60%［17］。

2．1．3化合物筛选

化合物筛选是指通过标准化实验方法从大量化合物或新化合物中选择对特定靶标具有较高活性的化合物方法，这样通常需要很长的时间和较多的成本，因为要从数万种化合物分子中选择与活性指数相匹配的化合物。Atomwise是硅谷的一家人工智能公司，开发了人工智能分子筛选(AIMS)项目，该项目计划通过分析每种疾病的数百万种化合物来加速拯救生命药物的开发。同时，该公司开发了基于卷积神经网络的AtomNet系统，该系统已经学习了大量的化学知识和研究数据。该系统分析化合物的构效关系，确定药物化学中的基本模块，并用于新药发现和新药风险评估。目前，AtomNet系统已经掌握了很多化学知识和研究资料，2015年AtomNet只用1周时间已经可以模拟2种有希望用于埃博拉病毒治疗的化合物［18］。

2．1．4预测ADMET性质

ADMET性质是衡量化合物成药性最重要的参考指标［19－20］，化合物ADMET预测是当代药物设计和药物筛选中十分重要的方法。药物的早期ADMET特性主要使用人或人源化组织功能蛋白作为药物靶点，体外研究技术结合计算机模拟研究药物与体内生物物理和生物化学屏障因子之间的相互作用。为了进一步提高ADMET性质预测的准确性，部分企业通过深度神经网络算法探索了结构特征(包括处理小分子和蛋白质结构)的有效提取，加快了药物的早期检测和筛选过程，并大大减少了研发投入和风险。典型的公司包括晶泰科技等［21］。

2．1．5药物晶型预测

多晶型现象是一种物质可以存在于2种或更多种不同晶体结构中的现象，对于化学药物，几乎所有固体药物都具有多态性。由于晶型的变化可以改变固体化学药物的许多物理性质和化学性质，因此存在几种由于晶型问题而导致上市失败的药物，因此，晶型预测在制药工业中具有重要意义。使用人工智能有效地动态配置药物晶型可以完全预测小分子药物的所有可能的晶型，与传统的药物晶型研发相比，制药公司不必担心缺少重要的晶型。此外，晶型预测技术大大缩短了晶体的发展周期，更有效地选择了合适的药物晶型，缩短了开发周期并且降低了成本［22］。

2．1．6病理生物学研究

病理生物学是一门研究疾病发生、发展和结果的规律和机制的科学。它是传播临床医学和基础医学的“桥梁”学科。病理生物学研究是医学研究和发展的基础。肌萎缩侧索硬化症(ALS，也称为渐冻症)是一种毁灭性的神经退行性疾病，确切的发病机制尚不清楚。ALS的突出病理特征是一些ＲNA结合蛋白(ＲBPs)在ALS中发生突变或异常分布。人类基因组中至少有1542个ＲBPs，并且仅发现了与ALS相关的17个ＲBPs。IBMWatson是认知计算系统和技术平台的杰出代表。IBMWatson基于相关文献中的广泛学习，构建模型以预测ＲBPs和ALS相关性。2013—2017年Watson对引起突变的4个ＲBPs进行了高度评价，证明了该模型的有效性，然后Watson筛选了基因组中的所有ＲBPs，成功鉴定了5个ALS中发生变化的新ＲBPs［23］。

2．1．7药物重定位

多年来，研究人员逐渐认识到，提高疗效的最佳策略是基于现有药物治疗某些疾病，发现新的适应证并用于治疗另一种疾病。Visanji博士与IBMWatsonforDrugDiscovery合作，使用Watson强大的文献阅读和认知推理技巧，在几分钟内筛选出3500种药物，并按最佳匹配顺序排列。然后研究人员根据这个“药物排名表”提出了6种候选药物，并在实验室进行了测试。第一种药物(已经得到FDA批准，但该适应证不包括帕金森病)已经在动物实验中初步验证［24］。

2．2人工智能技术

在医药研发方面国内发展现状我国在这方面起步相比于国外较晚，2015年百度公司和北京协和医院开展了癌症研究，结合北京协和医院医学研究优势与百度大数据、人工智能技术，找到了一个重要标志物用于早期诊断与中国大样本密切相关的食管癌，为食管癌提供早期筛查和诊断，为食管癌药物的开发提供靶标，这是中国医学研究和发展领域的重要一步［25］，这是我国人工智能在医药研发领域迈出的重要一步。

目前国内相关研究企业数量较少，仍处于起步状态。比较著名的企业有晶泰科技和深度智耀及冰州石生物技术公司。晶泰科技是谷歌与腾讯两大科技巨头共同投资的第一家人工智能公司，它也是中国第一家宣布与世界顶级制药公司进行战略合作的人工智能药物算法公司。该公司在过去严重依赖于实验和误差的一些药物研发步骤上使用药物晶型预测，以极其准确和快速的算法预测结果，帮助制药公司提高研发效率，最后加速药物开发。深度智耀是以人工智能为基础的药物研发和决策平台，以“决策大脑”为核心产品，同时公司已推出10款产品，并于近日发布了新一代人工智能药物合成系统，该系统通过大量学习公共专利和论文数据库，大大提高了科学家的工作效率［26－27］。

另外，深度智耀还推出智能化医学写作，是在自然语言处理等助力下，自动写作绝大多数药物注册类文档。冰洲石生物科技(AccutarBiotech)利用人工智能针对生物药进行药物筛选，已经利用人工智能平台进行了药物设计，其中一款药物针对乳腺癌，适用于乳腺癌常用药物tamoxifen后3～5年复发的患者，已经经过了细胞验证和初步小鼠动物实验，正在美国申请相关专利，并计划推进新药临床研究申请。

但人工智能在我国医药研发方面仍存在部分难点:

其一人才支持是一大问题，全世界大约有22000名具有博士或以上学历的人工智能从业者和研究人员，而在中国只有约600名。另外，国内人工智能人才几乎被几家主要的龙头企业所垄断。数据显示，未来中国人工智能人才缺口高达500万［28］。人才集中是任何行业进一步发展的重要基础，也是人工智能在医药行业应用的关键因素。

目前，人工智能与药学的融合提升了对人才的需求。目前，高校培训与市场需求存在差距，产出人才远远少于市场需求。国家要重视复合型人才的培养，注重培养综合人工智能理论、方法、技术、产品和应用的垂直复合型人才，以及掌握经济、社会、管理、药学的复合型人才。当地政府也需要进一步加强产学研合作，鼓励高校、科研院所和企业合作开展人工智能学科建设，开展创新型专业人才的继续教育，建立公平合理的人才评估机制。

其二，国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定距离。但利好消息是某些国内企业比如晶泰科技，在数据积累上颇为优秀。晶泰科技的数据来源是公共数据和私有数据结合，这其中包括晶泰科技在国内外工业、学术界的合作伙伴的积累。同时，晶泰科技通过量化计算算法也可以自行生成大量高质量的数据，这是其一大优势。总体大环境上，中国的医药大数据存在数据不完整、数据质量低、数据共享水平低等问题，医药数据的数量和质量将成为制药行业人工智能发展的主要障碍。

制药行业的专业门槛很高，而且链条很长。此外，中国长期的“多头管理”制度也是导致国内药品数据极度分散的重要原因。此外，医药领域的监管政策和体制改革也很频繁，使得获得连接历史药物数据变得困难。这些都会导致医药数据统计在完整度和精准度上的不足，从而影响相关决策。因此，国家应该在原有的标准管理体系框架内，加强信息和标准的整合，加强国家、行业现有相关标准的普及推广，并出台一系列激励和惩罚措施来推动标准的应用和落地。建立一套有效、完备、真实可靠的数据评估体系，进一步提升数据质量。同时应该加快完善数据共享开放机制，发挥数据应用价值，为人工智能在医药行业应用提供有质有量的数据支撑。

其三，与当前人工智能在医药领域发展火热形成鲜明对比的是政策法规的制定相对滞后。国内目前尚未有人工智能在医药研发方面的立法，但它已经受到学术界和医药行业的关注。2018年1月6日，第一届全国“人工智慧与未来法治”研讨会在西北政法大学举行。

参会者认为，未来人工智能将不能单独提出提供人性化的法律服务，仍然需要人们完成一些辅助工作。展望未来，人工智能法律建设将涉及人格权、知识产权、财产权、侵权责任认定、法律主体地位等方面［29］。目前，人工智能创作的知识产权归属问题、人工智能研发人员法律权利和义务定义问题、人工智能可能需要监管等，都没有明确的法律法规规定［30］。缺乏法律支撑的人工智能在医药行业的前景并不明朗。为了解决以上问题，国家应该加强人工智能知识产权保护，当前许多应用由医院、科研院所、人工智能企业等多方联合开发，最终知识产权归属需要进行明确。另外，建立追溯体系，保证算法的透明，使人工智能的行为及决策全程处于监管之下，明确研发者、运营者和使用者各自的权利和义务是重中之重。

3

人工智能在医药研发中的应用总结

由大数据支撑的广泛互联、高度智能、开放互动和可持续发展的医药产业，是未来发展的趋势，借助人工智能技术推动医药产业发展具有重要意义。虽然人工智能技术在医药产业各专业领域已有较多的应用研究，但总体上还停留在初级研究阶段，在可靠性与准确性方面仍存在部分问题，离实际广泛应用尚有差距。但是，人工智能技术为医药研发带来了无限可能，还需众多医药产业相关人员与政府能够紧抓历史机遇，积极投入，深入开展相关研究工作。

参考文献

详见中国新药杂志2020年第29卷第17期

免责声明

我们尊重原创作品。选取的文章已明确注明来源和作者，版权归原作者所有，如涉及侵权或其他问题，请联系我们进行删除。

内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明来源于凡默谷公众号。返回搜狐，查看更多

人工智能在医疗行业中的应用与前景分析

①研发周期长；②研发成本高；③成功率低。

人工智能+药物挖掘能够有效缩短新药研发周期和降低失败风险。目前通过计算机模拟和借助深度学习，在抗肿瘤药物和常见传染病治疗药等获得了新的突破。目前仿制药占我国国产药的95%左右，药品产能过剩，并且重大创新较少，主要原因在于国内药企研发能力偏弱，研发经费占比低，仅3~5%，国外新药研发企业的研发经费则占15~20%。人工智能在药物挖掘的应用有望改变国内药物研发创新不足的格局。

(3)人工智能+个人健康管理。人工智能健康管理利用人体日常的身体数据，帮助个人实现精准有效的健康管理，从源头减少发病诱因，从而减少家庭医疗支出。2017年华尔街互联网行业权威MaryMeeker发布的《互联网趋势报告》指出，医疗卫生和保健已进入数字化拐点。百分之八十多的消费者使用可穿戴设备等健康数据，而这些结构化的健康数据将会作为数据源帮助消费者进行个人健康管理。

(4)人工智能+辅助诊断。人工智能辅助诊断将数据变为知识，按照数据流的视角大致分为五个步骤：数据集中、数据加工、知识图谱、知识计算、交互设计。具体而言，人工智能+辅助诊疗以患者的病史、症状、检验检查和用药等治疗方案为原始数据，整理出临床治疗经验，融合现存的医学知识，针对各种疾病建立医疗图谱。并在此基础上，通过“阅读”患者的病历或者是临床症状，结合后端的医疗图谱，为医生提示临床医疗方案，为患者提供诊疗方法参考并答疑解惑。

人工智能在医疗领域发展迅速的原因初探

(1)医疗健康产业供需严重不平衡。由于医疗资源缺乏和效率不高，目前我国卫生行业存在“看病难、看病贵”问题，没有办法满足人民群众不断增长的医疗需求。随着中国人口老龄化趋势下，疾病高发的数量日益增多，看病需求加大。但是受制于周期长、成本高等特点，培养更多的医务人员“这杯远水”解不了近渴。《2016年中国卫生和计划生育事业发展统计公报》显示，医院卫生技术人员数同比增长5.57%，低于诊疗人次6.17%的增幅，供给跟不上需求的增加。而人工智能在医疗领域上的运用可以大大降低成本和提高效率，弥补医疗健康产业供需严重不平衡。

(2)医疗领域有海量的大数据。国务院办公厅2016年6月发布《关于促进和规范健康医疗大数据应用发展的指导意见》，把生物学资源和医疗大数据作为国家的基础战略资源，纳入了国家大数据战略布局。据预计，医疗数据量到2020年将超过40万亿GB，并且还在以惊人的速度迅速增长。但我国的医疗数据分散在各个医疗机构，利用效率低。并且绝大部分是非结构化数据，大大超出了传统的数据计算处理能力。另外我国医疗数据分散在不同医院机构，深度利用率不高。人工智能领域计算机视觉、机器学习、深度学习等技术突破，可以激活这座沉睡的数据金矿。

(3)医疗行业特征和人工智能技术优势高度吻合。医疗是一个知识、数据密集型的行业。在对失误零容忍的前提下，极其依靠强大的知识储备和处理分析能力进行诊断治疗。

人工智能在医疗领域应用前景分析

人工智能的飞速发展大大提高了医疗数据处理深度和效率。借助大数据分析和深度学习，以及计算机24h不知疲倦等运转优势，人工智能可以将医疗失误降低40%左右。

人工智能未来将从医院、医生、医药、患者四个经营和服务主体出发，充分利用数据储存和处理优势，触及医疗设施设备、诊断、手术、医药电商、挂号问诊、医生社区及工具、慢病管理及可穿戴设备等商业版块，促进医疗服务行业的快速有效更替，为健康服务。

来源：傻儿司令-雪球

声明：本公众号尊重所有原创者的劳动成果，向所有原创者致。本文不代表天磊咨询观点，仅供读者参考。本文版权归原作者所有，如有侵权，请联系我们进行删除。返回搜狐，查看更多