利用人工智能探索生命科技“无人区”，是当前人工智能医学的一大热点。在我国，医学人工智能已经活跃在医学影像诊断、新药研发、疾病风险预测、辅助医学研究平台等多个领域。

    基于大数据、云计算、神经网络和树搜索，拥有深度学习功能的人工智能，和上世纪60年代图灵最早提出的人工智能概念相比，已拥有了强大的全新内涵。它们弥补了人类的能力短板，成为医生的得力助手，为我们描绘出一幅激动人心的未来医学蓝图。

    推动我国新药原始创新

    目前，药物开发中最热门的新领域之一是使用人工智能(AI)驱动模型。许多人认为，在未来三到五年内，AI会被应用到整个医药行业。这意味着没有经过各种AI驱动模型(包括预测动物毒性、人体毒性及PK指数等)研究的候选药物，将无法进入临床试验。

    人工智能结合大数据的精准药物设计，将成为创新药物研发和精准医疗的重要发展方向。

    ■陈凯先　(中国科学院院士、中国科学院上海药物研究所研究员)

    传统制药的痛点在于，新药研发周期长，平均10年；研发费用高，平均26亿美元；成功率低，大约5000种化合物中才有1种进入Ⅱ期临床。

    与此同时，小分子药物研究还遇到了大数据的挑战。现在每年大约有超过200万个化合物被公开发表，这是非常庞大的数据。这些化合物提供了大量的信息，但同时也存在很多缺陷和问题，如体量大、增速快、非结构化等。怎么才能用好这些大数据，也成了问题。

    人工智能在引领新药研究上，可以打破这些瓶颈，发挥以下优势：

    预测新靶标

    人工智能通过药物基因组的研究，可预测新的药物靶标。以往的靶标大多数是体内的某种基因或某种蛋白酶，现在可以通过蛋白和蛋白的相互作用(PPI)来发现药物靶标。

    用小分子抑制剂作用于PPI位点，不仅成为新的药物设计策略，还有助于提高药物的选择性、减轻毒副作用。利用人工智能来预测新的PPI位点，扩充了我们对PPI靶标的认识。目前，基于相互作用蛋白数据库的2万多样本，通过建立AI深度学习模型来预测两个蛋白能否相互作用，准确度已超过90%。

    发现新活性化合物

    要从上百万的化合物中，找出哪一个化合物对靶点有作用，需要进行预测。传统的方法是经过试验筛选，再用打分函数对每种化合物进行打分。人工进行这样的筛选和打分，要耗费大量的时间。去年，国际上有学者发展了基于卷积神经网络打分函数，来预测小分子与蛋白的结合能力；另有学者开发了针对药物设计的深度学习框架，来进行定量和活性关系的研究。

    设计优化新分子

    化合物如果对某种疾病有治疗作用，并不等于就能够成为好的药物，因为它在体内还有一个吸收、分布、代谢、排泄和毒性(ADME/T)的综合性安全问题。

    如何优化分子结构，现在有很多新的人工智能方法在应用，比如通过生成式模型强化学习的方法，让人工智能自动寻找活性更好的结构，或通过深度神经网络的方法来进行多种性质的预测。

    ADME/T预测

    小分子的活性优化完成之后，它在体内表现出的综合ADME/T，决定了药物研发的成败。

    中国科学院上海药物所蒋华良院士带领的团队，构建了一个运用人工智能和大数据进行药物设计的软件环境，针对多靶标集群虚拟筛选方法，对药物的ADME/T进行预测，效率均优于国际同类方法。他们开发出的具有自主知识产权的药物设计软件包，打破了国外软件公司的垄断。

    我国手术机器人领先国际同类产品

    人工智能进入外科手术领域，可以很好地弥补医生的能力短板，提高手术精度，完成一些以往无法想象的手术。

    我国目前手术机器人的创新成果，已领先国际同类产品，在国际上的影响力正逐步提高。

    ■田伟(北京积水潭医院院长)

    手术机器人最早是上世纪八九十年代出现的，最出名的是美国研制的“达芬奇”，它是一个内窥镜手术器械控制系统，确切地说，它不是一个“机器人”，而只是一个“机器手”。它支持医生不断扩展临床的手术种类，但缺陷是只能用于软组织手术，而无法用于硬组织。

    2000年后，国际上出现了可用于关节置换对硬组织进行磨削开槽的机器人“MAKO”，以及可以对腰椎局部进行主动定位固定的手术机器人“MAZOR”，但使用起来并不方便，适应证也比较狭窄。我国在应用机器人方面也做了大量的尝试，但大部分研究都还停留在实验室阶段。

    骨科标志性的进步是内固定技术。在北京积水潭医院，脊柱的内固定手术目前已做了三万多例。尽管内固定手术可以使病人的治愈期从过去的至少三个月，缩短到现在的几周甚至两三天，但这一手术也存在一定的危害性，所以，造成的医疗事故纠纷在国际上风险排名第二。而且，脊柱手术平均并发症为16.4%，人工徒手置钉的准确性仅为68.1%，5年来国际上报告固定不准确的文章达400多篇。为了突破这一瓶颈，过去在手术技巧研究、操作经验积累、解剖特征分析，以及术前图像测量等方面作了很多努力，但都没有解决问题。

    最好的办法就是通过人工智能技术，来超越人类的能力短板。我的团队从2012年开始，与北航和中国科学院一起做手术机器人研发，现已做了三代。最新研制的“天玑”，是国际上首台通用型骨科手术机器人，获得了国家最高等级的Ⅲ类医疗器械注册证。其特点是机械臂能通过实时导航，跟随医生的规划进行自主运动定位，定位精度高，且适用于长骨、脊柱、股骨颈、骨盆、腕骨等13个部位，各项重要技术指标均领先国际同类产品。

    “天玑”机器人进入骨科手术，不但降低了手术风险，提高了固定准确率，还带来了更多的创新术式，如3D导航颈椎椎弓根内固定术、骨科机器人辅助齿状突内固定术等。

    如果没有手术机器人，要完成这些手术是不可想象的。比如强直性脊柱炎患者，所有关节都粘连在一起，但中间出现一个断裂，形成了神经压迫。患者只能通过椎弓根内固定术才能减轻痛苦，但椎根非常细小，倾斜度又非常大，以往做这样的手术，即使切开来也很难实现准确固定。但现在医生可以引导机器人，经皮就能把螺钉准确地打进去。

    国家卫计委和工信部对“天玑”机器人的研发非常支持，牵头成立了国家骨科手术机器人应用中心，由北京积水潭医院为主任委员单位，辐射全国各级医院279家，通过教育培训及推广，推动智能手术常规化，让医疗资源均质化。

    但是，“天玑”机器人依然存在不足，因为它没有骨复位和矫正能力，没有多机械手分工操作能力，更不具备自主学习能力。未来的功能性机器人将在精细动作控制、进入微小空间、识别和避免误操作等人类能力短板方面，有进一步的提升；同时通过模式识别和机器学习，更准确地进行诊断；依托大数据智慧，提供个性化的治疗决策，最终达成自主完成手术的目标。

    两秒就能诊断肺部结节

    医疗数据中有90%来自医学影像，我国医学影像数据正以40%的增长率逐年上升。

    人工智能可以帮助影像科医生更高质量地读片、筛查高风险病变……

    ■本报记者　沈湫莎

    医学影像的解读需要长时间专业经验的积累，影像科医生的培养周期也相对较长。

    相比之下，影像科医生的增长速度和工作效率不足以应对影像数据的增长趋势，造成当前工作中影像医师的诊断压力不断增加，漏诊、误诊情况时有发生，影像服务水平参次不齐。在这一情况下，人工智能成了帮助影像科医生阅读医学影像、筛查高风险病变的好帮手。

    在烧伤诊断方面，过去大面积烧伤的深度主要靠医生的肉眼观察，所以这跟医生的经验和主观判断息息相关。如果诊断为三度创面就需要完全把焦痂切除，如果是深二度创面还可以保留一些皮肤组织。临床中不同年资的医生，对烧伤程度的诊断有可能不同，治疗方案也会完全两样。

    去年2月，英国《自然》杂志发表一项研究：某团队收集了12万个皮肤损伤样本，其中涉及到2000多种皮肤病，交给深度神经网络识别，这一人工智能可以从中准确判断出皮肤癌，水平已经超过医生。

    广州医科大学张康教授团队与国外联合研发的人工智能诊断系统，采用迁移学习策略，只需几秒钟便能准确识别视网膜OCT成像中的黄斑变性和糖尿病性视网膜病样本，准确度达到96.6%，属于训练有素的眼科医生的水平。这种方法也被成功应用到了诊断儿童病毒性和细菌性肺炎，准确率在90%以上。未来有望实现快速区分良性或恶性肿瘤等功能。

    2016年下半年，上海长征医院着手开展智能影像相关论证，半年后和两家人工智能公司签署了战略合作协议，聚焦肺部疾病和眼底疾病的智能影像研发，相关产品已在长征医院内部上线使用，从前需要阅读10多分钟的肺部影像图像，借助人工智能医疗影像辅助诊断产品，2秒钟就可以出结果，并标注出结节的位置、大小，其敏感性99%，在小结节的识别上明显超过人类。目前长征医院正在上海市课题资助下，与AI公司合作研发肺结节良恶性鉴别系统，初步结果显示良恶性分辨率达到80%以上，有望持续获得突破。