科学家如何利用人工智能技术改善人类健康研究？

近年来，科学家们在研究中不断使用人工智能来改善多种人类疾病的诊疗，本文中，小编就对近期科学家们发表的相关重要成果进行整理，分享给大家！

【1】Genomics：科学家成功利用人工智能技术来预测人群患心血管疾病的风险

doi：10.1016/j.ygeno.2023.110584

心血管疾病（CVD）是全球人群死亡和伤残调整生命年（DALYs，disability adjusted life years）损失的主要原因，诸如心力衰竭和心房颤动等心血管疾病往往与对心脏肌肉的物理性影响有关。近日，一篇发表在国际杂志Genomics上题为“Investigating genes associated with heart failure， atrial fibrillation， and other cardiovascular diseases， and predicting disease using machine learning techniques for translational research and precision medicine”的研究报告中，来自美国罗格斯大学等机构的科学家们通过研究利用人工智能来分析DNA中的基因，从而就能成功预测人群患心血管疾病（比如心力衰竭和心房颤动等）的风险。

科学家成功利用人工智能技术来预测人群患心血管疾病的风险。

图片来源：Genomics (2023). DOI:10.1016/j.ygeno.2023.110584

研究者Zeeshan Ahmed说道，随着我们开发的模型的成功运行，我们就能预测与种族、性别和年龄等人口统计变量相关的高度显著的心血管疾病基因。据WHO数据显示，心血管疾病是引发全球人群死亡的主要原因，然而据估计，有超过75%的过早心血管疾病都是能够进行预防的，心房颤动和心力衰竭会造成大约45%的心血管疾病死亡事件。

尽管近年来科学家们在心血管疾病诊断、预防和治疗上取得了显著的进展，但仍然有大约一半受影响的患者会在接受诊断的5年内因为各种各样的原因而死亡，包括遗传和环境因素等。研究人员表示，利用人工智能和机器学习技术或许就能加速他们识别对心血管疾病有重要影响的基因的能力，这或许就会改善对心血管疾病的诊断和治疗。文章中，研究人员分析了来自健康患者和诊断为心血管疾病的患者，并利用人工智能和机器学习模型来调查已知与心血管疾病最常见表现相关的基因，包括心房颤动和心力衰竭等。

【2】JCO：科学家开发出一种能预测人类肺癌风险的人工智能工具Sybil

doi：10.1200/JCO.22.01345

肺癌是美国乃至全球人群因癌症死亡的主要原因，低剂量胸部计算机断层扫描（LDCT，Low-dose chest computed tomography）被推荐用于针对50-80岁有明显吸烟史或目前正在吸烟的人群进行肺癌的筛查，利用LDCT进行肺癌筛查被证明能将肺癌患者的死亡率降低24%。但随着非吸烟人群中肺癌发病率的上升，科学家们就需要新型策略来筛查并准确预测更多人群患肺癌的风险，近日，一篇发表在国际杂志Journal of Clinical Oncology上题为“Sybil： A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography”的研究报告中，来自麻省理工学院等机构的科学家们通过研究开发并测试了一种名为Sybil的人工智能工具来帮助预测人群患肺癌的风险。

基于对来自美国和中国台湾患者的LDCT扫描结果的分析，人工智能工具Sybil或能准确预测有或者无明显吸烟史肺癌患者患肺癌的风险。医学博士Lecia Sequist说道，近年来，肺癌的发病率在从不吸烟或多年不吸烟的人群中不断攀升，这或许就表明存在很多风险因素会促进机体患肺癌的风险，而且其中一些因素目前研究人员尚不清楚。如今研究人员就开发出了一种特殊工具，其能利用图像观察集体生物学并对癌症风险进行预测，这或许就代替了研究人员评估个体的环境或遗传风险因素等。

美国预防服务特别工作组推荐对于50岁以上或有20包/年（pack-years）吸烟史的人群（目前正在吸烟或在过去15年内戒烟的人群）每年进行LDCT筛查，但仅有不到10%的符合条件的患者每年接受筛查。为了帮助改善肺癌筛查的效率并提供个体化的评估，研究者Sequist及其同事联合研究，利用来自全美肺部筛查试验（NLST，National Lung Screening Trial）的数据开发了名为Sybil的工具，其是一种深度学习模型，能分析扫描并预测个体未来1-6年患肺癌的风险。研究者表示，Sybil只需要一个LDCT结果就能分析，且并不依赖于临床数据或放射科医生的结果注释，其已经被设计成了能在标准放射科读片站后台进行实时运行，这或许就使得定点照护的临床决策支持成为了可能。

【3】Nature子刊：人工智能利用彩色眼底照片预测视力丧失和中风风险

doi：10.1038/s41433-022-02239-4

视网膜静脉阻塞（RVO）是世界上第二大常见的视网膜血管疾病，由血栓阻塞视网膜静脉系统引发。如果诊断太迟或未能及时治疗，会导致患者视力严重下降、视物变形，甚至失明。

近日，一篇发表在国际杂志Eye上题为“Artificial intelligence to distinguish retinal vein occlusion patients using color fundus photographs”的研究报告中，来自澳大利亚莫纳什大学的研究团队在一项为期三年的研究中开发出一种可以检测视网膜细微变化的人工智能技术。该技术能帮助全科医生和医疗保健专业人员检测和预测视网膜静脉阻塞的风险。由于视网膜通过中枢神经系统与身体其他部位紧密相连。因此，该技术也可以用于预测心脏病发作和中风风险。

在这项研究中，该团队训练了一个人工智能模型来区分从四川大学华西医院收集的超过10500张眼底图像。图像中的一些患者患有视网膜静脉阻塞；另一些正常患者作为对照。研究人员使用接受者工作特征曲线下的面积、准确度、精密度、特异性、敏感性和混淆矩阵在两个独立的测试数据集中评估了该人工智能模型的性能。结果显示，准确率超过95%。

【4】Sci Transl Med：科学家有望利用人工智能技术引导的个体化药物组合策略来治疗人类复发性/难治性非霍奇金淋巴瘤

doi：10.1126/scitranslmed.abn7824

尽管联合疗法是复发性/难治性非霍奇金淋巴瘤（RR-NHL，relapsed/refractory non-Hodgkin’s lymphoma）的标准治疗手段，但为单一患者选择的联合性治疗是有经验性的，而且在对化疗耐受患者的治疗过程中，其反应率仍然较差。近日，一篇发表在国际杂志Science Translational Medicine上题为“An ex vivo platform to guide drug combination treatment in relapsed/refractory lymphoma”的研究报告中，来自新加坡国立大学等机构的科学家们通过研究开发了一种人工智能（AI）平台，其或能识别出患者特定的药物组合来帮助治疗淋巴瘤复发的患者。

图片来源：https://www.science.org/doi/10.1126/scitranslmed.abn7824

这项研究中，研究人员首次证明了个体化药物组合预测在淋巴瘤患者的诊疗过程中是可行的，其利用了名为QPOP（quadratic phenotypic optimization platform，四维表型优化平台技术）的新型方法；该方法包括从患者机体中收集少量的肿瘤样本并在实验室中与一组精心挑选的用于治疗淋巴瘤的12种药物一起孵育，当72小时后，QPOP就能利用这12种可能的药物，对患者机体的癌细胞对750多种不同的药物组合（最多4种药物）的反应进行排名。关于QPOP的这项临床应用研究是科学家们进行的同类研究中的首个研究。

此前研究由于受到来自活检组织数量的限制，其仅仅重点关注单一药物疗法的敏感性，而QPOP中的自动化工作流和人工智能方法就能允许科学家们甚至利用少量来自活检的组织来研究组合性药物的敏感性。据新加坡癌症登记处2019年所报告的数据显示，淋巴瘤是新加坡第五大常见的癌症类型。Anand Jeyasekharan教授说道，通常我们利用化疗组合的手段来治疗淋巴瘤，但大约10名患者中就有4名患者最终并不会对标准疗法产生反应或者出现癌症复发的表现。

【5】PNAS：科学家将微流体技术与人工智能技术结合来改善人类癌症免疫疗法

doi：10.1073/pnas.2214569119

免疫细胞浸润和细胞毒性在机体炎症和免疫疗法过程中扮演着关键的角色，然而，当前的癌症免疫疗法筛查手段忽略了T细胞能穿透肿瘤基质的能力，从而就大大限制了开发治疗实体瘤的有效疗法。近日，一篇发表在国际杂志Proceedings of the National Academy of Sciences上题为“Microfluidics guided by deep learning for cancer immunotherapy screening”的研究报告中，来自印第安纳大学等机构的科学家们通过研究将一种“芯片实验室”（lab-on-a-chip）技术与人工智能技术相结合来改善癌症免疫疗法。研究人员所开发的这种原型平台或许有助于自动的药物筛选和实时3D成像，并能进行免疫细胞和癌细胞之间相互作用的分析。

研究者Guo说道，我们能利用所开发的平台来观察不同的疗法是如何影响对靶向癌细胞的杀灭效率的，甚至是肿瘤浸润等，其是非常独特的。这种平台能利用微流体技术（所谓的芯片实验室技术）结合称之为深度学习的人工智能技术，微流体技术是在微观渠道进行流体操控的技术，其基本上是将不同的实验室功能扩展到一个微芯片上；深度学习是一种基于生物神经网络为灵感的计算系统的一种机器学习手段，将这两种技术结合在一起能促进平台快速且自动识别潜在的癌症免疫疗法药物，并检测其在细胞水平上是如何发挥作用的。

【6】Nat Biomed Eng：能自我学习的人工智能技术或能利用病理学图像来寻找类似的患者病例 从而帮助诊断人类罕见疾病

doi：10.1038/s41551-022-00929-8

罕见疾病通常难以诊断，而预防针对罕见病患者的最佳疗法对于临床医生而言也是一项巨大挑战。近日，一篇发表在国际杂志Nature Biomedical Engineering上题为“Fast and scalable search of whole-slide images via self-supervised deep learning”的研究报告中，来自美国布莱根妇女医院等机构的科学家们通过研究开发了一种深度学习算法，其或能通过自学方式来学习用于在大型病理学图像库中寻找类似病例的特征。

这种名为SISH（用于组织学的自我监督图像搜索Self-Supervised Image search for Histology）的工具就好像一种进行病理图像分析的搜索引擎，其拥有多种潜在的应用，包括识别罕见疾病并帮助临床医生确定哪些病人可能会对类似的疗法产生反应。研究者Faisal Mahmood说道，本文研究结果表明，我们的系统能帮助诊断罕见疾病并在不需要注释的前提下寻找具有类似形态模式的病例，也并不需要用于监督训练的大规模数据库；这种系统或有望改善病理学的训练、疾病亚型划分、肿瘤的鉴定仪及罕见形态学的鉴定等。

现代的电子数据库能存储大量的数字记录和参考图像，尤其是在病理学中通过整张幻灯片图像，然而每个单独的整张图像的千兆像素的大小仪及大型数据库中不断增加的图像数量意味着，对图像的搜索和检索是可能缓慢且非常复杂的，因此，其可扩展性仍然是有效使用的一个相关的障碍。为了解决这个问题，研究人员就开发了SISH，并让其自我学习相关特征，无论数据库的大小，其都能以恒定的速度找到病例学中具有类似特征的病例。

【7】Age & Ageing：科学家开发出能降低常见药物副作用的的新型人工智能工具

doi：10.1093/ageing/afac196

许多药物都具有抗胆碱活性，使用这些药物或与包括认知影响等多种严重的不良反应有关。近日，一篇发表在国际杂志Age and Ageing上题为“A novel Artificial Intelligence-based tool to assess anticholinergic burden： a survey”的研究报告中，来自英国埃克塞特大学等机构的科学家们通过研究评估了一种新型工具，其能帮助计算哪种药物最有可能会对机体和大脑产生不良的抗胆碱影响，很多处方药和非处方药都可能会产生这些并发症，这些药物通常会通过阻断名为乙酰胆碱对的关键神经递质来影响大脑的功能，包括一些膀胱药物、抗抑郁药物、胃病药物和帕金森疾病药物在内的多种药物都具有一定程度的抗胆碱能效应，而这些药物通常会被老年人所摄入。

科学家开发出能降低常见药物副作用的的新型人工智能工具。

图片来源：Age and Ageing (2022). DOI:10.1093/ageing/afac196

抗胆碱能的副作用包括意识混乱、视力模糊、头晕、跌倒和大脑功能下降，抗胆碱能效应也会增加跌倒的风险，并可能会与患者的死亡率增加有关；长期使用这些药物或许与个体患痴呆症风险增加直接相关。如今，研究人员所开发的这种新型工具能利用人工智能技术来帮助计算这些药物所产生的有害效应，这种新型的线上工具名为国际抗胆碱认知负担工具（IACT，International Anticholinergic Cognitive Burden Tool）使用自然语言处理（一种人工智能方法学）和化学结构分析来识别具有抗胆碱能效应的药物。

这种工具是首个结合机器学习技术的工具，其旨在开发一种可在门户网站上自动更新的工具，评估抗胆碱能负担的方法是基于对报告的不良事件进行评分，并与考虑开具处方的药物的化学结构紧密结合，从而就形成了一种要比以往任何系统都更为准确和最新的评分系统；最终，经过进一步的研究和对现实世界病人数据的建模，所开发的工具或能帮助支持减少普通药物风险的处方开具。

【8】Nat Med：利用人工智能通过读取人们的呼吸模式就能检测出帕金森病

doi：10.1038/s41591-022-01932-x

帕金森病是出了名的难以诊断，因为它主要依赖于运动症状的出现，如震颤、僵硬和迟钝，但这些症状往往在发病几年后出现。近日，一篇发表在国际杂志Nature Medicine上题为“Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals”的研究报告中，来自美国麻省理工学院等机构的科学家们通过研究开发出了一种人工智能模型，仅仅通过读取一个人的呼吸模式就能检测出帕金森病。

这种工具是一种神经网络，是一系列模拟人脑工作方式的关联算法，能够从一个人的夜间呼吸---睡眠时的呼吸模式--来评估这个人是否患有帕金森病。这种由麻省理工学院博士生Yuzhe Yang和博士后Yuan Yuan训练的神经网络还能够辨别人们所患的帕金森病的严重程度，并跟踪其疾病的进展。多年来，科学家们已经研究了使用脑脊液和神经影像学检测帕金森病的潜力，但这类方法具有侵入性，成本高，并且需要进入专门的医疗中心，因此不适合进行频繁的可以提供早期诊断或持续跟踪疾病进展的测试。

这些作者证实对帕金森病的人工智能评估可以每天晚上在家里趁人睡着时进行，而且不需要接触他们的身体。为此，他们开发了一种外观像家用Wi-Fi路由器的设备，但该设备不提供互联网接入，而是发射无线电信号，分析这些信号在周围环境中的反射，并在不接触身体的情况下提取受试者的呼吸模式。然后，呼吸信号被提供被这种神经网络，以被动的方式评估帕金森病，而且患者和护理人员不需要做任何工作。

【9】Nat Commun：利用人工智能成功预测癌症患者对免疫疗法的反应

doi：10.1038/s41467-022-31535-6

作为一种新的癌症治疗方法，免疫疗法激活人体的免疫系统来对抗癌细胞，而不使用化疗或放疗。它比传统的抗癌药物有更少的副作用，因为它只利用人体的免疫系统攻击癌细胞。此外，由于它利用了免疫系统的记忆和适应性，从它的治疗效果中受益的患者会有持续的抗癌效果。

近期开发的免疫检查点抑制剂（immune checkpoint inhibitor， ICI）已经极大地改善了癌症患者的生存率。然而，癌症免疫疗法的问题是，只有大约30%的癌症患者从它的治疗效果中获益，而且目前的诊断技术不能准确预测患者对这种治疗的反应。近日，一篇发表在国际杂志Nature Communications上题为“Network-based machine learning approach to predict immunotherapy response in cancer patients”的研究报告中，来自韩国浦项科技大学等研究机构的研究人员通过使用基于网络的机器学习，提高了预测患者对免疫检查点抑制剂作出反应的准确性。

一种基于网络的机器学习(ML)方法来识别免疫疗法相关的生物标志物。

图片来源：Nature Communications, 2022, doi:10.1038/s41467-022-31535-6。

这些作者通过分析700多名三种不同癌症（黑色素瘤、胃癌和膀胱癌）患者的临床结果以及患者癌症组织的转录组数据，发现了新的基于网络的生物标志物。通过利用基于网络的生物标志物，他们成功开发出可以预测抗癌治疗反应的人工智能方法。他们进一步证实这种基于新发现的生物标志物的治疗反应预测优于基于常规抗癌治疗生物标志物（包括免疫治疗靶标和肿瘤微环境标志物）的预测。

【10】Nature：利用人工智能确定了癌症中的21种拷贝数标记

doi：10.1038/s41586-022-04738-6

近日，一篇发表在国际杂志Nature上题为“Signatures of copy number alterations in human cancer”的研究报告中，来自英国癌症研究学院等研究机构的研究人员利用人工智能（AI）研究并分类了癌症起始和生长时基因组---细胞的完整遗传密码---中DNA变化的大小和规模。

利用人工智能，这些作者确定了21种常见的缺陷，这些缺陷发生在癌症起始和生长时的DNA结构、顺序和拷贝数上。一类称为拷贝数标记（copy number signature）的常见缺陷可能帮助指导医生进行反映肿瘤特征的治疗。当你观看美国流媒体播放平台Netflix时，会产生关于你观看的电影和电视剧类型的数据，你观看它们的频率，以及你是否给它们一个“大拇指”或“小拇指”。Netflix使用一种算法来分析这些大量的数据，在你观看的内容中找到模式，然后在你滚动浏览Netflix时推荐新的电影和电视剧。

文章中，研究人员构建出一种类似的算法，可以筛选出成千上万行的基因组数据，挑出染色体如何组装和排列的共同模式。然后，该算法可以对出现的模式进行分类，并帮助科学家们确定癌症中可能出现的缺陷类型。利用该算法，这些作者在9873名患有33种不同类型癌症的患者的完全测序的基因组中寻找模式。该算法确定了肿瘤中染色体结构和数量的21种常见缺陷，并将它们归类为不同的拷贝数标记。这21种拷贝数标记如今将被用来构建一个蓝图，科学家们可以用它来评估癌症的侵袭性，找到它的弱点并为它设计新的治疗方法。（生物谷Bioon.com）

生物谷更多精彩盘点！敬请期待！