在經(jīng)歷“驟起”、“ 狂歡”、“冷秋”之后，人工智能創(chuàng)投開始趨于理性。而在此時，針對人工智能的下游應(yīng)用也開始真正浮出水面，可以看到今年的各大醫(yī)療展會，人工智能成為了真正的主題，從最早的手術(shù)機(jī)器人，再到更深入的智能器械、影像識別、藥物研發(fā).....而在基因技術(shù)領(lǐng)域，人工智能同樣備受行業(yè)關(guān)注。

       “它或許會成為企業(yè)競爭力的加速器。”在日前的2019CHCC上，貝瑞基因CEO兼聯(lián)合創(chuàng)始人周代星博士這樣形容。

       盡管美國平均每年要在醫(yī)療保健行業(yè)投入1萬億美元的支出，但極大的支出呈現(xiàn)出的效果差強(qiáng)人意。比如乳腺癌，即便能夠?qū)ζ溥M(jìn)行篩查，但并不能阻止疾病的惡化;再比如處方藥，據(jù)估算有效性只有25%，大量臨床資源被浪費(fèi)。

       75%的處方藥沒有達(dá)到很好的效果

       這背后的原因，其實(shí)是個體間的代謝吸收能力的差異，但目前的用藥并沒有考慮每個人的計量標(biāo)準(zhǔn)。“物聯(lián)網(wǎng)強(qiáng)調(diào)把事物數(shù)字化，我們這一點(diǎn)做得很好。但是對于人類本身的數(shù)字化，這個程度很低。”周代星解釋道?；蛐畔⑴c人密切相關(guān)，這30億個堿基對是人體的程序代碼，調(diào)控著人體內(nèi)的一系列物理和化學(xué)變化。對數(shù)字化生命的解釋，莫過于基因測序。

       指導(dǎo)疾病診療和生活，是基因檢測的最終意義

       在2012年之前，這個數(shù)字化的成本相當(dāng)高。而當(dāng)測序成本突破摩爾定律持續(xù)下降時，測序成本漸漸不再是問題。

       測序成本與超摩爾定律

       “現(xiàn)在是大家的接受度的問題。”他繼續(xù)說道。2014年，NIPT試點(diǎn)展開意味著基因技術(shù)臨床應(yīng)用邁出了第一步，而今，這項(xiàng)技術(shù)的年檢測量已突破400萬人；第一份基于NGS的腫瘤基因檢測批件于2018年7月發(fā)出，腫瘤臨床檢測開始起步。此外，輕醫(yī)療概念的消費(fèi)級基因檢測在國外已經(jīng)形成市場，2018年年檢測量突破2600萬人。盡管中國不是人口遷徙國家，對祖源檢測的市場需求不比美國，但大人口基數(shù)以及健康管理需求也造就了消費(fèi)基因檢測的巨大市場。

       在NIPT、腫瘤檢測、消費(fèi)基因之后，基因檢測的作用還有什么呢？在半個小時的演講中，周代星給大家分享了一個故事：

       生活在遼寧海城一個普通家庭的姐妹倆，姐姐24歲，妹妹16歲，從小輾轉(zhuǎn)多家醫(yī)院求醫(yī)問診，不幸的是，均被診斷為“腦癱”。而姐妹倆在接受全外顯子組檢測（WES）后發(fā)現(xiàn)，她們所患的其實(shí)是一種叫做多巴反應(yīng)性肌張力障礙（DRD）的罕見病。在醫(yī)生進(jìn)行針對性治療一個月后，姐妹倆可以自己吃飯；服藥50天后就能自己玩手機(jī)、開直播，而每月服藥的費(fèi)用，僅需100多元。

       這是一個極具代表性的案例，通過分子層面的診斷，對疾病最根本的原因作出解釋?；驒z測最終的意義，或許應(yīng)該是像這樣通過對遺傳密碼的解析指導(dǎo)診療、指導(dǎo)生活。

       人工智能是全外顯子檢測實(shí)現(xiàn)的前提

       “這對姐妹是比較幸運(yùn)的，能夠找到病因，并且能有治療方案。”周代星告訴記者，“其實(shí)還有相當(dāng)一部分疾病，研究上暫時沒有找到對應(yīng)的基因。”除了染色體疾病和單基因疾病，大多數(shù)疾病由多個位點(diǎn)控制。位點(diǎn)與位點(diǎn)之間有著復(fù)雜的關(guān)聯(lián)，不同位點(diǎn)的變異組合可能會形成不同的疾病亞型。

       而除了遺傳以外，生活習(xí)慣、環(huán)境等因素也與疾病息息相關(guān)，帶有致病位點(diǎn)的人并非一定會發(fā)??；即使發(fā)病，由于個人耐受不同，最終相同疾病在臨床的表型也存在差異。

       因此，盡管理想很豐滿，但我們也不得不承認(rèn)現(xiàn)實(shí)是骨感的，單單依靠人力，很難理清疾病與位點(diǎn)的對應(yīng)關(guān)系。

       人工智能助力未知關(guān)聯(lián)的挖掘

       在獲取到一個人的基因信息后，通常需要與人類基因組匹配來找出可能存在的突變。而突變與疾病的對應(yīng)關(guān)系的判斷大部分依靠公共數(shù)據(jù)庫，主要通過對已經(jīng)發(fā)表的文獻(xiàn)挖掘得來。但全球范圍內(nèi)每天更新的論文數(shù)量非常大，全部依賴人工整合并不現(xiàn)實(shí)。這個時候便體現(xiàn)出了人工智能的價值。

       目前大部分人工智能的技術(shù)路徑是人工神經(jīng)網(wǎng)絡(luò)，其中又有ART網(wǎng)絡(luò)、LVQ網(wǎng)絡(luò)、Kohonen網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)幾種算法的變形。機(jī)器學(xué)習(xí)是目前人工智能的核心，它能夠通過對大量非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行學(xué)習(xí)和整合，挖掘并計算其中的關(guān)聯(lián)。通過對已有文獻(xiàn)和新增文獻(xiàn)的持續(xù)挖掘，人工智能可以持續(xù)不斷的挖掘并更新突變位點(diǎn)和疾病的潛在聯(lián)系。

       “這種關(guān)聯(lián)覆蓋的越多，人們對基因的解讀能力就越強(qiáng)，越準(zhǔn)確。”他告訴動脈網(wǎng)，這也是IBM Watson做的事情。

       用“老數(shù)據(jù)”得出新發(fā)現(xiàn)

       對于已經(jīng)覆蓋到的疾病，人工智能之于基因的意義或許還能上升到疾病的輔助診斷。以2019年3月23andme發(fā)布的二型糖尿病研究為例，基于大量的數(shù)據(jù)訓(xùn)練，23andme可以完全只依靠基因數(shù)據(jù)來判斷用戶是否患有二型糖尿病。

       盡管這是一種多基因疾病，在大量數(shù)據(jù)的加持下，23andme可以將準(zhǔn)確性訓(xùn)練到79%。不過，你可能會想臨床上二型糖尿病的臨床診斷相對簡單，為什么反而要通過更復(fù)雜的手段來診斷呢？

       那么換一個例子可能會有更直觀的感受。抑郁癥80%的發(fā)病都與基因有關(guān)，且是一種多基因疾病。這種疾病目前在臨床上主要通過對患者調(diào)查問卷來確診，極度依賴心理醫(yī)生的個人經(jīng)驗(yàn)。不夸張的說，抑郁癥的診斷還停留在經(jīng)驗(yàn)醫(yī)學(xué)時代。

       “如果能夠僅根據(jù)基因?qū)σ钟舭Y進(jìn)行初步診斷，即便50%的準(zhǔn)確率相比目前手段都是巨大突破。”周代星這樣解釋。

       大規(guī)模數(shù)據(jù)是智能的前提

       始于無創(chuàng)（產(chǎn)前）、興于腫瘤（檢測），鼎盛于全基因組測序。在可預(yù)見的未來里，全基因組或者全外顯子組的普及是必然趨勢。但全基因組或者全外顯子組的數(shù)據(jù)解讀一直面臨瓶頸，如果單純依靠人力，一位生物信息工程師一天可能只能出具一份到兩份報告——這樣的速度幾乎不可能實(shí)現(xiàn)產(chǎn)品的規(guī)?；?。因此，全外顯子要大規(guī)模市場化，人工智能是必選項(xiàng)。

       但是，這樣的人工智能要如何實(shí)現(xiàn)呢？。數(shù)字醫(yī)療公司AliveCor的產(chǎn)品審批之路或許值得借鑒。AliveCor 針對 Apple Watch 推出了能夠即時量測心電圖的“KardiaBand”表帶，這是數(shù)

       110萬個ECG數(shù)據(jù)，并將超過20萬條有心房纖顫的狀況的數(shù)據(jù)與70萬條正常數(shù)據(jù)比對，再不斷校準(zhǔn)后才通過考核。

       對所有的人工智能應(yīng)用而言，智能的前提都是大量的數(shù)據(jù)訓(xùn)練。放在基因檢測領(lǐng)域，大量數(shù)據(jù)訓(xùn)練的前提則是有大量數(shù)據(jù)產(chǎn)生，這意味著需要測序技術(shù)的大規(guī)模覆蓋。

       要拿出社會所需的檢測產(chǎn)品

       “企業(yè)首先得拿出符合社會需求的產(chǎn)品。”周代星指出。他認(rèn)為，只有能夠滿足社會需求的產(chǎn)品，才能被市場所接受。毫無疑問，NIPT是成功的先例。但我們也不得不承認(rèn)，僅僅是染色體的檢測，覆蓋的信息還太少。“現(xiàn)在我們在嘗試推廣全外顯子檢測，可以覆蓋99%以上的遺傳信息。”他透露，目前該產(chǎn)品價格低于3000人民幣，且正在持續(xù)下降中。

       另外，23andme在消費(fèi)型檢測市場的成功也給了基因檢測行業(yè)的從業(yè)者們非常大的啟示。盡管芯片檢測覆蓋的信息量并不算大，但基于這些信息23andme也已經(jīng)有了不少成果，比如失眠基因和前文提到的二型糖尿病的研究。“全外顯子檢測的信息量是芯片檢測的100倍，我想應(yīng)該會有更多的突破。”周代星表示。

       2019年2月，貝瑞基因宣布與在東南亞和歐洲市場具有影響力的基因檢測公司Prenetics 聯(lián)合投資成立的消費(fèi)級基因檢測公司圓基因，并邀請到前谷歌中國戰(zhàn)略合作總經(jīng)理嚴(yán)峻加盟并擔(dān)任公司首席執(zhí)行官，新公司定名 為“北京源圓基因技術(shù)有限公司（圓基因）”。據(jù)了解，圓基因?qū)⒂?019年第二季度開始運(yùn)營。周代星在采訪中透露，為了使檢測報告內(nèi)容更客觀更充分，圓基因也將采用全外顯子檢測。

       “不管查什么，做檢測的時候都應(yīng)該盡可能的全面。”周代星強(qiáng)調(diào)，“從發(fā)展歷程來看，先要有符合社會需求的產(chǎn)品，才能有數(shù)據(jù)的積累。有了這些基礎(chǔ)，才能有人工智能分析，從一個疾病覆蓋到更多的疾病。”

       數(shù)據(jù)規(guī)范與管理

       除了數(shù)量，數(shù)據(jù)質(zhì)量一直是人工智能領(lǐng)域熱議的問題。數(shù)據(jù)量大并非等同于大數(shù)據(jù)，數(shù)據(jù)的結(jié)構(gòu)化、規(guī)范化程度也至關(guān)重要。

       而在臨床上，不同醫(yī)生對同一癥狀可能會有不同的描述。比如A醫(yī)生描述“腹痛”，可能就是B醫(yī)生所寫的“腹部痙攣”；再加之不同個體間痛感、表述差異，同一表征可能會有更多五花八門的描述。

       在日常診療中，醫(yī)生的各人習(xí)慣對疾病診療的影響并不是特別大；但當(dāng)這些零星的數(shù)據(jù)匯總到一個數(shù)據(jù)集中，就很難真實(shí)有效的對這些數(shù)據(jù)進(jìn)行統(tǒng)計和歸納。更重要的是，企業(yè)的數(shù)據(jù)庫的來源可能來自多個不同的醫(yī)院，如果數(shù)據(jù)量達(dá)到數(shù)萬例，很難想象不同醫(yī)生們對同一癥狀有多少表達(dá)方式。

       如果能夠?qū)⑦@些語言規(guī)范化，形成統(tǒng)一的表達(dá)方式，無疑將更加有利于數(shù)據(jù)的挖掘和使用。基于此，貝瑞基因開發(fā)了一款叫做NLPearl的計算軟件，能夠基于自然語言處理將不同用語習(xí)慣形成統(tǒng)一標(biāo)準(zhǔn)。

       盡管幾個層次的學(xué)習(xí)，NLPearl就可以對醫(yī)院的自然語言描述方式進(jìn)行總結(jié)，當(dāng)下一次遇到非結(jié)構(gòu)化的自然描述時，系統(tǒng)就能夠自動校準(zhǔn)為標(biāo)準(zhǔn)描述。

       當(dāng)數(shù)據(jù)積累到足夠大的量級，且有足夠量級之后，不管什么樣的自然語言描述都有可能找到對應(yīng)的位點(diǎn)；相應(yīng)的，遇到這樣突變的患者，也可以反推他可能會出現(xiàn)的一系列臨床表征。

       或許，當(dāng)系統(tǒng)訓(xùn)練到一定程度時、全基因組或全外顯子檢測普及時，患者還未到醫(yī)院醫(yī)生就能夠?qū)ζ溥M(jìn)行初步診斷。而在醫(yī)院就診的環(huán)節(jié)，或許將更加注重治療環(huán)節(jié)的討論。

       “另外，數(shù)據(jù)的規(guī)范也對日后的影響非常大。”他指出，如果要想成體量，一家醫(yī)院或者公司的數(shù)據(jù)量是不足夠的，“數(shù)據(jù)能否共享將成為關(guān)鍵議題。”更重要的是，在數(shù)據(jù)共享的過程中，必須有嚴(yán)格的行業(yè)規(guī)范，在保證數(shù)據(jù)持有者隱私和數(shù)據(jù)安全的前提下進(jìn)行。

       而對于企業(yè)個體而言，人工智能的意義或許是讓強(qiáng)者恒強(qiáng)的工具。人工智能的助力將進(jìn)一步提升檢測的效率和精準(zhǔn)度，同時從側(cè)面降低檢測的成本。而這些正式企業(yè)市場競爭力的體現(xiàn)。而對整個行業(yè)而言，人工智能的意義則好比指南針和加速器，它讓基因技術(shù)能夠以更精準(zhǔn)的角度、更快的速度進(jìn)入市場并普及。

       或許有一天，基因檢測會成為心電圖檢測一樣普遍的臨床工具，醫(yī)生們不必苦惱沒有分子遺傳學(xué)背景，人工智能可以幫他們解決數(shù)據(jù)解讀和分析的過程?；蛟S在基因技術(shù)和人工智能，以及其他技術(shù)的幫助下，阿爾茲海默病的秘密終將被解開；或許互聯(lián)網(wǎng)問診、遠(yuǎn)程醫(yī)療的實(shí)現(xiàn)將會有更有力的技術(shù)支持......

       關(guān)于未來的設(shè)想還有很多，我們也相信這一切在未來均有可能。而落到實(shí)處，行業(yè)邁出的第一步應(yīng)該從數(shù)據(jù)的產(chǎn)生開始。當(dāng)然，行業(yè)共識和規(guī)范的達(dá)成無疑能夠會讓這一天更快到來。

點(diǎn)擊下圖，預(yù)登記觀展