本篇文章1991字，读完约5分钟
这是一个很有前途的方向，它改变了传统的检测方法，利用人工智能技术使大量的检索和比较工作快速准确地完成南京信息工程大学教授徐军评论道。 最近，顶级学术期刊《自然》发起了一项关于癌症诊断的重要研究。
与过去不同的是，圣地亚哥加利福尼亚大学的科学家们已经训练了人工智能来识别血液中微生物的遗传物质。他们不仅能识别癌症，还能区分不同类型的癌症。
“这是一个很有前途的方向，它改变了传统的检测方法，使用了人工智能技术，从而可以快速准确地完成大量的检索和比较工作。”南京信息工程大学教授徐军评论道。
微生物与肿瘤微环境密切相关。
植物群和人体之间的关系无疑是非常密切的。一些科学家估计，细菌占人体所有活细胞的90%。此外，我们体内有许多病毒。
这些常驻的微生物几乎参与了人体所有的生命活动，因此它们的核酸片段(脱氧核糖核酸或核糖核酸)也在我们的身体中通过血液游走。
近年来，许多研究表明，人类微生物“促成”了各种类型的肿瘤。科学家们怀疑这些微生物在癌症中扮演的角色可能比我们知道的更多。因为以前的癌症研究工作忽略了人类癌细胞和微生物可能有复杂的相互作用。
这也为癌症检测提供了一个全新的想法:正常血液和癌症患者血液中的微生物会有什么不同吗？
结果，加州大学圣地亚哥分校的科学家有了一个大胆的想法:分析血液中微生物的遗传物质可以根据其特征模式识别体内的肿瘤。
如果在过去，这种假设真的只能被考虑，“这是因为细菌的数量非常大，检测它们的基因序列将是一个巨大的工程。”许军说，然而，由于基因测序技术的发展，测序的成本和时间现在大大减少了。同时，微生物的基因测序也可以使用人工智能技术，这可以大大提高效率。
许军告诉记者，疾病的检测、诊断和治疗是一个非常复杂的过程，需要借助各种信息，如图像数据、基因数据、分子和蛋白质的表达、患者的病史、遗传背景、家族史等数字化信息，以及患者的临床数据、微生物核酸特征等。随着大数据和机器学习技术的加入，病人的个性化信息从基因层面、细胞层面和微生物层面得以展现。
"我们对这些问题了解得越深，疾病治疗的成功率就越高."徐军说，在人工智能技术还没有出现之前，虽然我们能够收集到大量的数据，但是由于能力的限制，我们所能获得的知识是有限的。例如，尽管我们能够破译人类基因，但我们仍然不能理解超过90%的信息在疾病诊断和治疗中的作用。
人工智能对癌症检测的可靠性如何
研究人员在数千个样本中发现了相应的微生物特征，并将这项工作交给了人工智能。通过相应的机器学习模型挖掘大量数据，以将特定的微生物序列特征与特定的癌症相匹配。
机器学习的主要方法是监督学习和非监督学习。从本项目披露的信息来看，采用了监督学习模式。”徐军说，监督学习的特点是人类将知识传授给计算机，计算机将根据样本的特征进行学习，然后可以自动区分疾病或健康样本。
另一种无监督学习将使机器具有更高的智能，即人类不会给计算机一个提示，计算机通过归纳样本中的规律和模式，突破了在学习之前需要人工干预的限制。
“还有一种新的无监督学习模式——对抗学习。其特点是人类设计了两种模型，一种用于制作伪装数据，另一种用于识别伪装，从而达到双赢，最终达到纳什均衡徐军认为，中国拥有大量的疾病数据，如果医学和人工智能之间能够实现长期深入的合作，将能够更好地为患者服务。
从研究结果来看，该人工智能模型在实际诊断中是可靠的。科学家要求人工智能分析100名患者的血浆样本，并与69名健康的无癌症个体的血液样本进行比较。机器学习模型不仅可以区分癌症和非癌症样本，还可以区分不同类型的癌症:肺癌患者的识别灵敏度为86%，无肺部疾病的个体无假阳性报告，前列腺癌和肺癌的识别准确率为81%。
达到这一准确率有参考价值，但应注意的是，这一结果可能是在理想条件下获得的，而且作者也可能消除许多不规则的样本和数据徐军认为，这仍是一项早期的概念验证研究，需要做大量工作才能将其应用于临床。
专家认为人工智能和大数据可以完成更复杂的任务。例如，基因序列的读取对于人类的眼睛和智力水平来说基本上是不可能的，而人工智能和大数据技术的广泛应用将能够很好地解决这个问题。
许军告诉记者，人工智能技术在医学领域受到了广泛关注。它不是偶然发生的，而是基于近年来以机器学习为代表的深度学习技术的重大突破。
“2019年，《自然医学》出版了一期特刊。本期特刊的12篇论文都与人工智能有关，这表明人工智能技术与医学结合的爆发点已经到来。”徐军说，以人工智能技术为核心的机器可以大大弥补人类的不足。
然而，徐军也指出，冷机不能取代人类医生的优势。机器没有人类对疾病的知识和理解。同时，治疗过程不仅是一个数据处理过程，也是医生和患者之间的沟通和互动。医生对病人的关心和安慰不能通过机器来实现，机器在治疗过程中有时非常关键。因此，未来的最佳模式是与医生和机器合作。
责任:叶壮
