撰文：Kristin Houser
來源：FreeThink
圖片來源：由無界AI工俱生成
人工智能可能是下一個改變世界的醫學突破。
從自主手術機器人到能發現醫生可能錯過的疾病跡象的軟件，先進的人工智能正在證明它們可以對醫療保健產生強大的影響— 但病人會接受Dr. AI 嗎？
診斷
醫生需要知道病人的病症才能進行治療，這使得診斷成為醫療保健中最重要的部分之一。而這也可能是人工智能可以產生最大影響的部分。
通過對現有數據的訓練，如病人記錄和醫療掃描，研究人員已經創建了能夠分析新病例和預測問題的系統— 通常比人類專家更快、更準確。
最近的一個例子是，經過訓練的人工智能可以識別小骨折，表明患者患有骨質疏鬆症。如果及早發現，患者可以採取措施加強骨骼。通常，這種疾病要在痛苦的、可能致殘的骨折後才能被診斷出來。
這種由德國研究人員開發的新人工智能，可以在出於其他原因（如檢查患者肺部）而進行的計算機斷層掃描（CT）中尋找表明骨質疏鬆症的小骨折，並對其嚴重程度進行分級。
“我們的程序可以在這樣的檢查中在後台運行，”主要研究者Eren Yilmaz 說。 “它自動檢查脊柱，並對任何可能在其他情況下未被發現的椎體骨折給出指示。”
該團隊在159 張脊柱的CT 掃描上對該AI 進行了測試，該AI 總共發現170 處骨折，並正確分類了90% 的骨折掃描和87% 的無骨折掃描。這種人工智能仍在開發中，但Yilmaz 說，如果它能進入常規放射學，它可能是“預防骨質疏鬆症嚴重後果的早期預警系統”。
藥物發現
藥物發現通常從確定靶標開始，這通常是一種蛋白質，能在你想要治療的任何疾病中起作用。如果該靶標是“可藥用的”– 即它具有允許另一種分子與之結合的結構— 下一步就是找到一種以有利方式作用於該靶標的藥物（並且不會在其他地方引起任何重大問題）。
例如，蛋白質環氧化酶是止痛藥的一個很好靶標，因為它產生的化學物質會引發疼痛的感覺。阿司匹林與環氧化酶結合的方式可以阻止這些化學物質的產生，從而緩解疼痛。
據估計，我們體內有3000 種可藥用的蛋白質，而可能影響它們的潛在藥物幾乎是無窮無盡的，因此，找到一種能安全地滿足我們需求的蛋白質組合是一個緩慢而昂貴的過程— 而人工智能現在正在顛覆這種過程。
2022 年10 月，生物技術公司Verge Genomics 開始對一種人工智能發現的候選藥物進行首批臨床試驗，該藥物旨在治療ALS，也被稱為盧伽雷氏症。
Verge 公司在向人工智能提供了來自遺傳學數據庫和ALS 患者組織樣本的1100 多萬個數據點後，確定了這種藥物，一種名為VRG50635 的分子。該系統隨後確定了一種名為PIKfyve 的蛋白質可能在該疾病中起作用，並建議VRG50635 應該能夠抑制它。
Verge 首席執行官Alice Zhang 表示：“我們很自豪，我們不僅是為數不多的人工智能驅動的生物技術公司之一，而且也是第一批針對一個新的靶標提出新的臨床Compound的公司之一，這個Compound完全是在我們平台內部發現和開發的。”
最近，生物技術公司Integrated Biosciences 宣布，它已經訓練了一種人工智能來尋找可能清除衰老細胞的藥物。衰老細胞是一種“殭屍”細胞，它們已經停止繁殖，但沒有死亡，與許多與年齡有關的疾病相關。
一些科學家猜測，能夠擺脫衰老細胞的藥物，即所謂的“抗衰老劑”，可以幫助我們活得更長久、更健康。然而，這一領域仍然相對較新，只有少數候選藥物進入了臨床試驗。
從80 多萬個分子的集合中，Integrated 公司的人工智能能夠識別出三種具有理想特性的新抗衰老藥物（例如高口服生物利用度的跡象，這意味著你可以把它當作藥片來服用）。在對老年小鼠的實驗中，其中一種藥物被證明能夠如願清除衰老細胞。
Integrated Biosciences 聯合創始人Felix Wong 表示：“這項研究成果對於長壽研究和人工智能在藥物發現中的應用都是一個重要的里程碑。”
他繼續說道：“這些數據表明，我們可以在計算機上探索化學空間，並出現多種候選抗衰老Compound，與今天正在研究的同類Compound中最有希望的例子相比，這些Compound更有可能在臨床上取得成功。”
機器人技術
如今，許多外科醫生不再弓著腰在病人身上揮舞手術刀，而是站在電腦顯示器後面，用操縱桿精確地引導他們在屏幕上看到的穿過病人身體的機械手臂。
這些機器人可以使醫生更容易進行複雜、精細的手術，同時將風險和痛苦降到最低，但它們目前仍然依賴於操縱桿後面的醫生的知識和技能。
2022 年1 月，約翰霍普金斯大學（JHU）報告說，其由人工智能驅動的智能組織自主機器人（STAR）對活豬進行了一次精細的手術，將兩端的腸子縫合在一起。
這不僅是機器人進行自主腹腔鏡手術的第一個例子，而且該機器人還比人類外科醫生更精確、更快速地完成了這項工作。
高級開發者Axel Krieger 表示：“通過整合新型縫合工具、成像系統、機器學習算法和機器人控制，STAR 系統有能力克服軟組織中自主腹腔鏡手術的挑戰。”
從大局出發
JHU 團隊表示，STAR 可以使手術更可預測、更可負擔，手術的結果將不再與他們當地醫院的外科醫生的技術掛鉤，但他們還指出，他們的機器人面臨著與其他AI 在醫療保健中的相同障礙：公眾對讓AI 為他們進行醫療服務持謹慎態度。
2023 年2 月，皮尤研究中心報告了一項衡量美國人對人工智能在醫學中的接受程度的調查結果，60% 的受訪者表示，如果他們的醫生依靠人工智能來診斷疾病或決定治療方法，他們會感到不舒服。只有38% 的人認為這將帶來更好的健康結果。
同時，耶魯大學癌症中心在2022 年進行的一項類似調查中，超過70% 的受訪者表示，他們在接受人工智能的診斷時至少會感到有些不舒服，因為人工智能無法解釋它是如何得出某個結論的— 即使它有90% 的準確性。
耶魯大學的調查還發現，患者的舒適度因人工智能所做的事情而不同–55% 的受訪者說他們至少在某種程度上不會對人工智能閱讀胸部X 光片感到不適，但如果人工智能是在診斷癌症，這一數字下跌到了31.2%。
為了最大限度地發揮人工智能在醫學中的潛在優勢，開發者不僅需要專注於訓練人工智能，還需要思考患者希望從人工智能中獲得什麼，以及如何最好地減輕他們的擔憂。
耶魯大學的Sanjay Aneja 表示：“在許多方面，我們的工作突出了人工智能研究人員的一個潛在盲點，隨著這些技術在臨床實踐中變得越來越普遍，這個問題需要得到解決。”
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載