对抗罕见病的战场上,有AI的身影

2008年2月29日,欧洲罕见病组织(EURODIS)发起了第一届“世界罕见病日”活动。每四年才会出现一次的2月29日可以说是对罕见病最好的注脚。自此之后,每年2月的最后一天都被定为世界罕见病日,以呼吁大家共同关注那些被罕见疾病困扰的群体。

图片来源:Pixabay

根据世界卫生组织(WHO)的定义,罕见病指患病人数占总人口的0.65‰~1‰之间的疾病或病变,已确认的罕见病有5000~6000种,约占人类疾病的10%。目前在中国的罕见病涉及大约千万人左右

因为患病人数稀少、疾病种类复杂,大多数罕见病患者都面临着无法被正确诊断或无药可治的情况。触及多个医疗领域的人工智能技术,可以怎样帮助罕见病患者呢?

要想治疗一种病,首先要做出确切诊断。针对罕见病难以确诊的问题,AI积累的丰富经验有望发挥作用。来自美国波士顿的数字健康公司FDNA研发了一款Face2Gene应用。通过使用计算机视觉技术及机器学习算法,该技术可以区分数百种遗传疾病的面部表型特征,同时做出初步诊断,供医生进行参考。

目前,Face2Gene已经可以有效地通过人脸辨识德朗热综合征(Cornelia de Lange syndrome)和天使综合征(Angelman syndrome),并正在对努南综合征(Noonan syndrome)的不同遗传特征进行分类。

尽管机器学习算法存在着“黑盒”问题,人们不能确切理解AI做出判断的具体原因。但是,机器学习算法的确可以从数据中归纳总结出一些特定规律。由于大多数医生都没有丰富的罕见疾病诊疗经验,AI可以成为很好的诊断辅助工具。

▲染色体和基因突变是导致罕见病的主要原因之一(图片来源:Pixabay)

在发掘罕见病信息上,机器学习算法也担当了解决谜题的重任。确切的说,应对罕见病,我们需要的是AI的数据处理能力,以获得关于罕见病患者群体和药物研发的洞见,从而促进罕见病疗法的发现。

Alexion是一家专注于罕见疾病的生物制药公司。利用AI技术,Alexion得以处理大量罕见病患者数据,并从错综复杂的信息中得出有价值的内容。无论是发病率、流行情况等人群数据,还是病例文本、临床试验报告、基因等个体资料,都可以通过AI得到解读。最终,科研人员有望了解导致罕见病的基因突变,并从中发现可能的治疗通路

X染色体易裂症(Fragile X syndrome)是一种会导致自闭和学习障碍的罕见疾病,在全球范围仅有约1万2千人有这种遗传性疾病。

位于英国剑桥的AI科技医疗公司Healx则尝试重新探索已获批准的药物来治疗这种罕见病症。从已有的用于治疗其他疾病的八种药物中进行筛选和试验,Healx成功地将其中一种具有潜力的药物推进到2期临床试验,用时仅18个月。

Healx快速推进药物的重新发现要归功于其研发的HealNet AI平台。该公司的联合创始人兼首席执行官Tim Guilliams博士希望能进一步扩大该系统的应用范围,并在2025年前为100种罕见病寻找治疗方案。

恰当的诊断和有效的治疗,是罕见病患者面临的两个严峻问题,也是AI最有望解答的两个问题。希望在对抗罕见病的道路上,AI也可以为这个不常被关注的群体加把劲。

参考资料:

[1] How One Startup Is Using AI To Find Cures For 100 Rare Diseases By 2025. Retrieved Mar 1, 2019 from https://www.forbes.com/sites/nicholasfearn/2018/11/02/how-one-startup-is-using-ai-to-find-cures-for-100-rare-diseases-by-2025/#28713f3f3847

[2] How AI is Aiding Discoveries in Rare Disease Research. Retrieved Mar 1, 2019 from http://blog.gnshealthcare.com/how-ai-is-aiding-discoveries-in-rare-disease-research

[3] How Artificial Intelligence is Transforming Rare Disease Care. Retrieved Mar 1, 2019 from https://getreferralmd.com/2019/01/how-artificial-intelligence-is-transforming-rare-disease-care/

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业计算机视觉机器学习Face2Gene医疗
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

Face2Gene技术

2019 年 1 月,来自美国数字医疗公司 FDNA 的研究人员提出了一种深度学习应用 Face2Gene,可以帮助医生识别罕见基因疾病。他们的研究登上了医学期刊《Nature Medicine》,并被 Nature 和 Science 争相报道。

推荐文章
暂无评论
暂无评论~