Nature Biotechnology：人工智能在预测健康结果方面可能会改变游戏规则

随着人工智能（AI）的出现，预测医学正在成为医疗保健的重要组成部分，特别是在癌症治疗方面。预测医学使用算法和数据来帮助医生了解癌症如何继续生长或对特定药物产生反应，从而更容易针对个别患者进行精确治疗。现在，马里兰大学医学院基因组科学研究所的研究人员在本周发表的两篇评论文章中为超越人工智能为患者找到最佳治疗方法以及伦理数据共享以促进可再生科学奠定了基础。

　　

随着人工智能（AI）的出现，预测医学正在成为医疗保健的重要组成部分，特别是在癌症治疗方面。预测医学使用算法和数据来帮助医生了解癌症如何继续生长或对特定药物产生反应，从而更容易针对个别患者进行精确治疗。

虽然人工智能在这项工作中很重要，但马里兰大学医学院（UMSOM）的研究人员表示，不应该完全依赖人工智能。相反，人工智能应该与其他方法相结合，比如传统的数学建模，以获得最佳结果。

在4月14日发表在《自然生物技术》上的一篇评论中，基因组科学研究所（IGS）所长、UMSOM医学教授Elana Fertig博士和IGS科学家Daniel Bergman博士认为，迄今为止，数学建模在精准医学中被低估和使用不足。

所有健康计算模型都需要三个关键组成部分：数据集、方程和软件。然后，在生成数据之后，利用它来改善早期诊断，发现新的治疗方法，并帮助了解疾病。

在4月15日发表在《细胞报告医学》上的第二篇评论中，Fertig博士和IGS的同事Dmitrijs Lvovs博士、Anup Mahurkar博士和Owen White博士讨论了如何在道德上共享健康数据和方法，以创造可复制的科学。

综上所述，这两篇评论为数据的生成、分析和伦理共享设定了一个基本方法，以造福患者和科学。

Fertig博士解释了《自然生物技术》评论的论点，他说：“人工智能和数学模型在如何得出结果方面存在巨大差异。人工智能模型首先必须用现有数据进行训练，以做出结果预测，而数学模型则是利用数据和生物学知识来回答特定问题。”

这意味着当数据稀疏时——就像免疫疗法等较新的癌症治疗中经常出现的情况一样——人工智能可能会过度概括，导致其他科学家无法重现的有偏见或不准确的结果。另一方面，数学模型利用从科学实验中学到的已知生物机制来解释它是如何得出结果的。

“例如，通过一个数学模型，我们可以创建虚拟的癌细胞和健康细胞，并编写一个程序，模拟这些细胞如何在不同类型的治疗下在肿瘤内部相互作用和进化，”伯格曼博士说，他是IGS和UMSOM药理学、生理学和药物开发系的助理教授。“目前，人工智能还不能给我们这种特异性。”

作者指出，除了在“计算免疫治疗”中使用这两种类型的模型外，使用广泛的人群，并使数据集公开可用对于最准确的结果至关重要。

“数据的广度和准确性是关键。数据集中的人为因素，甚至是计算机代码中的一个简单的错字，都可能影响这两种模型的准确性，”费蒂格博士补充说。“因此，要使任何分析管道正常工作，它必须是可重复的，而这只能通过开放科学来保证——允许其他研究人员进入，他们的工作可以确认模型将为正确的患者提供正确的治疗。”

然而，可重复性仍然是科学中的一个关键挑战。《自然》杂志2016年发表的一篇文章调查了1500多名科学家，其中超过70%的研究人员表示，他们曾试图重现另一位科学家的实验，但以失败告终，超过一半的研究人员未能重现自己的实验。

“可重复性研究使研究人员能够验证研究结果的准确性，减少偏见，促进科学诚信，并建立信任，”IGS研究助理、《细胞报告医学评论》第一作者Dmitrijs Lvovs博士解释说。“因为数据科学是计算驱动的，如果分析代码可以通过开放科学随时获得，那么所有结果都应该是透明的，并且可以从同一数据集自动复制。”

虽然这听起来很简单，而且有最佳的实践，但作者认为，挑战在于如何在保护患者隐私和阻止未经授权的数据泄露的同时共享数据。当基因组数据与个人健康信息（PHI）结合在一起时，可能导致对患者的重新识别，这是对隐私的侵犯。

作者说，创建合乎伦理的开放科学数据共享意味着：1。获得患者详细的知情同意；2. 在收集和处理数据时，通过减少错误来确保数据质量；3. 协调和标准化从不同来源收集的数据；4. 使用和创建资源和平台，如多组学、临床、公共卫生和药物发现存储库；和5。使用经过审查的管道，例如开源分析工具和软件平台。

“合乎道德和负责任的数据共享使研究民主化，支持人工智能的进步，并为公共卫生政策提供信息。”“通过道德和负责任的数据共享，生物医学研究界可以最大限度地利用共享数据，加速发现并改善人类健康。”

Virtual cells for predictive immunotherapy