没有一种万能的人工智能方法可以使用精准医疗进行预防、诊断或治疗

　　

罗格斯大学(Rutgers)对用于预防、诊断和治疗疾病的精确或个性化医疗的数十个人工智能(AI)软件程序进行了分析，发现没有任何程序可以用于所有治疗。

罗格斯大学罗伯特·伍德·约翰逊医学院(Rutgers Robert Wood Johnson medical School)的医学助理教授泽山·艾哈迈德(Zeeshan Ahmed)说:“精准医疗是当今基础科学和医学领域最热门的学科之一。”他领导了这项研究，发表在《生物信息学简报》(briefing in Bioinformatics)上。“主要原因包括它为各种已知和罕见疾病提供预测性诊断和个性化治疗的潜力。然而，直到现在，在组织和理解这一领域的许多计算方法方面还很少付出努力。我们希望为医疗保健领域以数据为中心的新发现时代铺平道路。”

精准医疗是一项仍处于起步阶段的技术，它是一种利用个人病史和基因档案信息，并将其与许多其他人的信息联系起来，以找到有助于预防、诊断或治疗疾病的模式的治疗方法。这种基于人工智能的方法依赖于高水平的计算能力和机器学习智能，因为它对大量的医学和遗传信息进行了搜索和分析，以寻找模式。

作者认为，这是首次进行的比较和系统综述，确定了32种最流行的精准医疗AI方法，用于研究一系列疾病的预防治疗，包括肥胖、阿尔茨海默病、炎症性肠病、乳腺癌和重度抑郁症。艾哈迈德说，研究人员梳理了五年的高质量医学文献，研究中分析的人工智能方法表明，该领域正在迅速发展，但正面临着无序的问题。

在人工智能中，软件程序模拟人类的智能过程。在人工智能的一个子类——机器学习中，程序被设计成随着处理越来越多的数据而“学习”，在预测结果方面变得越来越准确。这种努力依赖于算法，即解决问题或执行计算的逐步程序。

像艾哈迈德这样的研究人员，在罗格斯健康、卫生保健政策和老龄化研究研究所(IFH)进行心血管基因组学研究，正在竞相收集和分析复杂的生物数据，同时也在开发为这一努力奠定基础的计算系统。

艾哈迈德说，由于遗传学的使用“可以说是精准医疗中数据最丰富、最复杂的组成部分”，研究团队特别关注并比较了科学目标、方法、数据来源、伦理和所使用方法的差距。

他说，那些对精准医疗感兴趣的人可以从这篇论文中寻找指导，看看哪些人工智能程序可能最适合他们的研究。

为了帮助精准医疗的到来，该研究得出结论，科学界需要迎接几个“重大挑战”，从解决一般性问题，如提高数据标准化和加强对个人识别信息的保护，到更技术性的问题，如纠正基因组和临床数据中的错误。

艾哈迈德说:“人工智能有潜力发挥至关重要的作用，以更低的成本提供更好的个性化和人群医疗保健。”“我们需要努力解决可能的挑战，这些挑战继续减缓这种突破性治疗方法的进展。”

参与这项研究的罗格斯大学其他研究人员包括IFH的研究助理Sreya Vadapalli和Habiba Abdelhalim，以及生物信息学研究科学家、新泽西州罗格斯大学癌症研究所前博士后研究助理Saman Zeeshan。