根据世界卫生组织的数据，2018年，癌症是“第二大死因，估计导致960万例死亡，占所有死亡的六分之一”，这推动了几十年来对治愈方法的不懈研究。然而，这种疾病的复杂性，包括数百种类型，每种都有独特的基因突变，这些突变迅速成熟、迁移和演变，减缓了进展。
尽管如此，人工智能已经在实验室和临床环境中展示了其潜力，帮助医生识别肿瘤并预测患者的药物反应，减少不必要的治疗及其相关的副作用。
尽管这项技术仍处于起步阶段，但它已经在检测和治疗各种形式的癌症方面显示出显著的有效性，这引发了一个问题：人工智能能否找到治愈方法？
早期发现癌症
作为一名前药剂师，我目睹了癌症给个人及其亲人带来的毁灭性影响。我希望有一天我们能够彻底根除它。幸运的是，我在科技领域的经历告诉我，没有挑战是无法克服的。
虽然有效的治愈方法仍然难以捉摸，但手术、放疗和化疗的结合——加上靶向治疗——已经显著降低了死亡率。在美国，自1991年以来，癌症死亡率下降了33%。
然而，早期诊断至关重要。早期诊断出肺癌的患者有63%的生存机会，而晚期诊断的生存率仅为8%。
我们的调查显示，62%的人认为机器学习最终将超越人类在诊断和治疗疾病方面的能力。在许多方面，这已经是事实。
我们合作的一家公司开发了一种解释性人工智能模型，能够分析乳房X光片并提前数年预测乳腺癌的风险。该模型基于超过8万名患者的大量数据进行训练，通过识别左右乳房组织之间的细微差异来评估未来一到五年内患癌的可能性。
大规模部署这种技术不仅可以帮助识别高风险患者进行主动监测，还可以解决全球对医疗专业人员的需求，仅在美国就需要在2032年前增加12.2万名熟练医生。
人工智能在癌症治疗中的突破
药物发现
一个平均蛋白质由200个氨基酸组成，而自然界中存在20种不同的氨基酸，因此可能的组合数量达到了20^200。这比宇宙中原子数量的立方还要多。因此，药物发现主要依赖于试错法，成功率低于10%（需要注册）。这个缓慢且昂贵的过程无法规模化。
然而，人工智能正在大幅减少识别有希望化合物所需的时间。通过虚拟筛选，分子可以以前所未有的速度进行分析。
此外，生成式人工智能正在辅助新药设计——开发具有理想药理和物理化学特性的新型化合物——从而缩短从概念到候选药物的路径。这种方法为针对以前“不可成药”蛋白的抗癌疗法铺平了道路。
通过创建高效的路径，人工智能可以显著降低新药开发所需的9.85亿美元成本，并消除多年的开发和测试时间。
靶向疗法
然而，还有一个障碍：存在超过200种独特的癌症类型，每种都有独特的特征，需要专门的治疗。这对人类研究人员来说是一个负担。
然而，人工智能使大规模多组学数据分析成为可能，以确定特定患者的生物标志物和基因突变。结合其他患者数据，机器学习模型可以预测个体对某种疗法的反应，优化护理计划并避免不必要的治疗。
同样，人工智能可以快速筛选遗传数据以识别新抗原——当肿瘤DNA发生突变时在癌细胞上形成的蛋白质——加速疫苗和细胞疗法的开发。
临床试验匹配
与其根据有限的纳入和排除标准选择患者，人工智能可以通过筛选患者的肿瘤生物标志物、病史和基因谱，确保合适的患者接受尖端治疗。同时，机器学习算法持续监测患者，识别治疗无效或不良反应的早期迹象，使研究人员能够实时调整方案，减少延迟并将创新疗法更快推向市场。
制约人工智能癌症治疗的挑战
随着人工智能在医疗保健领域的应用加速，FDA引入了一种基于风险的监管框架，旨在保护患者。虽然增加监管不可避免地会减慢进展，但这一步骤对于减轻风险是必要的。
一个常见的担忧是潜在的偏见。模型必须在代表所有人口统计数据的数据库上进行训练。如果没有包容性数据，人工智能工具可能会不公平地对待代表性不足的患者群体。
幻觉——即模型将虚假信息呈现为事实——是另一个关键问题。不准确的诊断可能导致不必要的或危险的治疗，而假阳性则会导致额外的测试和焦虑等待结果。
另一个典型的AI技术模型在药物发现中的问题是缺乏可解释性——即人类理解算法达到特定结果过程的程度。
然后是成本问题。建立完全自主的设施并不便宜，正如Insilico最近获得1.1亿美元E轮融资所显示的那样。对于制药公司而言，问题在于投资回报是否值得。
人工智能是解锁治愈的关键吗？
尽管存在重大障碍，但人工智能仍处于起步阶段。它不会一夜之间带来治愈，但正在显著加速我们向这一目标迈进的步伐。
很少有技术能像人工智能一样，既创造财务价值又创造人道主义价值，但我们需要更多的人才、投资和大胆的思考。果断是必须的，先驱者不能沉溺于失败。
虽然没有保证，但公众对此持乐观态度：我们的调查显示，53%的人期望人工智能能找到有效治愈致命疾病的方法——这是有充分理由的。人工智能在诊断方面优于人类专家，增强了治疗策略，并解决了开发成本问题。
我的预后？在未来十年内，我们将不再将人工智能视为治疗癌症的一种方式，而是将其视为根除癌症的一种方式。
(全文结束)