尼克·西（xī）罗（luó）医生终于找 到了将他的孩子们 从几十年残疾疼痛（tòng） 中拯救出来的方（fāng）法。

西（xī）罗 医（yī）生的两个儿子出生时 就患有黑尿症 ，也称（chēng）为黑骨 病，这是一种非常罕见的基（jī）因 突（tū）变（biàn），全球仅有200人患有（yǒu）该（gāi） 病。如果不进行治疗（liáo），他（tā）们可 能会患上严重的早发性骨关节 炎，骨质疏（shū）松和心脏病（bìng）的风（fēng）险 会显著增加。

但市（shì）场上没有（yǒu）任何现成的医学 治疗方法，于是他就去寻找。 经过长期且花（huā）费（fèi）巨大的寻找， 他（tā）终于找到了治疗方法。

但是西罗医生的故事（shì）并不少 见。目前已知的罕（hǎn）见病有（yǒu）7000 种，影（yǐng）响了全球约4亿人。然 而，这些疾（jí）病中有95%仍没（méi）有（yǒu） 得到认可的治疗（liáo）方法（fǎ），而且不是每个人都有时间和资源自己 去寻找（zhǎo）治（zhì）疗方法（fǎ）。

人工智能在此可以发（fā）挥作用（yòng）。

数字化卫生技术的（de）蓬勃发（fā）展

据（jù）预测，在人工智能和（hé）机器学 习（xí）(AI/ML)的推动下，医疗 行业的格局将将在未来10年中 彻（chè）底改变。通过汇（huì）总和（hé）分析来 自联网（wǎng）家（jiā）庭设备和医疗记录的 数据，医疗保（bǎo）健系统将能够根（gēn） 据预测主动（dòng）提供医疗护理。

“医疗保健已经变（biàn）得太复（fù）杂 了，人（rén）类很难把它做（zuò）好（hǎo）。疾 病种类太多了（le），治疗方法也太（tài） 多了（le）。如果你把遗传学（xué）、蛋 白质组学、生物（wù）医学等因素都（dōu） 考虑进去，那么对（duì）于人类（lèi）来 说（shuō）需要（yào）理（lǐ）解的数据就（jiù）实（shí）在太多 了（le）。”美国韦尔斯（sī）利巴布森学 院(Babson College)校长（zhǎng）特（tè） 聘教授信（xìn）息（xī）技术与管理专业汤 姆·达文（wén）波特教授在（zài）接受国际电 联采访时如是（shì）说。

他说:“人工（gōng）智（zhì）能（néng），特别是机 器（qì）学习，能（néng）够以相对比较简单 的（de）形式（shì）处理所有这些数据，并（bìng）能（néng）对（duì）人们可（kě）能患什么疾病以及 什（shí）么治（zhì）疗（liáo）方法可能最有（yǒu）效进行 预测。”

2018年，卫生（shēng）技术领域的投 资超过（guò）了（le）81亿美（měi）元，其中超 过四分之一的资（zī）金与人工智能 和机器学习相关。从发现药物 到进行诊断（duàn），企业正在试（shì）验大 量的人工智（zhì）能医疗保（bǎo）健（jiàn）解决方（fāng） 案——结果令人振奋。

发现治疗罕（hǎn）见病的药（yào）物

西罗医生的故事激发（fā）了 Healx 这（zhè）家医疗保健初创企业的灵 感（gǎn）。Healx使用人工智能利用 已有的和（hé）已（yǐ）批（pī）准的医疗方法大 规模地预测（cè）和寻找罕见病的治 疗方法（fǎ）。

为了分析一（yī）种疾病（bìng），Healx会 通过算法分析现（xiàn）有（yǒu）的数（shù）据，如 临床试（shì）验信息、可用于测试治 疗方法的模（mó）型（xíng）、患者群体的数（shù） 量和质量，以及他们（men）的主动性 如何（hé）等。在药物匹配方面（miàn），也 是（shì）同样（yàng）的（de）道理（lǐ），算法会搜（sōu）索并 预测哪种现有的药物最适合停 止或逆转疾病的进程（chéng）。

12年与24个月的对比

该（gāi）公司（sī）的目的是（shì）使用这种方（fāng）法 发现针对罕（hǎn）见病的新疗（liáo）法，并（bìng） 推动其在24个（gè）月内进入临床试 验。这比传统的新药研发和临 床开发模式要（yào）快得多，传（chuán）统模 式平（píng）均需要12年（nián）而且 估（gū）计耗（hào） 资26亿美元。此外，完成医学 试验的新药只有12%能通过审 批。

“我们可以找到那些还没有治 疗方法的疾病，然（rán）后分析数（shù）据 并做出预测，” 吉利亚姆（mǔ）说，“ 到（dào）目（mù）前为止，我们（men）的成功率是 100%，这是我们都没（méi）有（yǒu）预（yù）料 到的。”

对已经通过（guò）审（shěn）批的药物进行研（yán） 究，减（jiǎn）少了监管障碍（ài），加快了 试验时（shí）间（jiān），有可（kě）能在几年内可 以开展治疗，而不是需要几十 年。

“对于脆性X综（zōng）合（hé）症，我们花了 18个月的时间（jiān）进行预测，然后 测试这些（xiē）预（yù）测，为（wéi）临床试验IIa 期进行准备，所（suǒ）花费的（de）成本非 常低，”吉利亚姆（mǔ）说。

这（zhè）家（jiā）初（chū）创企业的目标是在2025 年前帮助（zhù）100种（zhǒng）罕见病（bìng）的治疗 方法（fǎ）走向临床（chuáng）试验。目（mù）前，他 们正专注（zhù）于两个疾（jí）病群（qún），即罕 见神经-逻辑（jí）疾病和罕见癌症， 并计划在未来两年内扩展到另 外两种疾病群（qún）。

家（jiā）中诊（zhěn）断

根据世（shì）界（jiè）卫生组织的数（shù）据（jù），到 2030年，全球卫生工作者的短 缺数量将（jiāng）达（dá）到1800万人。人工 智能可以通过（guò）帮助医生快速有 效地诊断和（hé）评（píng）估癌（ái）症和帕（pà）金（jīn）森 病等退（tuì）行性（xìng）疾（jí）病的患者，从而 帮助应对这一挑战。

例（lì）如，人工智（zhì）能初创企（qǐ）业 Medopad公（gōng）司(后改（gǎi）名为 Huma)与中国互（hù）联（lián）网公司（sī）腾 讯（xùn）公司合作，开发了一项（xiàng）名 为“在（zài）家”的人工智能驱（qū）动监（jiān） 测解（jiě）决方案，用于评估在真实（shí） 环境下帕金森病患者的运动功 能。

“人工智能在医疗保健领域的 应用非常重要，因为我们（men）的医 疗（liáo）系统无法应对增长的需求。 我们必须走向‘预防而不（bú）是治 疗’的模式，这个模式的核心是 预（yù）防医（yī）学，”Medopad的发言 人（rén）在（zài）接受（shòu）采访时如是说。

帕金（jīn）森病影响了（le）全球（qiú）约（yuē）一千万（wàn） 人。它的症状（zhuàng）范围（wéi）很广，因 此（cǐ），随着病情的发展，诊（zhěn）断和 监测都变得（dé）很困难。

Medopad的 "在家 "解决方案 使用可穿戴设备和智能手机应 用程序监测患者，然后用机器 学（xué）习来发现数据中的模式（shì）。

Medopad的发言（yán）人（rén）说:“人工 智能（néng）将减轻临床医生和过度紧 张的医疗系统的负担（dān），还能改 善帕金森病患者的生（shēng）活。”

“随（suí）着（zhe）我们开始积累更大的数 据池，更好地了解疾病进程 和（hé）风险的可能性变得无穷无 尽。移动（dòng）技（jì）术无处不在，每个 人都（dōu）在成为自己（jǐ）健康的数据中 心。”

对于患（huàn）者来说，该技术意（yì）味着 可以在家（jiā）中与护理（lǐ）人（rén）员或家（jiā） 人一起进行测试（shì）。对于医生来（lái） 说，它可以减少评估（gū）病人所（suǒ）需（xū） 的时间，从而提高工作效（xiào）率， 降低成本。

国际电联的（de）作用

对于医生和医疗专（zhuān）业人员来（lái） 说，接（jiē）下来的一个（gè）大挑（tiāo）战将是 如何采用这些新系统并将其整（zhěng） 合（hé）到日常临床实践中。

国际电（diàn）联与世（shì）界（jiè）卫生组织 (WHO)合作的（de）人工（gōng）智（zhì）能（néng）医疗 焦点组（zǔ），正在用人工智（zhì）能解决 方案为医护人员赋能，以期实（shí） 现全（quán）民医保覆盖。

该（gāi）焦点组的主要目标之一是建 立一个标准化的评估框架，以（yǐ） 评（píng）估哪些（xiē）基于人工智（zhì）能的决策（cè） 方法可（kě）以用（yòng）于医（yī）疗、诊断、分 诊或治疗。

国际电联人（rén）工智能惠及人类 2020年全球峰会将探讨人工智 能（néng）如何帮助（zhù）实（shí）现联合国可持续 发展目标（biāo）。