科技日報記者 張佳星

近日，《自然》子刊報告了一種藥物開發(fā)的新技術(shù)，利用“達爾文進化論”的加速版，通過隨機程序化組裝快速生成數(shù)百萬個小分子組合，迅速找到了新的腫瘤精準治療的候選藥物。

利用不同的解決方案或研究思路，通過收集、匯總大量數(shù)據(jù)，實施數(shù)據(jù)挖掘、分析，高效地開發(fā)藥物或者制定有針對性的治療方案，越來越成為目前醫(yī)藥研發(fā)公司、醫(yī)療服務機構(gòu)、醫(yī)院、診斷中心等開展精準治療的有效路徑。

在百萬乃至千萬級別的海量數(shù)據(jù)中發(fā)現(xiàn)有效目標，算法和算力正成為醫(yī)藥研發(fā)領(lǐng)域不可或缺的核心技術(shù)。醫(yī)療大數(shù)據(jù)云端化，將較好地彌補醫(yī)療行業(yè)在算法、算力方面的“短板”，助推精準治療時代到來。

虛擬圖。 由受訪單位提供

云端化數(shù)倍增加數(shù)據(jù)挖掘量

新冠疫情到來，醫(yī)療行業(yè)更加意識到，需要通過數(shù)據(jù)的云端化，更好地駕馭更大量的數(shù)據(jù)，助推精準治療時代到來。

以阿斯利康為例，作為在研發(fā)新冠疫苗和藥物方面進展快速的跨國型藥企，據(jù)統(tǒng)計，它在24小時之內(nèi)約需要進行510億個數(shù)據(jù)的統(tǒng)計分析，這些數(shù)據(jù)包括基因類型的數(shù)據(jù)和病患的數(shù)據(jù)。對這些數(shù)據(jù)的分析，可以支撐他們在2020年同時進行40多種新藥開發(fā)的項目。

但并不是所有的數(shù)據(jù)都是能直接用的，在數(shù)據(jù)挖掘之前，必須進行大量的“結(jié)構(gòu)化”工作。但事實上，一些醫(yī)療機構(gòu)在收集患者數(shù)據(jù)時，經(jīng)常難以結(jié)構(gòu)化，例如對“浸潤”的描述，在不同科室學術(shù)術(shù)語不同，這使得在算法挖掘時數(shù)據(jù)不大好用。

為了讓非結(jié)構(gòu)化數(shù)據(jù)也能實現(xiàn)分析功能，很多醫(yī)療領(lǐng)域的科技公司都在努力地創(chuàng)新、嘗試。亞馬遜云科技通過降低門檻、準備數(shù)據(jù)和標注數(shù)據(jù)，擴大機器學習在醫(yī)療領(lǐng)域的數(shù)據(jù)發(fā)掘范疇。

“我們發(fā)布的應用中，之前對專業(yè)的標注有專門的設(shè)計，在新冠疫情期間，肺炎的數(shù)據(jù)通過專業(yè)團隊標注進行了及時跟進?！?亞馬遜云科技機器學習相關(guān)負責人介紹，專業(yè)團隊擁有特定領(lǐng)域和專業(yè)的知識，并且符合客戶對于數(shù)據(jù)安全和隱私、合規(guī)等要求。

云端化降低了數(shù)據(jù)挖掘的門檻，讓醫(yī)療行業(yè)更好地駕馭患者數(shù)據(jù)，提供精準化的診斷、治療的方案，提高整個醫(yī)療服務運營的效率。

云端化實現(xiàn)隨叫隨到的“存儲”

醫(yī)療大數(shù)據(jù)里最常見的是影像數(shù)據(jù)，由于影像數(shù)據(jù)格式標準，因而容易獲取和使用。中科院分子影像重點實驗室主任田捷曾表示，未來的影像中心就像飛機駕駛艙一樣，是各種各樣信息的綜合體；而未來的醫(yī)生則相當于飛行員，要處理各種各樣的信息。

醫(yī)療影像信息有歸檔要求高、數(shù)據(jù)量大、存儲量大的特點，對于云端讀取的實時性提出更高的要求。醫(yī)療影像的數(shù)據(jù)長年不能刪除，需要歸檔很多年。在實際的應用中，這些影像數(shù)據(jù)可能一年都用不到一回，但也可能突然就會要求馬上調(diào)用這個數(shù)據(jù)。

醫(yī)療數(shù)據(jù)的存儲特殊性需要云存儲既滿足低成本的長期存儲，又要滿足即時快速調(diào)用的要求。通過智能分層的技術(shù)，亞馬遜云科技構(gòu)建了及時索引的分層，可以幫助客戶在歸檔的數(shù)據(jù)里面產(chǎn)生索引，在需要取用的時候，仍然能夠像熱數(shù)據(jù)一樣馬上就能索引到。而在不需要索引的時候，這些數(shù)據(jù)像歸檔存儲一樣，長期保存在非常低的成本存儲層中。據(jù)介紹，這一技術(shù)可以使歸檔數(shù)據(jù)在毫秒級完成訪問，并將節(jié)省近70%的存儲成本。

云端化實現(xiàn)低門檻的機器學習

無論是醫(yī)學領(lǐng)域還是數(shù)據(jù)科學領(lǐng)域都是注重實踐的研究領(lǐng)域。相關(guān)專家表示：人工智能技術(shù)在醫(yī)學上的研究、應用，不是寫文章、談概念，也不是紙上談兵，更不僅僅是做篩查，而是要將技術(shù)與臨床緊密結(jié)合，解決實際臨床問題。

然而，缺乏跨學科的高水平人才，仍舊是讓醫(yī)療行業(yè)與數(shù)據(jù)挖掘融合起來的難點之一。如何讓對數(shù)據(jù)和編程一竅不通的醫(yī)療學者快速上手機器學習呢？

“他們無需任何技術(shù)背景，完全不需要具備機器學習或者其他的一些技術(shù)能力，就能夠用到我們的人工智能或機器學習服務?！?亞馬遜云科技機器學習和醫(yī)療人工智能總監(jiān)Taha Kass-Hout博士表示，只需要用自然語言去請求服務，通過聊天框搜索就能夠使用機器學習服務。

人工智能可以幫助客戶更好地去編撰數(shù)據(jù)，并對數(shù)據(jù)進行結(jié)構(gòu)化處理、打標簽等工作，實現(xiàn)機器學習的托管型云服務。

云端化通過降低機器學習的使用門檻，大大加速了臨床治療的精準性。例如在慕尼黑白血病實驗室建立了世界上最大的白血病數(shù)據(jù)，通過把患者的基因數(shù)據(jù)和患者的電子病歷數(shù)據(jù)整合在一起，用于精準化的臨床治療。

關(guān)鍵詞： 云端 精準 醫(yī)療