IBM與紐約基因組研究中心(NYGC)針對數(shù)十個腦部癌癥患者的基因組學進行了研究，報告顯示IBM Watson僅用10分鐘時間就完成對腦癌患者基因組的分析，但人類專家需要用160個小時來完成同樣的工作。但IBM Watson提出的治療方案并沒有人類專家的方案精確周到。

　　本文主要分析研究中解決的兩個問題：1)是否掃描整個基因組比只進行“基因面板”測試得到的信息更全面;2)將IBM Waston和NYGC專家團隊所做的基因組分析進行比較。

　　本文來源于spectrum.ieee.org，作者Eliza Strickland;由億歐編譯。

　　在治療腦部癌癥的時候，時間是至關(guān)重要的。

　　IBM與紐約基因組研究中心(NYGC)針對數(shù)十個腦部癌癥患者的基因組學進行了研究，該研究報告顯示IBM Watson僅用10分鐘時間就完成對腦癌患者基因組的分析，并提出了一項治療計劃，這展示了人工智能在改善病人護理方面的潛力。然而，人類專家需要耗費160個小時做出類似的計劃。雖然Waston在時間方面領先，但其治療意見和效果可能并不是最佳的，因此這并不意味著機器將完全戰(zhàn)勝人類。

　　該研究基于以下案例。一名患有頭痛和行動困難癥狀的76歲男子去醫(yī)院檢查，腦部掃描顯示為惡性膠質(zhì)母細胞瘤，于是醫(yī)生快速實施治療計劃。IBM Waston和醫(yī)生都對該男子的基因組進行了分析，并分別提出了一項治療方案，但不幸的是，該男子病情惡化太快，不久后便去世了。

　　IBM不斷致力于優(yōu)化其認知技術(shù)平臺Waston，以應對醫(yī)療方面的多重挑戰(zhàn)，包括加快藥物研發(fā)速度，以及提高患者護理方法，其特點是其自然語言處理能力。因此，在基因組學方面，Waston可以自行查閱來自醫(yī)療文獻及其他來源的2300萬篇期刊文獻，并進行消化理解。Watson基因組學科研團隊的負責人Laxmi Parida表示，大多數(shù)癌癥患者在檢查基因突變時，并沒有掃描體內(nèi)的整個基因組(包括30億個DNA單位)，而是只進行“基因面板”測試，即只檢查那些在已知癌癥中起作用的基因子集。相對于全基因組檢測，“基因面板”測試快速，但結(jié)果可能并不全面。

　　這項新研究發(fā)表在《神經(jīng)遺傳學》雜志上，并引用上述76歲患者的案例來闡述以下兩個問題。

　　首先，研究人員想知道是否掃描整個基因組比只進行“基因面板”測試得到的信息更全面呢?Parida說：“我們試圖解答這個問題，是否全基因組檢測會得到更多有用的信息?”這個問題的答案是肯定的。NYGC的臨床醫(yī)生和Waston發(fā)現(xiàn)，那些不在“基因面板”測試范圍內(nèi)的基因突變有助于為找到潛在藥物和臨床試驗提供建議。

　　其次，研究人員希望將IBM Waston和NYGC專家團隊所做的基因組分析進行比較。Waston和NYGC專家團隊都獲得了病人的基因組信息，并識別出了突變的基因，然后通過醫(yī)學文獻來檢查這些突變是否在其他癌癥中有所出現(xiàn)，繼而尋找治療成功的相關(guān)報告，最終檢查患者是否具備臨床試驗的條件。專家團隊花費160個小時來完成這一系列操作，而Waston則在10分鐘內(nèi)完成。

　　盡管Waston率先提出解決方案，但其方案可能不是最好的。NYGC的臨床醫(yī)生發(fā)現(xiàn)了兩種基因突變，綜合考慮來看，醫(yī)生建議患者參與臨床試驗。如果患者具備參與臨床試驗的條件，他就會被納入這個實驗，作為其生存的最佳機會。但Waston并沒有綜合考慮這些信息，因此Waston沒有建議患者進行臨床試驗。

　　雖然人們很容易把這項研究看作是人類和人工智能之間的競爭，但NYGC的負責人兼首席研究員Robert Darnell并不這樣認為，他表示：“NYGC提供了腫瘤學家和生物學家的臨床輸入，但Waston提供的注釋使分析更加快速?！?p>　　Robert Darnell表示，醫(yī)生需要像Waston這樣的人工智能工具，才能跟上醫(yī)療數(shù)據(jù)的迅猛增長。IBM的Parida指出，近年來，全基因組測序成本直線下降，這使得全基因組測序?qū)⒑芸斐蔀榘┌Y治療的常規(guī)部分。如果IBM Watson或類似的人工智能系統(tǒng)能夠迅速獲得這些數(shù)據(jù)，那么他們就有機會及時提供治療建議，以挽救類似腦癌患者的生命。

　　Darnell表示，他希望IBM Waston將成為癌癥治療的一個常規(guī)部分，因為臨床醫(yī)生需要處理的數(shù)據(jù)實在是太龐大了。他說：“我認為，讓醫(yī)生投入更多的精力來處理雪崩一樣的數(shù)據(jù)不是很好的選擇。時間對患者來說是非常重要的一個因素，機器學習和自然語言處理工具或許能夠提供更多有價值的東西?！?p>