在(zai)經歷“驟起”、“ 狂歡”、“冷(leng)秋(qiu)”之后，人(ren)工(gong)(gong)智(zhi)能(neng)創投(tou)開始(shi)趨于理性。而在(zai)此時(shi)，針對(dui)人(ren)工(gong)(gong)智(zhi)能(neng)的(de)下游應用也開始(shi)真正(zheng)浮出(chu)水(shui)面(mian)，可以看到(dao)今年(nian)的(de)各大醫療展會，人(ren)工(gong)(gong)智(zhi)能(neng)成(cheng)為了真正(zheng)的(de)主(zhu)題，從早期的(de)手術(shu)機器(qi)(qi)人(ren)，再到(dao)更深入(ru)的(de)智(zhi)能(neng)器(qi)(qi)械、影像識(shi)別、藥(yao)物(wu)研發.....而在(zai)基因(yin)技術(shu)領(ling)域，人(ren)工(gong)(gong)智(zhi)能(neng)同樣備(bei)受行業關注。

“它或許(xu)會成(cheng)為(wei)企業競爭力的加速(su)器。”在日前的2019CHCC上，貝瑞基因CEO兼聯合(he)創始人周(zhou)代(dai)星博士這樣形容(rong)。

盡管美國平(ping)均每年要在醫療保健行業投入1萬億美元(yuan)的支(zhi)出(chu)(chu)，但大量(liang)支(zhi)出(chu)(chu)呈現(xian)出(chu)(chu)的效果差(cha)強人(ren)意。比如乳腺(xian)癌，即便能夠對其進(jin)行篩查，但并不能阻(zu)止疾病的惡化;再比如處方藥(yao)，據估算(suan)有效性只有25%，大量(liang)臨床(chuang)資(zi)源被浪費。

75%的處方藥沒有(you)達到(dao)很(hen)好的效果

這(zhe)背后的(de)原因(yin)，其實(shi)是(shi)個體(ti)間(jian)的(de)代謝吸(xi)收能力的(de)差異(yi)，但目前的(de)用藥并沒有考慮每個人(ren)的(de)計量標準。“物(wu)聯網強(qiang)調把事物(wu)數(shu)(shu)字化(hua)(hua)，我們這(zhe)一點做得很好。但是(shi)對于(yu)人(ren)類本身的(de)數(shu)(shu)字化(hua)(hua)，這(zhe)個程(cheng)(cheng)度很低。”周(zhou)代星(xing)解釋(shi)道。基因(yin)信息與(yu)人(ren)密(mi)切相(xiang)關，這(zhe)30億個堿(jian)基對是(shi)人(ren)體(ti)的(de)程(cheng)(cheng)序(xu)代碼，調控(kong)著(zhu)人(ren)體(ti)內(nei)的(de)一系列物(wu)理和(he)化(hua)(hua)學變化(hua)(hua)。對數(shu)(shu)字化(hua)(hua)生命的(de)解釋(shi)，莫過于(yu)基因(yin)測(ce)序(xu)。

指導疾病診療和生活，是基因檢測的意義

在2012年之前(qian)，這個數(shu)字(zi)化(hua)的成本(ben)相當高。而當測序(xu)成本(ben)突(tu)破摩爾定律(lv)持續下降(jiang)時，測序(xu)成本(ben)漸漸不再是(shi)問題。

“現在是大家的(de)(de)(de)接受度(du)的(de)(de)(de)問題。”他繼(ji)續說道。2014年，NIPT試點展開意味(wei)著基(ji)(ji)因(yin)技(ji)術(shu)(shu)臨(lin)床應用(yong)邁出了重要的(de)(de)(de)一(yi)步(bu)，而(er)今，這項技(ji)術(shu)(shu)的(de)(de)(de)年檢測(ce)(ce)量已突破(po)(po)400萬人(ren)；一(yi)份基(ji)(ji)于NGS的(de)(de)(de)腫(zhong)瘤基(ji)(ji)因(yin)檢測(ce)(ce)批件于2018年7月發出，腫(zhong)瘤臨(lin)床檢測(ce)(ce)開始起步(bu)。此外，輕(qing)醫療概(gai)念的(de)(de)(de)消費級基(ji)(ji)因(yin)檢測(ce)(ce)在國外已經形成市場，2018年年檢測(ce)(ce)量突破(po)(po)2600萬人(ren)。盡管(guan)中國不(bu)(bu)是人(ren)口遷徙國家，對祖源檢測(ce)(ce)的(de)(de)(de)市場需求(qiu)不(bu)(bu)比美國，但大人(ren)口基(ji)(ji)數以及健康管(guan)理需求(qiu)也(ye)造(zao)就了消費基(ji)(ji)因(yin)檢測(ce)(ce)的(de)(de)(de)巨大市場。

在NIPT、腫瘤檢(jian)測、消費基因之(zhi)外，基因檢(jian)測的作用還(huan)有什么呢？在半個小時的演講中，周代星(xing)給大(da)家分享了(le)一個故事：

生(sheng)活在(zai)遼寧海城(cheng)一個普通家庭的(de)姐(jie)妹(mei)(mei)(mei)倆，姐(jie)姐(jie)24歲，妹(mei)(mei)(mei)妹(mei)(mei)(mei)16歲，從小輾轉多家醫(yi)院求(qiu)醫(yi)問(wen)診，不幸(xing)的(de)是(shi)，均被診斷為(wei)“腦癱”。而(er)姐(jie)妹(mei)(mei)(mei)倆在(zai)接受全外顯(xian)子組檢(jian)測（WES）后發(fa)現(xian)，她們所患的(de)其實(shi)是(shi)一種叫(jiao)做多巴反應性肌(ji)張力障礙(ai)（DRD）的(de)罕見病(bing)。在(zai)醫(yi)生(sheng)進行針對(dui)性治療(liao)一個月(yue)(yue)后，姐(jie)妹(mei)(mei)(mei)倆可(ke)以自己吃飯；服藥(yao)50天后就能自己玩手機、開直(zhi)播，而(er)每月(yue)(yue)服藥(yao)的(de)費用，僅需100多元。

這是一個很具代表性的(de)(de)案例，通(tong)過分子層面的(de)(de)診斷，對(dui)(dui)疾病根本的(de)(de)原因(yin)作出解釋。基因(yin)檢測的(de)(de)意(yi)義，或(huo)許應該(gai)是像這樣通(tong)過對(dui)(dui)遺傳密碼的(de)(de)解析指(zhi)導(dao)診療、指(zhi)導(dao)生活(huo)。

人工智能是全外顯子檢測實現的前提

“這對姐妹是比(bi)較幸運的(de)(de)(de)，能夠找到(dao)病(bing)(bing)(bing)(bing)(bing)因(yin)(yin)，并(bing)且能有(you)治療方案(an)。”周代(dai)星(xing)告(gao)訴(su)記者，“其(qi)實(shi)還有(you)相(xiang)當一部分(fen)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)，研究上暫時沒有(you)找到(dao)對應(ying)(ying)的(de)(de)(de)基因(yin)(yin)。”除(chu)了染色體(ti)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)和(he)單基因(yin)(yin)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)，大多數疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)由(you)多個(ge)位(wei)點控制。位(wei)點與位(wei)點之間有(you)著復雜(za)的(de)(de)(de)關(guan)聯，不(bu)同(tong)位(wei)點的(de)(de)(de)變(bian)異(yi)組合(he)可能會(hui)形成不(bu)同(tong)的(de)(de)(de)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)亞型(xing)。而除(chu)了遺(yi)傳以外，生活習慣、環境等因(yin)(yin)素(su)也與疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)息息相(xiang)關(guan)，帶有(you)致(zhi)病(bing)(bing)(bing)(bing)(bing)位(wei)點的(de)(de)(de)人并(bing)非一定(ding)會(hui)發(fa)病(bing)(bing)(bing)(bing)(bing)；即使發(fa)病(bing)(bing)(bing)(bing)(bing)，由(you)于個(ge)人耐受不(bu)同(tong)，最(zui)終相(xiang)同(tong)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)在臨床的(de)(de)(de)表型(xing)也存在差異(yi)。因(yin)(yin)此，盡管理(li)想很(hen)豐滿，但我(wo)們(men)也不(bu)得不(bu)承認現實(shi)是骨感(gan)的(de)(de)(de)，單單依靠人力，很(hen)難(nan)理(li)清(qing)疾(ji)(ji)病(bing)(bing)(bing)(bing)(bing)與位(wei)點的(de)(de)(de)對應(ying)(ying)關(guan)系(xi)。

人工智能助力未知關聯的挖掘

在獲取到一個(ge)人的(de)基因信息后，通(tong)常(chang)需要與人類(lei)基因組匹配來找出可(ke)能(neng)存在的(de)突變(bian)。而突變(bian)與疾病的(de)對應關系的(de)判斷(duan)大(da)部分(fen)依靠公共數(shu)(shu)據庫，主(zhu)要通(tong)過對已經發(fa)表的(de)文(wen)(wen)獻(xian)挖掘得來。但(dan)全(quan)球范圍內每天更(geng)新的(de)論文(wen)(wen)數(shu)(shu)量非常(chang)大(da)，全(quan)部依賴人工整(zheng)合(he)并(bing)不現(xian)實。這個(ge)時候(hou)便體現(xian)出了人工智能(neng)的(de)價值。

目(mu)(mu)前大(da)部分人(ren)工智(zhi)能的(de)(de)技術路徑是人(ren)工神經(jing)網(wang)絡，其(qi)中又有(you)ART網(wang)絡、LVQ網(wang)絡、Kohonen網(wang)絡、Hopfield網(wang)絡幾種(zhong)算法的(de)(de)變(bian)形。機器學習是目(mu)(mu)前人(ren)工智(zhi)能的(de)(de)核心，它能夠通(tong)過(guo)(guo)對大(da)量非結構化數據進(jin)行學習和(he)(he)整合(he)，挖(wa)掘并(bing)計算其(qi)中的(de)(de)關聯(lian)(lian)。通(tong)過(guo)(guo)對已有(you)文(wen)獻和(he)(he)新(xin)(xin)增文(wen)獻的(de)(de)持續挖(wa)掘，人(ren)工智(zhi)能可以持續不斷的(de)(de)挖(wa)掘并(bing)更新(xin)(xin)突變(bian)位點和(he)(he)疾(ji)病的(de)(de)潛在(zai)聯(lian)(lian)系(xi)。

“這種(zhong)關聯覆(fu)蓋(gai)的越(yue)(yue)多，人們對(dui)基因的解(jie)讀能力(li)就越(yue)(yue)強，越(yue)(yue)準(zhun)確。”他告訴動脈網，這也是IBM Watson做的事(shi)情。

用“老數據”得出新發現

對于已(yi)經覆蓋到的疾病，人工智(zhi)能(neng)之于基因(yin)的意義或許(xu)還能(neng)上(shang)升(sheng)到疾病的輔助(zhu)診斷。以2019年3月(yue)23andme發布的二型糖尿病研(yan)究為(wei)例，基于大量的數據訓練，23andme可以完(wan)全只依靠(kao)基因(yin)數據來判斷用(yong)戶是否(fou)患有二型糖尿病。

盡管(guan)這(zhe)是一(yi)種(zhong)多基(ji)因(yin)疾(ji)病(bing)，在大量數據的(de)(de)加(jia)持下，23andme可以將準確性訓練(lian)到(dao)79%。不(bu)過，你可能會想臨床上(shang)二型糖尿病(bing)的(de)(de)臨床診(zhen)(zhen)斷(duan)(duan)(duan)相(xiang)對簡單，為(wei)什么(me)反而要(yao)通過更復雜(za)的(de)(de)手(shou)段來診(zhen)(zhen)斷(duan)(duan)(duan)呢？那(nei)么(me)換(huan)一(yi)個例子(zi)可能會有(you)(you)更直觀的(de)(de)感受。抑郁癥80%的(de)(de)發病(bing)都與基(ji)因(yin)有(you)(you)關(guan)，且是一(yi)種(zhong)多基(ji)因(yin)疾(ji)病(bing)。這(zhe)種(zhong)疾(ji)病(bing)目前在臨床上(shang)主要(yao)通過對患者調查問(wen)卷(juan)來確診(zhen)(zhen)，非常依賴心理(li)醫生的(de)(de)個人經驗。不(bu)夸(kua)張的(de)(de)說，抑郁癥的(de)(de)診(zhen)(zhen)斷(duan)(duan)(duan)還停留在經驗醫學時代。

“如果能夠僅根(gen)據基因(yin)對抑郁癥進行初步診斷，即便50%的準確率相(xiang)比目(mu)前手段都是巨(ju)大(da)突破。”周代星這樣解釋(shi)。

大規模數據是智能的前提

始(shi)于無創（產(chan)前）、興(xing)于腫瘤（檢測），鼎盛于全(quan)基因組(zu)測序。在可(ke)預見(jian)的(de)(de)未來里，全(quan)基因組(zu)或者全(quan)外(wai)顯(xian)子(zi)組(zu)的(de)(de)普及是(shi)必(bi)然趨勢。但全(quan)基因組(zu)或者全(quan)外(wai)顯(xian)子(zi)組(zu)的(de)(de)數據(ju)解讀一(yi)(yi)直面臨(lin)瓶頸，如(ru)果單純依(yi)靠人(ren)(ren)力，一(yi)(yi)位生(sheng)物信息(xi)工程師(shi)一(yi)(yi)天(tian)可(ke)能(neng)只(zhi)能(neng)出具(ju)一(yi)(yi)份到(dao)兩份報告——這樣的(de)(de)速度幾(ji)乎不可(ke)能(neng)實現產(chan)品的(de)(de)規(gui)模(mo)化。因此，全(quan)外(wai)顯(xian)子(zi)要大規(gui)模(mo)市場化，人(ren)(ren)工智能(neng)是(shi)必(bi)選項。

但是(shi)，這(zhe)樣的(de)人工(gong)智能要如何實現呢？。數字醫(yi)療(liao)公司AliveCor的(de)產(chan)品(pin)審批之路或許值得借(jie)鑒。AliveCor 針對 Apple Watch 推出(chu)了能夠即時量測心電圖的(de)“KardiaBand”表帶，這(zhe)是(shi)數字醫(yi)療(liao)領域(yu)少有的(de)獲得FDA審批的(de)產(chan)品(pin)。而在此之前，公司和梅奧合作，利用梅奧積累(lei)的(de)110萬(wan)個ECG數據，并(bing)將超過(guo)20萬(wan)條有心房纖顫的(de)狀況的(de)數據與(yu)70萬(wan)條正(zheng)常數據比對，再不(bu)斷校準后才通過(guo)考核。

對(dui)所有的(de)人工智能(neng)應用(yong)而言，智能(neng)的(de)前(qian)提(ti)都是大量(liang)的(de)數據訓練(lian)。放在基因(yin)檢(jian)測領域，大量(liang)數據訓練(lian)的(de)前(qian)提(ti)則是有大量(liang)數據產生，這意味著(zhu)需(xu)要測序技術的(de)大規模覆蓋。

要拿出社會所需的檢測產品

“企業(ye)首先(xian)得拿出符合社會(hui)需求(qiu)(qiu)的(de)產(chan)品。”周代星指出。他認為，只(zhi)有能夠滿足社會(hui)需求(qiu)(qiu)的(de)產(chan)品，才能被市場所(suo)接(jie)受。毫無疑問，NIPT是成(cheng)功的(de)先(xian)例。但(dan)我們(men)也(ye)不得不承認，僅僅是染色體的(de)檢測，覆蓋(gai)的(de)信息還(huan)太少。“現在我們(men)在嘗試(shi)推廣全外顯子檢測，可(ke)以覆蓋(gai)99%以上的(de)遺傳信息。”他透(tou)露，目前該產(chan)品價格低(di)于3000人(ren)民(min)幣，且正在持(chi)續下(xia)降中。

另(ling)外(wai)，23andme在消費型(xing)檢測市場的(de)(de)成功也給了基因(yin)檢測行(xing)業(ye)(ye)的(de)(de)從業(ye)(ye)者們非常大的(de)(de)啟示。盡管芯(xin)(xin)片檢測覆蓋(gai)的(de)(de)信(xin)(xin)息(xi)量并不算大，但(dan)基于這些(xie)信(xin)(xin)息(xi)23andme也已(yi)經有(you)(you)了不少成果，比如失(shi)眠基因(yin)和前文(wen)提到的(de)(de)二(er)型(xing)糖尿病的(de)(de)研(yan)究。“全外(wai)顯子檢測的(de)(de)信(xin)(xin)息(xi)量是芯(xin)(xin)片檢測的(de)(de)100倍，我想(xiang)應該會有(you)(you)更多的(de)(de)突破(po)。”周代星表示。

2019年2月，貝瑞基(ji)(ji)因(yin)(yin)宣(xuan)布(bu)與在東南(nan)亞和(he)歐洲市場具有影響力的(de)基(ji)(ji)因(yin)(yin)檢(jian)測(ce)公司(si)Prenetics 聯合投資成(cheng)立的(de)消費級基(ji)(ji)因(yin)(yin)檢(jian)測(ce)公司(si)圓(yuan)基(ji)(ji)因(yin)(yin)，并邀請到前谷歌中國戰略(lve)合作總經理嚴峻加盟(meng)并擔任(ren)公司(si)首席執(zhi)行(xing)官，新公司(si)定名 為(wei)“北京源(yuan)圓(yuan)基(ji)(ji)因(yin)(yin)技術有限公司(si)（圓(yuan)基(ji)(ji)因(yin)(yin)）”。據了解，圓(yuan)基(ji)(ji)因(yin)(yin)將于2019年第(di)二季度開始運營。周(zhou)代星(xing)在采(cai)訪中透(tou)露(lu)，為(wei)了使檢(jian)測(ce)報(bao)告內(nei)容更客觀更充(chong)分，圓(yuan)基(ji)(ji)因(yin)(yin)也將采(cai)用全(quan)外顯子檢(jian)測(ce)。

“不管查什么(me)，做檢測的(de)時候都應該盡可能的(de)全面。”周代星(xing)強(qiang)調，“從(cong)發展歷程來看，先(xian)要有符合社會需求的(de)產品，才(cai)能有數據的(de)積累。有了這些基礎(chu)，才(cai)能有人(ren)工智能分析(xi)，從(cong)一個疾(ji)病覆蓋(gai)到更多的(de)疾(ji)病。”

數據規范與管理

除了數(shu)(shu)量，數(shu)(shu)據(ju)(ju)(ju)質量一(yi)直是(shi)人(ren)工智(zhi)能領域熱議的問題。數(shu)(shu)據(ju)(ju)(ju)量大并非等(deng)同于大數(shu)(shu)據(ju)(ju)(ju)，數(shu)(shu)據(ju)(ju)(ju)的結構化、規范化程度也至關重要。

而在臨床上(shang)，不(bu)同(tong)(tong)醫(yi)生對同(tong)(tong)一(yi)癥狀可(ke)能(neng)會(hui)有不(bu)同(tong)(tong)的描(miao)述(shu)(shu)。比(bi)如A醫(yi)生描(miao)述(shu)(shu)“腹(fu)痛”，可(ke)能(neng)就是B醫(yi)生所寫(xie)的“腹(fu)部(bu)痙(jing)攣”；再加之不(bu)同(tong)(tong)個體間痛感、表(biao)述(shu)(shu)差異，同(tong)(tong)一(yi)表(biao)征可(ke)能(neng)會(hui)有更多五(wu)花(hua)八(ba)門(men)的描(miao)述(shu)(shu)。

在日常診(zhen)(zhen)療中(zhong)，醫生(sheng)的(de)各人習慣對疾(ji)病診(zhen)(zhen)療的(de)影響并(bing)不是(shi)特(te)別大；但當這些零星的(de)數(shu)(shu)據匯總到一個(ge)數(shu)(shu)據集中(zhong)，就很難(nan)真實(shi)有效的(de)對這些數(shu)(shu)據進(jin)行(xing)統計和歸納。更重要的(de)是(shi)，企業的(de)數(shu)(shu)據庫的(de)來(lai)源可能來(lai)自多個(ge)不同(tong)(tong)的(de)醫院，如果數(shu)(shu)據量達到數(shu)(shu)萬例，很難(nan)想象不同(tong)(tong)醫生(sheng)們對同(tong)(tong)一癥狀有多少表達方式。

如果(guo)能夠(gou)(gou)將這些語(yu)言(yan)(yan)規范化(hua)，形成統(tong)一(yi)的(de)(de)(de)表(biao)達方式，無疑將更(geng)加有利于數據(ju)的(de)(de)(de)挖掘(jue)和(he)使(shi)用。基于此，貝瑞基因(yin)開(kai)發了(le)一(yi)款(kuan)叫做NLPearl的(de)(de)(de)計算軟(ruan)件，能夠(gou)(gou)基于自然語(yu)言(yan)(yan)處理將不同用語(yu)習慣(guan)形成統(tong)一(yi)標準。盡管幾個層次的(de)(de)(de)學(xue)習，NLPearl就(jiu)(jiu)(jiu)可以對(dui)醫(yi)院(yuan)的(de)(de)(de)自然語(yu)言(yan)(yan)描述方式進行(xing)總結，當(dang)下(xia)一(yi)次遇(yu)到(dao)(dao)非結構(gou)化(hua)的(de)(de)(de)自然描述時，系(xi)(xi)統(tong)就(jiu)(jiu)(jiu)能夠(gou)(gou)自動校準為標準描述。當(dang)數據(ju)積累到(dao)(dao)足夠(gou)(gou)大的(de)(de)(de)量級，且(qie)有足夠(gou)(gou)量級之(zhi)后，不管什(shen)么(me)樣(yang)的(de)(de)(de)自然語(yu)言(yan)(yan)描述都有可能找到(dao)(dao)對(dui)應的(de)(de)(de)位點；相(xiang)應的(de)(de)(de)，遇(yu)到(dao)(dao)這樣(yang)突變的(de)(de)(de)患(huan)者(zhe)(zhe)，也可以反推他可能會出現的(de)(de)(de)一(yi)系(xi)(xi)列(lie)臨床表(biao)征。或(huo)許(xu)，當(dang)系(xi)(xi)統(tong)訓練到(dao)(dao)一(yi)定程度(du)時、全基因(yin)組或(huo)全外顯子檢測普及(ji)時，患(huan)者(zhe)(zhe)還未到(dao)(dao)醫(yi)院(yuan)醫(yi)生就(jiu)(jiu)(jiu)能夠(gou)(gou)對(dui)其進行(xing)初(chu)步診斷(duan)。而在醫(yi)院(yuan)就(jiu)(jiu)(jiu)診的(de)(de)(de)環(huan)節，或(huo)許(xu)將更(geng)加注重治療環(huan)節的(de)(de)(de)討論。

“另外，數據(ju)的(de)(de)(de)規(gui)(gui)范也對日后(hou)的(de)(de)(de)影響非常大。”他(ta)指出，如果要(yao)想(xiang)成體量(liang)，一家醫院或者公司的(de)(de)(de)數據(ju)量(liang)是(shi)不(bu)足夠的(de)(de)(de)，“數據(ju)能否共(gong)享將(jiang)成為關鍵議(yi)題。”更(geng)重要(yao)的(de)(de)(de)是(shi)，在數據(ju)共(gong)享的(de)(de)(de)過(guo)程(cheng)中，必須(xu)有嚴格的(de)(de)(de)行業(ye)規(gui)(gui)范，在保證數據(ju)持(chi)有者隱私和數據(ju)安全(quan)的(de)(de)(de)前提下進(jin)行。

而對于企業(ye)個體而言(yan)，人(ren)工(gong)智能的(de)(de)(de)意義或許是(shi)讓強(qiang)者恒強(qiang)的(de)(de)(de)工(gong)具。人(ren)工(gong)智能的(de)(de)(de)助力將(jiang)進一步提升檢測的(de)(de)(de)效率和(he)精準度，同時從(cong)側面降(jiang)低檢測的(de)(de)(de)成本。而這(zhe)些正式企業(ye)市(shi)場(chang)競爭(zheng)力的(de)(de)(de)體現。而對整(zheng)個行業(ye)而言(yan)，人(ren)工(gong)智能的(de)(de)(de)意義則好比指南(nan)針和(he)加速器，它讓基因(yin)技術能夠以更(geng)(geng)精準的(de)(de)(de)角(jiao)度、更(geng)(geng)快的(de)(de)(de)速度進入(ru)市(shi)場(chang)并普(pu)及。

或許有(you)一天，基因檢測會(hui)成為心電圖檢測一樣(yang)普遍(bian)的(de)臨(lin)床工具，醫生(sheng)們不(bu)必苦惱沒有(you)分(fen)子(zi)遺(yi)傳學背景(jing)，人工智能可以(yi)幫他們解決數據解讀和分(fen)析(xi)的(de)過(guo)程(cheng)。或許在基因技(ji)術和人工智能，以(yi)及其他技(ji)術的(de)幫助下，阿爾茲海(hai)默病的(de)秘(mi)密終將被解開；或許互(hu)聯網問診、遠程(cheng)醫療的(de)實(shi)現將會(hui)有(you)更有(you)力的(de)技(ji)術支持......

關于未(wei)來的(de)設想還有很多，我們也相信(xin)這(zhe)一(yi)切在未(wei)來均有可(ke)能。而落到實處(chu)，行業(ye)應該先(xian)從數據(ju)的(de)產生開始(shi)。當然，行業(ye)共識和規范的(de)達成無(wu)疑能夠會讓這(zhe)一(yi)天更快到來。

本文轉載自動脈網