麻省理工科技评论评选的14大医疗领域突破科技（上）

通过快速的DNA测序技术，这些片段可以转变为大量的信息，不过后来，Verinata的创始人、斯坦福大学生物物理学家Stephen Quake很快发现，利用母亲血液中的胎儿DNA除了可以筛查染色体异常外，还可以对胎儿进行全基因组测序，这样就可以在胎儿出生前排除患有囊性纤维化（cystic fibrosis）、β-地中海贫血症以及自闭症等风险。而且这项基因检测成本一直在下降。

　　目前，已经发展到无创产前基因检测（NIPT）阶段，这项技术是通过母体外周血提取胎儿游离 DNA（cffDNA），进行筛查如唐氏综合征，Rh血型，性染色体异常，以及胎儿性别，是测序中竞争最为激烈的领域。无创产前基因检测在全球，尤其是在低收入和中等收入国家逐渐普及。不过产前检测让医生面临的法律与道德义务变得更加复杂，近日卫计委发布了通知，无创产前筛查和诊断试点正式取消，筛查机构必须获得新的职业许可证书。成人可以决定是否对自己的基因组进行测序，而未出生的胎儿是不能对此表示意见的。这些信息可能会影响人的一生。甚至有人提出提供检测的服务商，应该将其报告限制在20种左右最常见的严重疾病中。

　　5.深度学习（2013）

　　深度学习技术推动人工智能向前发展的核心力量

　　为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策

　　成熟期：正在使用

　　突破点：神经网络深度学习算法，使神经网络的能力大大提高

　　重要性：试图模拟大脑的工作方式，提高医疗效率，尤其在肿瘤治疗领域力图实现精准治疗

　　该领域主要参与者：谷歌、谷歌、苹果、IBM、微软、Facebook、百度等

　　深度学习是和人工智能的发展深度结合在一起的。其实，深度学习并不是新生事物，它是传统神经网络（Neural Network）的发展。神经网络研究领域的领军者Hinton在2006年提出了神经网络深度学习算法，使神经网络的能力大大提高，向支持向量机发出挑战。Hinton和他的学生Salakhutdinov在顶尖学术刊物《Scince》上发表了一篇文章，开启了深度学习的篇章。

　　深度学习的核心就是算法，算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network， Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。目前已经在语音识别、图像识别等应用非常广泛。

　　在医学领域，以深度学习为基础的人工智能，从学习在丰富的医学数据中识别复杂模式的算法，到为个性化医疗提供对现实世界证据的分析，再到发现与 DNA 结合的蛋白质的序列特异性和怎样用其协助基因组诊断以及个性化治疗，在医学成像上可提高分辨率、分析的广度和速度以及诊断上带来了非常了不起的进步，甚至在药物开发和更广泛的治疗干预上显示出了巨大的潜力。

　　尤其是谷歌，已经成了吸引深度学习和人工智能人才的磁铁。2013 年 3 月，谷歌收购了一家创业企业，它的创始人是多伦多大学的计算机科学教授杰弗里·辛顿——是赢得默克比赛的团队成员。辛顿会同时兼顾大学和谷歌的工作，他说计划"在这一领域中提出构想，然后把它们用在真正的问题上"，这些问题包括图像识别、搜索，和自然语言理解。

　　2012年6月，谷歌展示了当时最大的神经网络之一，其中拥有超过10亿个连接。由斯坦福大学计算机科学教授吴恩达和谷歌研究员杰夫·迪安带领的团队，给系统展示了一千万张从YouTubu视频中随机选择的图片。软件模型中的一个模拟神经元专门识别猫的图像，其他专注于人脸、黄色的花朵，以及其他物体。由于深度学习的能力，即使没人曾经定义或标记过，系统也识别了这些独立的对象。IBM的沃森在肿瘤精准治疗领域，能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策。

　　在2011年到2015年的五年时间，人工智能领域的并购资金从2.82亿美元增长到2015年的23.88亿美元，而并购数量也从67起增长到397起。以谷歌、苹果、IBM、微软、Facebook为代表的等行业巨头正在通过并购进行产业布局。

　　6.基因组编辑（2014）

　　CRISPR的工作流程，创新性地利用RNA

　　通过基因编辑携带定向突变的灵长类动物的能力，为科学家研究与遗传相关的疾病提供方法

　　成熟期：进入到诊断

　　突破点： 利用基因组工具构建出两只携带有特定基因突变的猴子

　　重要性：为人类疾病研究提供了新的有价值的工具

该领域主要参与