人工智能對抗艾滋？并非空談

　　艾滋病已造成超過(guò)2500萬(wàn)人死亡。然而，過(guò)去15年來(lái)，全球在應對艾滋病方面取得了巨大成就，截至2015年6月，1580萬(wàn)人得到抗逆轉錄治療。

　　隨著(zhù)計算機科學(xué)和人工智能的發(fā)展，許多科學(xué)家都在探尋幫助艾滋病患者和預防艾滋病的新方法。那么，人工智能在抗擊艾滋病方面有什么應用呢？今天我們就向大家介紹幾個(gè)研究。

　　1.人工智能幫助HIV診斷

　　HIV的早期診斷是一項非常重要的工作，能極大降低發(fā)病率和死亡率。診斷HIV的方法有很多，但都是由病人向醫生描述癥狀開(kāi)始——病人來(lái)到診所，向醫生描述自己的癥狀。接著(zhù)，醫生向病人或其他關(guān)系緊密的人詢(xún)問(wèn)信息，了解其他癥狀。根據癥狀，醫生會(huì )縮小患病幾率的范圍，并列出一系列有可能引發(fā)這些癥狀的原因。這個(gè)過(guò)程通常比較復雜和主觀(guān)，嚴重依賴(lài)于醫生的經(jīng)驗。為了解決這個(gè)問(wèn)題，美國三角洲州立大學(xué)數學(xué)與計算機科學(xué)系的AkazueMaureen等人將神經(jīng)網(wǎng)絡(luò )與模糊推論系統相結合，組成一個(gè)神經(jīng)模糊系統（neuro-fuzzysystem），生成了一個(gè)通過(guò)癥狀來(lái)判斷病人HIV感染風(fēng)險的模型。這個(gè)系統能夠自我學(xué)習和自我適應，處理醫學(xué)診斷中不確定和不精確的數據，克服單個(gè)醫生分析癥狀的局限性。

　　但是，通過(guò)癥狀來(lái)診斷HIV只是其中一個(gè)方面，最精確的方法是病毒載量檢測。病毒載量就是檢查血液中的HIV數量。但是，病毒載量檢測需要特殊的設備，成本也很高，因此在一些不發(fā)達的國家或地區很難進(jìn)行。于是，還有另一種方法是檢測血液中CD4細胞的數量。CD4細胞是細胞免疫系統中的戰斗細胞。當 HIV削弱免疫系統時(shí)，CD4細胞的數量就會(huì )下降。但是CD4細胞的數量每時(shí)每刻都可能變化，其他的病毒感染、吸煙和精神壓力也會(huì )影響它的數量。于是，今年6月，有科學(xué)家在《醫學(xué)成像和衛生信息學(xué)雜志》上發(fā)表論文，采用神經(jīng)網(wǎng)絡(luò )的方法，通過(guò)CD4細胞的數量來(lái)評估HIV-1病毒載量在抗逆轉錄病毒藥物作用下的變化，效果十分可觀(guān)。

　　2.人工智能幫助制定艾滋病療法

　　艾滋病患者通常需要采用雞尾酒療法，也就是同時(shí)服用多種藥物，主要是逆轉錄酶抑制劑和蛋白酶抑制劑中的2～4種組合在一起，學(xué)名叫「高效抗逆轉錄病毒治療方法」。這種方法能較大限度地抑制病毒的復制，并能修復部分免疫功能。但是，每種藥物的性質(zhì)不同，使用的規則也不同，為了避免產(chǎn)生抗藥性，該如何制定最有效的藥物方案呢？

　　根據《科學(xué)家》雜志報道，早在十幾年前，美國就有一家公司開(kāi)發(fā)了一個(gè)名為HIVTherapyEdge的軟件，將生物信息學(xué)與人工智能相結合，能迅速為病人提供藥物組合方案，還能在基因序列中搜尋抗藥的突變。匹茲堡大學(xué)的JohnMellor說(shuō)，在以前，這個(gè)過(guò)程通常需要花上醫生半小時(shí)的時(shí)間，還必須坐在一間安靜的屋子里，逐個(gè)檢查病人的用藥史、病毒抗藥特征、用藥劑量等等信息。

　　隨著(zhù)人工智能的發(fā)展，越來(lái)越多的應用不斷涌現。例如，南非夸祖魯納塔爾大學(xué)和美國弗羅里達大學(xué)醫學(xué)院的研究者就將人工神經(jīng)網(wǎng)絡(luò )（ANN）和定量構效關(guān)系（QSAR）相結合，開(kāi)發(fā)出一種能預測最大推薦用藥劑量的方法。他們從 FDA數據庫中獲取了每種藥物的分子量、水溶解性、親油性、生物轉化半衰期、氧化半衰期、生物降解概率等詳細數據，并用訓練集構建了一個(gè)多元線(xiàn)性回歸和反向傳播神經(jīng)網(wǎng)絡(luò )。結果，他們的模型顯示出抗逆轉錄病毒藥物的水溶性與最大劑量中度相關(guān)，或許有助于更加安全有效的HIV療法。

　　而在抗藥性方面，幾年前，英國艾滋病毒抗性反應數據庫的科學(xué)家用1154個(gè)臨床數據（基因型、基線(xiàn)病毒載量等）訓練了一個(gè)神經(jīng)網(wǎng)絡(luò )，預測的病毒反應與實(shí)際反應高度相關(guān)（r2=0.53；P《0.00001），但是對陌生診所的數據的預測度并不高，還需要進(jìn)一步研究。

　　3.人工智能幫助預防艾滋病

　　在艾滋病的數據中，有一些數據令人痛心，那就是越來(lái)越多的年輕人，尤其是學(xué)生感染HIV。這是全世界都面臨的一個(gè)問(wèn)題，尤其是那些無(wú)家可歸的年輕人。據調查，美國每年有2百萬(wàn)年輕人無(wú)家可歸，其中11%為HIV陽(yáng)性（是普通人群的10倍）。

　　如何分析和避免HIV在無(wú)家可歸的年輕人中的傳播？許多機構從無(wú)家可歸者中選擇了一些人進(jìn)行教育和培訓，幫助他們理解如何預防HIV，希望他們將這些信息傳播口口相傳。但是，這些機構在選擇培訓對象時(shí)并沒(méi)有考慮社交網(wǎng)絡(luò )的結構，導致傳播效率十分低下。為了解決這個(gè)問(wèn)題，美國南加州大學(xué)社工學(xué)院的 EricRice等人開(kāi)發(fā)出一個(gè)名為 PSINET（POMDPbasedSocialIntervenTIonsinNetworksforEnhancedHIVTesTIng）的算法，基于POMDP（部分可觀(guān)察馬可夫決策過(guò)程，ParTIallyObservableMarkovDecisionProcess），分析無(wú)家可歸者之間的朋友關(guān)系，從而繪出他們之間的社會(huì )聯(lián)系，并預測哪些人最具有影響力，從而幫助教育機構挑選最有影響力的人參加培訓，向他們宣傳預防HIV的知識。這個(gè)成果今年早些時(shí)候發(fā)表在德克薩斯舉行的人工智能發(fā)展協(xié)會(huì )會(huì )議上，目前正在與洛杉磯一個(gè)名為MyFriend’sPlace的機構合作。模擬測試顯示，這種方法的有效性比過(guò)去的方法提高了60%。

　　今年艾滋病日的主題是「向零艾邁進(jìn)」（GetTIngtoZero），副標題為「合力抗艾，共擔責任，共享未來(lái)」?？箵鬑IV的戰役不僅是醫療機構和 NGO的任務(wù)，更是全世界的共同責任。如今，生物科學(xué)、計算機科學(xué)、心理學(xué)等各個(gè)學(xué)科已經(jīng)聯(lián)合起來(lái)抗擊艾滋病，在人類(lèi)智慧之光的照耀下，相信這場(chǎng)持久戰即將初現勝利的曙光。