頻繁出現(xiàn)于日常信息中的“人工智能”這一詞匯對于我們來說已經(jīng)失去了科幻作品中的神秘感。雖然目前的技術(shù)無法創(chuàng)造出類似“母體”或者“天網(wǎng)”那樣的人工智能系統(tǒng)，但人工智能算法早已應(yīng)用于日常生活的方方面面，例如智能交通系統(tǒng)、互聯(lián)網(wǎng)智能推薦算法等。人工智能的背后是復(fù)雜的數(shù)據(jù)處理與分析技術(shù)，而這也是如今這個“大數(shù)據(jù)”時代的技術(shù)基礎(chǔ)。

  對于科研來說，人工智能的數(shù)據(jù)分析處理能力有著更重要的意義——提高科研效率。將儀器與人工智能結(jié)合，利用人工智能處理儀器檢測得到的復(fù)雜數(shù)據(jù)已經(jīng)成為獲得科研成果的重要助力。例如，西湖歐米(杭州)生物科技有限公司正在研究中的基于蛋白質(zhì)標(biāo)志物的甲狀腺結(jié)節(jié)的良惡性診斷項目，就是利用蛋白質(zhì)組學(xué)與人工智能的結(jié)合。這個項目的研發(fā)過程充分體現(xiàn)了利用人工智能處理實驗數(shù)據(jù)能夠?qū)蒲挟a(chǎn)生多大的幫助。

  甲狀腺結(jié)節(jié)是患病率非常高的疾病，每5個成年人中就可能有1人患病，其中有約30%患者無法通過現(xiàn)有的B超、CT、甲狀腺組織穿刺活檢甚至基因檢測等臨床診斷方法判斷結(jié)節(jié)是良性還是惡性。治療惡性甲狀腺結(jié)節(jié)需要切除甲狀腺，對患者的生活質(zhì)量有很大的影響，因此準(zhǔn)確診斷這30%患者的病情具有非常大的意義。

  研究團(tuán)隊選擇將“蛋白質(zhì)”作為突破方向。蛋白質(zhì)組學(xué)在臨床診斷中已經(jīng)有了很多的應(yīng)用。在不同的病理過程中，蛋白質(zhì)的種類和數(shù)量會有不同的變化，只要找到和疾病相關(guān)的特定蛋白質(zhì)，將其作為生物標(biāo)志物就可以對該疾病進(jìn)行臨床檢測、指導(dǎo)治療以及研究疾病的病因和發(fā)病機(jī)制等。

  在蛋白質(zhì)組學(xué)研究中，蛋白質(zhì)的檢測識別并不困難。通過質(zhì)譜分析技術(shù)，人類已經(jīng)能夠?qū)崿F(xiàn)大規(guī)模鑒定蛋白質(zhì)和評估蛋白質(zhì)的表達(dá)水平高低，相對量化信息的獲取不是問題。難點在于特異蛋白的確定。蛋白質(zhì)組學(xué)獲得的數(shù)據(jù)非常龐大，從中找出良性與惡性甲狀腺結(jié)節(jié)蛋白質(zhì)的細(xì)微差別難度非常大。

  研究人員采用機(jī)器學(xué)習(xí)的方法，并構(gòu)建了一套適用于蛋白質(zhì)組學(xué)數(shù)據(jù)的算法模型，將篩選出的2622個有意義的候選特征蛋白質(zhì)數(shù)據(jù)輸入模型，進(jìn)行了大約2^1019次運(yùn)算才找到關(guān)鍵的20個特異蛋白。根據(jù)這20個蛋白的情況進(jìn)行甲狀腺結(jié)節(jié)良性與惡性的診斷，綜合準(zhǔn)確率可以達(dá)到89%。

  人工智能算法在這一研究中的作用是難以代替的，算法模型的構(gòu)建以及后續(xù)進(jìn)行的龐大運(yùn)算是該檢測方法能夠成功的關(guān)鍵。研究人員表示蛋白質(zhì)組學(xué)+AI技術(shù)還可以用來篩選治療腫瘤的藥物，在精準(zhǔn)醫(yī)療領(lǐng)域有著非常大的應(yīng)用潛力。

  人工智能與儀器分析的結(jié)合將是儀器行業(yè)的主要發(fā)展方向之一。目前人工智能在儀器儀表中的應(yīng)用仍然處于初步的階段，即用于數(shù)據(jù)的分析處理。在這一階段，人工智能可以在短時間內(nèi)完成成熟練技術(shù)人員需耗費(fèi)大量時間才能完成的操作，減少操作所需的工作量及時間，并且在保證較高精度的同時還能夠消除不同操作帶來的分析精度差異。