“他就是想活命，他有什么罪！“

太平間外，黃毛死后，程勇對警官大聲吼道。

為了仿制藥，為了活命，多少人為此付出了自己的命。

價格高昂的正版藥，讓患者們退無可退。不容否認，一種新藥，尤其是“特效藥“的研發(fā)，需要過億的研發(fā)成本和研發(fā)周期，其能夠面市，已經是諸多患者的“福音”。然而，面對高昂的售價，如何給“特效藥”及疾病治療“降降溫”，AI也許能夠一步步成為你的“藥神”。

第一步：AI預測白血病，讓白血病不再成為“突然之災”

近期，《自然》上發(fā)表了一項研究成果——由全國多家科研機構白血病科學家組成的研究小組使用血液檢測和機器學習，以達到預測健康個體是否有患急性骨髓性白血�。ˋML）的風險。

這意味著我們今后對AML的出現(xiàn)有預警，并能夠提早發(fā)現(xiàn)AML的高風險人群并進行監(jiān)測，同時可以進行研發(fā)，尋找降低該疾病患病幾率的方案。

全球多家科研機構在Nature上發(fā)表的論文

AML名為“急性骨髓性白血病”，以骨髓與外周血中原始和幼稚髓性細胞異常增生為主要特征，AML患者的癌細胞在骨髓中迅速增殖，并妨礙正常血液細胞的產生，導致出現(xiàn)出血和感染癥狀，甚至危及生命。

因此研究人員開發(fā)了一種基因測序工具，針對那些與AML相關的已知基因，對124名AML患者的血液DNA進行了測序，并與676名未患有AML或相關癌癥的人進行了對比。

通過大數(shù)據(jù)監(jiān)測，他們發(fā)現(xiàn)許多患有AML的人基因中出現(xiàn)了遺傳變化，未患有此病的人則沒有出現(xiàn)這種變化。那些后來患上AML的患者基因中的突變數(shù)量更多，且這些突變在他們血液細胞中出現(xiàn)的比例也更高。

隨著進一步研究，研究人員通過機器人學習模型，在大數(shù)據(jù)變量的支撐下，構建了AML預測模型，其可以在診斷前6－12個月內，就能夠實現(xiàn)對AML預測，其靈敏度和特異性分別達到25．7％和98．2％。

AML預測模型（圖來源：Nature）

早在此前，Watson也診斷過一個60女性的罕見白血病，Watson 通過比對 2000 萬份癌癥數(shù)據(jù)報告中不同患者的基因變化，僅用了 10 分鐘時間便得出了結果——不僅有精確的病癥診斷，Watson 還提供了適當?shù)闹委煼桨浮?/p>

AI預測的出現(xiàn)，讓人欣喜的同時也許多人對其存疑。確實，比如AI預測死亡時間的出現(xiàn)，這讓AI的應用不再是一個技術問題，更是一個倫理問題。當你確知自己何時生病、何時辭世時，這似乎并不是一件多好的事情。