人工智能對抗艾滋？并非空談

　　艾滋病已造成超過2500萬人死亡。然而，過去15年來，全球在應對艾滋病方面取得了巨大成就，截至2015年6月，1580萬人得到抗逆轉錄治療。

　　隨著計算機科學和人工智能的發(fā)展，許多科學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(yī)生描述癥狀開始——病人來到診所，向醫(yī)生描述自己的癥狀。接著，醫(yī)生向病人或其他關系緊密的人詢問信息，了解其他癥狀。根據癥狀，醫(yī)生會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。這個過程通常比較復雜和主觀，嚴重依賴于醫(yī)生的經驗。為了解決這個問題，美國三角洲州立大學數學與計算機科學系的AkazueMaureen等人將神經網絡與模糊推論系統(tǒng)相結合，組成一個神經模糊系統(tǒng)（neuro-fuzzysystem），生成了一個通過癥狀來判斷病人HIV感染風險的模型。這個系統(tǒng)能夠自我學習和自我適應，處理醫(yī)學診斷中不確定和不精確的數據，克服單個醫(yī)生分析癥狀的局限性。

　　但是，通過癥狀來診斷HIV只是其中一個方面，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(qū)很難進行。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(tǒng)中的戰(zhàn)斗細胞。當 HIV削弱免疫系統(tǒng)時，CD4細胞的數量就會下降。但是CD4細胞的數量每時每刻都可能變化，其他的病毒感染、吸煙和精神壓力也會影響它的數量。于是，今年6月，有科學家在《醫(yī)學成像和衛(wèi)生信息學雜志》上發(fā)表論文，采用神經網絡的方法，通過CD4細胞的數量來評估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。

　　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，每種藥物的性質不同，使用的規(guī)則也不同，為了避免產生抗藥性，該如何制定最有效的藥物方案呢？

　　根據《科學家》雜志報道，早在十幾年前，美國就有一家公司開發(fā)了一個名為HIVTherapyEdge的軟件，將生物信息學與人工智能相結合，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。匹茲堡大學的JohnMellor說，在以前，這個過程通常需要花上醫(yī)生半小時的時間，還必須坐在一間安靜的屋子里，逐個檢查病人的用藥史、病毒抗藥特征、用藥劑量等等信息。

　　隨著人工智能的發(fā)展，越來越多的應用不斷涌現。例如，南非夸祖魯納塔爾大學和美國弗羅里達大學醫(yī)學院的研究者就將人工神經網絡（ANN）和定量構效關系（QSAR）相結合，開發(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多元線性回歸和反向傳播神經網絡。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，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家用1154個臨床數據（基因型、基線病毒載量等）訓練了一個神經網絡，預測的病毒反應與實際反應高度相關（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，那就是越來越多的年輕人，尤其是學生感染HIV。這是全世界都面臨的一個問題，尤其是那些無家可歸的年輕人。據調查，美國每年有2百萬年輕人無家可歸，其中11%為HIV陽性（是普通人群的10倍）。

　　如何分析和避免HIV在無家可歸的年輕人中的傳播？許多機構從無家可歸者中選擇了一些人進行教育和培訓，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并沒有考慮社交網絡的結構，導致傳播效率十分低下。為了解決這個問題，美國南加州大學社工學院的 EricRice等人開發(fā)出一個名為 PSINET（POMDPbasedSocialIntervenTIonsinNetworksforEnhancedHIVTesTIng）的算法，基于POMDP（部分可觀察馬可夫決策過程，ParTIallyObservableMarkovDecisionProcess），分析無家可歸者之間的朋友關系，從而繪出他們之間的社會聯系，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。這個成果今年早些時候發(fā)表在德克薩斯舉行的人工智能發(fā)展協會會議上，目前正在與洛杉磯一個名為MyFriend’sPlace的機構合作。模擬測試顯示，這種方法的有效性比過去的方法提高了60%。

　　今年艾滋病日的主題是「向零艾邁進」（GetTIngtoZero），副標題為「合力抗艾，共擔責任，共享未來」。抗擊HIV的戰(zhàn)役不僅是醫(yī)療機構和 NGO的任務，更是全世界的共同責任。如今，生物科學、計算機科學、心理學等各個學科已經聯合起來抗擊艾滋病，在人類智慧之光的照耀下，相信這場持久戰(zhàn)即將初現勝利的曙光。