AI辅助生殖,医疗领域一匹黑马?


    老龄化,人口红利优势逐渐缩小,劳动力成本大幅上升描绘出了一幅刺激中国人生殖的宏观图景。但13年开放的单独二孩政策,并没有收到实际的效果。于是,2016年,单独二孩政策变成了全面二孩政策。智能医疗一直在风口上,而AI辅助生殖的点子却仿若蒙尘。在巨大的经济社会压力之下,辅助生殖这匹医疗黑马也是时候奔腾起来了。
    二十年,AI辅助生殖
    其实,人类想利用AI操作辅助生殖项目的想法已经不是一天两天了,早在20多年前算法就开始介入了人类辅助生殖的梦想。Eeve测试是目前唯一获FDA批准的胚胎选择辅助手段,它的本质是一项早期胚胎活性评估技术,其目的是在胚胎培养期间利用显微镜收集数据,然后由一套完整的算法对哪个胚胎能够有最佳的发育前景做出预测。但是20多年前,人工智能的技术还未产生质的突破,因此这一套预测胚胎算法实际上也称不上是真正的智能。因为该算法一旦成型便不能做出修改。与如今大行其道的深度学习不同,缺乏自我修正功能的Eeve测试只能停留在一个很低的预测水平。那么今天,是否已经出现了真正的人工智能辅助生殖的手段呢?
    在这方面的进步,人类还真的有两把刷子值得讨论一下。涉及生命科学的实验,无一例外地总是先从动物开始着手。一项发表于Nature子刊的研究称,一巴西团队已经设计出一套能够根据牛胚胎图像来识别最可能存活的胚胎。而且通过捕捉一些肉眼无法识别的细节,该系统的准确率目前达到了76%。
    这一信号告诉我们通过图像来识别胚胎成活率可能是一件比较靠谱的事情。那么看看智能医疗在影像识别这方面是否有什么大的突破?在CT扫描阶段,胰腺癌是一项很难在早期扫描中被发现的疾病。因此,患者往往到了癌症晚期才知道自己患癌的事实。而五年7%的存活率使胰腺癌几乎成为所有癌症当中存活率最低的一种病。人力难以完成的任务,我们自然会想到借助非人的力量来解决问题。于是,在深度学习的加持下,放射诊疗出现了曙光。约翰霍普金医院(世界上最大胰腺癌治疗中心之一)计划应用GPU加速深度学习的进程以期在早期发现胰腺癌的存在。因为约翰霍普金医院医院长期专注胰腺癌疾病的诊疗有着关于胰腺癌的海量数据,而这为机器进行深度学习提供了非常必要的工具。团队通过使用大约2000张CT扫描影像来训练检测胰腺癌的机器算法。今年,该深度学习模型的准确率已经达到了90%。至此,我们可以判定以图像作为识别疾病基础的深度学习模型基本成熟。在人工智能辅助人类胚胎培育的大事中,我们可以将此深度学习模型借鉴到最佳胚胎的预测中来,把尽量多的文本、声波、信号、影响等一一输入算法预测模型,让AI系统来进行新信息的自我提取和自我改良。那么可以说,在不久的将来人工智能筛选胚胎届的“种子选手”将成为辅助生殖当中一种常态运作方式。
    AI辅助生殖的手应该伸得更长
    利用AI检测胚胎活力当然是辅助生殖当中很重要的一步。但是问题却在胚胎形成之前就出现了。而人工智能辅助生殖的手也应该伸得更长。
    目前许多数据显示现代男性由于各种不良的生活习惯:抽烟、喝酒、熬夜等导致精子质量逐步下降。据统计现下超过一半的不孕不育都跟男性的精子质量有关——在低浓度的精液当中如何取出几个能用的精子成为一个很麻烦的问题。医生通常需要耗费数个小时甚至几天的时间才能够发现可以进行人工受孕的精子。所以,如何尽可能又快又准地筛选出精液当中的精华,做到不损“一兵一卒”是一个在辅助生殖当中急需解决的问题。
    正好,日本的一项研究注意到了这个问题。日本横滨市立大学和横滨国立大学开发了一套能够利用人工智能发现精液当中精子的支援系统,以增加体外受精的成功率,并将医生从繁重的筛选工作当中解放出来。在精巢组织当中,主要含有精子和白细胞这两种物质。首先,通过大量数据的训练,人工智能学会了如何区别精子和白细胞;然后,该系统拥有一个能够自由设置监测精度的设置。AI会根据所设定的精度,把大部分与精子相似的细胞排出,使精子的数量和质量都得到保证。
    在一切准备工作都做好之后,渴望小孩的伴侣们开始携手欢欢喜喜走起了辅助生殖道路。但是成功率却远远比他们预想的要低很多。每天都是像坐过山车一样的心情,这群人承受着经济和心理的双重压力。每做一次试管婴儿,医生需要在女性的身上扎上100多个孔,很多女性甚至需要经历7,8次这样的过程才能成功,而不管怎么说,最后如果成功了都还算得上圆满。但是,还有这样一些人几乎次次做试管婴儿都会以失败二字告终,就连医生也说不出具体的原因。在这样的情况之下,医生只能基于个人经验给出一些中肯的意见,“再坚持一次就有更高的成功几率”。纽约生殖医学协会也确实分析了6000多名患者的就诊记录,将那些在两个疗程后放弃治疗与坚持治疗的患者进行比对,发现那些多坚持治疗一个月的女性中有40%能成功受孕。但是在医院里,缺乏数据的说辞,“黑匣子”一样的成功原因让这些受尽折磨的人们望而却步。
    影响试管婴儿成败的变量多种多样,许多问题在很多年前就已经开始存在了。其实,不孕不育症跟慢性病有许多相似的属性。如果按照慢性病的逻辑来对其进行思考,那么阻止辅助生殖成功的一个很关键的因素就是找不到上一次失败的原因。MIT人类动力学实验室主任说,“我们每天留下的数字痕迹能揭露更多不为我们所知的信息。这可能变成一个隐私的噩梦,也可能变成一个更健康、更繁荣世界的基石”。19世纪,人们利用GIS(地理信息系统)追踪巴黎和伦敦的霍乱爆发,并用其绘制霍乱蔓延后死亡人群的地域分布。谷歌的GIS是属于全球的,而我们可以创造一个属于个人的智能“谷歌地图”来解决所有找不到病因的疾病诊疗问题。这样的“谷歌地图”由人口统计学、生理学、解剖学、生物学、环境学等多层信息构成,当这些信息完成一定程度的积累和整合,不仅是辅助生殖,所有慢性病当中最难的“找原因”这一关都算是过去了。2016年的洛克大会上,国内发布了一款FI-POCT系统(family intelligent testing),也就是家庭智能即时检测系统的智能家庭医疗设备。设备上包括了女性的孕酮、胆红素、葡萄糖、HPV、隐血等超过20个女性生殖和内分泌医疗诊断数据的监测,而且显示出来的监测结果也改变了医疗专业术语的深奥晦涩,而是代以直白可观的表达方式。每一个在经历辅助生殖过程的女性或许都需要一个像这样的设备系统。数据虽然常被人说冰冷,但是一堆冰冷的数字有时候可能也是唯一的救命稻草,是人在经历失望过后还能勇敢坚持自己做父母的权利的最有力的鼓励。而且,获取自身的检测结果原本就是一项基本人权,不是吗?
    能用技术解决的事儿都不是事
    一句老话说,“能用钱解决的事儿都不是事”。套用在技术上,从古至今,技术一直在不断进步,可以说能用技术解决的问题也都统统不是问题,只不过是时间的长短罢了。与技术相比,人类的生物进步或者说心理结构的进步很小,甚至可以说是没有变化的。所以所有的问题解决到最后都会归结到社会问题上,而不是技术问题。
    遗传学诊断技术解决了遗传病,但却会出现“设计婴儿”的质疑声音:有这样一种情况,如果准父母某一方的关键隐形等位基因测试结果为阳性,那么除了不自己生孩子制造悲剧之外,我们还可以做的事有通过植入前遗传学诊断技术进行体外受精。或者,对人体卵细胞进行无创性测序提升体外受精的成功率。先进的技术可以帮我们解决遗传病的问题,但是有很多人却将此类做法贬低为“设计婴儿”。这是其一。
    代孕需求飙升,“行走的子宫”却不会遭到理解:同样地,与设计婴儿类似,游走在舆论边缘的代孕服务亦是如此。基本上没有人会把“开放代孕服务”的话敞开了来说。世界上代孕产业最先进的国家是美国,复制美国的代孕产业模式解决中国高龄产妇和LGBT群体等的生育需求是可行的道路之一。但是禁止不是。而我们国家却偏偏选择了禁止。我们都不知道并不是因为技术不足,说到底还是因为社会伦理的问题,人们接受不了一个人变成“行走的子宫”这样残忍的字眼。
    数据显示,中国辅助生殖市场规模在2015年上涨到150亿元,2016年上涨到185亿元左右,整体增速保持在20%以上,预计到2020年我国辅助生殖的市场容量将会突破400亿元大关。代孕作为少数人辅助生殖必不可少的一个环节一直乱象环生。但就在去年,人民日报、法制日报、新京报都对代孕做出讨论,“不可轻言开放”的字眼背后道出一丝可以商量的余地。不可轻言开放不是不可开放。很幸运的是,在技术不断发展,AI入局辅助生殖市场的当下,人们正在尝试解决比技术更难的问题,这对AI技术落地辅助生殖来说是一件好事,所以AI是幸运的,人也是幸运的。