一种新的人工智能算法在肿瘤学中的兴起

梅奥诊所的研究人员最近发明了一类新的人工智能算法，称为假设驱动的人工智能，这与传统的人工智能模型有很大的不同，传统的人工智能模型只从数据中学习。

在发表在《癌症》杂志上的一篇综述中，研究人员指出，这类新兴的人工智能提供了一种创新的方式，可以使用大量数据集来帮助发现癌症等疾病的复杂原因，并改善治疗策略。

“这在设计有针对性和知情的人工智能算法方面开创了一个新时代，以解决科学问题，更好地了解疾病，并指导个性化医疗，”梅奥诊所系统生物学和分子药理学和实验治疗学系人工智能研究员、资深作者和共同发明人Hu Li博士说。“它有可能发现传统人工智能所遗漏的见解。”

传统的人工智能主要用于分类和识别任务，例如临床诊断中的人脸识别和图像分类，并且越来越多地应用于生成任务，例如创建类人文本。研究人员指出，传统的学习算法通常不包含现有的科学知识或假设。相反，它们严重依赖于大型、无偏的数据集，而这些数据集很难获得。

Hu Li博士表示，这一限制极大地限制了人工智能方法的灵活性，以及它们在医学等需要知识发现的领域的应用。

人工智能是识别大型复杂数据集(如癌症研究中使用的数据集)模式的宝贵工具。使用传统人工智能的核心挑战是最大化这些数据集中的嵌入式信息。

“现有知识和假设之间缺乏整合可能是一个问题。人工智能模型可能会在没有研究人员和临床医生精心设计的情况下产生结果，我们称之为‘垃圾进垃圾出’问题，如果没有科学问题的指导，人工智能可能会提供效率较低的分析，难以产生有助于形成可检验的假设和推动医学进步的重要见解。”

通过假设驱动的人工智能，研究人员希望找到一种方法，将对疾病的理解结合起来，例如，将已知的致病基因变异和癌症中某些基因之间的相互作用整合到学习算法的设计中。这将使研究人员和临床医生能够确定哪些组件有助于模型性能，从而提高可解释性。此外，该策略可以解决数据集问题，并促进我们对开放科学问题的关注。

梅奥诊所免疫学教授Daniel Billadeau博士说:“这类新的人工智能为更好地理解癌症和免疫系统之间的相互作用开辟了一条新的途径，不仅可以测试医学假设，还可以预测和解释患者对免疫疗法的反应。”比拉多是这项研究的共同作者和共同发明者，长期以来一直对癌症免疫学感兴趣。

研究团队表示，假设驱动的人工智能可以用于各种癌症研究应用，包括肿瘤分类、患者分层、癌症基因发现、药物反应预测和肿瘤空间组织。