人工智能与诱导多能干细胞：实现健康到老的可能？
如今，医学研究正致力于在疾病发生前进行干预，提升人类自然寿命结束前的健康生活质量。我们采访了该领域领军人物，探讨前沿技术、诱导多能干细胞（iPS细胞）乃至人工智能如何推动人类健康进步。
千叶大学高等学术研究院医学教授川上荣洋指出："我认为实现'健康长寿、无病终老'的医疗模式具有现实可行性。虽然5到10年尚不足够，但我期望到2050年左右能够达成这一目标。"
智能手表等可穿戴设备现已能全天候监测心率、睡眠等生物指标，人工智能通过分析这些数据流可早期识别潜在风险。此类洞察使人们能在症状出现前调整生活方式或寻求治疗，从而更易维持健康状态。然而，某些疾病和损伤无法仅靠这些措施预防或管理。此时，利用诱导多能干细胞的再生医学便成为"最后一道防线"。
iPS细胞通过向皮肤或血液等普通细胞导入少量基因进行重编程，使其回归可转化为其他细胞类型的原始状态。自京都大学山中伸弥教授2006年首次在小鼠实验中成功制备iPS细胞以来，已过去20年。如今全球研究人员和制药企业正竞相将这项发现转化为恢复疾病或损伤所致身体功能的实际疗法。
（©横关一弘）
川上荣洋教授运用数学与科学方法开展医学研究，包括人工智能与机器学习。其研究方法具有深度数据驱动特征。
面对相同诊断的患者，某种药物可能对部分人有效而对另一些人无效；早期癌症患者中有人数年内复发，而晚期癌症患者却可能多年无复发。川上质疑仅凭医生经验做决策的合理性，由此提出基于数据对患者进行分类，构建更完善的知识体系以提供更有效的诊疗。
川上同时活跃于理化学研究所，担任"预测医学特别项目"团队负责人。该项目旨在通过人工智能与医学科学实现疾病预防型医疗，使其处于该领域研究最前沿。
人工智能与iPS技术的现状
人工智能在iPS细胞医学研究中进展如何？
2022年6月，总部位于东京的生命科学人工智能初创企业Epistra宣布成功开发优化系统。该系统利用人工智能自动筛选海量组合，确定再生医学所需iPS细胞及其他细胞的最佳培养条件。
过去细胞培养主要依赖资深研究人员的经验与直觉，难以高效稳定地产出高质量细胞。而今局面正在改变：研究团队使用名为Mahoro的机器人及Epistra Accelerate人工智能分析软件包。AI确定温度、营养供给等条件，机器人据此培养细胞，结果经分析后用于确定下一组测试条件。通过循环此过程，研究者得以高效产出高质量细胞。
（理研神户研究所培养iPS细胞的机器人Mahoro。©时事通信社）
"在生命科学领域，作为人工智能核心组件的优化方法近年日益重要。制备iPS细胞必需的'山中因子'四基因，正是通过实验从大量候选基因中筛选而出。再生医学的细胞培养同样面临寻找合适条件的挑战——细胞质量因引入的基因、蛋白质等元素及其剂量、序列不同而差异显著。过去需大量时间精力确定的条件，如今借助AI可更高效达成。"
再生医学要求能稳定量产高质量细胞供患者移植。结合人工智能与机器人技术可减少流程变异，降低成本与耗时。该技术被视为推动iPS细胞再生医学社会应用的重要手段。
"约十五年前，我们进行流感病毒增殖实验时，每天需处理100盒一次性芯片处理微量液体。我深切感到这非人力所及。人类难以长期保持手工操作条件的一致性，细胞培养等精细操作更是如此。而机器人能精准重复相同动作。人工智能与机器人技术在iPS细胞医学中均极具价值。"
这些进展正将iPS细胞医学从手工技艺转变为可复制的技术体系。
为个体匹配最佳治疗方案
近年"类器官"研究亦取得重大突破。类器官是直径数毫米的三维组织培养物，能复制真实器官的部分结构与功能，即某种"迷你器官"，通常由iPS细胞或类似细胞衍生而来。
由于类器官能在体外重现人类细胞特征，现被用作疾病模型深入研究发病与进展机制。同时亦应用于个性化医疗研究，旨在发现有效药物并匹配患者生理状况的治疗方案。
例如，东京科学研究所研究团队利用iPS细胞，针对日本政府指定难治病肾单位肾痨（nephronophthisis）创建了缺失致病基因的肾类器官。通过与普通肾细胞比较，成功发现纤维化过程中（组织硬化）相关分子的异常，并找到可抑制该异常的药物，为新疗法开辟道路。
通过结合人工智能图像分析与"组学数据分析"（全面检测基因、蛋白质等），研究者正探索药物研发与个性化医疗的潜在突破。类器官与人工智能的整合日益紧密。
川上表示将与类器官研究先驱、大阪大学武部贵则教授启动新研究。"人工智能与人类的核心差异在于认知能力，"川上指出，"人类在直觉处理方面受限于可视觉化的相对简单结构，而AI能分析随时间演化的复杂三维类器官结构且无需简化。AI技术在人类无法即时理解的复杂数据领域最为有效。通过让AI承担传统依赖专家经验直觉的决策并实现结果可复制，药物研发与个性化医疗必将取得更大发展。"
人类仍需主导试错过程
随着人工智能渗透社会各领域，人类未来将扮演何种角色？"虽称AI拥有更高智能与处理能力，但实质上只有当人类提供方向并定义问题时，AI才真正有用，"川上强调，"没有指令或仅靠自主思考，AI无法产出优质结果。确定我们想要创造的社会形态并设计其发展方向，始终是人类的核心职责。"
他指出，AI缺乏实体性，无法直接作用于现实世界或体验行为结果。"AI能基于数据预测结果，却无法经历实际发生的过程，也无法从现实后果中学习。与环境互动、观察变化并通过试错完善方法的角色，必须继续由人类承担。"
在此演进的协作关系中，人类负责设定问题、进行现实决策与实施，而AI处理海量数据的复杂预测任务。随着合作深化，我们将迈向一个不仅在疾病发生后治疗，更能让人健康、自由且有尊严地活到生命终点的未来。
（©横关一弘）
（原文发表于日语版。报道及撰文：帕斯卡团队须原由佳、大腰雄孝；编辑：Power News。横幅照片：医疗数据科学与AI医疗前沿研究者川上荣洋。©横关一弘。）
【全文结束】
