对话复旦大学马剑鹏教授：AI时代的生物医学革新

Interview

问学

分子生物学领域，人工智能同样在发挥着关键作用。无论是宏观层面的医学研究还是微观层面的分子生物学研究，人工智能都正在彻底改变传统的研究方法和科研范式。人工智能技术的迅猛发展，每隔几个月就可能带来突破性的成果，这在人类科学史上是前所未有的。

——马剑鹏

随着数字时代的到来，人工智能（AI）技术在各个领域的应用日益广泛，特别是在生物医学和中西医结合的研究中。AI的发展不仅为医学研究带来了革命性的变化，还为传统医学提供了新的视角和方法。在这个背景下，了解如何将AI技术有效地应用于生物医学研究和中西医结合，成为了一个重要议题。

本期元宇宙与人工智能三十人论坛对话复旦大学复杂体系多尺度研究院首任院长、上海人工智能实验室领军科学家、三十人论坛学术与技术委员会委员马剑鹏教授，探索人工智能如何影响和推动生物医学研究以及中西医结合的进步。我们将讨论AI在这些领域的具体应用，如何通过AI技术促进医学创新，以及如何克服结合现代科技与传统医学时所面临的挑战。此次采访旨在为医学和科技领域的专业人士提供有价值的见解，并激发公众对于未来医疗技术发展的兴趣和思考。

马剑鹏教授，博士生导师，国际著名计算生物学家，国家大千人。现任复旦大学复杂体系多尺度研究院首任院长、上海人工智能实验室领军科学家。复旦大学化学系学士，美国波士顿大学博士，哈佛大学博士后，师从Martin Karplus 教授（2013年诺贝尔化学奖得主）和William Lipscomb教授（1976年诺贝尔化学奖得主）。曾任美国贝勒医学院（Baylor College of Medicine）和莱斯大学（Rice University）终身教授，贝勒医学院冠顶教授，清华大学生命科学学院教授，美国医学生物工程学会会士，美国科学促进会会士及美国物理学会会士。2018年，马教授作为上海市高峰人才引进团队核心成员全职归国，与诺贝尔化学奖得主Michael Levitt教授联合创建复旦大学复杂体系多尺度研究院。研究方向为生物物理、计算生物学及结构生物学，致力于发展针对生物体系研究的人工智能计算方法，与实验手段相结合，解决复杂生物体系中的重要问题。近年来，在AI for science领域尤为关键的蛋白质结构预测研究中，马教授团队自主研发的OPUS-系列国产软件性能领跑全球，成功搭建全链条AI-赋能新药研发的先进技术平台。此外，马教授屡获国际学术大奖，如2004年Norman Hackerman化学研究奖等，带领团队发表多项研究成果于Nature、Science及PNAS等顶尖学术期刊。2021年、2022年，马教授连续入选由Elsevier 发布的“中国高被引学者”榜单（生物学），以及由斯坦福大学发布的“全球前2%顶尖科学家终身成就”榜单。

马教授同时也是美国中医执业医师，在国外从事中医临床实践多年，他擅长治疗各类疑难杂症，尤其是运用针药结合治疗很多西医束手无策的重病久病。马教授回国后担任复旦大学老年病研究院特聘顾问，科技部中西医结合重点研发项目首席专家，上海中医药大学附属岳阳医院特聘专家等职，《中西医结合前沿杂志》海外主编。目前依托复旦大学先进的科研平台，从事中西医并重的重大疾病机理的研究。

 提 问：

您如何看待人工智能在生物医学研究中的作用？您的团队在这方面做了哪些研究？

 马剑鹏教授：

人工智能在生物医学领域的应用现在几乎无处不在。稍微回顾一下，人工智能并非新概念，它早已存在。但是最近几年突飞猛进，直至今天，我们几乎可以说处在一个“人生无处不AI”的时代。这种快速发展得益于一些重大突破，例如，人工智能在国际象棋领域的应用就曾引发了广泛关注。尽管当时人们对AI的未来充满担忧，但事实证明，由于国际象棋棋盘的有限性，计算机可以通过穷举法胜过人类。人们曾自信地认为围棋的复杂性超出AI的处理能力，但谷歌开发的AlphaGo却打破了这一预设，战胜了围棋大师，这让人们对AI的能力有了新的认识。

值得一提的是，谷歌挑战了生物学领域中一个长期以来被认为极其复杂的问题：蛋白质结构预测问题。这个问题已经困扰科学家多年，但借助人工智能，我们观察到了这一领域的重大突破。虽然这个问题还没有完全解决，但人工智能的介入已经使我们在理解蛋白质结构方面取得了巨大的进步。在美国，我和我的研究团队在这个领域也工作了数十年。虽然这个问题十分棘手，但谷歌利用人工智能进行了一次尝试，取得了显著的进步。这个进展证明，现代人工智能算法与过去有了根本的不同，它能够解决极其复杂的科学问题。

在此基础上，人工智能在科学研究领域的应用变得越来越广泛，这不仅是因为AI本身的强大，也因为各行各业产生了海量的数据。在医学、社会科学等领域，数据的大量积累为人工智能的应用提供了丰富的资源，使得AI在这些领域发挥了巨大的作用。

AI的应用正在改变药物研发的各个阶段，从靶点识别到临床试验，提高效率，降低成本，并有可能带来新的治疗方法。比如靶点识别和验证，AI可以分析大规模的基因组、转录组和蛋白质组数据，帮助识别与疾病相关的生物标志物或潜在药物靶点。通过分析复杂的生物数据，AI有助于揭示疾病的分子机制，从而指导靶点的选择。

再比如药物再利用，发现现有药物的新用途。AI可以分析现有药物的数据，发现它们可能对其他疾病的治疗潜力，这是一种成本效益高且风险较低的药物开发策略。此外，AI模型能够预测候选药物的药效、毒性和副作用，减少对动物实验的依赖。可以加速分子动力学模拟的过程，帮助研究者理解药物与其靶标之间的相互作用。

因此，我们的研究不仅局限于蛋白质折叠和蛋白质结构建模，我们还探索了数据在这些领域中的应用，力求在科学研究中取得更多突破。

OPUS-DSD是我们团队开发的算法系列之一。这个系列算法的命名方式是在“OPUS-”后面加上不同的标识，每个标识对应不同的算法版本，针对不同的生物学问题。这些算法是我们研究成果的重要组成部分，它们在解决复杂的生物学问题上发挥了关键作用。

 提 问：

OPUS-DSD算法对生物学的发展有哪些帮助和影响呢？

马剑鹏教授：

OPUS-DSD算法对生物学领域的发展起到了重要的作用，尤其是在结构生物学这一关键领域。结构生物学是分子生物学的核心部分，它直接关联到药物设计。为了设计有效的药物，我们必须准确地了解特定蛋白质的三维结构，因为药物通常与特定的蛋白质结合。了解这些蛋白质的结构，对于预测药物与蛋白质的相互作用至关重要。

一般来说，确定蛋白质结构主要依赖于传统的实验方法，如冷冻电子显微镜技术。但是冷冻电子显微镜所拍摄的原始照片通常非常模糊，信噪比极低。想象一下，这就像是在太空中使用遥感技术拍摄地面目标，照片通常是模糊不清的。要从这些模糊的照片中准确地推断出蛋白质的结构，需要对大量不同角度拍摄的照片进行平均处理。

这里的挑战在于即使在冷冻电镜下，蛋白质由于其固有的柔软性，可能呈现出多种不同的构象。因此，如果直接对不同构象的蛋白质投影进行平均处理，将无法清晰地分辨出蛋白质的具体结构。这就是OPUS-DSD算法发挥作用的地方。这个算法专门用于处理冷冻电镜数据，通过高级的信号处理技术，它能够从一系列模糊的图像中准确地重建出蛋白质的详细结构。

此外，我们面临的一个重大挑战是计算能力的限制。许多高端的GPU由于各种原因无法获取。在这种情况下，开发有效的算法变得尤为重要。如果算法设计得当，即使计算资源有限，也可以实现高效的数据处理和分析。因此，我们团队一直致力于算法的开发，通过算法优化来弥补算力的不足。简而言之，OPUS-DSD算法是我们解决生物学中核心问题、促进该领域发展的重要工具。

 提 问：

您认为将人工智能技术应用于生物医学研究对传统研究方法有哪些挑战和改变？

 马剑鹏教授：

改变主要体现在研究效率的提升、有了新的研究方法和工具、可以进行个性化医疗、促进跨学科研究等等。AI可以处理和分析大量数据，加速生物医学研究的进程，例如在药物发现、基因组学和疾病诊断等领域。AI引入了新的研究方法，如深度学习在蛋白质结构预测中的应用，以及在复杂生物系统建模中的使用。AI技术有助于实现更加个性化的医疗解决方案，通过分析患者的遗传信息、生活方式和环境因素来定制治疗方案。同时，AI的应用鼓励了生物学家、医生、计算机科学家和数据科学家之间的合作，推动了跨学科研究的发展。

在医学领域，比如影像学诊断，人工智能可以显著提升诊断的准确性。传统的医学影像的解读很大程度上依赖医生的经验，而人工智能的介入可以降低误诊的风险，特别是在二线三线城市的医疗条件下，人工智能的辅助意义重大。

在我的专业领域——分子生物学领域，人工智能同样在发挥着关键作用。无论是宏观层面的医学研究还是微观层面的分子生物学研究，人工智能都正在彻底改变传统的研究方法和科研范式。人工智能技术的迅猛发展，每隔几个月就可能带来突破性的成果，这在人类科学史上是前所未有的。

但这种快速的发展也带来了巨大的挑战，尤其是在教育领域。目前的教育体系还未能适应这种快速的发展。在计算生物学这个交叉领域，大部分的教授并不是计算领域出身，他们在学习和研究生物学的时候还没有人工智能的概念。这导致了新生代学生在接受教育时面临师资不足的问题。如果从现在开始，我们不开始积极的改变和适应，那么未来五年，我们可能会面临更大的挑战。

要改变这种局面，我们需要从娃娃抓起。这不仅仅是大学层面的问题，也涉及到中学乃至小学的教育。我们需要让孩子们从小就接触到计算和人工智能，培养他们的兴趣和感性认识。这是一项长远的工作，需要国家的高度重视和大力支持。理论上，如果政府足够重视，我们可能在五年内见到显著的变化。但这是一个需要持续努力、代代相传的长期过程。我们在高校里面工作的人都觉得这个问题非常紧迫，需要不断的呼吁和努力，希望能够尽快见到改变。

 提 问：

您有多年的中医研究和临床经验，请问您是如何将中医治疗与现代科技结合的？

 马剑鹏教授：

我认为这确实是一个完全不同于我的人工智能研究领域的话题。作为一名长期从事基础生物学研究和计算生物学研究的学者，我的专业领域与AI赋能新药创新非常契合。同时，我也是一名执业中医师，对中医有极大的兴趣和热情。确实，人们可能会问，这两个领域怎么关联起来。实际上，中医学和西医学的研究对象都是生物体，所以这两者有很大的关联。

中医学几千年来累积了大量的数据，非常适合利用大数据技术。相对于西医依赖实验室数据的诊断方法，中医学的诊断方法更多地依赖于医生的经验。如果我们能将中医的古典文献数字化并应用AI技术，对中医的发展将极有帮助。

中医的望、闻、问、切诊断方法在理论上可以实现数字化和智能化。例如，望舌诊断本质上是一个图像处理问题。舌象的观察，例如舌头的颜色和舌体的胖瘦，本质上是一个图像识别问题。脉诊也是如此，本质上是机械搏动的识别问题，可以通过计算机技术实现。

尽管某些方面如望舌诊断相对容易数字化，脉诊的精准数字化则面临着更大的挑战。诊断过程中的微妙变化和老中医的经验判断是脉诊学中非常重要的部分，而且即使在中医界，对于某一脉象的理解也可能存在差异。

此外，技术上，如何制造出与老中医三个手指一样敏感的传感器，以准确感知脉搏，也是一个技术难题。即使实现了这一点，如果传感器位置放置不当，所得到的诊断结果也可能不准确。

总之，理论上讲，将中医治疗与现代科技结合没有任何问题，应该是可行的。中医的望、闻、问、切在中医诊断中的重要性依次递减。望诊能够让医生通过观察病人的神态、气色等来了解病情。闻诊包括听诊和嗅诊，能够通过听病人的咳嗽声、呼吸声以及闻病人的体味来判断病情。问诊通过询问病人的症状、生活习惯等来了解病情。切诊主要通过触诊脉搏来了解病情，不仅能够反映病人的心脏和血管状况，还能够反映血液的充盈情况和血液循环的状态。

中医的脉诊非常精细，能够通过脉搏的快慢、脉管的深浅、脉的寒热以及脉管的大小等来综合判断病情。脉诊的难点在于它受多种因素影响，比如手腕的粗细、血管的位置等，而且每个医生的手感也不尽相同。因此，脉诊不仅仅是检查脉搏的搏动，更是对病人气血运行情况的综合判断。尽管目前的技术还无法完全替代传统中医脉诊，但将中医治疗与现代科技结合，特别是数字化和AI技术的应用，无疑为中医学的发展带来了新的机遇。