麻省理工科技评论评选的14大医疗领域突破科技

《麻省理工科技评论》从2001年开始，每年都会公布“10大突破技术”，即TR10（Technology Review 10），并预测其大规模商业化的潜力，以及对人类生活和社会的重大影响。

这些技术代表了当前世界科技的发展前沿和未来发展方向，集中反映了近年来世界科技发展的新特点和新趋势，将引领面向未来的研究方向。其中许多技术已经走向市场，主导着产业技术的发展，极大地推动了经济社会发展和科技创新。

正如《麻省理工科技评论》主编JasonPontin所说，突破性技术的定义非常简单，那就是能够给人们带来高质量运用科技的解决方案。有些技术是工程师们天才创意的结晶；而有的则是科学家们对长期困扰他们的问题所采取的诸多尝试的集大成者（比如深度学习）。评选“10大突破技术”的目的不仅仅是向人们展示新创新成果，同时也是为了强调是人类的聪明才智促生了这些创新技术。

因此动脉网（微信：vcbeat）将为你筛选从2012年~2016年的医学领域的科技突破。由于技术更迭快，因此只梳理最近5年之内的。鉴于文章篇幅太长，将分为上下两篇，每篇介绍七种技术。本文为上篇。这些技术是为解决问题而生，将会极大地扩展人类的潜能，也有可能改变世界的面貌，值得在未来给予特别关注。

1.纳米孔测序（2012）

纳米孔测序的流程图

它能读取较长的基因片段，这有助于理解基因组的复杂区域

成熟期：至少10年后

突破点：将单链DNA拉过蛋白孔，检测碱基穿过时电导的微小改变

重要性：基因组测序更快，更便宜，更方便，开启个性医疗时代

该领域主要参与者：Oxford Nanopore

纵观测序技术的发展历程，没有哪一个技术像纳米孔测序那样慢热。1996年哈佛大学的Daniel Branton、加州大学的David Deamer及其同事，在美国国家科学院院刊PNAS杂志上首次发表文章指出，可以用膜通道检测多核苷酸序列。利用纳米孔进行测序的理念是非常直观的：让DNA碱基一个个穿过纳米孔，同时快速鉴定每一个碱基。和其他DNA测序方法相比，它不需要使用荧光试剂来鉴定碱基或敲除DNA分子或者扩增片段，能快速发现基因易位等情况。

2005年，Bayley、Gordon Sanghera和Spike Wilcocks创立的Oxford Nanopore公司，验证了纳米孔测序的商业能力。 该技术提供了一种方法，使基因组测序更快，更便宜，并且足够方便，让医生作为最常规的测序方法，开创了个性化医学的时代，不过准确率方面还有待提高。

尤其是2012年，Oxford Nanopore 公司推出了一种掌上纳米孔测序仪MinION，方便携带也很便宜。它能读取较长的基因片段，这个平台的平均读长大约在5kb左右，最长能达到20kb，这有助于理解基因组的复杂区域。MinION还可以插入笔记本电脑的USB接口，在屏幕上显示数据生成的过程。最近发表的研究显示MinION相当实用，能准确测序小基因组（比如细菌和酵母基因组），区分亲缘关系很近的细菌和病毒，读取人类基因组的复杂区域等。

今年，哥伦比亚大学的车靖岳（Jingyue Ju）和哈佛大学的George Church教授合作开发了基于纳米孔的单分子边合成边测序（SBS）系统，对这一测序技术进行升级，打造了高通量的单分子纳米孔测序平台。但目前科学家正在通过减缓DNA序列通过纳米孔速度的方式提高此项测序的准确度，毕竟目前来看，该技术尚不成熟。

2.卵原干细胞（2012）

人类也有一种类似老鼠等动物的卵原干细胞，或可成为无尽的卵子来源

成熟期：受质疑

突破点：精确细胞分选技术，从成人卵巢内分离出了卵原干细胞

重要性：在实验室中大量培育卵原干细胞，治疗女性不孕不育，甚至延迟卵巢早衰

该领域主要参与者：马萨诸塞总医院、OvaScience、Jonathan Tilly

哈佛大学生殖生物学家乔纳森·蒂利（Jonathan Tilly，同时在马萨诸塞总医院指导了一个生殖生物学中心）研究团队，证明了人类也有一种类似老鼠等动物的卵原干细胞，或可成为无尽的卵子来源。因为对于一个女性来说，到了40岁之后，卵子的数量和质量就会下降，“卵原干细胞”的发现有望为治疗女性不孕不育，甚至延迟卵巢早衰提供新方法。

这些卵原干细胞来自于成年女性的卵巢，说明女性成年后仍然有可能形成新的卵子。如果能在实验室中大量培育这种卵原干细胞，也意味着医疗上拥有了无尽的卵子来源。这一发现对女性卵子数量在出生时就已被限定的传统观点形成挑战。

蒂利团队曾在2004年首次证明，雌性老鼠在进入成年后还能持续制造出卵母细胞。后来蒂利团队研发出一个更加精确的细胞分选技术，并使用该技术从成人卵巢内分离出了卵原干细胞，得到的细胞像老鼠卵原干细胞一样，能自发形成具有卵母细胞特征的细胞，这些卵母细胞拥有人类卵巢内卵母细胞的物理外表和遗传表达模式。

蒂利表示，研究有望用于建立人类卵原干细胞库，最关键的是可能找到方法让卵原干细胞在试管受精中发育成成熟的人类卵母细胞，以改进试管受精的结果，并为不孕不育症提供新疗法。不过截止到目前，卵原干细胞仍然受到质疑，也并没有通过卵原干细胞培育成任何新生儿。

总部位于波士顿的OvaScience正在将蒂利的工作商业化。该公司的联合创始人包括风险投资家Christoph Westphal和哈佛大学抗衰老研究员David Sinclair，他们创立了Sirtris Pharmaceuticals公司，并于2008年以7.2亿美元的价格出售给GlaxoSmithKline。OvaScience在2012年就募集了4300万美元，用于追求干细胞的生育治疗和其他应用，目前公司运营良好。

3.记忆移植（2013）

不太远的一天，当严重记忆丧失的病人可以从电子植入物获得帮助

成熟期：尚不成熟

突破点：使用记忆数据，信号被硅芯片转换成为一个长期记忆的方式

重要性：为长期记忆缺失患者做修复性的移植

该领域主要参与者：Theodore Berger

这个想法是如此大胆，所以远在神经科学的主流之外，西奥多·伯格（Theodore Berger）是这个行业有远见的先驱者的角色。他是南加州大学洛杉矶分校的生物医学工程师和神经科学家，他设想在不太远的一天，当严重记忆丧失的病人可以从电子植入物获得帮助。

对大脑遭受阿尔茨海默病，中风或损伤的人中，破坏的神经元网络通常防止长期记忆形成。二十多年来，Berger设计了硅芯片，以模拟这些神经元在正常工作时所做的信号处理，这项工作允许我们在一分钟之内记住经验和知识。最终，Berger想要通过在大脑中植入这样的芯片来恢复创造长期记忆的能力。

Berger通过电极与老鼠和猴子大脑外部连接的硅芯片研究处理像实际神经元的信息，并且在神经假体手术中取得成功。耳蜗植入物帮助了超过200,000聋人通过将声音转换为电信号，并将其发送到听觉神经而听到。其他研究人员在盲人的人工视网膜方面取得了初步成功。

Berger还与USC的生物医学工程师Vasilis Marmarelis合作，开始制造脑假体。 他们首先使用来自老鼠的海马回切片。知道神经元信号从海马的一端移动到另一端，研究人员发送随机脉冲到海马回，记录在各种地点的信号，看看它们是如何变换，然后导出描述变换的数学方程，并且他们在计算机芯片中实现了这些方程。使用这些数据，Berger和他的团队建模了信号被转换成为一个长期记忆的方式。

尽管有不确定性，Berger和他的同事一直在规划人类研究。 他还与他的大学的临床医生合作，测试使用植入海马回每侧的电极来检测和预防严重癫痫患者的癫痫发作，甚至帮助这些患者在大脑中寻找记忆。

4.产前DNA 测序（2013）

目前已经可以通过母体外周血提取胎儿游离 DNA（cffDNA），进行筛查疾病

成熟期：已成熟

突破点：通过一小管母亲血液中的胎儿DNA对基因测序

重要性：在胎儿出生前进行基因检测，排除多种基因缺陷病

该领域主要参与者：Illumina、Verinata、Sequenom、Natera、Ariosa、LifeCodexx、卢煜明

提到产前DNA测序就不能不说Illumina和Verinata。2013年1月7号，Illumina——这家世界上最广泛使用的DNA测序仪的生产商以3.5亿美元收购了Verinata公司。而Verinata不过是一家几乎还没有收入的创业公司。吸引Illumina的是Verinata的先进技术：对未出生胎儿进行DNA测序。这项技术可以通过一小管母亲血液中的胎儿DNA而检测唐氏综合症。在以前，唐氏综合症检测意味着要从胎盘或羊水中获取胎儿的细胞，这些方式都具有一定的流产风险。

利用母亲的血液可以获取胎儿基因组信息，一些患者为了了解自己的遗传性疾病或诸如癌症等疾病而接受基因组测序，但是将来人类无需等到发病了才去做测序，在出生时就知道相关的信息。根据中国香港科学家卢煜明的研究，母亲血液中游离的DNA中有15%是来自于胎儿。

通过快速的DNA测序技术，这些片段可以转变为大量的信息，不过后来，Verinata的创始人、斯坦福大学生物物理学家Stephen Quake很快发现，利用母亲血液中的胎儿DNA除了可以筛查染色体异常外，还可以对胎儿进行全基因组测序，这样就可以在胎儿出生前排除患有囊性纤维化（cystic fibrosis）、β-地中海贫血症以及自闭症等风险。而且这项基因检测成本一直在下降。

目前，已经发展到无创产前基因检测（NIPT）阶段，这项技术是通过母体外周血提取胎儿游离 DNA（cffDNA），进行筛查如唐氏综合征，Rh血型，性染色体异常，以及胎儿性别，是测序中竞争最为激烈的领域。无创产前基因检测在全球，尤其是在低收入和中等收入国家逐渐普及。不过产前检测让医生面临的法律与道德义务变得更加复杂，近日卫计委发布了通知，无创产前筛查和诊断试点正式取消，筛查机构必须获得新的职业许可证书。成人可以决定是否对自己的基因组进行测序，而未出生的胎儿是不能对此表示意见的。这些信息可能会影响人的一生。甚至有人提出提供检测的服务商，应该将其报告限制在20种左右最常见的严重疾病中。

5.深度学习（2013）

为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策

成熟期：正在使用

突破点：神经网络深度学习算法，使神经网络的能力大大提高

重要性：试图模拟大脑的工作方式，提高医疗效率，尤其在肿瘤治疗领域力图实现精准治疗

该领域主要参与者：谷歌、谷歌、苹果、IBM、微软、Facebook、百度等

深度学习是和人工智能的发展深度结合在一起的。其实，深度学习并不是新生事物，它是传统神经网络（Neural Network）的发展。神经网络研究领域的领军者Hinton在2006年提出了神经网络深度学习算法，使神经网络的能力大大提高，向支持向量机发出挑战。Hinton和他的学生Salakhutdinov在顶尖学术刊物《Scince》上发表了一篇文章，开启了深度学习的篇章。

深度学习的核心就是算法，算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。目前已经在语音识别、图像识别等应用非常广泛。

在医学领域，以深度学习为基础的人工智能，从学习在丰富的医学数据中识别复杂模式的算法，到为个性化医疗提供对现实世界证据的分析，再到发现与 DNA 结合的蛋白质的序列特异性和怎样用其协助基因组诊断以及个性化治疗，在医学成像上可提高分辨率、分析的广度和速度以及诊断上带来了非常了不起的进步，甚至在药物开发和更广泛的治疗干预上显示出了巨大的潜力。

尤其是谷歌，已经成了吸引深度学习和人工智能人才的磁铁。2013 年 3 月，谷歌收购了一家创业企业，它的创始人是多伦多大学的计算机科学教授杰弗里·辛顿——是赢得默克比赛的团队成员。辛顿会同时兼顾大学和谷歌的工作，他说计划“在这一领域中提出构想，然后把它们用在真正的问题上”，这些问题包括图像识别、搜索，和自然语言理解。

2012年6月，谷歌展示了当时最大的神经网络之一，其中拥有超过10亿个连接。由斯坦福大学计算机科学教授吴恩达和谷歌研究员杰夫·迪安带领的团队，给系统展示了一千万张从YouTubu视频中随机选择的图片。软件模型中的一个模拟神经元专门识别猫的图像，其他专注于人脸、黄色的花朵，以及其他物体。由于深度学习的能力，即使没人曾经定义或标记过，系统也识别了这些独立的对象。IBM的沃森在肿瘤精准治疗领域，能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策。

在2011年到2015年的五年时间，人工智能领域的并购资金从2.82亿美元增长到2015年的23.88亿美元，而并购数量也从67起增长到397起。以谷歌、苹果、IBM、微软、Facebook为代表的等行业巨头正在通过并购进行产业布局。

6.基因组编辑（2014）

CRISPR的工作流程，创新性地利用RNA

通过基因编辑携带定向突变的灵长类动物的能力，为科学家研究与遗传相关的疾病提供方法

成熟期：进入到诊断

突破点： 利用基因组工具构建出两只携带有特定基因突变的猴子

重要性：为人类疾病研究提供了新的有价值的工具

该领域主要参与者：云南省灵长类生物医学重点实验室，Jennifer Doudna（加州大学伯克利分校），张峰（麻省理工学院），George Church（哈佛大学）

科学家们认为，CRISPR可能是自20世纪70年代生物技术时代开启以来出现的最重要的基因工程技术。CRISPR系统具有搜索和替换DNA的双重功能，可以让科学们通过替换碱基，轻松的改变DNA的功能。目前已经证实，利用CRISPR可以治疗小鼠的肌肉萎缩、罕见肝脏疾病，使人类细胞免疫HIV等惊人的功能。在资本市场上，都是千万美元级别的投资。Emmanuelle Charpentier在欧洲创立了CRISPR Therapeutics。Jennifer Doudna之前与张锋共同创立了Editas Medicine，离开Editas Medicine后她现在创立了一家小公司Caribou Biosciences。

CRISPR/Cas是在大多数细菌和古细菌中发现的一种天然免疫系统，可用来对抗入侵的病毒及外源DNA。最先试验的是一对出生在昆明科灵生物科技有限公司（Kunming Biomedical International）和云南灵长类动物生物医学研究重点实验室里雌性双胞胎恒河猴明明和玲玲。在体外受精后，科学家用了新型DNA工程技术CRISPR在受精卵中编辑修改了3个基因。标志着CRISPR可以在灵长动物体内完成靶向遗传修饰。在过去几年，CRISPR由加州大学伯克利分校、哈佛大学、麻省理工学院等机构的研究人员研发出来。这项技术已经开始转变科学家对遗传工程的理解，因为它可以让他们精确并相对轻松地改变基因组。

CRISPR可以精确并相对容易地，在染色体上的某个特定部位改变DNA，理论上，这项技术可以在培养皿中改变任何动物细胞类型的基因，包括人类细胞。CRISPR与早期的基因组编辑方法：锌指核酸酶（ZFN）以及转录激活因子样效应物核酸酶（TALEN）系统相似。但是后两种方法都是利用蛋 白质来定位靶序列，这些蛋白质通常很难生成且成本高昂。CRISPR利用的是RNA，使得设计它们变得较为容易。

某个基因变异的重要性通常并不明确，它很可能会致病，也可能仅仅和某种疾病间接相关，CRISPR可以帮助研究人员找到确实能致病的突变。在究竟谁该拥有CRISPR专利问题上，虽然还有争议，人们普遍认为是Charpentier和Doudna推动了CRISPR编辑的发展，张峰则是通过证实它能够在真核细胞中起作用揭示了它的巨大潜力，来自哈佛医学院的George Church独立证实了张锋的这一研究发现。

CRISPR未来最有潜力的应用是，修复人类组织中的基因，可以治疗诸如血友病、罕见代谢疾病、亨廷顿氏病和精神分裂症等基因疾病。随着对CRISPR系统认识的加深，实验设计的优化改造，相信其靶向效率会进一步提高，CRISPR以及其衍生技术终究会带来一场科学史上的巨大变革。

7.大脑成像图（2014）

极为精细的大脑成像图，第一次在细胞水平上剖析了人类大脑，为神经科学家提供了解读其无穷复杂性的指南

成熟期：尚未完全成熟

突破点：高分辨率，以20微米的尺度展现了人类大脑的结构

重要性：能够让神经科学家更完整深入地观察大脑结构，了解大脑不同区域之间的相互作用，脑结构及其对人行为的控制

该领域主要参与者：Katrin Amunts（德国尤利希研究中心），Alan Evans（蒙特利尔神经学研究所），Karl Deisseroth（斯坦福大学）、圣路易斯华盛顿大学

人脑一直是个神秘地带，人类也一直试图了解人脑的全部，“欧洲人脑计划”（提出在巨型计算机上对人脑建模）、“美国脑计划”（要从多个维度获取大脑活动数据并对此建模）这些雄心勃勃的计划，都在尝试创建一个广泛的大脑活动的图片。

大脑图谱的早期工作应该要归功于神经解剖学家们，其中最有名的应该是布鲁德曼（Korbinian Brodmann）在20世纪初的工作。在此之前，关于大脑的不同区域负责不同功能的观点已经随着颅相学的流行而兴起，在布洛卡（Broca）等脑区的功能而得到强化。然而，布鲁德曼关注于脑区的细胞构筑，未从3D空间来建立大脑的模型。3D大脑模型的出现，得益于法国神经解剖学家Jean Talairach，他在于1967年提出一个3D的大脑模型，与Tounoux 于1988年进一步完善此大脑模型。

目前最通用的模板，是加拿大蒙特利尔神经研究所（Montreal Neurological Institute，MNI）于90年代表所建立的MNI系列模板。在最早的尝试中，他们扫描了241个正常志愿者的大脑结构，按照Talairach大脑图谱的方式，使用标志性的大脑结构对每个受试者的大脑进行标定，得到每个大脑的AC-PC线和大脑的外部轮廓。目前使用更为广泛的是ICBM152模板，也是由MNI出品，然而MNI305和ICBM152模板中无法清楚地看到每个大脑的结构。

在德国尤利希研究中心与MNI共同完成的“Bigbrain”项目中，建立了第一个细胞级别的超高分辨率的大脑3D模型：由7404个组织切片组成的，分辨率达到20微米，几乎精确到了分子级别。这个花了十年的地图集，在超级计算机的帮助下将它们数字化缝合在一起，超清晰3D大脑模型的建立，有望为今后神经成像提供一个更加标准的大脑图谱，也为今后建立标准3D大脑模型提供了新的途径。

清晰的大脑成像图得益于技术的创新，比如德国尤利希研究中心的Amunts正在开发一种这样的技术，使用偏振光来重建脑组织中的神经纤维的三维结构。在斯坦福大学的神经科学家和生物工程师Karl Deisseroth的实验室开发了一种名为Clarity的技术，允许科学家直接看到完整脑中神经元和电路的结构。今年7月，美国圣路易斯华盛顿大学的一个研究小组称，他们绘制出迄今最全面、最精确的人类大脑图谱，其中97个人类大脑皮层区域此前从未描述过，属于首次公布。

（文中数据来源于网上公开资料）

来源：动脉网（微信号：vcbeat）   作者：高道龙