肿瘤是困扰人类的重大疾病之一，近年逐渐兴起的大规模蛋白质组学可以分析、鉴定肿瘤细胞的蛋白质分子变化，为肿瘤的预防、诊断、治疗及预后提供极有价值的信息。目前医药研发外包公司也增加了蛋白质组学服务这一内容。人工智能简称AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能可支持生物信息技术在组学数据如蛋白质组学研究中的风险评估。
美迪西蛋白质组学技术服务整合了生物化学、细胞生物学、分子生物学与质谱等多项技术，能够实现蛋白鉴定、差异蛋白定量分析、复合物分离、蛋白翻译后修饰（如：磷酸化、糖基化、泛素化等）的解析及蛋白质组信息学分析。
恶性黑色素瘤的发病率全世界大约新增232 000例，每年约有55 500人死于该疾病，但如果在疾病早期能够及时发现，那它是可以治愈的，但许多病例只有在癌症晚期才能确诊。随着科学技术进步，在医疗健康领域有不少AI技术应用黑色素瘤诊断上的研究。
1、单细胞蛋白质组学在黑色素瘤诊断上应用
南卡罗莱纳大学医学院免疫学和皮肤病学系发明了一款用于人类免疫系统的“Instagram”。“质谱流式细胞术灵敏度高，它能获得免疫系统的高清图片，结合人工智能和机器学习算法，这个复杂的系统实际上非常易于可视化操作。它的工作原理是采用稀有金属共轭抗体标记细胞表面和内部蛋白，由于生物组织内缺乏稀有金属，因此这项技术为目标检测提供了更大的灵敏度。”
在Helios平台内部，细胞被电感耦合等离子体电离，从每个被标记的细胞衍生出来的离子维持在离散云中，以接受质谱仪的检测。这种技术最多可同时检测100个细胞标志物，出于实际限制，研究人员推荐检测数量最好小于40个左右。研究人员利用人工智能和生物信息学创建了一个可读取结果的二维映射，相当于为数以百万计的血细胞创建了一款Instagram软件。然后报道了这项技术在黑色素瘤患者单细胞分析检测方面的应用。
2、人工智能在黑色素瘤诊断上的研究，误诊较少
近日，一份发表在著名期刊《肿瘤学年鉴》中的研究报告显示，德国、美国和法国的研究人员通过对人工智能机器展示100，000多张恶性黑色素瘤(皮肤癌最致命的形式)以及良性痣(或痣)的图像来训练人工智能机器识别皮肤癌。他们将人工智能机器的表现与58名国际皮肤科医生的表现进行了比较，发现它漏诊的黑色素瘤较少，误诊的良性痣也较皮肤科医生组少。
这项研究的第一作者，德国海德堡大学皮肤科高级管理医师HolgerHaenssle教授表示，人工智能机器的工作原理就像孩子的大脑。为了训练它，他们向它展示了超过10万张恶性和良性皮肤癌和痣的图像，并指出了每幅图像的诊断，在整个训练过程中只使用了皮镜图像，即放大了10倍的病变图像。而通过每次训练图像，人工智能机器提高了其鉴别良、恶性病变的能力。人工智能是一种人工神经网络，其灵感来源于大脑中的神经细胞相互连接并对眼睛所看到的东西作出反应时的生物过程。人工智能能够从它“看到”的图像中快速学习并提高效率。
训练结束后，他们从海德堡图书馆创建了两组人工智能从未见过的测试图像来检测人工智能。在此之前，选择了100个难度最高的病变来测试皮肤科专家，并将专家的测试结果与人工智能机器的结果进行比较。
来自世界各地的皮肤科医生应邀参加了这次会议，并且其中来自世界17个国家58名医生表示同意。其中17人(29%)表示他们在皮肤镜检查方面的经验不足两年，11人(19%)表示他们有2至5年的经验，30人(52%)表示有5年以上的经验。
研究发现人工智能漏掉的黑色素瘤较少，这意味着它比皮肤科医生更敏感，而且它将良性痣误诊为恶性黑色素瘤的比例更低，这意味着它具有更高的特异性；这将减少不必要的手术。当皮肤科医生收到更多的二级临床信息和图像时，他们的诊断能力就会提高。
然而，人工智能，仍然只从皮肤镜图像工作，没有额外的临床信息继续超越医生的诊断能力，皮肤科专家在第一阶段比经验较少的皮肤科医生表现更好，并更好地发现恶性黑色素瘤。
研究发现皮肤科医生的平均能力作出正确的诊断仍然比人工智能更低。研究者表示，这些发现表明，人工智能能够使皮肤科医生，包括训练有素的专家，在检测黑色素瘤方面表现不佳。
然而，研究人员并不认为人工智能会取代皮肤科医生诊断皮肤癌，而是认为它可以作为一种额外的辅助手段。人工智能可能为参与皮肤癌筛查的医生提供帮助，帮助他们决定是否对病变进行活检，并轻松、快速地对存储的图像进行评估，以获得关于黑色素瘤发生概率的“专家意见。
但这项研究本身也有一些局限性，包括皮肤科医生所处的人工环境中，他们知道自己没有做出“生死”决定；测试内容也不包括所有皮肤损伤，而且来自非高加索皮肤类型和遗传背景的有效图像较少，这些情况就可能使医生并不总是遵循他们不信任的人工智能的建议。
科学技术的发展使得人工智能从理想逐步转变成现实，帮助医生提高皮肤癌的诊断水平，服务于人类健康，但目前的人工智能技术水准还远远无法代替医生的临床诊断。人工智能前景广阔，技术改良日新月异，但要实现人脑的水平仍然任重而道远。
