阿里達摩院AI抗疫最新戰報：已診斷3萬多疑似病例CT影像，準確率96%_風聞
量子位-量子位官方账号-2020-02-24 13:06
乾明 發自 凹非寺量子位 報道 | 公眾號 QbitAI
人工智能抗疫，效果到底如何？阿里達摩院從前線傳來最新戰報：
截止到2月23日，阿里達摩院醫療AI團隊研發的新冠肺炎CT影像識別算法，已對3萬多個臨牀疑似病例進行了診斷。實際結果顯示，單個病例影像數據的上傳和分析可在20秒內完成，準確率達到96%。
這一最早應用於鄭州“小湯山”的算法，現已在湖北、上海、廣東、江蘇等16個省市的41家醫院上崗。接下來，很快就會部署應用到全國100多家新冠肺炎定點醫院。
如此戰果，是阿里達摩院多年技術積累的直接體現，也少不了達摩院30多位技術工程專家“連軸轉”的研發支持。
更重要的是，這意味着AI技術在抗疫過程中的價值得到了驗證。在阿里巴巴集團副總裁、達摩院高級研究員、IEEE Fellow華先勝看來，這將對醫療行業後續發展產生深入的影響。
而眼下，它最緊迫的任務，依然是在達摩院和阿里雲的驅動下，完全打贏疫情阻擊戰。
抗疫緊急，要有更高的效率
阿里達摩院醫療AI團隊研發新冠肺炎CT影像識別算法，來自抗疫過程中日益關鍵的高效率需求。
新冠疫情早期，核酸檢測是新冠肺炎診斷的主要參考標準。但隨着確診案例樣本變多，臨牀診斷數據得到積累，很多醫療機構都發現，靠核酸檢測確診病例很容易造成漏診。
將CT影像結果納入診斷標準，逐步成為防控疫情的必要措施。
2月5日，國家衞健委公佈的診療方案第五版中，正式將CT 影像臨牀診斷結果作為新冠肺炎病例判斷的標準之一。
雖然這直接加快了新冠肺炎疑似病例的確診速度與準確度，但對於前線醫生來説，卻是不小的負擔。
在臨牀診斷過程中，醫生人肉辨別CT影像效率較低。
據瞭解，一位新冠肺炎病人的 CT 影像大概在300張左右，每診斷一個病例，影像醫生需要投入大約為5-15分鐘時間。一名醫生每天連續不間斷工作12個小時，只能診斷大概72個病例。
而截止到2月4日晚，全國一共有疑似病例23260例，追蹤到（新冠肺炎患者）密切接觸者252154人……提升臨牀診斷效率，成為抗疫期間核心需求之一。
這也是阿里達摩院從疫情爆發伊始，就已經在投入資源發力的重要方向。
華先勝説，他們先是收集到了5000多個病例的CT影像樣本數據，訓練模型學習樣本的病灶紋理，研發出全新的AI算法模型。
然後在鍾南山等多個權威團隊發表的關於新冠肺炎患者臨牀特徵的論文、最新診療方案的指導下，以及新冠肺炎病例數據基礎上進行快速迭代優化。
**
於是就有了現在應用到41所定點醫院的CT影像識別系統：從上傳CT圖像到返回結果只需要20秒，區分新冠肺炎患者的準確率達到96%。
而且，在增效的同時，還能直接算出病灶部位的佔比比例，進而量化病症的輕重程度。
華先勝解釋，這不僅得益於達摩院醫療AI團隊多年的技術積累——醫學影像識別一直是其研究中的重要方向，還在於合作伙伴們的全力支持，他們為研發算法提供數據支撐，也在算法系統的推廣過程中給出了極大幫助。
此外，雲計算的優勢也在這次算法研發與推廣中體現了出來。
他説，有阿里雲團隊在背後支撐，醫療AI團隊研發出第一版本算法只用了2天。
而且這一算法研發成功後就在阿里雲上線了，全國各地的醫院只要接入公有云，就能快速免費使用這一服務。
所以此次抗疫AI大顯神威，有達摩院AI算法的功勞，但也離不開背後阿里雲的底氣，這是一次“雲+AI”的完美案例。
AI出擊，達摩院的全方位抗疫
上述AI影像，還不是達摩院技術抗疫的全部。
除了新冠肺炎影像CT算法，達摩院醫療AI團隊還和阿里雲聯合研發了新冠肺炎輔助診斷算法和病歷質檢算法，將AI從診斷應用到了治療階段。
前者結合患者影像CT診斷結果、流行病學史以及其他臨牀症狀，來輔助醫生快速對新冠肺炎病例完成診斷，進一步提升診斷準確率與效率。
後者是應用到病例治療過程中的算法，能夠評估患者治療過程和病歷質量，從而提升治療質量。
此前，2月1日浙江省疾控中心上線的自動化全基因組檢測分析平台，也是阿里達摩院的成果之一。
藉助阿里達摩院研發的AI算法，原來數小時的疑似病例基因分析縮短至半小時，加上傑毅生物技術的新型檢測設備，更是大幅縮短疑似患者確診時間。
達摩院介紹，這一平台還能有效防止病毒變異產生的漏檢，並精準檢測出可能存在的病毒變異情況，為後續疫苗與藥物研發提供支撐。
華先勝透露了這一平台的應用情況：“每天都在工作，準確率近乎100%，正進一步推廣到更多地方使用。”
在疫情防控方面，達摩院的AI同樣在發揮效力。早在1月22日，達摩院資深總監趙昆就開始緊急召集團隊，居家辦公的幾十名工程師用5天時間推出智能疫情機器人。
藉助衞生部門提供的知識包，經過連續多個通宵的測試和調優，機器人已能答覆大部分常規問詢。1月27日在浙江上線第一天，它對用户諮詢的解決率就超過了92%。
之後，智能疫情機器人支援浙江、黑龍江、山東濟南等地，並增加了呼叫服務，幫助一線工作人員疫情隨調等等。
“抗疫是阿里達摩院優先級最高的事情“，華先勝説，“醫療AI團隊全員投入，其他日常項目都暫緩推進。”
他進一步補充，這也是阿里巴巴整個集團的態度，不僅各個業務線對外提供了大量支持，在內部有抗疫資源需求時，審批也是一路綠燈。
而接下來，阿里達摩院將會優化目前應用到抗疫前線的算法，提高這些算法系統的易用性，同時將這些抗疫中的成果進一步沉澱，之後應用到未來的醫療場景之中。
醫療AI的實彈大練兵
這一次疫情之下，不只是阿里達摩院，醫療AI的多數玩家都參與到了抗疫之中，以自身之長提供解決方案。
在華先勝看來，這次疫情是整個行業的一次大練兵。
他説：“很多競爭對手都成了並肩作戰的夥伴。（抗疫）也讓我們與合作伙伴的協同變得更加深入。“
這位達摩院大牛還預測，醫療AI的價值在抗疫中得到驗證，會對醫療行業和公眾產生深遠的影響。在接下來幾年，將會看到整個醫療行業的數字化和智能化程度大幅度提升。
然而，要將醫療AI應用到更多的場景，進入尋常生活，還有很長的路要走。不論是獲取更多的醫療數據，還是尋找更加切合的商業模式，以及政策法規的支持等，都是醫療AI行業需要解決的問題。
但突發疫情也讓其前景變得更明朗。華先勝認為，接下來醫療AI將會從醫生走向大眾，從高成本走向普惠，從應用於醫療走向應用於健康。
他做了一個這樣的類比：“就像我們現在從一個地方到另一個地方，GPS會告訴我們怎麼走。未來數據越來越多、設備越來越多、技術越來越強的時候，醫療AI也會做到這一點。”
不過，它的目的地——是健康。