應收盡收、應治盡治、不漏一人。這是目前聯防聯控抗擊疫情的關鍵，而其中的重點則是確診病例和疑似病例的篩查，而AI正在成為疫情防控戰的“新兵種”。對此，阿里達摩院就傳來好消息，全新的AI診斷技術可以在20秒內準確地對新冠疑似案例CT影像做出判讀，分析結果準確率達到96%，大幅提升診斷效率。

那麼，這個如此高效的AI系統背後到底是如何運行的？阿里達摩院又是什麼來頭？

從CT影像成為確診依據開始

據網易科技《態度》欄目記者了解，在新冠疫情早期，由於確診案例樣本量少，醫療機構缺少高質量臨床診斷數據，核酸檢測作為病原學證據被公認為新冠肺炎診斷的主要參考標準。

但隨著臨床診斷數據的積累，新冠肺炎的影像學大數據特徵逐漸清晰，CT影像診斷結果變得愈發重要。

根據國家衛健委公佈的診療方案第五版，臨床診斷無需依賴核酸檢測結果，CT影像臨床診斷結果可作為新冠肺炎病例判斷的標準。

據介紹，新冠肺炎患者的CT胸片的影像特徵表現為單肺或雙肺多發、斑片狀或節段性磨玻璃密度影等細微變化。

醫生肉眼分析耗時為5-15分鐘

有了方法論支撐，那速度怎麼起來？

據了解，一位新冠肺炎病人的CT影像大概在300張左右，這給醫生臨床診斷帶來巨大壓力，醫生對一個病例的CT影像肉眼分析耗時大約為5-15分鐘。

對此，人工智能研發人員開始了他們的突擊攻關。

達摩院醫療AI團隊基於當前最新的診療方案、鐘南山等多個權威團隊發表的關於新冠肺炎患者臨床特徵的論文，與浙大一附院、萬里雲、長遠佳和古珀醫院等多家機構合作，率先突破了訓練數據不足的局限。

具體來說，他們基於5000多個病例的CT影像樣本數據，學習訓練樣本的病灶紋理，研發了全新的AI算法模型。

通過NLP自然語言處理回顧性數據、使用CNN卷積神經網絡訓練CT影像的識別網絡，AI可以快速鑑別新冠肺炎影像與普通病毒性肺炎影像的區別，最終識別準確率高達96%。

目前的技術成果是，AI每識別一個病例平均只需要不到20秒，大大提高診斷效率，減輕醫生壓力。此外，AI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，大幅提升臨床診斷效率。

算法專家徐敏豐表示，“新冠肺炎屬於新病種，疫情爆發至今仍舊沒有公開的數據集，但隨著臨床數據的積累，AI算法將在新冠肺炎診斷中發揮更大的價值。”據透露，除了率先落地的河南鄭州小湯山醫院，上述算法還將在湖北、廣東、安徽等地近100家醫院落地。

而今天，啟用的河南鄭州小湯山已經引入了該算法輔助臨床診斷。

這個達摩院是什麼來頭？

2017年10月，阿里巴巴宣布成立達摩院，未來三年將投入將超過1000億人民幣用於基礎科學和顛覆式技術創新研究。

在金庸小說中，達摩院代表著武學機構。“因為我們相信，未來一定是技術帶來利潤，未來市場規模的取得，是靠創新。”馬雲曾說道。

我們看到，達摩院的重點佈局是機器智能、數據計算、機器人、金融科技以及X實驗室五大領域，相應設置有14個實驗室，共有近70名海內外專家加持。

基於機器視覺的醫療影像分析一直是這支研發團隊的重點。

早在2017年7月，國際權威肺結節檢測大賽LUNA16要求選手對888份肺部CT樣本進行分析，尋找其中的肺結節，樣本共包含1186個肺結節，75%以上為小於10mm的小結節。

最終，阿里雲ET在7個不同誤報率下發現的肺結節平均召回率達到89.7%。

科技本就該以人為本，向善而行。

小編也期待更多AI技術可以在這場沒有硝煙的抗疫戰中發揮作用。