|
应收尽收、应治尽治、不漏一人。 这是目前联防联控抗击疫情的关键，而其中的重点则是确诊病例和疑似病例的筛查，而 AI 正在成为疫情防控战的 ' 新兵种 '。 对此，阿里达摩院就传来好消息，全新的 AI 诊断技术可以在 20 秒内准确地对新冠疑似案例 CT 影像做出判读，分析结果准确率达到 96%，大幅提升诊断效率。 那么，这个如此高效的 AI 系统背后到底是如何运行的？阿里达摩院又是什么来头？   从 CT 影像成为确诊依据开始 据网易科技《态度》栏目记者了解，在新冠疫情早期，由于确诊案例样本量少，医疗机构缺少高质量临床诊断数据，核酸检测作为病原学证据被公认为新冠肺炎诊断的主要参考标准。 但随着临床诊断数据的积累，新冠肺炎的影像学大数据特征逐渐清晰，CT 影像诊断结果变得愈发重要。 根据国家卫健委公布的诊疗方案第五版，临床诊断无需依赖核酸检测结果， CT 影像临床诊断结果可作为新冠肺炎病例判断的标准。 据介绍，新冠肺炎患者的 CT 胸片的影像特征表现为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化。  医生肉眼分析耗时为 5-15 分钟 有了方法论支撑，那速度怎么起来？ 据了解，一位新冠肺炎病人的 CT 影像大概在 300 张左右，这给医生临床诊断带来巨大压力，医生对一个病例的 CT 影像肉眼分析耗时大约为 5-15 分钟。 对此，人工智能研发人员开始了他们的突击攻关。 达摩院医疗 AI 团队基于当前最新的诊疗方案、钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文，与浙大一附院、万里云、长远佳和古珀医院等多家机构合作，率先突破了训练数据不足的局限。 具体来说，他们基于 5000 多个病例的 CT 影像样本数据，学习训练样本的病灶纹理，研发了全新的 AI 算法模型。 通过 NLP 自然语言处理回顾性数据、使用 CNN 卷积神经网络训练 CT 影像的识别网络，AI 可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别，最终识别准确率高达 96%。 目前的技术成果是，AI 每识别一个病例平均只需要不到 20 秒，大大提高诊断效率，减轻医生压力。此外，AI 还能直接算出病灶部位的占比比例，进而量化病症的轻重程度，大幅提升临床诊断效率。 算法专家徐敏丰表示，' 新冠肺炎属于新病种，疫情爆发至今仍旧没有公开的数据集，但随着临床数据的积累，AI 算法将在新冠肺炎诊断中发挥更大的价值。' 据透露，除了率先落地的河南郑州小汤山医院，上述算法还将在湖北、广东、安徽等地近 100 家医院落地。 而今天，启用的河南郑州小汤山已经引入了该算法辅助临床诊断。  这个达摩院是什么来头？ 2017 年 10 月，阿里巴巴宣布成立达摩院，未来三年将投入将超过 1000 亿人民币用于基础科学和颠覆式技术创新研究。 在金庸小说中，达摩院代表着武学机构。' 因为我们相信，未来一定是技术带来利润，未来市场规模的取得，是靠创新。' 马云曾说道。 我们看到，达摩院的重点布局是机器智能、数据计算、机器人、金融科技以及 X 实验室五大领域，相应设置有 14 个实验室，共有近 70 名海内外专家加持。 基于机器视觉的医疗影像分析一直是这支研发团队的重点。 早在 2017 年 7 月，国际权威肺结节检测大赛 LUNA16 要求选手对 888 份肺部 CT 样本进行分析，寻找其中的肺结节，样本共包含 1186 个肺结节，75% 以上为小于 10mm 的小结节。 最终，阿里云 ET 在 7 个不同误报率下发现的肺结节平均召回率达到 89.7%。 科技本就该以人为本，向善而行。 |
|
|
