日前，《新型冠状病毒感染肺炎诊疗方案第六版（试行）》已将CT影像纳入诊断标准之一。疫情伊始，病毒核酸检测一直被认为是诊断的“金标准”。但核酸检测存在“假阴性”比例高、检测耗时长、试剂短缺等问题，严重影响新冠肺炎的快速诊断。

在CT影像的辅助下，诊断效率快速提升。但新的问题也接踵而至，依靠影像医生肉眼鉴别效率低，面对庞大的接诊数量，一线医生不堪重负。那么，人工智能技术能否帮助医生做快速诊断呢？

据2月23日最新消息，由阿里达摩院医疗AI团队研发的新冠肺炎CT影像人工智能识别算法问世之后，它已对3万多个临床疑似病例进行了诊断。实际结果显示，单个病例影像数据的上传和分析可在20秒内完成，准确率达到96%。

就在一周前，这一AI应用最初在有河南“小汤山”之称的郑州岐伯山医院上线，而后迅速在湖北、上海、广东、江苏等16个省市铺开，如今已有41家医院应用这项诊断技术。接下来，它还将很快部署到全国100多家新冠肺炎定点医院。

发现新冠肺炎有了AI“火眼金睛”

疫情如火，提升诊断效率是抗疫时期一线医护人员和患者们的最迫切诉求之一。

自2月3日开始，陆续有武汉影像科医生、海外放射专家提出建议，新冠肺炎的确诊依据需作出重大调整：尽快以CT影像检测代替核酸检测阳性作为临床确诊主要依据，患者可及早接受隔离诊疗，从而尽快切断传染源。

面对当下疫情诊断的迫切需求，2月4日，阿里达摩院联合阿里云共同发起“新冠病毒肺炎AI辅诊助手”的研发，为前线医护人员提供更加高效CT影像诊断方法，30多位达摩院技术工程专家日夜“连轴转”，开发一款专门针对新冠肺炎的“诊断利器”。

新冠肺炎患者的CT胸片，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。一位病人的CT影像大概有300张左右，每诊断一个病例，医生对CT影像肉眼分析耗时大约为5-15分钟。一名医生每天连续不间断工作12个小时，只能诊断大概72个病例。

可见，辅助医生做快速诊断的需求已经迫在眉睫。据阿里巴巴集团副总裁、达摩院高级研究员华先胜介绍，为开发这一AI辅诊助手，他们先是收集到了5000多个病例的CT影像样本数据，训练模型学习样本的病灶纹理，研发出一套全新的算法模型。

然后在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、最新诊疗方案，以及新冠肺炎病例数据等信息资料的基础上，再进行快速迭代优化。

达摩院算法团队在4天内就构建出一个识别模型，加上先前积累的“肺部CT多病征智能诊断”数据库，并与浙大医院、万里云和长远佳等多家机构合作，最后顺利通过了郑州岐伯山医院的临床测试。

结果令人欣喜：从上传CT图像到给出诊断结果，AI只需要20秒，区分新冠肺炎患者的准确率达到96%。

不仅如此，这套技术，还能直接算出病灶部位的占比比例，量化、预测病症的轻重程度，大幅度提升诊断效率，为患者的治疗争取宝贵时间。

华先胜解释，这不仅得益于达摩院医疗AI团队多年的技术积累——医学影像识别一直是其研究中的重要方向，还在于合作伙伴们的全力支持，他们为研发算法提供数据支撑，也在算法系统的推广过程中给出了极大帮助。

此外，云计算的优势也在这次算法研发与推广中体现了出来。华先胜说，这一算法研发成功后就在阿里云上线了，全国各地的医院只要接入公有云，就能快速免费调用这一服务。

目前，全国已有四十多家医院应用了这一技术，其中包括位于武汉的第六医院，一周内就能获得这样的战果，有达摩院AI算法的功劳，但也离不开背后阿里云的支撑。

AI助力100%准确的基因测序诊断法落地

《新型冠状病毒感染肺炎诊疗方案第六版（试行）》指出，确诊病例诊断标准为具备以下病原学证据之一者，一为核酸检测新型冠状病毒核酸阳性；二为病毒基因测序，与已知的新型冠状病毒高度同源。

在临床试验中，核酸检测方式存在明显的误差。危重症医学专家、中国医学科学院院长王辰院士在接受央视采访时表示，新冠肺炎患者通过核酸检测只有30%-50%的阳性率，会出现很多“假阴性”的状况。

相比核酸检测，病毒基因测序通过因组做全量的比对，检测的准确率可达100%，而且耗时更短、更方便。

2月1日，浙江省疾控中心上线自动化的全基因组检测分析平台，背后正是利用阿里达摩院研发的AI算法。达摩院团队针对新型冠状病毒基因进行特征分析，采用分布式设计的分析算法，并基于蛋白质数据库（PDB）等公共数据集的数据进行算法的优化训练。

每次测序过程都会产生海量基因数据，而在AI算法的加持下，可以一次对几十万到几百万条DNA分子进行序列测定，使得对一个物种的转录组和基因组进行细致全貌的分析成为可能。原本需长达120分钟的基因分析可缩短至半小时，并能精准检测出病毒的变异情况，为后续疫苗与药物研发提供支撑。

华先胜透露了这一平台的应用情况：“每天都在工作，准确率近乎100%，正进一步推广到更多地方使用。”

————————————————
版权声明：

遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：http://i.wshang.com/Post/Default/Index/pid/262815.html