2月28日，百度飛槳向外界同步了一條新動態(tài)：

連心醫(yī)療團隊基于百度飛槳平臺開發(fā)的“基于CT影像的肺炎篩查與病情預(yù)評估AI系統(tǒng)”正式上線，可快速檢測識別肺炎病灶，為病情診斷提供病灶的數(shù)量、體積、肺部占比等定量評估信息，并已經(jīng)在湖南郴州湘南學(xué)院附屬醫(yī)院投入使用。

在此之前的一段時間里，AI抗疫就已經(jīng)成為備受關(guān)注熱門話題，諸如AI紅外測溫、肺炎咨詢機器人、人工智能助力疫苗研發(fā)、算法預(yù)測新型冠狀病毒的全基因組等案例多次占據(jù)科技媒體頭條。

不過深入抗疫一線、與醫(yī)療人員并肩戰(zhàn)斗的CT影像智能識別又有所不同，從新冠肺炎“假陰性”的消息傳出，到百度飛槳助力連心醫(yī)療首次開源肺炎CT影像分析模型，從0到1乃至到N的一幕，再次演繹了互聯(lián)網(wǎng)的“戰(zhàn)疫”速度。

有感于科技企業(yè)擔(dān)當(dāng)精神的同時，也產(chǎn)生了一些新的話題，比如人工智能企業(yè)為何可以快速給出解決方案，落地應(yīng)用后解決了哪些棘手問題，以及人工智能的實戰(zhàn)結(jié)果給我們帶來了什么樣的啟示？

爭分奪秒的AI“軍團”

2月3日，武漢大學(xué)中南醫(yī)院影像科副主任張笑春發(fā)了一條朋友圈：“別迷信核酸檢測了，強烈推薦CT影像作為目前 2019－nCoV 肺炎主要依據(jù)”，并稱這是“一個一線影像醫(yī)生的大聲疾呼！”

2月4日，工信部發(fā)出了倡議：全國各地要充分發(fā)揮人工智能賦能效用，協(xié)力抗擊新冠肺炎疫情；2月5日，國家衛(wèi)健委發(fā)布了第五版《新型冠狀病毒感染的肺炎診療方案》，肺部CT影像被正式納入新冠肺炎診斷標(biāo)準。

大大小小的人工智能企業(yè)，也開始了一場爭分奪秒的攻堅戰(zhàn)。

正如文初提到的一幕，連心醫(yī)療結(jié)合百度飛槳開源框架和視覺領(lǐng)域技術(shù)領(lǐng)先的PaddleSeg開發(fā)套件，研發(fā)了“基于CT影像的肺炎篩查與病情預(yù)評估AI系統(tǒng)”，并將對全國定點收治醫(yī)院免費開放，以提高國內(nèi)基層醫(yī)院關(guān)于新型肺炎的病情診斷和救治能力。

阿里、華為、依圖科技、深睿醫(yī)療等也先后拿出了解決方案。

比如阿里達摩院醫(yī)療團隊與浙大一附院、萬里云、長遠佳和古珀醫(yī)院等多家機構(gòu)合作拿到了5000多個CT影像樣本，結(jié)合新冠肺炎患者的臨床特征，推出了新冠肺炎臨床AI診斷技術(shù)（CT影像），并在河南“小湯山”醫(yī)院里落地應(yīng)用。

華為云宣布與華中科技大學(xué)、藍網(wǎng)科技等通力協(xié)作，研發(fā)并推出新型冠狀病毒肺炎AI輔助醫(yī)學(xué)影像量化分析服務(wù)，通過計算機視覺與醫(yī)學(xué)影像分析技術(shù)，結(jié)合臨床信息和實驗室結(jié)果，輔助醫(yī)生更高效、精準地區(qū)分早期、進展期與重癥期患者。

依圖科技、深睿醫(yī)療、推想科技等創(chuàng)業(yè)公司向外界釋放了推出可用于智能評估新冠肺炎的AI影像產(chǎn)品的消息，將針對局部性病灶、彌漫性病變、全肺受累的各類肺炎疾病嚴重程度進行分級，繼而精確測算出疾病累計的肺炎負荷。

做一個總結(jié)的話，人工智能企業(yè)在對抗新冠肺炎“假陰性”困境中的快速應(yīng)對和深度參與，離不開兩個關(guān)鍵因素：

其一，CT掃描一次可以得到數(shù)百張人體組織截面，而新型冠狀肺炎的在影像上主要表現(xiàn)為外帶分布、多葉段、磨玻璃間質(zhì)性改變，醫(yī)生可以將標(biāo)注好的肺部CT影像交由機器學(xué)習(xí)，主動尋找結(jié)果和圖像之間的關(guān)系。

其二，利用CT圖像數(shù)據(jù)進行AI診斷并非沒有先例，美國國立衛(wèi)生研究院在2018年就曾公開10600張CT掃描圖像，用于醫(yī)療人工智能算法的開發(fā)和測試。同時國內(nèi)的百度、阿里、華為云等也在圖像識別領(lǐng)域有著成熟的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。

誠然，人工智能在CT影像識別中的應(yīng)用并非是“不可能完成”的任務(wù)，甚至說是當(dāng)下醫(yī)療體系的一種潛在趨勢，但發(fā)揮出的價值卻不該被低估。

AI解決了哪些問題？

厘清了人工智能企業(yè)迅速備戰(zhàn)的原因，再來回答另一個問題：人工智能在這場攻堅戰(zhàn)中到底解決了哪些棘手問題？

首先是時間上的對比。

以CT影像的量化評估為例，現(xiàn)在大多數(shù)醫(yī)護人員采用的是手工勾畫ROI的方法，類似于PS中的手動描邊和摳圖，每個患者需要勾畫三四百張的CT影像，往往需要五六個小時的時間才能完成。而一位患者從入院觀察到治愈出院，一般需要拍攝四次左右的CT影像，相關(guān)醫(yī)生的工作量可想而知。

特別是在湖北等疫情高發(fā)的地區(qū)，耗時如此之長的CT影像量化工作，不僅讓一線的醫(yī)療人員置于高負荷的工作狀態(tài)中，也在一定程度上耽擱了診斷效率。

從幾家人工智能企業(yè)給出的結(jié)果來看，確診時間被壓縮到了幾秒到幾十秒之間。諸如依圖科技、華為云等公司專注于CT影像量化評估工作，阿里達摩院、連心醫(yī)療則給出了一整套的方案，包括CT影像的病灶檢測、病灶輪廓勾畫、雙肺密度分布直方圖及肺部病灶的數(shù)量、體積、肺部占比等全套定量指標(biāo)的計算與展示。

其次是生產(chǎn)力的對比。

疫區(qū)的醫(yī)生或許可以憑借繁多的病例“熟能生巧”，花上5—10分鐘的時間就能從CT影像中確定患者的病情?？蓪τ诜且邊^(qū)的醫(yī)生而言，由于接診相關(guān)病歷的經(jīng)驗少，在確診過程中經(jīng)常會舉棋不定，直到核酸檢測顯示陽性后才敢確診，其中猶豫和等待的時間，可能已經(jīng)造成交叉感染乃至是家庭聚集性發(fā)病。

同時高壓的工作狀態(tài)也在考驗醫(yī)生的心理素質(zhì)，每一份簽名確診報告的背后，通常意味著幾十個緊密接觸者的隔離收治，既是一種責(zé)任，也是心理上猶豫。

至少人工智能在CT影像診斷中的應(yīng)用，已經(jīng)在某種程度上拉平了因為經(jīng)驗不同導(dǎo)致的生產(chǎn)力差異，即便是沒有接觸過肺炎病例的醫(yī)生，也可以根據(jù)AI的診斷結(jié)果進行科學(xué)判定，然后以一種可觀的依據(jù)增強醫(yī)生們的診斷信心。

值得一提的是，連心醫(yī)療采用的深度學(xué)習(xí)算法模型充分訓(xùn)練了所收集到的高分辨率和低分辨率的CT影像數(shù)據(jù)，可以適應(yīng)不同等級CT影像設(shè)備采集的檢查數(shù)據(jù)，哪怕是醫(yī)療資源受限的基層醫(yī)院，也可以在肺炎輔助預(yù)診斷工具的幫助下進行確診，進一步提升了基層醫(yī)生的診斷和評估效率。

被驗證的“通用技術(shù)”

人工智能在CT影像輔助診斷中的價值已然被驗證，同時被驗證的還有人工智能作為“通用技術(shù)”的屬性。

按照百度CTO王海峰的觀點，“通用技術(shù)”指的是與機械技術(shù)、電氣技術(shù)和信息技術(shù)一樣，具備標(biāo)準化、自動化和模塊化的特征，也是進入工業(yè)大生產(chǎn)階段的基本前提。至少AI在CT圖像智能診斷系統(tǒng)的應(yīng)用中，不難找到“通用性”的一面。

一個直接的例子，當(dāng)新型冠狀肺炎的疫情結(jié)束后，那些戰(zhàn)斗在一線的醫(yī)務(wù)工作者，勢必會重新審視AI這個“新戰(zhàn)友”，進而延伸出更加廣泛的應(yīng)用，比如同樣的技術(shù)被應(yīng)用于肝癌、肺癌等病情的早期篩查，畢竟這些病歷同樣需要在幾百張影像中找到病變的組織，并對它的良惡性做出準確的判斷。

只是這樣的話題似乎并不新鮮，早在2016年就有“人工智能＋醫(yī)療影像”元年的說法，圖像識別在醫(yī)療中的應(yīng)用漸漸興起，這次疫情中嶄露頭角的推想科技、連心醫(yī)療等均誕生于這一年。盡管在過去幾年中，這些企業(yè)很少被外界所關(guān)注，以至于在資本市場都有些寒冬的味道，但經(jīng)此一“疫”后大概率會迎來新的風(fēng)口。

何況人工智能行業(yè)的協(xié)作方式也在發(fā)生轉(zhuǎn)變，進一步為醫(yī)療垂直領(lǐng)域的布道者們提供了新的機會窗口。

以連心醫(yī)療為例，在創(chuàng)立之初主要提供腫瘤數(shù)據(jù)平臺搭建和醫(yī)療數(shù)據(jù)分析，涉及醫(yī)療影像處理、分割、配準等等。但在CT影像的攻堅戰(zhàn)中，連心醫(yī)療選擇在自身數(shù)據(jù)優(yōu)勢的基礎(chǔ)上，基于百度飛槳平臺快速開發(fā)上線了基于CT影像的肺炎篩查與病情預(yù)評估AI系統(tǒng)并對全國定點收治醫(yī)院免費開放，為抗擊疫情貢獻一己之力的同時，也給出了醫(yī)療服務(wù)升級的新思路：

以往醫(yī)療機構(gòu)想要開發(fā)肺炎CT影像智能診斷類的應(yīng)用，需要找到某家科技公司進行聯(lián)合開發(fā)，其中的門檻和成本不言而喻。如今卻可以在百度飛槳的EasyDL圖像分割模型中，直接選擇“肺炎CT影像識別專用算法”，只需要少量的數(shù)據(jù)訓(xùn)練即可獲得基于實際場景進一步優(yōu)化的模型，以及可靈活支持多種部署形式、可即用的模型服務(wù)。

沿循這樣的邏輯，不排除誕生AI應(yīng)用新范式的可能。百度飛槳就像是AI服務(wù)的“模型商店”，連心醫(yī)療這樣的開發(fā)者打造上線了各種各樣的“模型”，全球范圍內(nèi)的醫(yī)療機構(gòu)們可以在“商店”中找到自己需要的“模型”，簡單的適配就可以落地應(yīng)用。

可以篤定的是，一旦這樣的邏輯被跑通后，注定不會局限在醫(yī)療領(lǐng)域，不斷向工業(yè)制造、市場營銷、農(nóng)業(yè)生產(chǎn)等領(lǐng)域延伸，又一次印證了王海峰關(guān)于“深度學(xué)習(xí)推動AI進入工業(yè)大生產(chǎn)階段”的觀點。

寫在最后

麥肯錫喜歡用“燈塔工廠”來定義在第四次工業(yè)革命做出全球表率的企業(yè)，借鑒這樣的說法，在時間和生產(chǎn)力做出示范的AI診斷，何嘗不是醫(yī)療領(lǐng)域的“燈塔工廠”。

也就不難理解阿里、百度、華為以及人工智能創(chuàng)業(yè)們在這場費用疫情中與病毒“赤膊奮戰(zhàn)”的勇氣，擔(dān)當(dāng)和情懷只是其一，為醫(yī)療行業(yè)建造一座“燈塔”，用數(shù)據(jù)和技術(shù)重新定義醫(yī)療，無疑是同樣重要的事。

有理由相信，AI在一線與時間賽跑、與疫情賽跑的挑戰(zhàn)背后，也將是AI在醫(yī)療領(lǐng)域規(guī)?；涞氐男蛘?。