发布时间：2023-3-8 分类： 行业资讯
2月28日，百度飞桨对外同步了一个新趋势：
由连心医疗团队基于百度飞桨平台研发的基于CT影像的肺炎筛查及疾病预评价AI系统正式上线，可快速检测识别肺炎病灶，并提供病灶数量、体积、肺部比例等量化评价信息用于疾病诊断，目前已在湖南郴州， 湘南学院附属医院投入使用
在此之前的一段时间里，AI抗疫成为热门话题。AI红外测温、肺炎会诊机器人、人工智能辅助疫苗研发、新型冠状病毒全基因组算法预测等案例多次占据科技媒体头条。
而深入抗疫一线，与医护人员并肩作战的CT图像智能识别则不同。从新冠肺炎“假阴性”的消息，到从0到1甚至到N的场景，网络上“抗疫”的速度再一次被演绎。
在感受科技企业精神的同时，也出现了一些新的话题，比如为什么人工智能企业能够快速给出解决方案，落地应用后解决了哪些棘手的问题，人工智能的实战成果给我们带来了怎样的启示？
与时间赛跑的人工智能“军团”
2月3日，武汉大学中南医院影像科副主任张笑春，发朋友圈：“不要迷信核酸检测，强烈推荐CT影像作为当前2019-nCoV肺炎的主要依据”，并称这是“一线影像医生。”大喊大叫！\"
2月4日，工信部发出倡议：全国各地要充分发挥人工智能赋能成效，携手抗击新冠肺炎疫情；2月5日，卫健委发布《新型冠状病毒感染的肺炎诊疗方案》第五版，肺部CT影像正式纳入新冠肺炎诊断标准。
大大小小的人工智能企业也开始了一场与时间的硬仗。
如本文开头所述，连心医疗结合百度飞桨开源框架和paddleSeg开发套件，开发了“基于CT影像的肺炎筛查和疾病预评估AI系统”，将向全国定点医院免费开放，提升国内基层医院新型肺炎诊疗能力。
阿里， 华为， 依图科技、深睿医疗等也纷纷拿出解决方案。
例如，阿里达摩医院的医疗团队与浙大第一附属医院、万里云、长垣甲、古坡医院等机构合作，获得了5000多个CT图像样本。结合新冠肺炎患者的临床特点，新冠肺炎临床AI诊断技术(CT影像)在河南“小汤山”医院推出并应用。
华为云宣布将与华中科技大学、蓝网科技合作，开发推出新型冠状病毒AI辅助医学图像定量分析服务。通过计算机视觉和医学图像分析技术，结合临床信息和实验室结果，将有助于医生更高效、准确地区分早期、晚期和重症患者。
依图科技、深睿医疗、推理科技等创业公司发布了推出可用于智能评估新冠肺炎的AI影像产品的消息。他们会对各种有局部病变、弥漫性病变、全肺受累的肺炎疾病的严重程度进行分类，然后准确计算疾病的累计肺炎负荷。
综上所述，人工智能企业对新冠肺炎“假阴性”困境的快速反应和深度参与，离不开两个关键因素：
首先，CT扫描一次可获得数百个人体组织切片，而新型冠状肺炎的影像主要表现为外带分布、多裂段和磨玻璃样间质改变。医生可以把标记的肺部CT图像交给机器学习，一个
第二，使用CT图像数据进行AI诊断没有先例。2018年，美国国家健康研究所发布了10，600张CT扫描图像，用于医学人工智能算法的开发和测试。同时，百度，阿里和华为克劳德在图像识别领域有成熟的神经网络训练算法。
诚然，人工智能在CT图像识别中的应用并不是一个“不可能”的任务，甚至不是当前医疗系统的潜在趋势，但其价值也不容小觑。
AI解决了哪些问题？
在厘清人工智能企业快速准备的原因后，我们再来回答另一个问题：人工智能在这场硬仗中解决了哪些棘手的问题？
首先是时间的对比。
以CT图像的定量评价为例，现在大部分医护人员使用的是手动勾画ROI的方法，类似于pS中的手动追踪和抠图。每个病人需要勾画三四百张CT图像，往往需要五六个小时才能完成。但患者治愈出院时，通常需要拍4次左右的CT影像，相关医生的工作量可想而知。
特别是在湖北，这样的疫情高发地区，耗时的CT图像量化不仅让一线医护人员处于高负荷工作状态，也在一定程度上耽误了诊断效率。
根据几家人工智能公司给出的结果，诊断时间已经缩短到几秒到几十秒。依图科技、华为云等公司专注于CT图像的定量评价，而阿里达摩医院、连心医学中心则给出了一整套方案，包括CT图像中病灶的检测、病灶轮廓的勾画、双肺密度分布的直方图，以及肺部病灶数量、体积、比例等全套定量指标的计算和显示。
其次，生产力的对比。
疫区的医生可以通过大量的病例在5-10分钟内从CT图像中确定病人的情况。但对于非疫区的医生来说，由于缺乏接收相关病历的经验，往往在核酸检测显示阳性之前犹豫不决，犹豫和等待的时间可能造成了交叉感染甚至家庭聚集。
同时，高压的工作状态也在考验着医生的心理素质。每一份签字的诊断报告背后，通常都意味着几十个密切接触者的隔离，这既是责任，也是心理上的犹豫。
至少人工智能在CT影像诊断中的应用，在一定程度上抹平了不同体验带来的生产力差异。即使是没有接触过肺炎病例的医生，也可以根据AI的诊断结果做出科学的判断，进而以相当的依据增强诊断的信心。
值得一提的是，连心医疗采用的深度学习算法模型，对采集的高分辨率和低分辨率CT图像数据进行了充分的训练，能够适应不同级别的CT成像设备采集的检查数据。即使是医疗资源有限的基层医院，也可以借助肺炎辅助预诊工具进行诊断，进一步提高了基层医生的诊断和评估效率。
经过验证的“通用技术”
人工智能在CT图像辅助诊断中的价值得到了验证，人工智能作为“通用技术”的属性也得到了验证。
按照百度， CTO 王海峰，的说法，“通用技术”是指和机械技术、电气技术、信息技术一样，具有标准化、自动化、模块化的特点，也是进入工业量产阶段的基本前提。至少在AI在CT影像智能诊断系统的应用中，不难发现“普适性”的一面。
举个直接的例子，新型冠状肺炎爆发后，那些奋战在一线的医务工作者，必然会重新审视AI这个“新战友”，进而将其应用范围扩大。例如，同样的技术被应用于肝癌、肺癌等疾病的早期筛查。毕竟这些病历还需要在数百张图像中找到病变组织，并对其良恶性做出准确判断。
只是似乎这样的话题并不新鲜。早在2016年就有“人工智能医学影像”元年的说法，图像识别在医疗中的应用逐渐兴起。新兴的投机技术和连心医疗诞生于今年。虽然在过去的几年里，这些企业很少受到外界的关注，以至于他们在资本市场上都有了寒冬的味道，在这次“疫情”之后，他们很有可能会迎来新的出路。
更重要的是，人工智能行业的合作模式正在发生变化，这进一步为医疗垂直领域的福音传播者提供了新的机会窗口。
以连心医疗为例，成立之初主要提供癌症数据平台建设和医疗数据分析，涉及医学图像处理、分割、配准等。但在CT影像的攻坚战中，连心医疗基于自身的数据优势和百度飞桨平台，选择快速研发推出基于CT影像的肺炎筛查和疾病预评估AI系统，并向全国定点医院免费开放。在为抗击疫情做出贡献的同时，它也为提升医疗服务提供了新的思路：
以往医疗机构要想开发肺炎CT影像智能诊断的应用，需要找技术公司联合开发，门槛和成本不言而喻。现在，在百度飞欧尔的EasyDL图像分割模型中，我们可以直接选择“肺炎ct图像识别专用算法”，只需要少量的数据训练，就可以得到一个基于实际场景进一步优化的模型，以及一个可以灵活支持多种部署形式的现成模型服务。
按照这个逻辑，我们不能排除AI应用新范式的可能性。桨飞在百度就像是人工智能服务的“样板间”。像连心医疗这样的开发商创造并推出了各种“模型”。全世界的医疗机构都可以在“店”里找到自己需要的“模型”，只需简单的适配就可以在地面应用。
可以肯定的是，这一逻辑一旦付诸实践，就不会局限于医疗领域，将继续延伸到工业制造、市场营销、农业生产等领域，再次印证了王海峰“深度学习推动AI进入工业大生产阶段”的观点。
写在最后
麦肯锡喜欢用“灯塔factory”来定义在第四次工业革命中树立全球榜样的企业。在时间和生产力上做出示范AI诊断的并不是医疗领域的“灯塔factory”。
不难理解阿里，百度，华为和人工智能企业家在这场费用疫情中“赤膊上阵与病毒战斗”的勇气。他们的承诺和感情只是其中之一。为医疗行业打造一个“灯塔”，用数据和技术重新定义医疗，无疑同样重要。
有理由相信，在与时间和疫情赛跑的挑战背后，AI将是AI大规模登陆医疗领域的前奏。
