【科技抗疫】達摩院醫療AI 一周內助診3萬宗疑似肺炎病例

阿里巴巴達摩院及阿里雲合力研發AI診斷技術，自動識別肺炎病例的CT影像。

新型冠狀病毒肺炎病例的臨床診斷數據逐步累積，讓醫護人員的篩查工作愈見繁複。阿里巴巴達摩院及阿里雲合力以科技支援防疫工作上，為肺炎臨床診斷研發一套人工智能（AI）診斷技術，在20秒內判讀疑似案例的電腦斷層掃描（CT）影像，分析結果準確率達到96%，提升醫護人員的臨床診斷效率。

阿里健康（00241.HK）為醫院引入AI診斷技術，大幅提升醫生的閱片效率，為醫生節省30%至70%的時間。此外，還針對基層醫生確診新冠肺炎經驗不足的現實情況，阿里健康AI還可以為其比對CT影像數據庫中過往的相似確診病歷，幫助基層醫生判斷病例。

目前AI診斷技術已經在中國的湖北、上海、廣東、江蘇等16個省份及直轄市的26家醫院應用，自2月16日開始投入服務後，首6日已經診斷3萬宗臨床疑似肺炎病例的CT影像，有關技術將會逐步向超過100家中國的「新冠肺炎定點醫院」部署及應用。

在疫情爆發初期，由於確診案例樣本數量少，醫療機構又缺少高質量的臨床診斷數據，一般以核酸檢測作為診斷的參考標準。隨著臨床診斷數據遞增，肺炎的影像及數據特徵逐漸明朗化，讓CT影像診斷結果變得愈發重要。目前中國已經採納將CT影像臨床診斷結果，作為肺炎病例的診斷標準。

然而，單一肺炎患者一般會產生約300張CT影像以供診斷，而每位醫生對一宗病例的CT影像肉眼分析，一般耗時約5至15分鐘，為醫生的臨床診斷帶來不少壓力，

為了提升新冠肺炎的臨床診斷效率，達摩院醫療AI團隊基於最新的診療方案，結合中國國家呼吸系統疾病臨床醫學研究中心主任鍾南山等多個權威團隊發表的新冠肺炎患者臨床特徵論文，再與浙江大學醫學院附屬第一醫院（浙大一附院）、萬里雲、長遠佳和古珀醫院等多家中國醫學機構合作，突破訓練數據不足的局限，基於5000多宗病例的CT影像樣本數據，學習訓練樣本的病灶紋理，研發出全新的AI算法模型。

達摩院醫療AI可以通過自然語言處理（NLP）回溯研究，使用卷積神經網絡（CNN）訓練CT影像的識別網絡，快速鑑別新冠肺炎影像與普通肺炎影像的區別，最終識別準確率高達96%，而且識別一個病例平均需時不到20秒，大幅提高診斷效率。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。

在CT影像識別算法之外，達摩院還與阿里雲研發出「輔助診斷算法」，該算法可以根據患者基本訊息、症狀、實驗室檢查結果、流行病學史、影像報告等不同維度的資訊，輔助醫生製訂科學的治療方案。

由於新型冠狀病毒肺炎屬於新病種，疫情爆發初期沒有公開的數據集。達摩院算法專家徐敏豐表示，隨著病例的臨床數據逐步累積，AI算法可在診斷中發揮價值，「AI已經成為臨床醫生提升診斷效率的重要手段，尤其在細微區別的CT影像分析上，已經遠遠高於醫生肉眼的效率，可以預見未來AI還將在更多的疾病診斷中會發揮價值。」

此前，阿里健康也發佈了醫療AI系統「Doctor You」，讓人工智能承擔專業醫生助手的角色。「Doctor You」系統包括臨床醫學科研診斷平台、醫療輔助檢測引擎、醫師能力培訓系統等。阿里健康希望藉此可以做到「十年內減輕醫生一半工作量」。這次與浙大附一院的合作將讓「Doctor You」借助臨床研究變的「更聰明」，並加快人工智能應用落地。

延伸閱讀：
【科技抗疫】阿里雲如何以科技對抗疫情？
【科技抗疫】達摩院5天研發「智能疫情機器人」 撥出1100萬次電話調查疫情
【科技抗疫】馬雲公益基金會與鍾南山醫學基金會協議合作 加快肺炎藥物研發
【科技抗疫】阿里健康夥拍近50家藥企抗疫 確保慢性病患者藥品供給及服務
阿里健康發佈三項醫院合作 加快智慧醫療落地

每位醫生若用肉眼分析一宗肺炎患者病例的CT影像，一般耗時約5至15分鐘，難在短時間處理海量病例數據。