作者 | 海怪
來源 | 腦極體（ID：unity007）
不知不覺間，我們與新冠疫情的對抗已經渡過了緊張階段，回顧中我們可以發現，在這場抗擊新冠疫情的戰役裡，AI已然成為了一位不可或缺的參與者。包括像針對病毒基因測序的AI算力和算法的開放，新冠肺炎醫療影像資料的AI診斷等輔助手段的落地；以及公共交通樞紐的AI測溫，在社區查驗居民出入的AI口罩識別，在醫院酒店為病患配送物品的智能機器人，線上醫療諮詢的AI客服等應用的推廣……
儘管AI技術在這場疫情防控中扮演著輔助角色，但正如我們之前所說，這可能是人類第一次將AI技術應用到大規模公共衛生事件。更重要的是，在疫情發生之後，這些AI技術迅速落地發揮作用，切實幫助了社會管理者更好地應對緊急事件。
與記錄這些AI抗疫經歷同樣重要的是，還要總結AI產品快速落地抗疫的實踐經驗。在產業AI化的長路上，或許可以幫助我們走的更快更穩。
與疫情搶時間：領跑在抗疫一線的AI應用們
疫情如同戰情，AI抗疫的每一個環節都需要與時間賽跑，與疫情賽跑。以下我們可以看到的AI速度都幾乎是在一線的醫院以及公共衛生、交通等部門的迫切需求中實現的。先以最緊迫的新冠肺炎確診病例檢測來說，除核酸診斷外，醫療影像也是重要手段之一。但面對繁重的篩查任務，傳統的醫生閱片效率顯然是不夠的。
已經比較成熟AI醫療影像檢測，自然成了疫情時期的“熱門項目”。目前已經有多家AI企業的智能影像系統應用於全國多家肺炎疫情定點醫院。在AI影像診斷的輔助下，平均每個肺炎的閱片篩查速度可以從十幾分鍾縮短到幾十秒。
另外一個更為緊迫的場景就是公共場所的體溫異常篩查。隨著各個城市特別是一線城市復工潮的來臨，返城人員很快造成了城市公共交通客流量的人群聚集壓力。如何在人流密集的公共場所做到實時的人體測溫，而又要避免因測溫出現的人群排隊和聚集？這就需要測溫儀器做到“無接觸感應”、“高效率通行”、“高溫人員預警”這三大指標合格。
AI多人體溫快速檢測系統在很大程度上可以解決這類問題。通過“人體/人像識別+紅外/可見光雙傳感”這類的AI解決方案，可以輔助各類公共場所等高密度人員流動場景下的工作人員快速篩查體溫異常者，從而解決疫情平穩後在開放場所的通行效率與可控度。目前多家AI體溫檢測系統已經在各地交通樞紐、收費站、醫院社區出入口投入使用，有效輔助高密集人流的體溫篩查，減少一線工作人員的感染風險。
另外一個典型場景就是AI可以代替疫情篩查通知工作中大量重複性勞動。第一類場景是幫助工作人員進行智能電話普查和通知，比如通過智能機器人外呼服務高效完成社區普查和疫情通知的外呼任務，還可以就電話訪談內容生成可視化信息。第二類場景是幫助線上醫療機構進行問診諮詢的AI應答，比如一些聊天機器人可對新冠肺炎科普知識的智能查詢、疑似患者的智能問診及導診等服務。
這些AI應用能夠在極短時間內投入到防疫一線，並且逐步在全國各地的抗疫場景中推廣使用，一方面離不開這些AI技術團隊的傾力付出和抗疫一線有關部門和工作者的有力配合，另一方面則可以看出AI技術在應對多模態場景下的軟硬件耦合經驗的成熟以及在AI開發及部署流程上的高效實踐。
大考背後：極限操作下的AI抗疫速度
在這一次的AI抗疫中，體現出了兩個“高速”趨勢，一個是成熟技術的高速大規模部署，另一個則是新技術的快速應用。
前者的典型場景，就是CT影像的落地。
在AI醫療中，醫療影像憑藉著與圖像識別技術的完美契合度，已經成為了一個非常成熟的領域。在抗疫之下，從確認需求到完成測試上線只有幾天的時間，完成一套完整的CT影像AI診斷產品仍然需要一些“極限操作”。
首先，新冠肺炎的CT診斷是一項全新定製化產品。這意味著由於醫院的情況各不相同，所以大到醫院的網絡環境、CT 檢查設備，小到各種病例數據、醫生電腦工作環境，都需要進行調試和對接。所以，與定製醫院和醫療機構的需求溝通就成為非常重要的前期準備工作。
其中最重要的就是前期的AI訓練模型和敏捷開發。針對新冠肺炎的醫療影像診斷，多家AI團隊早在春節期間就與武漢一線醫院開展相關合作，根據疫區醫院提供的大量真實的典型肺炎病例數據有效實現CT影像的AI檢測模型訓練以及根據相對小樣本、不同病程造成的個體差異大的特殊場景進行快速迭代的敏捷開發。
其次是AI產品的測試裝機工作。與 AI算法調優測試同時，相關服務器硬件的配置測試也同步進行。軟硬件系統的協同既要考慮到性能，功耗，穩定性，安全性的綜合系統，也要考慮到AI產品在未來大規模推廣的成本因素。
接下來就是產品的落地部署。一是採取平臺化方式部署，採取集成功能，使得新增功能可以像搭積木一樣與原有平臺契合，做到即插即用。再就是遠程異地部署和現場的裝機聯網和設備部署。其中涉及硬件產品與醫院CT檢查設備及工作電腦的兼容聯接問題，因此前期的溝通環節的細緻與否就十分關鍵。
最後是系統上線後的最終閉環就是對醫生操作培訓和遠程維護，可以讓醫生們在CT 影像+AI 識別的系統的提示下，完成對原來有懷疑但不確定的病例進行更確定的診斷。
至於新技術的快速應用，AI測溫就是一個典型。
利用紅外感應或熱成像設備檢測溫度並不是什麼難事，但要將這一幾乎沒有被AI化過技術從頭開發並快速部署，對於技術開發和技術產業化能力都是一種挑戰。從目前幾家已經上線的AI測溫的技術產品來看，他們主要都是採取“人體/人像識別+紅外/可見光雙傳感”的模式進行人體測溫的快速開發。
人體識別和人像臉部識別已經是普遍採用的AI技術，這次通過搭配外紅線感應攝像頭設備，集合出人臉關鍵點檢測及圖像紅外溫度點陣溫度分析算法，可以對一定面積內乘客的額頭溫度進行檢測，即便是佩戴帽子和口罩也能夠快速篩查。
AI測溫更重要的是在現實場景的靈活部署。第一種是固定機位，可以對主要通道內的大部分行人進行快速篩查，在無需行人配合或弱配合的情況下，完成 3-5人/批次的面部溫度快速檢測系統。而對於環境複雜度高、人員流動性高的場景，還可以採取搭配智能手機等移動設備進行無接觸式遠距離巡檢，有效降低工作人員感染風險。
此前在新加坡落地的AI測溫產品，則是配備了熱成像儀和3D激光攝像頭的智能手機。可以結合距離進行分析，精確測量3米以內的人體溫度。而這一套設備僅用兩週就實現了落地，而國內的一些產品所用的準備時間更短。
經歷這場疫情的大考，對於這些AI技術公司來說更像是一種極限生存挑戰賽，也像是為贏得未來市場提前準備的拉練賽。
過往皆為序章：“戰疫”之後醫療AI新機遇
儘管疫情來勢洶洶，又恰逢春節假期，但我們看到眾多案例中的AI技術團隊都幾乎在第一時間行動起來。快速的行動反應得益於遠程協作的高效溝通，也得益於AI技術本身的成熟積累。比如通過雲端，AI團隊能夠以模塊化方式實現的AI算法框架的整體開放，以集成化的方式進行病毒藥物相關的數據挖掘和實時更新；比如在此次“戰疫”中AI部署跑出的極限速度，也源於在近幾年中AI產業特別是醫療健康領域的紮實落地經驗。
那麼，經此“戰疫”之後，我們也可以推測下醫療AI產業會迎來哪些爆發的機會？
可以預見，未來將會有更多的AI應用參與到我國公共衛生的技術保障體系當中。比如，醫療衛生機構和防疫部門可以建立相關的流行傳染病的智能監控系統，確保在疫情爆發前期就能對感染人群和感染地區做出提前的監測跟蹤和及時的防控。其次，則是在現有的公共監控系統增加人體體溫智能監測等功能，以應對公共場所疫情擴散風險。
另外，為更好地應對此次疫情突發的緊急狀況，醫療AI相關的技術產品的模塊化、低代碼開發將成為一種趨勢。各大AI平臺可以提供集成具有統一接口的通用AI工具，以雲化、服務化形式向疫區的相關機構開放AI能力，IT人員在短時間內即可完成疫情相關的應用開發。
更深遠的影響將是AI在公共醫療領域的大規模普及。這需要AI技術與包括像病毒篩查、藥物疫苗研發、醫療影像分析、智能診療、智能健康管理、醫療機器人等醫療環節開展深度合作。同時考慮到我國醫療資源、經濟水平等地區差異等問題，醫療AI產業也會注重更低成本、更具落地性的解決方案，實現AI企業、醫療機構和廣大居民都能受益的健康醫療體系。
此次疫情，正在由危轉機。而這些醫療AI技術團隊在此艱難時刻的付出，必在未來得到整個產業饋贈的豐碩回報。
閱讀更多 CSDN 的文章
