疫情突然，對於各行各業來說都是一場大考，尤其是 AI 醫療行業，從疫情諮詢、藥物研發、病毒基因分析再到臨床診斷等多個環節，緊急上陣，達摩院醫療 AI 團隊卻連點成線，應用「處處開花」。
在這背後，是達摩院醫療 AI 團隊的四年蟄伏，從肺部 CT 影像切入醫療 AI，到後來在肝結節、心血管、骨科等方面均取得不錯進展。
疫情當下，不僅僅是達摩院醫療 AI「仗劍」逆行，國內無論是互聯網企業、醫療相關企業都在馳援路上，讓醫療 AI 價值在抗疫中得到驗證，從而加快相關產品落地，一定程度上解決以往醫療 AI 企業營收困難的現狀。
正如達摩院高級研究員華先勝所說 AI 助攻，人類醫生提效，完成這一願景指日可待。
撰文 | 凡雪
現如今，疫情正逐漸蔓延至全球，國內疫情肆虐的風暴過後，每當覆盤抗疫歷程，阿里、達摩院，總會成為不可忽視的關鍵詞條。
的確，不論是與浙江疾控中心合作的基因檢測平臺，將疑似病例基因分析時間縮至半小時；還是率先在鄭州「小湯山」應用的 CT 影像系統；或是國內 57 座城市都在用的智能疫情機器人，阿里抗疫覆蓋疫情諮詢、藥物研發、病毒基因分析、臨床診斷等多個環節，力度不可謂不大。
如今影響力還在不斷擴散，據阿里統計，截至 3 月 31 日，達摩院 CT 影像 AI 已在浙江、河南、湖北、上海、廣東、江蘇、安徽等 16 個省市近 170 家醫院落地，已診斷 34 萬臨床病例。
隨著疫情全球擴散，3 月 31 日，達摩院 AI 隨著阿里雲一同出海——日本知名醫療科技機構 JBC 正式上線阿里雲新冠肺炎 AI 診斷技術，開始向日本醫院提供這一服務，幫助醫生通過 CT 影像快速進行新冠肺炎篩查。
一 達摩院「仗劍」逆行
「系統 20 秒內對新冠疑似患者 CT 影像做出判讀，並量化病症的輕重程度，分析結果準確率達到 96%」，從華先勝嘴裡跳出的數據，直觀地顯示著這套系統的輔助作用。
華先勝是阿里巴巴集團副總裁、達摩院高級研究員，2001 年北大數學系博士畢業，在微軟工作 14 年後被「阿里雲之父」王堅挖角，開啟阿里在 AI 視覺研發和落地方面的探索。
2 月 4 日，達摩院接到任務，要藉助 AI 技術對新冠疑似案例 CT 影像做出判讀，4 天內，達摩院算法團隊便已構建出一個識別模型，模型剛出來，團隊便在小範圍數據集上做測試。
但僅僅基於小範圍的數據產出的產品並不足以讓人信服，加之彼時疫情尚處初期，全球尚無充足的臨床數據，更無標準的數據集。
在這種情況下，團隊轉換思路，調取出原有存量數據——天池大賽中「肺部 CT 多病徵智能診斷」數據，另一方面，達摩院還加緊與外部機構協作，與浙大一院、萬里雲、長遠佳和古珀醫院等多家機構合作，很快就突破了訓練數據不足的侷限。
據瞭解，天池大數據競賽是由阿里巴巴主辦，面向全球科研工作者的高端算法競賽。通過開放海量數據和分佈式計算資源，讓參與者有機會運用其設計的算法解決社會或業務問題。
最終，達摩院基於 5000 多個病例的 CT 影像樣本數據，學習、訓練了樣本的病灶紋理，通過 NLP 自然語言處理回顧性數據、使用 CNN 卷積神經網絡訓練 CT 影像的識別網絡。
2 月 15 日，這套系統第一個趕赴的地方便是鄭州岐伯山醫院，作為鄭州「小湯山」，它是一家新冠肺炎確診患者定點救治醫院，一位病人的 CT 影像大概有 300 張左右，而醫生對一個病例的 CT 影像肉眼分析耗時大約為 5-15 分鐘，這給醫生臨床診斷帶來巨大壓力。
達摩院 CT 影像 AI 系統能直接算出病灶部位的佔比比例，量化、預測病症的輕重程度，大幅度提升診斷效率，為患者的治療爭取寶貴時間。
AI 自動識別新冠肺炎病例 CT 胸片
值得一提的是，在 CT 影像識別算法之外，達摩院還與阿里雲研發了輔助診斷算法，該算法可以根據患者基本信息、症狀、實驗室檢查結果、流行病學史、影像報告等多維信息，進一步幫助輔助醫生制定科學的治療方案。
截至 3 月 31 日，這套 AI 系統已在浙江、河南、湖北、上海、廣東、江蘇、安徽等 16 個省市的 170 家醫院落地，診斷超過 34 萬臨床病例。
除了 CT 影像 AI 系統，疫情期間，達摩院做的事情還有很多，覆蓋疫情諮詢、藥物研發、病毒基因分析、臨床診斷等多個環節。
1 月 27 日，達摩院連夜研發的智能疫情機器人。上線後便在全國各地投入使用，很快落地全國 27 個省、直轄市、自治區，免費為 57 座城市撥打 1600 萬通防控摸排電話，摸排超過 20 萬身體異常人群。
2 月 1 日，達摩院醫療 AI 算法，正式應用於新冠肺炎的病原學檢測。達摩院與浙江省疾控中心合作，利用算法將疑似病例基因分析時間縮至半小時，該技術可以避免核酸檢測出現的漏檢情況，同時可以及時檢測到變異病毒。
「我們的基因分析覆蓋了 95% 以上的全序列，準確率近乎 100%，從自動化建庫到基因測序再到最後一步基因分析（達摩院只提供最後一步服務），整個流程只需 14 小時，其他全基因組測序方法則一般需要兩三天」，華先勝說道。
達摩院算法專家設置基因檢測分析參數
此外，疫情期間，達摩院醫療 AI 團隊還提供了醫療專業翻譯系統、疫情預測等系統，為更大範圍、更高層次的抗疫，提供信息支撐。
二 「鑄劍」四年
2016 年，達摩院醫療 AI 由時任阿里巴巴 iDST 副院長的華先勝帶隊打造。
彼時人工智能熱潮剛剛掀起，行業內對人工智能的探討還僅僅侷限在技術研發上，在落地場景上基本沒有考量，具體到醫療領域可以在哪些場景驅動技術的落地，更是一片未知。
但當時的華先勝堅信：人工智能進入醫療健康領域，是一個必然的事情，作為視覺智能領域深耕多年的專家，華先勝團隊從肺部 CT 影像開始切入醫療 AI，很快就做出成績。
2017 年 7 月，達摩院 AI 在國際權威的肺結節檢測大賽 LUNA16 上打破世界紀錄，憑藉 89.7% 的平均召回率（在樣本數據中成功發現結節佔比的比例）奪冠。
大賽要求選手對 888 份肺部 CT 樣本進行分析，尋找其中的肺結節。樣本共包含 1186 個肺結節，75% 以上為小於 10mm 的小結節。最終，達摩院在 7 個不同誤報率下發現的肺結節平均召回率達到 89.7%，超出第二名 0.2%。
不同誤報次數下召回率情況
這一次「第一」儼然有著承上啟下的「里程碑」意義，為阿里達摩院新冠肺炎的 CT 自動診斷系統打下了基礎，同時開啟了達摩院更加廣泛的研究範圍。
2018 年 12 月，達摩院 AI 從近百支隊伍中脫穎而出，在全球 LiTS(Liver Tumor Segmentation Challenge，肝臟腫瘤病灶區 CT 圖像分割挑戰) 獲得兩項第一；
2019 年的心臟冠脈中心線提取鹿特丹比賽（Rotterdam）上，達摩院 AI 獲得全自動提取賽事第一名，相關論文被國際頂級醫學影像會議 MICCAI 2019 提前接收；
2019 年, 達摩院 AI 獲得 EMNLP 2019 微生物群落信息抽取比賽 (BB Task)「關係和實體聯合抽取」任務冠軍。
正是由於達摩院此前四年基礎研究的「厚積」，才帶來了疫情期間的從點到線到面的技術應用，讓阿里看到了底層創新與產業土壤深度結合，不斷蝶變的可能。
而阿里健康的升級，便將發生在這些技術加持帶來的業務應用全面爆發的背景下。
三 助攻醫生提效
疫情發生的突然，無疑給各行各業進行一次「大考」，尤其是 AI 醫療行業，然而，如果將問題換個角度，這其實也是一場機遇，在阿里健康資深副總裁馬立看來，疫情對消費者、醫院對於互聯網醫療、影像 AI 系統等認知大大增強。
原先，醫療 AI 產品在實際落地醫院過程中並不順暢，「醫療 AI 行業大家收入都很少，以前按研發比如說科研合作掙取收入，現在也可以通過招標將產品落地醫院」，匯醫慧影一位員工此前向機器之心透露道。
招標是醫療 AI 企業產品進入院方的一種方式，院方發佈需求，同類別企業進行競標，但是過程並不順暢，無論是產品或是科研成果迅速落地比較難，因此渠道資源，醫院人脈就顯得十分重要，他們在一定程度上可以幫助產品「打入」醫院內部。
然而，即使進入醫院內部，能被多大程度接受，應用程度如何也是未知，據新京報「尋找中國創客」報道，在 AI 產品扎堆的影像領域，一個三甲醫院可能同時安裝 10 餘家 AI 公司的產品，醫生真正使用的只有一兩家，因為 AI 找到結節後尚不能輔助診斷，且目前產品多集中在肺結節查找上，同質化嚴重，而這些需要深度學習的 AI 產品，少了醫生的糾錯與補充，模型迭代也會變慢。
這一點馬立有很大感觸，「之前跟很多資深醫生交流，有一些醫生對於信息技術比較開放，但有些醫生對於 AI 便持懷疑態度」，「但疫情過後，根據我們接觸過的醫生，會發現他們對於 AI 醫療的認知有很明顯提升」，馬立補充說道。
除了普通民眾和醫院，疫情也正在推動互聯網醫療相關政策的出臺，2020 年 3 月 2 日，國家醫保局、國家衛健委兩部發布《關於推進新冠肺炎疫情防控期間開展「互聯網」醫保服務的指導意見》，明確互聯網醫療機構可以為參保人在線開具電子處方，線下采取多種方式靈活配藥，參保人可享受醫保支付待遇；3 月 5 日，「互聯網醫療」被首次納入中央級醫保文件。
隨著「互聯網 醫保」政策的接連出臺，互聯網醫療的活力進一步激發，患者的就醫觀念也在不斷髮生改變。
醫療 AI 的價值在抗疫中得到驗證，會對醫療行業和公眾產生深遠的影響。在接下來幾年，將會看到整個醫療行業的數字化和智能化程度大幅度提升，這也將成為醫療系統的常態：AI 助攻，人類醫生提效，華先勝補充說道。
閱讀更多 機器之心Pro 的文章
