AI成为疫情防控战的“新兵种”,准确率达到96%,AI系统到底什么来头

资讯 2020-06-24 10:06:02
应收尽收、应治尽治、不漏一人。 这是目前联防联控抗击疫情的关键,而其中的重点则是确诊病例和疑似病例的筛查,而AI正在成为疫情防控战的“新兵种”。 对此,阿里达摩院就传来好消息,全新的AI诊断技术可以在20秒内准确地对新冠疑似案例CT影像做出判读,分析结果准确率达到96%,大幅提升诊断效率。 那么,这个如此高效的AI系统背后到底是如何运行的?阿里达摩院又是什么来头? 从CT影像成为确诊依据开始 据网易科技《态度》栏目记者了解,在新冠疫情早期,由于确诊案例样本量少,医疗机构缺少高质量临床诊断数据,核酸检测作为病原学证据被公认为新冠肺炎诊断的主要参考标准。 但随着临床诊断数据的积累,新冠肺炎的影像学大数据特征逐渐清晰,CT影像诊断结果变得愈发重要。 根据国家卫健委公布的诊疗方案第五版,临床诊断无需依赖核酸检测结果,CT影像临床诊断结果可作为新冠肺炎病例判断的标准。 据介绍,新冠肺炎患者的CT胸片的影像特征表现为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化。 医生肉眼分析耗时为5-15分钟 有了方法论支撑,那速度怎么起来? 据了解,一位新冠肺炎病人的CT影像大概在300张左右,这给医生临床诊断带来巨大压力,医生对一个病例的CT影像肉眼分析耗时大约为5-15分钟。 对此,人工智能研发人员开始了他们的突击攻关。 达摩院医疗AI团队基于当前最新的诊疗方案、钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文,与浙大一附院、万里云、长远佳和古珀医院等多家机构合作,率先突破了训练数据不足的局限。 具体来说,他们基于5000多个病例的CT影像样本数据,学习训练样本的病灶纹理,研发了全新的AI算法模型。 通过NLP自然语言处理回顾性数据、使用CNN卷积神经网络训练CT影像的识别网络,AI可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别,最终识别准确率高达96%。 目前的技术成果是,AI每识别一个病例平均只需要不到20秒,大大提高诊断效率,减轻医生压力。此外,AI还能直接算出病灶部位的占比比例,进而量化病症的轻重程度,大幅提升临床诊断效率。 算法专家徐敏丰表示,“新冠肺炎属于新病种,疫情爆发至今仍旧没有公开的数据集,但随着临床数据的积累,AI算法将在新冠肺炎诊断中发挥更大的价值。”据透露,除了率先落地的河南郑州小汤山医院,上述算法还将在湖北、广东、安徽等地近100家医院落地。 而今天,启用的河南郑州小汤山已经引入了该算法辅助临床诊断。 这个达摩院是什么来头? 2017年10月,阿里巴巴宣布成立达摩院,未来三年将投入将超过1000亿人民币用于基础科学和颠覆式技术创新研究。 在金庸小说中,达摩院代表着武学机构。“因为我们相信,未来一定是技术带来利润,未来市场规模的取得,是靠创新。”马云曾说道。 我们看到,达摩院的重点布局是机器智能、数据计算、机器人、金融科技以及X实验室五大领域,相应设置有14个实验室,共有近70名海内外专家加持。 基于机器视觉的医疗影像分析一直是这支研发团队的重点。 早在2017年7月,国际权威肺结节检测大赛LUNA16要求选手对888份肺部CT样本进行分析,寻找其中的肺结节,样本共包含1186个肺结节,75%以上为小于10mm的小结节。 最终,阿里云ET在7个不同误报率下发现的肺结节平均召回率达到89.7%。 科技本就该以人为本,向善而行。 小编也期待更多AI技术可以在这场没有硝烟的抗疫战中发挥作用。
版权声明

本文仅代表作者观点,不代表百度立场。
本文系作者授权百度百家发表,未经许可,不得转载。