新冠状病毒还没有完全消除，还在持（chí）续，人工（gōng）智能助力医疗领域（yù）与时间赛跑，帮助大（dà）众尽（jìn）快度过（guò）疫情（qíng）。

在（zài）疫情持续的（de）这一个（gè）多月里，AI抗（kàng）疫已（yǐ）经成为备受关注热门话题（tí），诸（zhū）如AI红外（wài）测温、肺炎咨（zī）询机器人、人（rén）工智能助（zhù）力疫苗研发、算法预测新型（xíng）冠（guàn）状病毒的全基（jī）因（yīn）组等案例多次（cì）占据科技媒体头条。

最近2月28日，百度（dù）飞桨向外界同步了（le）一条（tiáo）新动态：连心医疗团（tuán）队基（jī）于百度飞桨（jiǎng）平台（tái）开发的“基于CT影像的肺炎筛（shāi）查与病情预评估AI系统”正式（shì）上线，可快速检测识（shí）别肺（fèi）炎（yán）病灶，为病（bìng）情诊断提供病灶的数量、体积（jī）、肺部占比等定（dìng）量评估信息，并已经在湖南（nán）郴（chēn）州湘南学（xué）院附属医院投（tóu）入（rù）使用。

不过深入抗疫一（yī）线、与医疗人员并肩战斗的（de）CT影像智能识别（bié）又（yòu）有所不同，从新（xīn）冠肺炎“假阴性（xìng）”的（de）消息传出，到百度飞（fēi）桨助（zhù）力连心医疗首次开源肺炎CT影像分析模型，从（cóng）0到（dào）1乃至到N的一幕（mù），再次演绎了互（hù）联（lián）网（wǎng）的“战疫（yì）”速度。

有感于科技企业担当精神的同时，也产生了一（yī）些新的话题，比如（rú）人工智能企业为何可以快（kuài）速给出解决方案，落地（dì）应用后解决了哪（nǎ）些棘手问题，以及人工（gōng）智能的实战结果给我们带来（lái）了什么样的启示？

争分夺秒（miǎo）的AI“军团”

2月3日（rì），武汉（hàn）大（dà）学中南医院影像科副主（zhǔ）任张笑春发了一条（tiáo）朋友圈：“别迷信（xìn）核酸检测（cè）了，强烈推荐CT影像作为目前 2019－nCoV 肺炎主要依（yī）据”，并称这是“一个一线影像医生的（de）大声疾呼！”

2月4日，工（gōng）信（xìn）部发出了倡议：全国各地（dì）要充分发挥人工（gōng）智能赋能效用，协力抗击新冠肺（fèi）炎疫情（qíng）；2月5日，国家卫健委发布了第（dì）五版《新型冠状病毒感染的（de）肺炎诊疗方案》，肺部CT影像被正式纳入新（xīn）冠（guàn）肺炎（yán）诊断标（biāo）准。

大大（dà）小小的人（rén）工智能企业，也开始了一场争分（fèn）夺（duó）秒（miǎo）的攻（gōng）坚战。

正如文初提（tí）到的一（yī）幕（mù），连心医（yī）疗结合百度飞（fēi）桨开源框（kuàng）架和视觉领域技术领先的PaddleSeg开发套件，研发了“基于CT影像的肺炎筛（shāi）查与病情预评估AI系统（tǒng）”，并将（jiāng）对全国定点收治医院免费开（kāi）放（fàng），以提高国内基层医院关于新（xīn）型肺炎的病情（qíng）诊（zhěn）断和救治能力。

阿里、华为、依图（tú）科技、深睿医疗（liáo）等也先（xiān）后拿出了解决（jué）方案。

比（bǐ）如阿里达（dá）摩（mó）院医疗团队与浙大一附院、万里云、长（zhǎng）远佳和（hé）古珀医院等多家（jiā）机构合作拿到了5000多（duō）个CT影（yǐng）像样本，结（jié）合新冠肺炎患者的临床（chuáng）特征（zhēng），推出了新冠肺炎临床AI诊断技术（CT影（yǐng）像），并在河南（nán）“小汤（tāng）山”医院里落地应用。

华为云宣布与（yǔ）华中科技大学、蓝（lán）网科技（jì）等通力协作，研（yán）发并（bìng）推出新型冠状（zhuàng）病毒肺（fèi）炎AI辅助（zhù）医（yī）学影像量（liàng）化分（fèn）析服务，通过计算机视觉（jiào）与医学影像分析技术（shù），结合临床（chuáng）信息和实验（yàn）室结（jié）果，辅（fǔ）助（zhù）医生更高效、精（jīng）准地区分早（zǎo）期（qī）、进（jìn）展期与重症期（qī）患者。

依图科技、深睿医疗、推想科技等创业（yè）公司（sī）向外界释放了推出（chū）可用于智能评（píng）估新（xīn）冠肺（fèi）炎的AI影像产（chǎn）品的消（xiāo）息（xī），将针对局部性病灶、弥漫性病变（biàn）、全肺受累的各类肺炎疾病严（yán）重程度进行（háng）分级，继而（ér）精确测算出（chū）疾病累（lèi）计的肺炎负荷。

做（zuò）一个总结的话，人工智能企业在对抗新冠肺炎“假阴性”困境中（zhōng）的快速应对和深度参与，离（lí）不开两个关键因素：

其一，CT扫（sǎo）描（miáo）一（yī）次（cì）可（kě）以得到数（shù）百（bǎi）张人体组织截（jié）面，而新型冠状（zhuàng）肺炎的在（zài）影像上主（zhǔ）要表现为外带分布、多叶段（duàn）、磨玻（bō）璃间质性改变，医生可以将标（biāo）注好的肺部CT影像交由机（jī）器学习，主动寻找结果和图像之（zhī）间的关系。

其二，利用CT图（tú）像（xiàng）数据进行（háng）AI诊断并（bìng）非没有先例（lì），美国国立卫生（shēng）研究院在2018年就曾公开10600张CT扫描图像，用于（yú）医疗人工智能算法的开发和测试。同时国（guó）内的百度、阿里（lǐ）、华为（wéi）云等也在图像识（shí）别领域有着成熟的（de）神经网络训练算法。

诚（chéng）然，人（rén）工智能在（zài）CT影像识别中的应用并（bìng）非是“不（bú）可能完成（chéng）”的（de）任务，甚至说是当下医疗体系的一种（zhǒng）潜在趋势，但（dàn）发挥出的价值却不该被低估。

AI解决了哪些问题？

厘清了（le）人工智能企业迅速备战的原因，再来回（huí）答另一个问题：人工智（zhì）能在这场攻（gōng）坚战中到底解决（jué）了哪些棘手问题（tí）？

首先是时间上的对比。

以CT影像的量化评估（gū）为（wéi）例（lì），现在大多（duō）数医护人员采（cǎi）用的（de）是手工勾画ROI的方法，类似于PS中的手（shǒu）动描边（biān）和抠（kōu）图，每个（gè）患（huàn）者需要勾画（huà）三（sān）四（sì）百张的（de）CT影像（xiàng），往往需要五六个小（xiǎo）时的（de）时间才能完成。而一位患者从（cóng）入院（yuàn）观察到治愈出院，一般需要拍摄四（sì）次左（zuǒ）右的（de）CT影像，相关医生（shēng）的工作量可想而（ér）知（zhī）。

特（tè）别是在湖（hú）北等疫（yì）情高发的地区，耗（hào）时（shí）如此之长的CT影（yǐng）像量（liàng）化工作，不仅让一线（xiàn）的医疗人员（yuán）置于高负荷的工作状态中，也在（zài）一定程度上（shàng）耽搁了诊断效（xiào）率。

从几家（jiā）人工智能企业给出的结果（guǒ）来看，确（què）诊时（shí）间被压缩到（dào）了几秒（miǎo）到几十秒之间。诸（zhū）如依图科（kē）技（jì）、华（huá）为云等公司专注于CT影像量化（huà）评（píng）估工作，阿（ā）里达摩院、连心医（yī）疗则（zé）给出了一整套的方（fāng）案，包括CT影像（xiàng）的病灶检测、病灶轮廓勾画、双肺密度分布直方图及肺部病（bìng）灶（zào）的数（shù）量、体（tǐ）积、肺部占比等全套定（dìng）量指标的计算与展示。

其次是生产力的对比（bǐ）。

疫区的医生或许（xǔ）可以凭借繁多（duō）的（de）病例“熟能生巧”，花上（shàng）5—10分钟的时间就能从CT影像中确（què）定（dìng）患者的病情（qíng）。可对于（yú）非疫区（qū）的医生而言，由于接诊相关病（bìng）历的经验少，在确诊过程中经常会举（jǔ）棋不定，直到核酸检测（cè）显示阳（yáng）性后才敢（gǎn）确诊，其中犹豫和（hé）等待的时间（jiān），可（kě）能已（yǐ）经造（zào）成交（jiāo）叉（chā）感染乃（nǎi）至是家庭聚集（jí）性发病。

同时高压（yā）的工作状（zhuàng）态也在（zài）考验医（yī）生（shēng）的心（xīn）理素质，每一份签名确诊报告的背后，通常意（yì）味着（zhe）几（jǐ）十个紧密接（jiē）触者的隔离（lí）收治，既是一种责任，也是心理上（shàng）犹（yóu）豫。

至少人（rén）工智能在CT影像（xiàng）诊断（duàn）中的应用（yòng），已（yǐ）经在某种（zhǒng）程度上（shàng）拉平了因为经验不同导致的（de）生（shēng）产力差异，即便（biàn）是（shì）没有接触（chù）过肺炎病（bìng）例的医生，也可以（yǐ）根据AI的诊断结果进（jìn）行科学判定，然后（hòu）以一种可观的依（yī）据（jù）增强医生们的诊断信心。

值得一提的是，连心医疗采用（yòng）的深度学（xué）习算（suàn）法模型充（chōng）分训练了所收集到（dào）的高分辨（biàn）率和低分辨率的CT影（yǐng）像数据，可以适应不同等级CT影像设备采集的检查（chá）数据，哪怕（pà）是医疗资源受限的基层医院，也可以在（zài）肺（fèi）炎辅助预诊断（duàn）工具（jù）的帮助下进行确诊，进一（yī）步提升了基层医生的诊（zhěn）断和（hé）评估效率。

被验证的“通用（yòng）技术（shù）”

人工智能在CT影像辅助诊断中的价值（zhí）已然被验证，同（tóng）时被验证的还有（yǒu）人工智能作为“通用技术（shù）”的属性。

按照百（bǎi）度CTO王海峰（fēng）的观点，“通用技术”指（zhǐ）的是与（yǔ）机械技（jì）术、电气技术和信息技术一样，具备标（biāo）准化、自（zì）动化和模块化的特（tè）征，也是（shì）进入（rù）工（gōng）业（yè）大生（shēng）产阶段的基（jī）本前提。至少AI在CT图像（xiàng）智能诊断系统（tǒng）的应用中，不难找到“通用性（xìng）”的一面。

一个直接的例子（zǐ），当新型冠状肺炎的疫情结束后，那些战斗在一线的医（yī）务工作者，势必（bì）会重（chóng）新（xīn）审视（shì）AI这个“新（xīn）战（zhàn）友”，进而延伸出（chū）更加（jiā）广泛的（de）应（yīng）用（yòng），比如同样的技术被应用于肝癌、肺癌等病情的早期筛查，毕竟这些病历同（tóng）样需要在几百张影（yǐng）像（xiàng）中找到病变的组（zǔ）织，并对它的良恶性做（zuò）出（chū）准确的判（pàn）断。

只是这样（yàng）的（de）话题似乎（hū）并不新鲜，早（zǎo）在2016年就（jiù）有“人（rén）工智能＋医疗影像”元年的说法，图像识别在医疗中的应用渐渐兴起，这次疫情中崭露头角的（de）推想（xiǎng）科技、连心医（yī）疗等均诞生于（yú）这一年。尽管在过去（qù）几年中，这些企（qǐ）业（yè）很少被（bèi）外（wài）界所关（guān）注，以至于在资本市场都有些寒冬的味（wèi）道，但经此一“疫”后大概率会迎来新（xīn）的风口。

何况人工智能行业的协作（zuò）方式也在（zài）发生转变，进（jìn）一步为（wéi）医疗（liáo）垂（chuí）直领域的布（bù）道者们提供了新（xīn）的机会窗口。

以连心（xīn）医疗（liáo）为例，在创立之初主要提供肿（zhǒng）瘤数据平台搭建和医疗数（shù）据分析，涉及医疗影像处（chù）理、分（fèn）割、配（pèi）准等（děng）等。但在CT影像的攻坚战中（zhōng），连心医疗（liáo）选（xuǎn）择（zé）在自身数（shù）据优势（shì）的（de）基础上，基于百度飞桨平台快速开发上线了基于CT影像的肺炎筛查与病情预（yù）评估（gū）AI系统并对全（quán）国定点收治医院（yuàn）免费开放（fàng），为抗击疫情（qíng）贡献一己之力的同时，也给出了医疗服务（wù）升级的新思路：

以（yǐ）往医疗机构想要开（kāi）发肺炎CT影像（xiàng）智（zhì）能诊断类的（de）应用（yòng），需要找（zhǎo）到某家（jiā）科（kē）技公司进行联（lián）合开发，其中的门（mén）槛和成（chéng）本不（bú）言（yán）而喻。如今却可以在百度飞桨的EasyDL图像分割模型中，直接选择“肺炎CT影像识别专（zhuān）用算法”，只（zhī）需要少量的数据训（xùn）练即可获得基于实际（jì）场景（jǐng）进一（yī）步优（yōu）化的模（mó）型，以及可灵活支持多（duō）种部（bù）署（shǔ）形式、可即用的模（mó）型服务。

沿循这（zhè）样的逻辑，不排除（chú）诞生AI应用（yòng）新（xīn）范式的（de）可能。百（bǎi）度飞桨就像是（shì）AI服务的“模型商店”，连心医疗这样的开发者打造上（shàng）线了各种各（gè）样的“模型”，全（quán）球范围（wéi）内（nèi）的医疗机构（gòu）们可以在“商店”中找到自己需要的“模型（xíng）”，简单的（de）适配就可以落地应用。

可以笃定的是，一旦这样的逻辑（jí）被跑通后，注定不会局限在医疗（liáo）领域，不断向工业制造、市场营销（xiāo）、农业生（shēng）产（chǎn）等领域延伸，又一次（cì）印证了（le）王海峰关于（yú）“深度学习推动AI进入工业（yè）大生（shēng）产阶段”的观点。

麦肯锡喜欢用“灯（dēng）塔（tǎ）工厂”来定义（yì）在第四次（cì）工业（yè）革命做出（chū）全球表率的企业（yè），借鉴这（zhè）样的说法，在时间（jiān）和生产力做出示范（fàn）的AI诊断，何尝（cháng）不是医（yī）疗领域的（de）“灯塔工厂”。

也就不难理解阿里（lǐ）、百度、华为以及人（rén）工智能（néng）创业（yè）们在这场费用疫情中（zhōng）与病毒“赤膊奋战”的（de）勇气，担当和情怀只是其一，为医疗行（háng）业建造一座“灯塔”，用数据（jù）和技（jì）术重新定义医疗，无疑是同样重要的事。

有（yǒu）理由（yóu）相信，AI在一线与时间（jiān）赛跑、与疫情赛（sài）跑的（de）挑（tiāo）战背后，也将是AI在医疗领域规模化落地的序章。