當前新冠肺炎疫情防控進入關鍵階段，在與疫情搶時間的進程中，上海“硬核”科技力量也在爭分奪秒，提供堅強保障。

伴隨第六版新冠肺炎診療方案的發布，ct影像成為重要決策依據，由此帶來的ct閱片壓力也在急劇上升。作為ai醫療最快落地的子領域，ai影像成為疫情防控的關鍵力量，上海ai企業紛紛推出ct+ai產品，助力一線醫護人員抗疫。

抗疫“前哨兵”

伴隨疫情的迅速蔓延，各重點防治單位胸部ct量暴漲，部分重點醫院日均ct量一度超過1000例，超過平時數倍，如何提升閱片效率成為一大痛點。

據華中科技大學同濟醫學院附屬協和醫院凌醫生透露，其所在的醫院有800張新冠床位，如果一周做3次ct就是2400人次，算上臨床常做的其他檢查，放射科平均每天接診400人次，分三班倒每個班上也有上百個病人，工作量大的同時還要保證對這種全新疾病診斷的準確，這使得很多一線醫生處于高壓和疲勞狀態。

“很多輕癥病人的肺部影像不典型，一些有肺部基礎病變的病人，不同病癥互相掩蓋，加大了診斷難度。一般來說一組新冠肺炎病人的ct會產生300多張影像，即便是資深專家，讀圖+診斷的時間至少需要10~15分鐘，其中大部分是重復的機械勞動，傷神也耗時。”凌醫生說。

除了緩解一線醫生的閱片壓力，ct影像還扮演著抗疫“前哨兵”的角色。

商湯科技sensecare肺部ai智能分析產品研發負責人段琦告訴第一財經，新冠肺炎傳染力強，大量的疑似患者需要用核酸檢測才能確診，但在實際情況中，試劑盒不足、檢測能力不足仍是一大問題，而且試劑盒檢測在病情發展初期呈現較高假陰性，臨床經常需要反復多次檢測才能給出真實結果。

“一線醫生在臨床中發現，新冠肺炎早期病變，ct影片中表現為邊緣模糊的磨玻璃影，且這種早期ct表現往往早于臨床癥狀的出現。但這種早期的磨玻璃影在ct閱片時存在被忽視的可能，且不易被量化。”段琦表示。

讓ai影像參與到新冠肺炎病灶定量分析及療效評價中來，進一步提升評級的效率和準確率，成為一線醫生明確且具體的需求。對此上海人工智能公司紛紛成立了專項小組，并迅速完成系統上線和部署。

1月28日，依圖醫療上線初版新冠肺炎智能評價系統，并在24小時之內，將該系統部署到了湖北四家疫情防控任務最為緊急的醫院，借助這一系統新冠肺炎定量評價的時間從數小時壓縮至2~3秒鐘，大幅提升了診療效率。據依圖醫療副總裁石磊透露，目前該系統已在全國十幾個省市的幾十家醫療機構上線應用。

在合作醫院和醫療機構的配合下，商湯科技也在短時間內收集并標注了幾千例肺炎數據，快速研發完成高精度的新冠肺炎病灶分割模型。并基于sensecare智慧診療平臺的技術架構設計，短時間內便開發完成結合針對新冠肺炎智能分析功能的應用模塊升級，馳援到多地醫院，并同步開放云端版本以遠程的方式馳援湖北一線。

爭分奪秒搶研發

能夠在如此短的時間內進行產品研發和落地并非易事，人員問題就是首要挑戰。

“在交通不便、人員休假的情況下，保質、保量地完成系統上線和部署面臨一定的挑戰。”石磊告訴第一財經。依圖科技在除夕夜啟動了項目，當時多名研發人員分散在國內多地，部分人員身處疫區，甚至海外。立項之后，產品、研發等相關部門一百余名同事投入到了工作中，每個部門都制定了日沖刺目標，溝通反饋常常持續到后半夜。

另一大挑戰來自樣本量問題。醫學影像本質上是一個圖像識別問題，ai閱片需要大量標注數據支撐來進行機器訓練。但新冠肺炎疫情早期，由于確診案例樣本量少，醫療機構缺少高質量臨床診斷數據，即便后續擁有大量的新冠肺炎疑似ct數據，依然面臨缺乏有效標注的難題。

針對這一問題商湯科技緊急組織非核心疫區多名經驗豐富的醫生一天半內手動完成了上百例新冠肺炎數據的標注，基于這批數據產生的初步模型、利用自研的半自動標注工具又迅速完成了數千例肺炎數據的半自動標注，并分批次由專家醫生進行復核修改。依圖科技則發揮了自身在小樣本數據、遷移學習等技術方面的儲備，迅速完成了病例搜集、標注、算法研發、產品設計等工作。

“在將服務器運送到醫院現場進行部署的過程中，工程同事也經受了艱巨的考驗。”段琦告訴第一財經。疫情期間，交通受阻，各地高速道路的封閉情況變化較大，這給服務器的物流運輸造成了極大的困難。商湯科技在將產品部署到青島西海岸人民醫院的過程中，還遭遇了大雪天氣，服務器到達時間比原計劃晚了3天，配送更是遙遙無期。

為了能夠盡快讓前線使用產品，來自上海的技術工程師小分隊緊急商量后，傍晚直接趕到青島順豐物流集散地，一輛輛貨車進行確認，從幾萬件的包裹里找到服務器已是接近凌晨，隨后小分隊直接拉上服務器前往醫院進行現場部署，次日凌晨三點部署完畢，早上八點又返回醫院為醫生培訓產品使用流程。

進入2月下旬，各地復工復產逐漸迎來人流的返程高峰，由此針對疫情排查、健康人員、疑似患者的篩查以及體檢的需求激增。除此以外，周邊國家尤其日韓疫情趨勢也不容樂觀。由于上海、青島等的特殊地理位置，往來人員和航班較多，這對防控工作也提出了更大的挑戰。早期篩查之外，如何在“療”和“愈”環節發揮ai作用，成為新的攻堅目標。

未來產業化之路

“當前，ai影像的落地應用進展十分迅速，能夠輔助一線醫生進行肺炎的早篩及定量分析，但核酸作為確診的金標準仍有不可替代的作用。”段琦強調。

僅靠ct影像進行新冠肺炎診斷仍存在不完善之處，例如仍有一些早期患者，盡管核酸檢測呈現陽性，但ct中沒有明顯征象表現。因此影像ai必須要結合病史、實驗室檢測、病原學等做全面綜合的分析。

事實上，醫療影像是ai在醫療方面應用最快的領域，早在2017年大量公司扎堆涌入，并獲得約40億元高額融資。但行業一直面臨高質量數據獲取難、數據標注成本高、商業模式不清晰等難題，不少產品在醫院落灰，面臨c輪死的困境。

一場突如其來的疫情，將ai技術在醫療領域的積累，放到了最嚴苛的試驗場，大大加速了ai場景落地，也給后續的產業化之路提供了新的思路和方向。

段琦認為，經歷此次疫情，ai在患者篩查、潛在化學小分子藥物和生物大分子藥物篩選、流行病學分析等方面也展現出了極大的潛力。最早，很多流行病學的研究已經使用了ai，以預測病毒的擴散速度、感染和死亡人數。盡管預測結果受到當時可獲取流行病學的影響，但卻為將來的進一步研究提供了很好的參考模型和借鑒。

其中，小分子藥物篩選是一個重要方向。借用疾病、蛋白、病毒、基因之間的相互關系，利用ai建立模型，從已上市藥物中篩出潛在可使用的藥物，包括針對抗埃博拉、抗艾滋病的藥物。當前，很多篩選出的藥物，已經在臨床中使用并取得初步效果。

“目前我們的智慧健康團隊除了利用ai做上述化學小分子藥物的篩選外，還全心投入到生物大分子藥物的研發中。團隊利用ai進行痊愈患者的特異性抗體篩選，來幫助醫生診斷和治療。”段琦表示。

除此之外，他認為這次疫情的控制很大程度上源于各地為抗擊疫情采取的強有力措施，以政府-醫院-社區筑成了嚴防嚴控的抗“疫”前線。因此，除了為一線醫生提供有ai可依的智能輔助，為各城市各區域提供疾病管理和監測也是今后的重點發展方向。例如，聯合區域衛健委積極賦能醫療聯合體，助其實現分級診療。

“疫情給予中國醫療體系不同環節一次攜手作戰的機會，所產生的不只是臨床經驗，還有海量的大數據，配合ai等創新科技的應用，可以不斷自我優化。”啟明創投主管合伙人梁穎宇表示。

在她看來，中國有望以第一手數據開拓一個不只限于醫藥研制、病毒譯碼，還包括民間與各機構的后勤協作模式，進而結合成為一個全新的“衛生防疫產業”，實現中國醫療體系現代化、與科技結合提升醫療水平的夢想。

以上是網絡信息轉載，信息真實性自行斟酌。