訂報
event
 

用5,000個肺炎CT與演算法防疫 阿里雲和武漢金銀潭醫院合作篩檢基因序列

阿里巴巴達摩院和阿里雲,共同開發機器學習與深度學習模型,快速輔助醫護人員判別肺炎CT影像。阿里雲

2020年2月,阿里雲免費開放所有人工智慧(AI)、深度學習演算法,協助全球新藥研發、疫苗開發、病毒分析的包括學校、醫院等公共科學研究機構。在新型冠狀病毒的研究上,也與全球健康藥物研發中心(GHDDI)合作開發人工智慧藥物研發和大數據平台,同時也與金銀潭醫院進行新型冠狀病毒的篩檢、基因序列等相關合作,阿里雲智能市場營銷與公共事務部總經理劉湘雯表示,希望藉由機器學習與深度學習的效能與智慧,加速輔助診斷的效益,在疫情肆虐的當下,能夠增益醫療人員的工作。

比對基因 雲端就辦得到 落實遠端生技、醫療、照護、研究

像是過去與現在的冠狀病毒的歷史藥物研發數據挖掘數據、集成、開放臨床前、臨床相關數據資源、計算靶點、藥物分子性質等都是在對抗疫情時相當重要的工作。此外,也希望開放基因運算服務,能夠協助全球頂尖的病毒研究機構,在雲端就能夠比對病毒基因,目前的案例都已能在1分鐘內完成比對,並進一步瞭解病毒可能的變異。

近期也與武漢金銀潭醫院合作,開放病原總體基因組檢測平台,藉著達摩院醫療AI技術,將這次的新型冠狀病毒與其他約1.7萬種病原微生物的全基因組序列檢測一次完成,進而降低併發感染狀況。

高通量檢測將12小時檢驗縮短至2小時

劉湘雯分享,達摩院與杰毅生物技術公司合作研發的自動化全基因組檢測分析平台,已於浙江省疾控中心上線。平台主要是縮短人工處理檢測過程。而建置過程中,也是針對這次的新型冠狀病毒基因的特徵分析,同時基於PDB蛋白質資料庫等公共數據優化演算法。

傳統病毒基因分析流程,包括了人工處理樣本標記、分裝、核酸提取、PCR檢驗上機檢測、數據報告分析等過程,而全自動高通量測序建庫儀,則把一般人工所需要的12個工時縮短至2小時。同時數據化檢測結果,再由達摩院的演算法分析。目前檢測分析平台會先在浙江省全省醫院使用,之後才拓廣至全中國。

CT影像判讀技術

達摩院與阿里雲共同開發的CT影像診斷系統,目前20秒內的判讀準確度達96%,2月中已於鄭州岐伯山醫院使用,現已在全中國160多家醫院落地,包括武漢市第六醫院、上海市大華醫院、江蘇無錫虹橋醫院,累計診斷臨床疑似病例達6萬多例。

因為這次2019年新型冠狀病毒所引起的肺炎,診斷主要參考標準是病原學證據的核酸檢測CT影像並不能作為判斷依據。對此,達摩院演算法專家顧斐博士分析,目前醫院普遍採用核酸檢測方法,只能檢測到病毒基因的局部,一旦病毒發生變異,就可能出現漏檢的情況。

新型冠狀病毒大數據漸成形 數據越多 研究越能夠當作醫療場域應用參考

疫情發展快速使得臨床的診斷數據不斷增加,中國國家衛健委等相關單位,陸續公布肺炎的CT臨床診斷結果,也讓大數據分析工具有了用武之地。但是,即便有了數據,判讀CT仍需要很多專業的放射師與相關人員,原因在於這次的肺炎患者的影像特徵,通常是單肺或雙肺出現多發、斑片狀或節段性毛玻璃狀病灶等非常細微,必須經過約莫5~15分鐘的肉眼分析,才能判讀出變化。

除此之外,一位確診病患或是疑似病患的CT影像,大約會有300張上下,對於臨床醫生的診斷來說,是非常大的負擔。希望協助醫師增加效率、與時間賽跑,達摩院醫療AI團隊整合新式診療方案、鐘南山等多位權威團隊發表這次的新型冠狀病毒病人臨床特徵論文,再加上5,000多個CT病例讓機器學習訓練樣本的病灶紋理,研發出了全新的AI演算法。

不僅透過自然語言處理(NLP)回顧數據,也使用卷積神經網路(CNN)訓練CT影像的辨識網路,現在模型已能快速分辨出最新的肺炎影像,以及過往的病毒性肺炎影像的區別,最終識別準確率高達96%。此外,也能提供病灶部位的佔比,進而量化病症的輕重程度。

蔡騰輝

DIGITIMES電子時報智慧醫療主編蔡騰輝Mark Tsai
專注研究智慧醫療產品技術服務導入場域時,所遇到的困難癥結與如何克服要點。
精通中英德語,熱愛挑戰與Swing Dance。
Facebook:DIGITIMES智慧醫療

作者更多專欄

  •     按讚加入DIGITIMES智慧醫療粉絲團