阿裡雲ET醫療大腦上線，用人工智慧挑戰癌症
在浩如煙海的DNA序列中，比對識別出發生突變的基因位點；繼承成百上千位元影像學專家的“眼力”，在CT、核磁、B超或X光暗黑的器官/組織剖面成像上，捕捉毫米級的小病灶，時間可縮短至1分鐘內……
這一切，並非科幻，而是多個科學團隊，依託病例大資料，不斷創新改良的複雜運算方法，和阿裡雲提供的開放式“天池眾智”平臺，賦予ET醫療大腦的“超能力”。
其中，針對甲狀腺結節開發的影像學診斷系統，已進駐浙江大學附屬第一醫院等醫療機構“實習”，輔助那裡的超聲影像科醫生閱片、捕捉甲狀腺結節，並出具診斷報告。
至今，幾個月的前期臨床實踐驗證表明，成長于阿裡雲端的ET醫療大腦，
3月29日，在阿裡雲棲大會.深圳峰會上，ET醫療大腦正式上線。
在阿裡雲對其人工智慧ET的賦能規劃中，除了之前廣為傳播的“讀心術”、魔術師、陸空交通指揮中樞、資訊安全攻防外，醫療能力，尤其是對甲狀腺、肺癌等現代社會高發疾病的風險預測、防控、診治能力，顯得更為重要、緊迫，也令人振奮。
“在多個疾病的（大資料運算）測試中，我們意識到機器能夠深度學習並掌握人眼觀察圖像、識別差異的能力，並且能夠與人類醫生做得一樣好！”阿裡雲智慧科學家閔萬里說，
除了對CT、核磁、B超的醫學影像診斷學習，阿裡雲還聯合英特爾、和華大基因等來自電腦、生物醫學領域的頂尖企業和創業公司，整合基因檢測大資料，
在阿裡雲的人工智慧規劃佈局中，ET將具備多項醫療能力，可在疾病風險預測、醫學影像診斷、精緻治療方案、藥效挖掘、新藥研發、疾病監測及健康管理等多個領域，擔當“醫生助手”。
在先期入駐阿裡雲ET醫療大腦的技術中，
“智慧診斷的基礎，是大資料”，孔教授介紹，這套技術在誕生之前，首先對來自各類醫療機構的，1萬張以上由經驗醫生準確標注（定位）結節位置的甲狀腺B超，進行了深度學習。
在海量“記憶”的基礎上，研究團隊在運算系統中加入旋轉不變性等現代數學概念，調整了卷集網路結構，讓用於捕捉結節的“機器眼”變的更靈敏，用於判斷結節良性或惡性的“機器腦”變得更“聰明”。
2016年，從浙江大學附屬第一醫院超聲影像科開始，這項技術先後“入駐”火箭軍醫院、杭州市流霞街道社區衛生服務中心和一些線上問診平臺，開始對甲狀腺結節的檢出率和準確率進行臨床驗證。
多年來，甲狀腺結節的主要診斷方法，是B超檢查。在諸多醫學影像檢查手段中，B超成本低、檢查地點／時間靈活、出片即時，但影像的收集和識別，嚴重依賴于醫生的經驗與手法，比CT、MRI等其它影像更難處理。
來自我國三甲醫院的臨床抽樣調查顯示，甲狀腺結節的平均診斷正確率只有60%，多需患者切除結節後再進行活檢（病理學檢查），才能診斷結節是良性還是惡性。“如果不做活檢，不同的醫生常有不同的判斷”，浙一醫院超聲科副主任趙齊羽坦言，結節的良惡性在B超片子上並非一清二楚的，一些良性的結節會帶有惡性的特徵，一些惡性的結節同樣會有良性的表現。
然而，在前期的“臨床試驗”中，機器對約2000張B超圖像中，甲狀腺結節的檢查率超過90%，良／惡性判斷的準確率也高達85%以上。
“檢出率和準確率的提高，大幅減輕了醫生機械性重複的工作良，縮短患者等待檢查報告的時間，尤其是改變了過去基層醫院可以做B超，但缺乏診斷能力的困境。”孔德性接受透露，目前，杭州市西湖區西溪街道等多家社區衛生服務中心，都希望引進超聲機器人，作為醫生的診療“助手”
超聲智慧診斷工作，與醫生為患者實施B超檢查同步進行，智慧診斷系統會自動地將圖像採集下來，“捕捉”結節的準確位置，並在幾十秒的時間內，比照深度學習總結出的一系列指標，判斷結節是良性還是惡性，同步向醫生出具報告。對這些運算結果的準確行，機器人還會自己賦予一個概率值，為醫生最終的診斷，提供參考。
不僅是甲狀腺結節，基於人工智慧對人眼識別影像細微差異並做出判斷的深度學習能力，阿裡雲平臺上，又孵化出對肺腺癌基本特徵——肺部結節的智慧診斷系統。
阿裡雲演算法工程師行湘介紹，人工智慧診斷的原理，就是設計演算法識別模型，賦予機器深度學習的計算能力；同時，收集大量有病灶位置準確標注的醫學影像資料，訓練機器的記憶比對和識別能力，最終代替醫生閱讀CT、核磁、X光，B超等醫學影像，輔助醫生做出診斷。
“理論上，全身各臟器的各類影像學圖像及其它醫學海量資料都有可能被深度挖掘。”行湘說。
聚合：通過有獎擂臺賽 阿裡雲ET要集醫學AI百家所長“眾智，才是最好的。”基於在電商、物流、交通、金融、資訊安全等多個領域“打擂招賢”式比較研究的經驗積累，阿裡雲推出“天池”平臺，計畫打造一個開放式的應用型人工智慧“孵化”平臺。
具體到ET醫療大腦的塑造與完善，考慮到醫療領域的專業壁壘，阿裡雲更寄望于“眾智出英雄”。
顧斐，在哈佛大學醫學院做博士後研究的年輕人進入阿裡雲，開始從事肺腺癌的基因突變“追蹤”研究。
在顧斐看來，目前，國內從事基因檢測，特別是癌症基因測序的機構很多，但解讀探究DNA序列片段的方法，偏向統計學。但在像穀歌、IBM這樣的國際頂尖互聯網科技企業，已經通過大資料運算能力，和人工智慧機器的深度學習能力，結合大量的基因檢測樣本，去研究預測疾病與基因突變的關係。
“通過機器對大資料的深度學習，搞清楚哪個（基因）突破的位點，與疾病的發生有強相關性——這種研究的應用前景是，可以對疾病的風險進行預測，可以通過靶向指標診斷疾病，還可以給予精准的個性化的用藥指導。”回到中國前，顧斐研究了國內的醫療人工智慧格局，最終，綜合計算能力，和平臺的包容性（對大資料的存儲能力和存儲效率），選擇進駐阿裡雲ET醫療大腦，開展他對肺腺癌防治的深入研究。
過去18個月，阿裡雲與英特爾、華大基因合作共建的精准醫療專案BGI Online也在做這方面的探索。
此前，華大基因、阿裡雲和安徽醫科大學共同宣佈，在21小時47分12秒內完成了1000例人類全外顯子組資料的分析。40年前，人類若想對埃希氏大腸桿菌進行全基因組測序，需要1000年的時間。
“在系統架構上，我們將ET醫療大腦設置為一個開放的人工智慧系統。阿裡雲自身有大量的醫學與人工智慧科學家投入到研發當中，但我們更希望能吸收外部精良的演算法與醫學經驗，只有如此，ET才能集百家所長”，閔萬里說。
與正式推出ET醫療大腦同日，阿裡雲宣佈，聯合英特爾、linkdoc（零氪科技，一家致力於腫瘤大資料研究的創業公司）啟動天池醫療AI系列賽，啟動為期三年的醫學AI演算法眾智比賽。第一季比賽，圍繞全球第一高發惡性腫瘤——肺癌展開。
阿裡雲大資料孵化器——天池平臺負責人王一婷介紹，在國家衛生計生委的指導下，通過與全國20多家大型腫瘤醫院基於醫學研究戰略結盟，天池將為這一季的眾智比賽，提供海量的脫敏後高解析度胸部CT掃描資料。
根據賽事設計，參賽選手／團隊需要通過整合原始的CT影像資料，訓練模型演算法總結提煉結節特徵，最終實現對快速閱讀、分析CT影像圖片的能力，並對肺部結節做出智能化的捕捉，和良／惡性判斷。
“通過這樣的眾智比賽，我們希望選拔在醫學人工智慧領域有計算能力和創新模型的優秀工程師／研發團隊，進駐阿裡雲ET醫療大腦，共同挑戰肺癌等發病率不斷攀升，對人類健康威脅越來越大的疾病。”王一婷說，對眾智比賽中脫穎而出的參賽者／團隊，天池平臺不僅提供高額的獎金，還將提供多種軟、硬體的“孵化”服務。
具體到ET醫療大腦的研發，閔萬里介紹，聚集在阿裡雲端的科學家和開發者，不需要自己去總結疾病診療規律（也就是對解題方法進行編碼），而是通過海量的脫敏病歷資料作為示例，來訓練機器完成特定的深度學習任務，自己“摸索”出解題方法。科學家要做的，是優化演算法和提供大量的訓練資料。
去年，上海華山醫院宣佈，借助阿裡雲的能力，用數位化模型代替部分臨床實驗，以及類比小白鼠的活體實驗，加快特效藥的研發。
左布啦希望，以醫學AI演算法眾智大賽為契機，吸引更多醫療機構、醫生群體，以及醫療政策制定者對人工智慧診療的關注，共同推動行業變革。
而顧斐的理想是，能夠與來自各地的人工智慧科學家和生物醫學專家一起，在阿裡雲上，設計搭建一個用於重大疾病預測，和後續精准診斷、治療、以及可實現個性化用藥指導的知識學習模型。
“這個模型，要比世界上的主要模型演算法更為精確。”顧斐說。
動脈網（WeChat：vcbeat），關注互聯網醫療及健康領域的新技術、創業和投資，以及新技術背後的倫理變遷。
版權聲明：動脈網所刊載內容之智慧財產權為動脈網及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。
調整了卷集網路結構，讓用於捕捉結節的“機器眼”變的更靈敏，用於判斷結節良性或惡性的“機器腦”變得更“聰明”。2016年，從浙江大學附屬第一醫院超聲影像科開始，這項技術先後“入駐”火箭軍醫院、杭州市流霞街道社區衛生服務中心和一些線上問診平臺，開始對甲狀腺結節的檢出率和準確率進行臨床驗證。
多年來，甲狀腺結節的主要診斷方法，是B超檢查。在諸多醫學影像檢查手段中，B超成本低、檢查地點／時間靈活、出片即時，但影像的收集和識別，嚴重依賴于醫生的經驗與手法，比CT、MRI等其它影像更難處理。
來自我國三甲醫院的臨床抽樣調查顯示，甲狀腺結節的平均診斷正確率只有60%，多需患者切除結節後再進行活檢（病理學檢查），才能診斷結節是良性還是惡性。“如果不做活檢，不同的醫生常有不同的判斷”，浙一醫院超聲科副主任趙齊羽坦言，結節的良惡性在B超片子上並非一清二楚的，一些良性的結節會帶有惡性的特徵，一些惡性的結節同樣會有良性的表現。
然而，在前期的“臨床試驗”中，機器對約2000張B超圖像中，甲狀腺結節的檢查率超過90%，良／惡性判斷的準確率也高達85%以上。
“檢出率和準確率的提高，大幅減輕了醫生機械性重複的工作良，縮短患者等待檢查報告的時間，尤其是改變了過去基層醫院可以做B超，但缺乏診斷能力的困境。”孔德性接受透露，目前，杭州市西湖區西溪街道等多家社區衛生服務中心，都希望引進超聲機器人，作為醫生的診療“助手”
超聲智慧診斷工作，與醫生為患者實施B超檢查同步進行，智慧診斷系統會自動地將圖像採集下來，“捕捉”結節的準確位置，並在幾十秒的時間內，比照深度學習總結出的一系列指標，判斷結節是良性還是惡性，同步向醫生出具報告。對這些運算結果的準確行，機器人還會自己賦予一個概率值，為醫生最終的診斷，提供參考。
不僅是甲狀腺結節，基於人工智慧對人眼識別影像細微差異並做出判斷的深度學習能力，阿裡雲平臺上，又孵化出對肺腺癌基本特徵——肺部結節的智慧診斷系統。
阿裡雲演算法工程師行湘介紹，人工智慧診斷的原理，就是設計演算法識別模型，賦予機器深度學習的計算能力；同時，收集大量有病灶位置準確標注的醫學影像資料，訓練機器的記憶比對和識別能力，最終代替醫生閱讀CT、核磁、X光，B超等醫學影像，輔助醫生做出診斷。
“理論上，全身各臟器的各類影像學圖像及其它醫學海量資料都有可能被深度挖掘。”行湘說。
聚合：通過有獎擂臺賽 阿裡雲ET要集醫學AI百家所長“眾智，才是最好的。”基於在電商、物流、交通、金融、資訊安全等多個領域“打擂招賢”式比較研究的經驗積累，阿裡雲推出“天池”平臺，計畫打造一個開放式的應用型人工智慧“孵化”平臺。
具體到ET醫療大腦的塑造與完善，考慮到醫療領域的專業壁壘，阿裡雲更寄望于“眾智出英雄”。
顧斐，在哈佛大學醫學院做博士後研究的年輕人進入阿裡雲，開始從事肺腺癌的基因突變“追蹤”研究。
在顧斐看來，目前，國內從事基因檢測，特別是癌症基因測序的機構很多，但解讀探究DNA序列片段的方法，偏向統計學。但在像穀歌、IBM這樣的國際頂尖互聯網科技企業，已經通過大資料運算能力，和人工智慧機器的深度學習能力，結合大量的基因檢測樣本，去研究預測疾病與基因突變的關係。
“通過機器對大資料的深度學習，搞清楚哪個（基因）突破的位點，與疾病的發生有強相關性——這種研究的應用前景是，可以對疾病的風險進行預測，可以通過靶向指標診斷疾病，還可以給予精准的個性化的用藥指導。”回到中國前，顧斐研究了國內的醫療人工智慧格局，最終，綜合計算能力，和平臺的包容性（對大資料的存儲能力和存儲效率），選擇進駐阿裡雲ET醫療大腦，開展他對肺腺癌防治的深入研究。
過去18個月，阿裡雲與英特爾、華大基因合作共建的精准醫療專案BGI Online也在做這方面的探索。
此前，華大基因、阿裡雲和安徽醫科大學共同宣佈，在21小時47分12秒內完成了1000例人類全外顯子組資料的分析。40年前，人類若想對埃希氏大腸桿菌進行全基因組測序，需要1000年的時間。
“在系統架構上，我們將ET醫療大腦設置為一個開放的人工智慧系統。阿裡雲自身有大量的醫學與人工智慧科學家投入到研發當中，但我們更希望能吸收外部精良的演算法與醫學經驗，只有如此，ET才能集百家所長”，閔萬里說。
與正式推出ET醫療大腦同日，阿裡雲宣佈，聯合英特爾、linkdoc（零氪科技，一家致力於腫瘤大資料研究的創業公司）啟動天池醫療AI系列賽，啟動為期三年的醫學AI演算法眾智比賽。第一季比賽，圍繞全球第一高發惡性腫瘤——肺癌展開。
阿裡雲大資料孵化器——天池平臺負責人王一婷介紹，在國家衛生計生委的指導下，通過與全國20多家大型腫瘤醫院基於醫學研究戰略結盟，天池將為這一季的眾智比賽，提供海量的脫敏後高解析度胸部CT掃描資料。
根據賽事設計，參賽選手／團隊需要通過整合原始的CT影像資料，訓練模型演算法總結提煉結節特徵，最終實現對快速閱讀、分析CT影像圖片的能力，並對肺部結節做出智能化的捕捉，和良／惡性判斷。
“通過這樣的眾智比賽，我們希望選拔在醫學人工智慧領域有計算能力和創新模型的優秀工程師／研發團隊，進駐阿裡雲ET醫療大腦，共同挑戰肺癌等發病率不斷攀升，對人類健康威脅越來越大的疾病。”王一婷說，對眾智比賽中脫穎而出的參賽者／團隊，天池平臺不僅提供高額的獎金，還將提供多種軟、硬體的“孵化”服務。
具體到ET醫療大腦的研發，閔萬里介紹，聚集在阿裡雲端的科學家和開發者，不需要自己去總結疾病診療規律（也就是對解題方法進行編碼），而是通過海量的脫敏病歷資料作為示例，來訓練機器完成特定的深度學習任務，自己“摸索”出解題方法。科學家要做的，是優化演算法和提供大量的訓練資料。
去年，上海華山醫院宣佈，借助阿裡雲的能力，用數位化模型代替部分臨床實驗，以及類比小白鼠的活體實驗，加快特效藥的研發。
左布啦希望，以醫學AI演算法眾智大賽為契機，吸引更多醫療機構、醫生群體，以及醫療政策制定者對人工智慧診療的關注，共同推動行業變革。
而顧斐的理想是，能夠與來自各地的人工智慧科學家和生物醫學專家一起，在阿裡雲上，設計搭建一個用於重大疾病預測，和後續精准診斷、治療、以及可實現個性化用藥指導的知識學習模型。
“這個模型，要比世界上的主要模型演算法更為精確。”顧斐說。
動脈網（WeChat：vcbeat），關注互聯網醫療及健康領域的新技術、創業和投資，以及新技術背後的倫理變遷。
版權聲明：動脈網所刊載內容之智慧財產權為動脈網及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。