在科技领域，跨（kuà）界（jiè）、融（róng）合带来（lái）的新（xīn）生事物具备的（de）颠（diān）覆性竞争，而只是（shì）技术和经济（jì）层面的竞争。

而在病毒领域，跨界、融合产生的新病毒往往意（yì）味着灾（zāi）难。一个天上（shàng）飞的鸟落下的粪便不小（xiǎo）心（xīn）与（yǔ）地上某个禽类（lèi）的（de）食物结合被这个禽类所食，那么（me）其上可能带来的病（bìng）毒与禽（qín）类体内病毒进行杂交进化一个新的（de）病毒（dú）。而这（zhè）个病毒获得跨界传播的能力，将对整个人类造成大的灾难（nán）。最（zuì）快速（sù）的了（le）解新的病毒带来的病例成因早日实现对症下药，成（chéng）为打（dǎ）赢“抗疫”的关键。今天AI等新（xīn）技（jì）术在积极发挥着作用。

目前新型冠状（zhuàng）病毒（dú）疫情进入了攻坚战（zhàn）阶段。除了一线医（yī）务人员（yuán）前赴后继的战斗之外，对于新冠病毒的疫苗研发和（hé）药物筛（shāi）中也在争分夺秒（miǎo）的进行中。此次“抗疫”战（zhàn）争中，AI等科技技（jì）术在默（mò）默贡献中（zhōng）。关注抗击疫情中的科技公司的（de）动向，就会发（fā）现包括阿里云、华为云、中科曙（shǔ）光、腾讯云、上海（hǎi）超算中心等积极（jí）主动并免费提供超算（suàn）能力（lì），AI算法来助力开展抗（kàng）新冠病（bìng）毒的疫苗研发和药（yào）物筛选中。

要最快解决（jué）此（cǐ）次新型冠（guàn）状病（bìng）毒疫情（qíng），目（mù）前来看（kàn）除了全国动员（yuán）在家“闷”死（sǐ）病（bìng）毒之外，对于从（cóng）早期对病毒基因组的数据分析及AI建模到如（rú）何对疑似（sì）患者（zhě）的快速（sù）、精准（zhǔn）临床诊断，以及（jí）抗新冠病毒的（de）疫（yì）苗（miáo）研发（fā）和药物筛选中也需要和时（shí）间赛跑。在其中AI正在发挥其作用。

AI技（jì）术（shù）能够加速（sù）“疫情”中数据分析

AI作为一种工具，有三要素在支撑（chēng），算（suàn）力、算法和数（shù）据。基（jī）于三个特点，目前AI等科技公（gōng）司都（dōu）是提供具（jù）备高（gāo）性能、高可（kě）靠（kào）性、高（gāo）性价（jià）比的（de）计算、存（cún）储（chǔ）、分（fèn）析（xī）和AI能力（lì）支持的，能够让（ràng）科研（yán）过程固化可执行，提高效率的工具（jù）。

而让AI在疾病基因的分析和诊断中（zhōng）发挥。首（shǒu）先要依靠医学界的专家发（fā）现病毒（dú）。就像上海华山医院张文宏就谈到医疗（liáo）专家要“要非常准确的知道现在搜索的病毒是什么，才能相应的病毒（dú）做相（xiàng）应的抗病（bìng）毒治疗（liáo）。”

我们应让人工（gōng）智（zhì）能与病理学家形成互补，提高人工诊（zhěn）断的（de）效率与（yǔ）可靠度。依靠科技手（shǒu）段 “面（miàn）对未知的病毒（dú）的时候，通（tōng）过把其（qí）基因序列全部打碎，通（tōng）过深（shēn）度测（cè）序（xù）的平台，把所有的序列全部恢复，然后通（tōng）大数（shù）据开始拼接，通过（guò）组装序列（liè），经过大数据分析，分析出其（qí）演（yǎn）化关系，通（tōng）过数据库记录（lù）分析获得遗（yí）传标志（zhì），来最终告诉你（nǐ）这是什么病毒。” 张文宏站在（zài）医生的角度言简（jiǎn）意赅的（de）阐述了AI的作用。

portant;" />

比如针（zhēn）对此次新冠病毒，AI等新技术的（de）应用一个核心的作用（yòng）就是让（ràng）医学专家（jiā）们不用把大（dà）量（liàng）的时（shí）间（jiān）放（fàng）在海量（liàng）的数（shù）据分析上，而是能够（gòu）将自己的时间（jiān）、精力以（yǐ）及医学经验投入（rù）到应对（duì）传染（rǎn）病风险之（zhī）上。把数据分析、重复的信息的收集等任务，交给AI来（lái）处理（lǐ）。

目（mù）前集成了（le）AI功（gōng）能的基因组测（cè）序平（píng）台能够提供从基因（yīn）组（zǔ）数据管理、生物（wù）信息分（fèn）析流程、科研（yán）分析管理到知识（shí）图谱整（zhěng）个流程的（de）服务，快（kuài）速（sù）实（shí）现基因组数（shù）据分析（xī）及AI建模（mó），让基因组分析（xī）更便捷。

比如将深度学（xué）习算（suàn）法及药（yào）物分析服务融（róng）入药物研（yán）发过程，令药企能更快（kuài）速高效地完（wán）成药物研发，节约研发成（chéng）本，让研（yán）发更快速。

具备医疗影像标注（zhù）、影像分析服务及AI模型预（yù）测服务，全（quán）方位满足医疗影像研发需（xū）求，让（ràng）影像分析（xī）更方便。很（hěn）大（dà）程度上帮助了医生提高阅片效率、减（jiǎn）少漏诊（zhěn）误诊的情况。一个医生（shēng）可能一天看一百个病人，一个（gè）月看了两千个病人，一年可能看几万（wàn）个病（bìng）人（rén），他通（tōng）过这样的方式去累（lèi）计经验（yàn）。一（yī）个15年经验的（de）医（yī）生（shēng），和一个刚出来做3个月的医生，他们两（liǎng）个的经验不同，在对一些影像图片上面（miàn）的（de）判断就不是一样的级别。

portant;" />

深度（dù）学习会提取（qǔ）图像特征。然后影像专家先把上（shàng）面做一个标（biāo）注，等到标注有更大（dà）的（de）样本的时候，就可以做到辅助医学（xué）诊断。比如通过（guò）AI对疑（yí）似患者（zhě）肺部CT影（yǐng）像进行（háng）病灶的（de）自动检出、定位、弥漫性程度的多维分析并生成自动（dòng）报（bào）告，帮助医护人员快（kuài）速筛（shāi）查疑似新冠（guàn）病（bìng）例并进行隔离与进（jìn）一步确诊，从而减少交叉感（gǎn）染的风险，同时产品的随访功能还可帮（bāng）助医生对患（huàn）者的治疗效果进行精准量化评估，用AI为一（yī）线医（yī）务工作（zuò）者提（tí）供有迹可循（xún）、有据（jù）可依的智能辅助。

联合科研成为AI技术应用在（zài）疾病（bìng）领（lǐng）域的主要（yào）形（xíng）式

在整个“抗（kàng）疫”过程中，包（bāo）括分离（lí）毒株（zhū）、药物筛（shāi）选、意思（sī）病例检测、新药（yào）研（yán）发等需要（yào）基于AI技术（shù）进行大量（liàng）的（de）数据分析。目前科（kē）技公司在病毒基因组计算分析、抗病毒（dú）药物研（yán）发（fā）和抗疫医疗（liáo）影像分析领（lǐng）域，将提供海（hǎi）量AI算力和算法的强有力支持。这就需要具有强大的CPU及GPU算力（lì）调度能（néng）力，能（néng）够为基因测序、医疗工（gōng）程提供稳（wěn）定高效的算力支持的平台。

最近（jìn）关于“抗（kàng）疫”的战役中，我们看到科技公司联合医疗机构（gòu）、科研机构（gòu）成为最高效的一（yī）种模式。比如华（huá）中科技（jì）大学同济（jì）医学院基础医学院、华中科技大（dà）学同济医学院（yuàn）附属武汉儿（ér）童医院、西安交通大学（xué）第一（yī）附属医院、中科院北京基因组研究所、华为云联合（hé）科研团队宣布，筛选出五种可能（néng）对2019新型（xíng）冠（guàn）状病毒（2019－nCoV）有效的抗病（bìng）毒药（yào）物。

其中华为云EI医（yī）疗智能体（tǐ）平台（EIHealth）集成（chéng）了医药领域（yù）众多（duō）算法、工具、AI模型和自动化流水线提供大规模计算机辅助。

portant;" />

在几位（wèi）教授的指导下，针对数十个靶向蛋白和上亿小（xiǎo）分子化合（hé）物（wù），通过医疗智能体平台完成了（le）蛋白质同源模（mó）建，分（fèn）子动力（lì）学（xué）模拟计算，和大规模虚（xū）拟药物筛选，短时（shí）间内（nèi）完（wán）成了上千万次的（de）模拟计算，让以往耗时数月的计（jì）算机辅助药物筛选在数小（xiǎo）时内完成。

比（bǐ）如在新冠肺炎疫情上，疑似患者的（de）快（kuài）速、精准临床诊断仍是挑战（zhàn）。2月1日，由（yóu）浙江省疾控中（zhōng）心、阿里达摩院和杰毅生物联合（hé）研发上线的自动化全基因组（zǔ）检测分（fèn）析平台，让原来（lái）数小时的疑似病例基因分（fèn）析缩短至（zhì）半小时。重（chóng）点在“全基（jī）因（yīn）组”这（zhè）几个字，全基因组以为着海量（liàng）的基因数据，需（xū）要对平台的算力（lì）、AI算法、数据处理和分更（gèng）高的要求。阿里达摩院创新的采用分（fèn）布式设计的分析算（suàn）法，并基（jī）于蛋白（bái）质数据（jù）库（kù）（PDB）等公共数据集的数据进（jìn）行算法的优化训（xùn）练。这样的AI突（tū）破，对于有（yǒu）效提（tí）升疑似病例确诊效率，及时阻断（duàn）病毒的传播，必然会有极大助（zhù）益。

我们也看到（dào）为助力研究机构加速（sù）新药（yào）筛查和（hé）疫苗研发（fā），腾讯云组建了应急工作小组，免费开放云超算等能力（lì）。目前，已向中山大学药学院罗海彬（bīn）教授团队提供（gòng）了批量GPU云（yún）服（fú）务器免费使用权，帮助该团（tuán）队推进病毒药物的筛选工作；向北京生命科学研（yán）究所／清华大学生物医学交叉研（yán）究院的（de）黄牛教（jiāo）授实验室提供了大（dà）量标准的CPU算力以（yǐ）及对象（xiàng）储存能力，帮（bāng）助他们（men）进行（háng）基于结构的药物分子（zǐ）设计的（de）离线计（jì）算（suàn）任（rèn）务。

与（yǔ）此同时（shí），基（jī）于新型冠（guàn）状（zhuàng）病（bìng）毒靶（bǎ）标结构的化合（hé）物虚拟筛选工作正在北（běi）京（jīng）生（shēng）命科学研究（jiū）所／清华（huá）大学生物医（yī）学交叉研（yán）究院黄牛（niú）教（jiāo）授实验（yàn）室推进（jìn）。从（cóng）原理上讲（jiǎng），药物通过与体内（nèi）的生（shēng）物靶标（biāo）相（xiàng）互作用而（ér）发挥药效，若能够根据（jù）药物靶标（biāo）结构来（lái）计算筛选和设计（jì）小分子配体，将可（kě）大大降低创（chuàng）新（xīn）药前期研发的成（chéng）本与周期。针对新型冠状病毒的（de）多个靶点，黄牛教授实验（yàn）室通（tōng）过腾（téng）讯（xùn）云（yún）秒级交（jiāo）付的（de）海量高性能计算（suàn）、存储资源，快（kuài）速（sù）计（jì）算（suàn）筛（shāi）选数亿级别的化合物（wù）数据库，结合实验验证，来寻找新型结（jié）构类型的先导化合物（wù），为下一步新药研发工作提供依据（jù）。

总结，AI对于基因组的分（fèn）析和（hé）诊断，有几个关键点。首先数据库的（de）检索功能，在获取到病毒基因信息后，通常需要与（yǔ）已（yǐ）知数据（jù）库（kù）的基（jī）因（yīn）组匹配（pèi）来找（zhǎo）出可能存在的突变。而突变与疾病（bìng）的对应关系的判断大部分依靠海（hǎi）量的数据库资（zī）源，因此（cǐ）如（rú）果人工来（lái）完成这些工作是不现实（shí）的（de），这个时候便体现出了人（rén）工（gōng）智能（néng）的价值。

其次算法的优化，我们看到（dào）包括华为（wéi）云、阿里达摩院都是采用（yòng）了最新的AI算法和（hé）分布式数（shù）据（jù）库，来优化人工智能（néng）的技术（shù）路径，能够更有效的对大量非（fēi）结构化数据（jù）进（jìn）行学（xué）习和整合，挖掘并计算其中的关联。缩短人工（gōng）智能可以持续不断的挖（wā）掘并更新突变位点和疾病的潜在（zài）联系。

再次海量的数据喂（wèi）养，与在Google AI实践中曾（céng）有关于诊断乳腺癌（ái）的人工智能的报道。它只需几秒钟（zhōng），就（jiù）能取得比人类医生（shēng）花上几十（shí）个（gè）小时还（hái）要准（zhǔn）确的诊断。在基（jī）于医学图像的诊断（duàn）上，结合人工智能（néng）的（de）效率可以说是大大增加了癌病的诊（zhěn）断。这需（xū）要基于（yú）大量患者的成百上千张医疗影像，基于深度学习算法的训练。经历（lì）了（le）大量（liàng）迭代训练（liàn）后，实现算法（fǎ）的精（jīng）准度越来越高，实（shí）现在疾病（bìng）分析（xī）丰富临床经验的专家的诊断结果（guǒ）与（yǔ）AI工具的（de）诊断结果是否一致来判断AI分析的（de）价值。

除此之外，业内专家对至顶网表示目（mù）前基（jī）于“深度学习”的AI技（jì）术要发（fā）挥（huī）作用，一个好（hǎo）的（de）云（yún）数据（jù）库其（qí）实是非（fēi）常关键（jiàn）的一个点，因为如果医院（yuàn）里面每个科室的数字是零散（sàn）的，那（nà）么很难做（zuò）这个（gè）工作。基于（yú）云数据（jù）库，不管是从公有云还是从私（sī）有云，帮（bāng）助（zhù）医院把这些数据规范起来。从数据（jù）的采集，到它的存储（chǔ），到预处理，形成一套规范的AI服务。这（zhè）样的话，数（shù）据（jù）即使在有些（xiē）单位是分散的，需要的时候还是可以复合起（qǐ）来使用（yòng）。

同时在（zài）深度学习的（de）技（jì）术上面，对这些（xiē）数（shù）据（jù）做训（xùn）练的时候，不仅仅是把数据丢到深度学习里面（miàn）去训练（liàn）就好（hǎo）了，而且我（wǒ）们还要（yào）对这些数据做（zuò）一些特征提取。我（wǒ）们把（bǎ）数据的维度降低了以后，再去训练就（jiù）可以（yǐ）得到一个（gè）相对比（bǐ）较好的效果（guǒ）。当然，这（zhè）个数（shù）据积累以后，越来越多的数（shù）据（jù）积累以后，准确率会越来越高。

最后，医疗（liáo）过程（chéng）是一个复杂，周期长的过程，AI辅助只是其（qí）中一个环（huán）节，我们（men）希（xī）望能够通过AI等科技技术帮助（zhù）到医药领（lǐng）域的专家，加（jiā）速疾病基因（yīn）检（jiǎn）测和相关（guān）药（yào）物研（yán）发过程。