在科技領(lǐng)域，跨界、融合帶來的新生事物具備的顛覆性競爭，而只是技術(shù)和經(jīng)濟層面的競爭。

而在病毒領(lǐng)域，跨界、融合產(chǎn)生的新病毒往往意味著災(zāi)難。一個天上飛的鳥落下的糞便不小心與地上某個禽類的食物結(jié)合被這個禽類所食，那么其上可能帶來的病毒與禽類體內(nèi)病毒進行雜交進化一個新的病毒。而這個病毒獲得跨界傳播的能力，將對整個人類造成大的災(zāi)難。最快速的了解新的病毒帶來的病例成因早日實現(xiàn)對癥下藥，成為打贏“抗疫”的關(guān)鍵。今天AI等新技術(shù)在積極發(fā)揮著作用。

目前新型冠狀病毒疫情進入了攻堅戰(zhàn)階段。除了一線醫(yī)務(wù)人員前赴后繼的戰(zhàn)斗之外，對于新冠病毒的疫苗研發(fā)和藥物篩中也在爭分奪秒的進行中。此次“抗疫”戰(zhàn)爭中，AI等科技技術(shù)在默默貢獻中。關(guān)注抗擊疫情中的科技公司的動向，就會發(fā)現(xiàn)包括阿里云、華為云、中科曙光、騰訊云、上海超算中心等積極主動并免費提供超算能力，AI算法來助力開展抗新冠病毒的疫苗研發(fā)和藥物篩選中。

要最快解決此次新型冠狀病毒疫情，目前來看除了全國動員在家“悶”死病毒之外，對于從早期對病毒基因組的數(shù)據(jù)分析及AI建模到如何對疑似患者的快速、精準臨床診斷，以及抗新冠病毒的疫苗研發(fā)和藥物篩選中也需要和時間賽跑。在其中AI正在發(fā)揮其作用。

AI技術(shù)能夠加速“疫情”中數(shù)據(jù)分析

AI作為一種工具，有三要素在支撐，算力、算法和數(shù)據(jù)。基于三個特點，目前AI等科技公司都是提供具備高性能、高可靠性、高性價比的計算、存儲、分析和AI能力支持的，能夠讓科研過程固化可執(zhí)行，提高效率的工具。

而讓AI在疾病基因的分析和診斷中發(fā)揮。首先要依靠醫(yī)學界的專家發(fā)現(xiàn)病毒。就像上海華山醫(yī)院張文宏就談到醫(yī)療專家要“要非常準確的知道現(xiàn)在搜索的病毒是什么，才能相應(yīng)的病毒做相應(yīng)的抗病毒治療。”

我們應(yīng)讓人工智能與病理學家形成互補，提高人工診斷的效率與可靠度。依靠科技手段 “面對未知的病毒的時候，通過把其基因序列全部打碎，通過深度測序的平臺，把所有的序列全部恢復，然后通大數(shù)據(jù)開始拼接，通過組裝序列，經(jīng)過大數(shù)據(jù)分析，分析出其演化關(guān)系，通過數(shù)據(jù)庫記錄分析獲得遺傳標志，來最終告訴你這是什么病毒。” 張文宏站在醫(yī)生的角度言簡意賅的闡述了AI的作用。

比如針對此次新冠病毒，AI等新技術(shù)的應(yīng)用一個核心的作用就是讓醫(yī)學專家們不用把大量的時間放在海量的數(shù)據(jù)分析上，而是能夠?qū)⒆约旱臅r間、精力以及醫(yī)學經(jīng)驗投入到應(yīng)對傳染病風險之上。把數(shù)據(jù)分析、重復的信息的收集等任務(wù)，交給AI來處理。

目前集成了AI功能的基因組測序平臺能夠提供從基因組數(shù)據(jù)管理、生物信息分析流程、科研分析管理到知識圖譜整個流程的服務(wù)，快速實現(xiàn)基因組數(shù)據(jù)分析及AI建模，讓基因組分析更便捷。

比如將深度學習算法及藥物分析服務(wù)融入藥物研發(fā)過程，令藥企能更快速高效地完成藥物研發(fā)，節(jié)約研發(fā)成本，讓研發(fā)更快速。

具備醫(yī)療影像標注、影像分析服務(wù)及AI模型預測服務(wù)，全方位滿足醫(yī)療影像研發(fā)需求，讓影像分析更方便。很大程度上幫助了醫(yī)生提高閱片效率、減少漏診誤診的情況。一個醫(yī)生可能一天看一百個病人，一個月看了兩千個病人，一年可能看幾萬個病人，他通過這樣的方式去累計經(jīng)驗。一個15年經(jīng)驗的醫(yī)生，和一個剛出來做3個月的醫(yī)生，他們兩個的經(jīng)驗不同，在對一些影像圖片上面的判斷就不是一樣的級別。

深度學習會提取圖像特征。然后影像專家先把上面做一個標注，等到標注有更大的樣本的時候，就可以做到輔助醫(yī)學診斷。比如通過AI對疑似患者肺部CT影像進行病灶的自動檢出、定位、彌漫性程度的多維分析并生成自動報告，幫助醫(yī)護人員快速篩查疑似新冠病例并進行隔離與進一步確診，從而減少交叉感染的風險，同時產(chǎn)品的隨訪功能還可幫助醫(yī)生對患者的治療效果進行精準量化評估，用AI為一線醫(yī)務(wù)工作者提供有跡可循、有據(jù)可依的智能輔助。

聯(lián)合科研成為AI技術(shù)應(yīng)用在疾病領(lǐng)域的主要形式

在整個“抗疫”過程中，包括分離毒株、藥物篩選、意思病例檢測、新藥研發(fā)等需要基于AI技術(shù)進行大量的數(shù)據(jù)分析。目前科技公司在病毒基因組計算分析、抗病毒藥物研發(fā)和抗疫醫(yī)療影像分析領(lǐng)域，將提供海量AI算力和算法的強有力支持。這就需要具有強大的CPU及GPU算力調(diào)度能力，能夠為基因測序、醫(yī)療工程提供穩(wěn)定高效的算力支持的平臺。

最近關(guān)于“抗疫”的戰(zhàn)役中，我們看到科技公司聯(lián)合醫(yī)療機構(gòu)、科研機構(gòu)成為最高效的一種模式。比如華中科技大學同濟醫(yī)學院基礎(chǔ)醫(yī)學院、華中科技大學同濟醫(yī)學院附屬武漢兒童醫(yī)院、西安交通大學第一附屬醫(yī)院、中科院北京基因組研究所、華為云聯(lián)合科研團隊宣布，篩選出五種可能對2019新型冠狀病毒(2019-nCoV)有效的抗病毒藥物。

其中華為云EI醫(yī)療智能體平臺(EIHealth)集成了醫(yī)藥領(lǐng)域眾多算法、工具、AI模型和自動化流水線提供大規(guī)模計算機輔助。

在幾位教授的指導下，針對數(shù)十個靶向蛋白和上億小分子化合物，通過醫(yī)療智能體平臺完成了蛋白質(zhì)同源模建，分子動力學模擬計算，和大規(guī)模虛擬藥物篩選，短時間內(nèi)完成了上千萬次的模擬計算，讓以往耗時數(shù)月的計算機輔助藥物篩選在數(shù)小時內(nèi)完成。

比如在新冠肺炎疫情上，疑似患者的快速、精準臨床診斷仍是挑戰(zhàn)。2月1日，由浙江省疾控中心、阿里達摩院和杰毅生物聯(lián)合研發(fā)上線的自動化全基因組檢測分析平臺，讓原來數(shù)小時的疑似病例基因分析縮短至半小時。重點在“全基因組”這幾個字，全基因組以為著海量的基因數(shù)據(jù)，需要對平臺的算力、AI算法、數(shù)據(jù)處理和分更高的要求。阿里達摩院創(chuàng)新的采用分布式設(shè)計的分析算法，并基于蛋白質(zhì)數(shù)據(jù)庫(PDB)等公共數(shù)據(jù)集的數(shù)據(jù)進行算法的優(yōu)化訓練。這樣的AI突破，對于有效提升疑似病例確診效率，及時阻斷病毒的傳播，必然會有極大助益。

我們也看到為助力研究機構(gòu)加速新藥篩查和疫苗研發(fā)，騰訊云組建了應(yīng)急工作小組，免費開放云超算等能力。目前，已向中山大學藥學院羅海彬教授團隊提供了批量GPU云服務(wù)器免費使用權(quán)，幫助該團隊推進病毒藥物的篩選工作;向北京生命科學研究所/清華大學生物醫(yī)學交叉研究院的黃牛教授實驗室提供了大量標準的CPU算力以及對象儲存能力，幫助他們進行基于結(jié)構(gòu)的藥物分子設(shè)計的離線計算任務(wù)。

與此同時，基于新型冠狀病毒靶標結(jié)構(gòu)的化合物虛擬篩選工作正在北京生命科學研究所/清華大學生物醫(yī)學交叉研究院黃牛教授實驗室推進。從原理上講，藥物通過與體內(nèi)的生物靶標相互作用而發(fā)揮藥效，若能夠根據(jù)藥物靶標結(jié)構(gòu)來計算篩選和設(shè)計小分子配體,將可大大降低創(chuàng)新藥前期研發(fā)的成本與周期。針對新型冠狀病毒的多個靶點，黃牛教授實驗室通過騰訊云秒級交付的海量高性能計算、存儲資源，快速計算篩選數(shù)億級別的化合物數(shù)據(jù)庫，結(jié)合實驗驗證，來尋找新型結(jié)構(gòu)類型的先導化合物，為下一步新藥研發(fā)工作提供依據(jù)。

總結(jié)，AI對于基因組的分析和診斷，有幾個關(guān)鍵點。首先數(shù)據(jù)庫的檢索功能，在獲取到病毒基因信息后，通常需要與已知數(shù)據(jù)庫的基因組匹配來找出可能存在的突變。而突變與疾病的對應(yīng)關(guān)系的判斷大部分依靠海量的數(shù)據(jù)庫資源，因此如果人工來完成這些工作是不現(xiàn)實的，這個時候便體現(xiàn)出了人工智能的價值。

其次算法的優(yōu)化，我們看到包括華為云、阿里達摩院都是采用了最新的AI算法和分布式數(shù)據(jù)庫，來優(yōu)化人工智能的技術(shù)路徑，能夠更有效的對大量非結(jié)構(gòu)化數(shù)據(jù)進行學習和整合，挖掘并計算其中的關(guān)聯(lián)。縮短人工智能可以持續(xù)不斷的挖掘并更新突變位點和疾病的潛在聯(lián)系。

再次海量的數(shù)據(jù)喂養(yǎng)，與在Google AI實踐中曾有關(guān)于診斷乳腺癌的人工智能的報道。它只需幾秒鐘，就能取得比人類醫(yī)生花上幾十個小時還要準確的診斷。在基于醫(yī)學圖像的診斷上，結(jié)合人工智能的效率可以說是大大增加了癌病的診斷。這需要基于大量患者的成百上千張醫(yī)療影像，基于深度學習算法的訓練。經(jīng)歷了大量迭代訓練后，實現(xiàn)算法的精準度越來越高，實現(xiàn)在疾病分析豐富臨床經(jīng)驗的專家的診斷結(jié)果與AI工具的診斷結(jié)果是否一致來判斷AI分析的價值。

除此之外，業(yè)內(nèi)專家對至頂網(wǎng)表示目前基于“深度學習”的AI技術(shù)要發(fā)揮作用，一個好的云數(shù)據(jù)庫其實是非常關(guān)鍵的一個點，因為如果醫(yī)院里面每個科室的數(shù)字是零散的，那么很難做這個工作。基于云數(shù)據(jù)庫，不管是從公有云還是從私有云，幫助醫(yī)院把這些數(shù)據(jù)規(guī)范起來。從數(shù)據(jù)的采集，到它的存儲，到預處理，形成一套規(guī)范的AI服務(wù)。這樣的話，數(shù)據(jù)即使在有些單位是分散的，需要的時候還是可以復合起來使用。

同時在深度學習的技術(shù)上面，對這些數(shù)據(jù)做訓練的時候，不僅僅是把數(shù)據(jù)丟到深度學習里面去訓練就好了，而且我們還要對這些數(shù)據(jù)做一些特征提取。我們把數(shù)據(jù)的維度降低了以后，再去訓練就可以得到一個相對比較好的效果。當然，這個數(shù)據(jù)積累以后，越來越多的數(shù)據(jù)積累以后，準確率會越來越高。

最后，醫(yī)療過程是一個復雜，周期長的過程，AI輔助只是其中一個環(huán)節(jié)，我們希望能夠通過AI等科技技術(shù)幫助到醫(yī)藥領(lǐng)域的專家，加速疾病基因檢測和相關(guān)藥物研發(fā)過程。