在（zài）科技领域，跨界、融合带来的新生事物具备的颠覆性竞争，而只是技（jì）术（shù）和经济层面的竞争。

而在病（bìng）毒领域，跨界（jiè）、融（róng）合产生的新（xīn）病毒往（wǎng）往意味（wèi）着（zhe）灾（zāi）难。一个天上飞的鸟落下的粪便（biàn）不小心与（yǔ）地上某个（gè）禽类的食物结合被（bèi）这个禽（qín）类（lèi）所食，那（nà）么其上可能带来的病毒与禽类体内病（bìng）毒（dú）进行杂（zá）交进（jìn）化一个（gè）新的病毒。而这个病毒（dú）获得（dé）跨界传播的能力，将对整个人类造成大的（de）灾难。最（zuì）快速的了解新的病（bìng）毒（dú）带（dài）来的病例成因早日实现对（duì）症下（xià）药，成为打赢（yíng）“抗疫”的关键。今天AI等新技术在积极发挥着（zhe）作用。

目前新型冠状（zhuàng）病毒疫情进（jìn）入了攻坚战阶段。除了一线医务人员前赴后继的战斗（dòu）之外，对（duì）于（yú）新冠病（bìng）毒的疫苗研发（fā）和药物筛中也在争分夺秒的进（jìn）行中。此（cǐ）次“抗疫”战争中，AI等科技技（jì）术在（zài）默默贡献中。关（guān）注抗击疫情（qíng）中的科（kē）技公司的（de）动向，就会发现包（bāo）括阿（ā）里（lǐ）云、华为云（yún）、中科曙光、腾（téng）讯云、上海超算中心等积极主动并免费提（tí）供超算能（néng）力，AI算（suàn）法来助力开展抗（kàng）新冠病毒的疫（yì）苗研发和药物筛选中。

要最快（kuài）解决此次新（xīn）型冠（guàn）状病毒疫情，目前来看除了全国动（dòng）员在家“闷”死病毒（dú）之外（wài），对于从早期（qī）对（duì）病毒基因组的数据分析及AI建模（mó）到如何对疑（yí）似患者的快（kuài）速、精准临床诊断，以及抗新冠病（bìng）毒的疫（yì）苗研发和药（yào）物筛（shāi）选中也需要和时间赛跑。在其中AI正在发挥其作用。

AI技术能够加（jiā）速“疫情”中（zhōng）数据（jù）分析

AI作为一种（zhǒng）工具，有三要素在支（zhī）撑，算力、算法和数据。基（jī）于三个（gè）特点（diǎn），目前AI等科技公（gōng）司（sī）都（dōu）是提供具备高性能、高可靠性、高性价比的（de）计（jì）算、存储、分析和AI能力支持的，能够让（ràng）科（kē）研过程（chéng）固（gù）化可执行，提高效（xiào）率的工具。

而让AI在疾病（bìng）基因的分析和诊断中发挥。首（shǒu）先要依靠医学界的（de）专（zhuān）家发现（xiàn）病毒。就像上海华（huá）山医院张文宏就谈（tán）到医疗（liáo）专家要“要非常准（zhǔn）确的知道现在搜索的病毒是什么，才能相应的（de）病毒做（zuò）相应（yīng）的抗病毒治（zhì）疗。”

我（wǒ）们应让人工智能与病理（lǐ）学家形成互补，提高（gāo）人工诊断（duàn）的效率与可靠度。依靠科（kē）技手段 “面对未知的病毒的（de）时（shí）候，通过把其基（jī）因序列全部打（dǎ）碎（suì），通过深度测序的平台，把所（suǒ）有的序列（liè）全（quán）部（bù）恢复，然后通（tōng）大数（shù）据开始拼接，通（tōng）过组装（zhuāng）序列，经（jīng）过大（dà）数据分析，分（fèn）析出（chū）其演化关系，通过数据（jù）库记录分（fèn）析（xī）获得遗传标志，来最终（zhōng）告诉你这是（shì）什么病毒（dú）。” 张文宏（hóng）站在医生的（de）角度言简意赅的阐述了（le）AI的作用。

portant;" />

比如针对此（cǐ）次新冠病毒，AI等新技术的应用一个核心的（de）作用就是（shì）让医学专家们不用把大量的时间放（fàng）在海量的数据（jù）分析（xī）上，而是能够将自己的时间、精力以及医学经验投入到应对传染病风险之上。把（bǎ）数据分析（xī）、重复的信（xìn）息的收集（jí）等任务，交给（gěi）AI来（lái）处理（lǐ）。

目前集成了AI功（gōng）能的基因组测序平（píng）台能够提供从基因组数据管（guǎn）理、生（shēng）物信息分析流程、科研分析管理到知识（shí）图（tú）谱整个流程的服务，快速实现基因组（zǔ）数据分析及AI建（jiàn）模，让基因组分析更（gèng）便捷。

比如（rú）将深度学习算（suàn）法及药物分析服务融入药物研发过程，令药企能更快速高效地完成药（yào）物研发，节约研发成本，让研（yán）发更快速。

具备医疗影像（xiàng）标注、影像分（fèn）析服（fú）务及AI模型预测服（fú）务，全（quán）方位满足医（yī）疗影像研发需求，让影像分析更方便。很大程度上帮助了医（yī）生提高阅片效率、减少漏诊误（wù）诊的（de）情况。一（yī）个医生可能（néng）一天（tiān）看一（yī）百个病（bìng）人，一个（gè）月（yuè）看了两千个病人，一年可能（néng）看几万个病人（rén），他（tā）通过这样的（de）方式去累计（jì）经验。一个（gè）15年经验的医生，和一个刚出来做3个月的医生（shēng），他们两个的经验不同（tóng），在对一些影像图片上面的判断就不是（shì）一样的级别（bié）。

portant;" />

深度学习会提取（qǔ）图像特征。然后影像（xiàng）专家先把上面做一个标注，等到标注有更大的（de）样本的时（shí）候，就可以（yǐ）做到辅助医学诊断（duàn）。比（bǐ）如通过（guò）AI对疑（yí）似患者肺部CT影像进行病灶的（de）自动检出（chū）、定（dìng）位、弥漫性程度的多维（wéi）分析（xī）并生成自（zì）动报告（gào），帮助（zhù）医护人员快速（sù）筛查疑似新冠病例并进行（háng）隔离与（yǔ）进一步确诊（zhěn），从而减少交叉感染的风（fēng）险，同时（shí）产品的随访功（gōng）能还可帮助医生对患者的（de）治疗效（xiào）果进行精（jīng）准量化评估，用AI为（wéi）一线医务工（gōng）作（zuò）者提供有迹可循（xún）、有据可（kě）依的智能（néng）辅助。

联合科研成（chéng）为AI技术应用在疾病领域的（de）主要形（xíng）式（shì）

在整个“抗（kàng）疫”过程中，包括分离毒株（zhū）、药物筛选、意思病例（lì）检测、新药（yào）研发等需要基于AI技术进行大量的数据分析。目前科技公司在（zài）病（bìng）毒（dú）基因组计算分析、抗（kàng）病毒药（yào）物研（yán）发（fā）和抗疫医（yī）疗影像分（fèn）析领（lǐng）域，将提供海量AI算力和算法的强有力支持（chí）。这就需要具（jù）有强大的（de）CPU及GPU算力调度能力，能（néng）够为基（jī）因测序（xù）、医疗（liáo）工（gōng）程提供稳（wěn）定高效的算力支持的平台。

最近关（guān）于“抗（kàng）疫”的战役中，我们（men）看（kàn）到科技公（gōng）司联合医疗机构（gòu）、科（kē）研机构（gòu）成为最高效的一种模式（shì）。比如华中科技（jì）大学同济医学院基础医（yī）学院、华中科技大学同济医学院附（fù）属武汉儿童医院、西安交通大学第一附属医院、中科院北京基因组研究所、华为云联（lián）合科研团队宣布，筛选出五种可能对2019新型（xíng）冠状病毒（2019－nCoV）有效的抗病毒药物。

其中华为云（yún）EI医疗智（zhì）能体平台（EIHealth）集成了（le）医药领域众（zhòng）多算法（fǎ）、工具（jù）、AI模型和自动（dòng）化流水线提供（gòng）大规模计（jì）算机辅助。

portant;" />

在（zài）几位教授的（de）指导下，针（zhēn）对（duì）数十个（gè）靶向蛋白和（hé）上亿小（xiǎo）分（fèn）子化合（hé）物，通过医疗智能体平台（tái）完成了（le）蛋白质同（tóng）源模（mó）建，分（fèn）子动力（lì）学模拟计算，和大（dà）规模虚拟药物筛（shāi）选，短时间内完成了上（shàng）千万（wàn）次的模拟计算，让以往耗时（shí）数月的计算机辅助药物筛选（xuǎn）在数（shù）小时内（nèi）完成。

比如在新冠（guàn）肺炎疫（yì）情上，疑似患者（zhě）的快速、精准临床诊断仍是（shì）挑战。2月1日，由浙江省疾控（kòng）中心、阿里达摩（mó）院和杰毅生物联合研发上（shàng）线的自动化全基因（yīn）组（zǔ）检测分析平（píng）台（tái），让原来数（shù）小（xiǎo）时的疑似（sì）病（bìng）例基因分析缩短（duǎn）至半小（xiǎo）时。重点（diǎn）在（zài）“全基因组（zǔ）”这（zhè）几个字（zì），全（quán）基因组以为着海量（liàng）的基因数据，需要对（duì）平（píng）台的算力、AI算（suàn）法（fǎ）、数据处理和分更高的要求。阿（ā）里（lǐ）达摩（mó）院（yuàn）创新的采用分布式（shì）设计的分析算法，并基于蛋白质数据库（PDB）等（děng）公共数据集的数据进行算法（fǎ）的优化训练。这样的AI突破，对于有效提（tí）升（shēng）疑似病例确诊效率，及（jí）时阻断病毒的传播，必然会有极（jí）大助（zhù）益（yì）。

我（wǒ）们也看到（dào）为助力研究机构（gòu）加速新药筛查和疫（yì）苗研发，腾讯云组建了应急工作小组（zǔ），免（miǎn）费开放（fàng）云超算等能力。目前（qián），已向中山大学药学院（yuàn）罗海彬教授团（tuán）队提供了（le）批量GPU云（yún）服务器免费使（shǐ）用权，帮助（zhù）该团队（duì）推进病毒药物的筛选工作（zuò）；向北京生命科学研究所／清（qīng）华大学（xué）生物（wù）医学交（jiāo）叉（chā）研究院的黄（huáng）牛教（jiāo）授实验室提供了大量标准的CPU算力以（yǐ）及对象储存能（néng）力，帮助他们进行基于结构的（de）药物分子（zǐ）设计的（de）离（lí）线计算任务（wù）。

与此同时（shí），基于新型冠（guàn）状病毒靶（bǎ）标（biāo）结（jié）构的化合物虚拟筛（shāi）选工作正在（zài）北京生命（mìng）科学研（yán）究所／清华（huá）大（dà）学生物医学交叉研究院黄（huáng）牛教（jiāo）授实验室推进。从（cóng）原理上（shàng）讲，药物通过与体（tǐ）内（nèi）的生物（wù）靶标相互作用而发挥药（yào）效，若能够根据药物靶标结构来计（jì）算筛选和（hé）设计小分子配（pèi）体，将可大大降低创新药前期研（yán）发的成本与周期。针对新型冠状（zhuàng）病毒的（de）多个靶点，黄牛教（jiāo）授实验室通过腾讯云秒级交付的海量高性能计算、存储资（zī）源，快速计算（suàn）筛选数亿级别（bié）的化合物（wù）数据库（kù），结合实验验证，来寻找新型结构类（lèi）型的先导化合物，为下一步新（xīn）药研发工作提供依据。

总结，AI对于基（jī）因组的（de）分（fèn）析和（hé）诊断（duàn），有几个关（guān）键点（diǎn）。首先数据库（kù）的检索（suǒ）功能，在获取到（dào）病毒基（jī）因（yīn）信息（xī）后（hòu），通常（cháng）需要与已知数据库（kù）的基因组（zǔ）匹（pǐ）配（pèi）来找出可（kě）能存在（zài）的突变。而突变与疾病的对应关系（xì）的判（pàn）断（duàn）大（dà）部分依靠海量的数据（jù）库（kù）资源，因此（cǐ）如果人工来（lái）完成这些工作是不现（xiàn）实（shí）的，这（zhè）个时候便体现出了人（rén）工智能的价值。

其次算法的（de）优化，我们看到包括华为云、阿里达摩院都是采用了最新的AI算法和分布式数据（jù）库，来优化（huà）人工智能的技术路径，能够（gòu）更有效的对大量（liàng）非（fēi）结构化数据进行学习（xí）和整合，挖掘并计算其中的关联。缩短人工智能可以（yǐ）持续不断的挖掘并更新突变位点和疾病的潜在（zài）联系。

再次海量的数（shù）据（jù）喂养，与在Google AI实（shí）践中曾有（yǒu）关于诊断乳（rǔ）腺癌的人（rén）工智能（néng）的报道。它（tā）只需几秒钟（zhōng），就能取得比（bǐ）人类医生花上几（jǐ）十（shí）个小（xiǎo）时还（hái）要准确（què）的诊断。在（zài）基于医学图像的诊断上，结合人工智能的效率可以说是大大增加了癌（ái）病的诊断（duàn）。这需要基于（yú）大量患者的成百上（shàng）千（qiān）张医疗影像，基于深度学习算法的（de）训练。经历（lì）了大（dà）量迭代（dài）训练后（hòu），实现算法的精准度（dù）越来越高，实现在疾病分析丰富临床经验的专家的诊（zhěn）断结果与AI工具的诊（zhěn）断结（jié）果（guǒ）是否（fǒu）一致来判断AI分析的价值。

除此之外，业（yè）内专家（jiā）对至（zhì）顶（dǐng）网表示目前基于“深度（dù）学习”的AI技术要发挥作用（yòng），一个好的云数（shù）据（jù）库其（qí）实（shí）是（shì）非常关键的一（yī）个点，因为如（rú）果医院（yuàn）里面每个科室的数字（zì）是（shì）零（líng）散的，那么很难做这个（gè）工作。基于云数据（jù）库，不管（guǎn）是（shì）从公有（yǒu）云还是从私有云（yún），帮助（zhù）医院把这些（xiē）数据规范起来。从数（shù）据的采集，到（dào）它的存储（chǔ），到预处（chù）理，形成一（yī）套规范的AI服（fú）务。这样（yàng）的话，数据即使在（zài）有些单位是分（fèn）散的，需要的时候还（hái）是可以复（fù）合起来使用（yòng）。

同（tóng）时在深度学习（xí）的技术上面（miàn），对这（zhè）些数据（jù）做训（xùn）练的时候，不（bú）仅仅是把数据丢到（dào）深度学习里面去训练就好了，而且我们还要对这（zhè）些数据做一些特征提取。我们把数据的（de）维度降（jiàng）低了（le）以后，再去训练就可以得（dé）到一个相对（duì）比较好的效果。当然，这个数（shù）据积（jī）累（lèi）以后，越来越（yuè）多的数据积（jī）累以后，准确率会越来越高。

最（zuì）后，医疗（liáo）过（guò）程是（shì）一个复杂（zá），周（zhōu）期长的过程（chéng），AI辅助只是其中一个环节，我们希望（wàng）能够（gòu）通过（guò）AI等科技技术帮助（zhù）到医药领域的专家（jiā），加速疾病基因检测和相关药（yào）物研发过程。