百度阿里AI算法助力抗疫：从基因检测到临床诊断的科技突破

百度阿里AI算法助力抗疫：从基因检测到临床诊断的科技突破

引用

澎湃

等

7

来源

1.

https://www.thepaper.cn/newsDetail_forward_6000556

2.

https://baike.baidu.com/item/%E9%98%BF%E9%87%8C%E4%BA%91/297128

3.

https://blog.csdn.net/CSDN_224022/article/details/142826443

4.

https://www.pconline.com.cn/focus/1715/17151788.html

5.

https://www.baike.com/wikiid/7189959031485038647

6.

https://zje.zju.edu.cn/

7.

https://www.yidutechgroup.com/news-detail.html?id=240

在2020年新冠疫情爆发初期，百度和阿里巴巴迅速响应，分别开放了其先进的AI算法，为疫情防控提供了强大的技术支持。

百度研究院开源的LinearFold算法，是当时全球最快的RNA结构预测算法。在疫情期间，该算法被应用于病毒基因组检测，显著提升了检测效率。

传统的RNA二级结构预测算法时间复杂度为O(n^3)，而LinearFold将这一复杂度降低到线性级别O(n)。具体到实际应用中，这一突破将全基因组二级结构预测时间从55分钟缩短至27秒，速度提升120倍。

这一技术突破对于病毒检测具有重要意义。在疫情初期，快速准确地检测病毒基因组是防控的关键。LinearFold算法的开放，不仅加速了病毒检测过程，还为后续的疫苗研发和药物筛选提供了有力支持。

阿里达摩院联合阿里云研发的AI诊断技术，则在临床诊断方面发挥了重要作用。该技术主要包含两个部分：CT影像识别技术和辅助诊断算法。

CT影像识别技术针对新冠肺炎患者的CT胸片进行分析。一位新冠肺炎病人的CT影像大概在300张左右，医生肉眼分析耗时大约为5-15分钟。而阿里达摩院的AI算法仅需20秒就能完成分析，准确率高达96%。

这一技术突破基于5000多个病例的CT影像样本数据，通过NLP自然语言处理回顾性数据、使用CNN卷积神经网络训练CT影像的识别网络，AI可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别。

辅助诊断算法则进一步整合患者基本信息、症状、实验室检查结果、流行病学史、影像报告等多维信息，帮助医生制定科学的治疗方案。这一算法还能直接算出病灶部位的占比比例，进而量化病症的轻重程度。

2020年2月16日，该技术首先在河南郑州小汤山医院投入使用，随后在湖北、广东、安徽等地近100家医院落地。这一技术的应用，极大地缓解了医生的工作压力，提高了诊断效率。

百度和阿里的AI技术在抗疫中的应用，展现了人工智能在应对公共卫生危机中的巨大潜力。这些技术不仅提高了检测和诊断效率，还为后续的治疗和防控提供了有力支持。

更重要的是，这些技术的应用推动了AI在医疗领域的进一步发展。通过实际应用积累的数据和经验，将为未来AI技术的优化和创新提供重要参考。

在面对类似公共卫生危机时，AI技术的应用将更加成熟，能够更快、更准确地提供支持，为疫情防控争取宝贵时间。