在科技领域，跨界、融合带来的新（xīn）生（shēng）事物具备的颠覆性竞（jìng）争，而只是技术和经济层（céng）面的竞争（zhēng）。

而在病毒领（lǐng）域，跨界、融合（hé）产生的新病（bìng）毒往往意（yì）味着灾难（nán）。一个天上（shàng）飞的鸟落下的粪便不小（xiǎo）心与地上某个禽（qín）类的食物结合（hé）被这个禽类所食，那么（me）其上可能带来的病毒与禽类（lèi）体内病毒进行杂交（jiāo）进化一个新（xīn）的病毒（dú）。而（ér）这个病毒获得跨界传播的（de）能力，将对整个（gè）人（rén）类造成大的灾难。最（zuì）快（kuài）速的（de）了解新的病毒带来的病例（lì）成因（yīn）早日实现对症下药，成为打赢“抗疫”的（de）关键。今（jīn）天（tiān）AI等新技术（shù）在积极发挥着作（zuò）用。

目前新型冠状病毒（dú）疫（yì）情进入了（le）攻坚战阶段。除了（le）一线医务人员前赴后继的战斗之外（wài），对于（yú）新冠病毒的疫苗研发和药（yào）物筛中（zhōng）也（yě）在争分夺秒的进（jìn）行（háng）中。此次“抗疫”战争中，AI等（děng）科技技术在（zài）默默贡献中。关注（zhù）抗击（jī）疫情（qíng）中的（de）科技（jì）公司的动向（xiàng），就会发现包（bāo）括阿（ā）里云（yún）、华为云、中科曙光、腾（téng）讯云（yún）、上海超（chāo）算中心等积极主动并免费提供超算能力，AI算（suàn）法来助力开展抗新冠（guàn）病毒的疫苗研发和（hé）药物（wù）筛选（xuǎn）中（zhōng）。

要最快解决此次新型（xíng）冠状病（bìng）毒（dú）疫情，目前来看除了（le）全（quán）国（guó）动员（yuán）在家“闷”死病毒之外，对于从（cóng）早期对病毒基因组的数据分析及AI建模到如何（hé）对疑似患者的快速、精准（zhǔn）临床诊断，以及抗新冠（guàn）病毒的疫苗研发和（hé）药物（wù）筛选中也需要和时间赛（sài）跑。在其中AI正在发挥其作（zuò）用。

AI技术能够加速“疫（yì）情”中数（shù）据分析

AI作为（wéi）一种工具，有三要素在支撑，算力、算法和数据（jù）。基于三个特（tè）点，目前AI等科技公（gōng）司都是提供具备高性能、高（gāo）可靠性、高（gāo）性价比的计算、存储、分析（xī）和AI能力支持的（de），能够让科研（yán）过程（chéng）固化可执行，提高（gāo）效率的工具。

而让AI在疾病基因（yīn）的分析和（hé）诊断中发挥。首先要（yào）依（yī）靠医学界的专家发现病毒。就像（xiàng）上海华（huá）山医院张文（wén）宏就谈到医疗（liáo）专家（jiā）要“要非常准确的知道现在搜索的病毒（dú）是什么，才能（néng）相应的病（bìng）毒做（zuò）相应的抗病（bìng）毒治疗。”

我们应（yīng）让人工智能（néng）与病理（lǐ）学家形成互补，提高人（rén）工诊断的效率与可靠度（dù）。依靠科（kē）技手段（duàn） “面对未知的病毒的时候，通过把其基因序列全部打碎，通过深度测序的平台（tái），把所（suǒ）有的（de）序列全部恢复，然后（hòu）通大数据开（kāi）始拼接，通过组装序（xù）列，经过大数据分析，分析出其演化（huà）关系（xì），通过数据库记录（lù）分（fèn）析（xī）获得遗传标志，来最终（zhōng）告诉你这（zhè）是（shì）什么病毒。” 张文宏站在医生的角（jiǎo）度言简意赅的（de）阐述（shù）了AI的作用。

portant;" />

比如针（zhēn）对此次新冠病毒，AI等新技术的应用一个核心的作用就是（shì）让医学（xué）专家（jiā）们不用把大量（liàng）的时间放在海量的数据分析上，而是能（néng）够将（jiāng）自己的（de）时间、精力以及（jí）医学经验投入到应对传染病风险之上。把（bǎ）数据分（fèn）析、重复的（de）信息的收集等任务，交给AI来处理。

目前集成了（le）AI功能（néng）的基因组测序平台能够（gòu）提供（gòng）从（cóng）基因组（zǔ）数据管理、生物信息分析流（liú）程（chéng）、科研（yán）分析管（guǎn）理到（dào）知识（shí）图（tú）谱整个流程的服务，快速实现基因组数（shù）据（jù）分析及AI建模，让基因（yīn）组分析（xī）更便捷（jié）。

比如将（jiāng）深度学习算（suàn）法及药物分析（xī）服务融入药物（wù）研发过程，令药企能更快速高（gāo）效地（dì）完成药物研发，节约研发成本（běn），让研（yán）发（fā）更快速。

具备医疗影（yǐng）像标注、影像分析服务及AI模（mó）型预测服务，全（quán）方位（wèi）满足医疗影像研发需求，让影（yǐng）像（xiàng）分析更方便。很大程度上帮助（zhù）了医生提高（gāo）阅片效（xiào）率、减少漏诊（zhěn）误诊（zhěn）的情况（kuàng）。一个医生可能一天（tiān）看一百个病人（rén），一个月看了两（liǎng）千个病人，一年可能看几（jǐ）万（wàn）个病人，他通过（guò）这样的方式去累计经验（yàn）。一（yī）个（gè）15年经验的医生，和一个刚出来做（zuò）3个月的医（yī）生，他（tā）们两个的经验不同，在对（duì）一些（xiē）影像图（tú）片上面的判断就不（bú）是一样（yàng）的级别。

portant;" />

深度学习会（huì）提取图像特（tè）征。然后影像专家先把上（shàng）面做（zuò）一个标（biāo）注（zhù），等到标（biāo）注（zhù）有更大的样本的时候，就可（kě）以做到辅助医学诊（zhěn）断。比如通过（guò）AI对疑似患者肺部CT影像进行（háng）病灶的自动检（jiǎn）出、定位、弥漫性程度的多维分析（xī）并（bìng）生成（chéng）自动报（bào）告（gào），帮助医护人员快速筛（shāi）查（chá）疑似新（xīn）冠病（bìng）例并进行隔（gé）离与进一步确诊，从而减少交叉感染的风险，同时产品的随访功能还可帮助医生对（duì）患者的（de）治疗效（xiào）果（guǒ）进（jìn）行精准量化评估，用AI为一线医务（wù）工作者提供有迹可循（xún）、有据（jù）可依的智能辅助。

联（lián）合科研成为AI技术（shù）应用在（zài）疾病领（lǐng）域的主要（yào）形式（shì）

在整个“抗疫”过程中，包括分离毒株、药物筛选、意（yì）思（sī）病例检（jiǎn）测、新药研发等需要基于AI技术进（jìn）行大量的数（shù）据分析。目前科技公司在（zài）病毒基因组计算分析、抗病毒药物研发（fā）和抗疫医疗影像分析领（lǐng）域（yù），将（jiāng）提供（gòng）海量AI算（suàn）力和算法（fǎ）的强有力（lì）支持。这就（jiù）需要具有（yǒu）强（qiáng）大的CPU及GPU算力调度能力（lì），能够为（wéi）基因测序、医疗（liáo）工程提供稳定高效的算力支（zhī）持的平台。

最近关于“抗疫”的战役中，我们看到科技公司联合医疗机构、科研机构成为最高（gāo）效的一种模式。比（bǐ）如华中科技大学同济医学（xué）院基础医学（xué）院、华中（zhōng）科技（jì）大（dà）学同济医学院附属武汉儿童医院、西（xī）安交通大学第一附属医院、中科院北京基（jī）因组研究（jiū）所、华为云（yún）联合科（kē）研团队宣布（bù），筛（shāi）选出五种（zhǒng）可（kě）能对2019新（xīn）型冠状病毒（2019－nCoV）有效（xiào）的（de）抗病毒药物。

其中华为云EI医疗智（zhì）能体（tǐ）平台（EIHealth）集成了医药领域众多算法、工具、AI模（mó）型和自动化流水线提供大规模（mó）计（jì）算机辅助。

portant;" />

在几位教授的指导（dǎo）下，针对数（shù）十个靶向（xiàng）蛋白（bái）和上亿小（xiǎo）分子化合（hé）物，通过医疗智能体平台（tái）完成了蛋白质同源模建（jiàn），分子动力学模拟计算，和大规模（mó）虚拟药物（wù）筛选，短（duǎn）时间内完成了（le）上千万次的模拟（nǐ）计（jì）算，让以（yǐ）往耗时数（shù）月的计算机辅助药物筛选在（zài）数小时内完成。

比如在新冠肺炎（yán）疫情上，疑（yí）似患者的快（kuài）速（sù）、精准临（lín）床诊断仍是挑战。2月1日（rì），由（yóu）浙江省疾（jí）控中心、阿里达摩（mó）院和杰毅生物联合研发（fā）上线的自动化全基因（yīn）组（zǔ）检测分析平（píng）台，让原来数（shù）小时的疑似病例基因分（fèn）析缩短至（zhì）半（bàn）小时。重点在“全基因组”这几个字，全基因组以为着海量（liàng）的基因（yīn）数据（jù），需要（yào）对平台的（de）算力、AI算法、数（shù）据处理和（hé）分更高的（de）要（yào）求。阿里达摩院创（chuàng）新的采用分布式设计的分析算法，并基于蛋白质数据库（PDB）等公共数据集的数据进行算法的优化训练（liàn）。这样的（de）AI突破，对于有效提（tí）升疑似病例确诊效率，及时阻断病毒的（de）传播，必然会有极大助益。

我（wǒ）们也看到为助（zhù）力研究机构（gòu）加速新药（yào）筛查和（hé）疫苗研发，腾讯（xùn）云组建了应急工作小组，免费开放云超算等能力（lì）。目前，已（yǐ）向中山大学药（yào）学院罗海彬教授（shòu）团队提（tí）供了批量GPU云服（fú）务器免（miǎn）费使用权，帮助该团队推进病（bìng）毒药物（wù）的筛选工作；向北京生命科学研究所／清（qīng）华大学生（shēng）物医学交叉研究院的黄牛教授（shòu）实验室提供了（le）大量标准的CPU算力以及对象储存（cún）能力，帮（bāng）助他们进行基（jī）于结构的（de）药物分子设计的离线计（jì）算（suàn）任务（wù）。

与此同时，基于新型冠状（zhuàng）病毒靶标结构的（de）化合物虚拟筛（shāi）选工作（zuò）正（zhèng）在北京生命科（kē）学研（yán）究所／清华大学生（shēng）物医学交叉研（yán）究（jiū）院黄牛教授（shòu）实验室推进。从（cóng）原（yuán）理（lǐ）上（shàng）讲，药物通过与（yǔ）体内的生物（wù）靶（bǎ）标相互作用而发挥药效，若能够根（gēn）据（jù）药物（wù）靶（bǎ）标结构来计算（suàn）筛选（xuǎn）和设计小分子配体，将可（kě）大大降低创新药（yào）前（qián）期研发的成本（běn）与周（zhōu）期。针对新型冠状病毒（dú）的多个靶点，黄（huáng）牛教授实验室通过腾（téng）讯（xùn）云秒级交（jiāo）付的海量（liàng）高性能计（jì）算（suàn）、存储资源，快速计算筛选数亿级别（bié）的化合物数据库，结合实验验证，来寻找新型结构（gòu）类型的先导化合物，为下一步新（xīn）药研发工（gōng）作提供依据。

总结，AI对于基因组的分析和（hé）诊断，有几个关键点。首先数据（jù）库的（de）检索功能，在获（huò）取到（dào）病毒基因信息后，通（tōng）常（cháng）需要与已知数（shù）据库的基因组匹配来（lái）找出可能存在的突变。而突变与疾病的对应（yīng）关系的判断大（dà）部分（fèn）依靠海量（liàng）的数（shù）据库资源（yuán），因（yīn）此（cǐ）如果人工来完成这些工作（zuò）是不现实（shí）的（de），这个时候便体（tǐ）现出了人工智能（néng）的价值。

其次算法的优化，我们看到包括华（huá）为云（yún）、阿里达摩（mó）院都是采用了最新的AI算法和（hé）分布式数据（jù）库，来优化（huà）人工智（zhì）能的（de）技（jì）术路（lù）径，能（néng）够更有（yǒu）效的对大量非结构化数据进行学（xué）习和整合，挖（wā）掘并计算其（qí）中的关联。缩（suō）短人工智能可以（yǐ）持续（xù）不断的挖掘并更新（xīn）突变（biàn）位点和疾病的潜在联系。

再次海量的数据（jù）喂养，与在Google AI实践中曾有关于诊（zhěn）断乳腺癌的人（rén）工智（zhì）能的报道。它只需几（jǐ）秒钟（zhōng），就能取得比人类医生花上（shàng）几十个（gè）小时还要准确（què）的诊断。在基于（yú）医学图像的（de）诊断上，结合人工智（zhì）能的效（xiào）率可以说是大大增加了癌病（bìng）的诊断。这需（xū）要基于大量（liàng）患者的成百（bǎi）上千张医（yī）疗影（yǐng）像，基于深度学习算法（fǎ）的（de）训（xùn）练。经历了（le）大量迭代训练（liàn）后（hòu），实现算法的精（jīng）准度越来越高，实现在疾病分析丰富临床经验的专家的诊断结（jié）果与（yǔ）AI工（gōng）具的诊断（duàn）结果是（shì）否一致来判断（duàn）AI分析（xī）的价值。

除（chú）此之外，业内专家对至（zhì）顶网表示（shì）目前基（jī）于“深度（dù）学习（xí）”的AI技术要发挥（huī）作（zuò）用（yòng），一个好的云数据库其实是非常（cháng）关键的一（yī）个点，因为如果医院里面每个科（kē）室的数（shù）字是零散的，那么很难（nán）做这个（gè）工作。基于云（yún）数据库，不管是从公有云还是从私有云，帮（bāng）助（zhù）医院把这（zhè）些数据规范起来（lái）。从数据的采集，到它的存储，到预处理，形成（chéng）一套规（guī）范的AI服务。这样的话，数据即（jí）使（shǐ）在有些单位是分散的，需（xū）要的时候还是可以复合起来使用。

同时在深度学习的（de）技术上面，对这些（xiē）数据做训练的时候，不仅仅是把数据丢到深（shēn）度学习里面去训练就好了，而（ér）且我（wǒ）们还要对这些数据做（zuò）一（yī）些特征提取。我们把数据的维（wéi）度降低了以（yǐ）后，再去训练就可以得到（dào）一个相对比较好的效果（guǒ）。当（dāng）然，这个数据（jù）积累以后，越来越多的（de）数据积累以（yǐ）后，准确率会越来越（yuè）高。

最（zuì）后，医疗过程是一个复杂，周（zhōu）期长的过程，AI辅助只是其（qí）中一个环节，我们希望能够通过AI等科技技术（shù）帮助到医药（yào）领（lǐng）域的专（zhuān）家，加速疾（jí）病基因检（jiǎn）测和相关药物（wù）研发（fā）过程。