在科技（jì）领（lǐng）域，跨界（jiè）、融（róng）合带（dài）来的新生事物（wù）具备（bèi）的颠覆性竞争，而只是技术和经（jīng）济层（céng）面的竞（jìng）争。

而在病毒领域，跨（kuà）界、融合产生的新病毒往往（wǎng）意味着灾（zāi）难（nán）。一（yī）个天上（shàng）飞的鸟（niǎo）落（luò）下的粪便（biàn）不小（xiǎo）心与地上某个禽类的食（shí）物（wù）结合被这（zhè）个禽类所（suǒ）食，那（nà）么其上可能带来的病毒（dú）与禽类体内病毒进行杂交进化一个新的病毒。而这个病毒获得跨界传播的（de）能力（lì），将对整个人类造（zào）成（chéng）大的灾难。最（zuì）快速的了解（jiě）新的病毒（dú）带来的病例成因早日实现（xiàn）对症下药（yào），成为打赢“抗疫”的关键（jiàn）。今天（tiān）AI等新技术（shù）在积极发挥着作用。

目前新型冠状病毒疫情进入了攻坚战阶（jiē）段。除了一线医务（wù）人员前赴（fù）后继的战斗之外，对于新冠病毒的疫苗研发和药（yào）物筛中也在争分夺秒的进行中。此（cǐ）次“抗疫”战争中，AI等科技技术在默默贡献（xiàn）中（zhōng）。关注抗击（jī）疫情中的科技公司的（de）动向，就（jiù）会发现包（bāo）括阿里云、华为云、中科曙（shǔ）光、腾讯（xùn）云、上（shàng）海超算中心等（děng）积极主动并免费提供超算能（néng）力，AI算法来（lái）助力开展（zhǎn）抗新冠病毒（dú）的疫苗研发（fā）和药（yào）物筛选中。

要最快解决此次新型冠状病毒疫情，目前来看除了全国动员在家“闷（mèn）”死病毒之（zhī）外，对于从（cóng）早期（qī）对病毒（dú）基因组（zǔ）的数据分析及AI建模到如何对疑似患者的快速、精准临床诊（zhěn）断，以及抗新冠病毒的疫（yì）苗研发和药物筛选中也需要（yào）和时间赛跑。在其中AI正在发（fā）挥其作（zuò）用。

AI技术能够加速“疫情”中数据分析（xī）

AI作为一（yī）种工具，有三要（yào）素在支撑，算力、算法（fǎ）和数据。基于三个（gè）特点，目前AI等科技公（gōng）司都是（shì）提供（gòng）具备高性能、高可（kě）靠（kào）性（xìng）、高性价比（bǐ）的计算、存储、分析和AI能力（lì）支持（chí）的（de），能够（gòu）让科研（yán）过程固化可执行，提高效（xiào）率的工（gōng）具。

而让AI在疾病基因的分析和诊断中发挥。首先要依靠医学界的专家发现病毒。就像（xiàng）上海华山医院（yuàn）张文宏就谈（tán）到（dào）医疗专家（jiā）要“要非常准（zhǔn）确的知道（dào）现在（zài）搜索（suǒ）的病毒（dú）是什么，才能相应（yīng）的病（bìng）毒做相应（yīng）的抗病毒治疗。”

我们应让（ràng）人工智能与（yǔ）病（bìng）理学家（jiā）形（xíng）成互补（bǔ），提（tí）高人（rén）工诊断的（de）效率（lǜ）与可靠度。依靠科（kē）技手段 “面对未知的病毒的时（shí）候，通过把其基因序列全（quán）部打碎，通过深度（dù）测序的平台（tái），把所有的序列全部恢复（fù），然（rán）后通大数据开（kāi）始拼接，通过组装序（xù）列，经过大数据分析，分析（xī）出其演化关系，通过数据库记录分析获得遗传标志，来（lái）最终告诉你这是（shì）什么病毒。” 张文宏站在医生的角（jiǎo）度言简（jiǎn）意赅（gāi）的阐述（shù）了AI的作用。

portant;" />

比如针对（duì）此次（cì）新冠病毒（dú），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（men）不用把（bǎ）大量的时间放（fàng）在（zài）海（hǎi）量的数（shù）据分析上，而是能够（gòu）将自己的时间（jiān）、精力（lì）以及医学经验投入到应对（duì）传染（rǎn）病风险之上。把数据分析、重复的信息的收集（jí）等（děng）任务，交给（gěi）AI来处理。

目前集成了AI功能的基（jī）因组测序（xù）平台能够提供从基（jī）因组数据管理、生物信（xìn）息分析流程、科研分析（xī）管理到（dào）知识图（tú）谱（pǔ）整个流程的（de）服务，快速实现基（jī）因组数据（jù）分析及AI建模，让基因组分（fèn）析更便捷。

比如将（jiāng）深度学习算法及药物分析服务融入药物（wù）研发过程，令药企能更快速高效地（dì）完成药（yào）物研发，节约研发成（chéng）本，让研发更快速。

具备医（yī）疗影（yǐng）像标（biāo）注、影像分析服务及（jí）AI模型预测服务，全（quán）方位（wèi）满足医疗影（yǐng）像研发需求（qiú），让影像分析更方便。很大程（chéng）度上帮助了医生提高阅片效率（lǜ）、减（jiǎn）少漏诊误诊的情况。一个医生可（kě）能一天看一百个病（bìng）人，一个月看了两千个病（bìng）人，一（yī）年（nián）可（kě）能看几万（wàn）个病人，他通过这样（yàng）的方（fāng）式去累计（jì）经（jīng）验。一个15年经验的（de）医生，和一个刚出来做3个（gè）月（yuè）的医生，他（tā）们两个（gè）的（de）经验不（bú）同，在对一些影（yǐng）像图片（piàn）上面的判断就不（bú）是一样的级别。

portant;" />

深（shēn）度学习会提取图（tú）像特征（zhēng）。然后影像专家先把（bǎ）上面做一个标注（zhù），等到标注有更大的样本的时（shí）候，就（jiù）可以做到辅助医学诊断（duàn）。比如通过AI对疑似患者肺部（bù）CT影像进行病灶的（de）自动检（jiǎn）出、定位、弥（mí）漫性程度（dù）的多维分析（xī）并生成自动报告，帮助医护人（rén）员快速筛查（chá）疑似新冠病例（lì）并进行隔离与进一（yī）步确（què）诊，从而减少交叉（chā）感染的（de）风（fēng）险，同（tóng）时（shí）产品的随访功能还可帮助医生对患者的治疗（liáo）效果进行精准量化评（píng）估，用（yòng）AI为一线（xiàn）医（yī）务工作者（zhě）提供有迹可循、有据可依（yī）的智能辅助。

联合科研成（chéng）为AI技术应（yīng）用在（zài）疾（jí）病领域的主要（yào）形式

在整个“抗疫（yì）”过程（chéng）中，包括分离毒株、药物筛选、意思病例检测、新药研（yán）发等需要基于AI技术进行大量（liàng）的（de）数（shù）据分析（xī）。目前科技（jì）公司在病毒基（jī）因组计算分析、抗病（bìng）毒药物（wù）研发和抗疫医疗影像分析（xī）领域，将提供海量AI算力和算法的强有力支持。这就需要（yào）具有（yǒu）强大的CPU及GPU算（suàn）力调度能力，能够为基因（yīn）测序、医疗工程提（tí）供稳定高效的算力（lì）支持的（de）平台。

最近关于“抗疫”的战役中，我们看到科（kē）技公司联（lián）合医（yī）疗机构（gòu）、科（kē）研机构成为最（zuì）高（gāo）效的一种模式。比（bǐ）如华中科技大学同济医学院（yuàn）基础医学（xué）院（yuàn）、华中科技（jì）大学同济（jì）医学（xué）院（yuàn）附属武汉儿童医院（yuàn）、西安交通大学第一附属医院、中科院北京基（jī）因组研（yán）究所、华为（wéi）云联合科研团队宣（xuān）布，筛（shāi）选（xuǎn）出五种可（kě）能对2019新型冠状病毒（2019－nCoV）有效的抗病毒（dú）药物。

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

portant;" />

在几（jǐ）位教授的（de）指导下，针（zhēn）对数十个靶（bǎ）向蛋白和上（shàng）亿小（xiǎo）分子化合物，通过医疗智能体（tǐ）平台完成了蛋（dàn）白质同源（yuán）模建，分子动力学模拟计算，和大（dà）规模虚拟（nǐ）药（yào）物（wù）筛（shāi）选，短时间内（nèi）完成了上千万次的模拟计算，让以往耗（hào）时数（shù）月的计算（suàn）机辅助（zhù）药物筛选在数小时内完成。

比如在新冠肺炎疫情上，疑似患者的快速、精准临床诊断（duàn）仍是挑（tiāo）战。2月1日，由浙江省（shěng）疾控中（zhōng）心、阿里达摩院和杰毅生物联合研发上（shàng）线的自动化全基因（yīn）组检测分析平台，让原来数（shù）小（xiǎo）时的疑（yí）似（sì）病例基因分析缩（suō）短至半小时。重点在“全基因（yīn）组（zǔ）”这几个字（zì），全基（jī）因组（zǔ）以为着海量（liàng）的基（jī）因数据，需（xū）要（yào）对平台的算（suàn）力、AI算法、数据处理和分更高的要求。阿里达摩院创新的采（cǎi）用（yòng）分布式设计的（de）分析算法，并（bìng）基于蛋白质（zhì）数据（jù）库（PDB）等公（gōng）共数据集（jí）的数据进行算法（fǎ）的优化训练。这样的（de）AI突破，对于有（yǒu）效提升疑似病例确诊效率，及时阻断病毒的传播，必然会有极大助益。

我们也看到（dào）为助力研究（jiū）机构（gòu）加速新药筛查和（hé）疫（yì）苗（miáo）研（yán）发，腾讯云（yún）组建了应急工（gōng）作小组，免费开（kāi）放云（yún）超算等能力。目前（qián），已（yǐ）向（xiàng）中（zhōng）山大学药学院（yuàn）罗海彬教授团队提供了批（pī）量GPU云（yún）服务器免费（fèi）使用权，帮助该团队推进病毒药物的筛选工（gōng）作；向北京生命科学（xué）研究所／清华（huá）大学生物医学交叉研究院的黄牛（niú）教授实验室提供了大量标（biāo）准的CPU算力以及对象储存（cún）能力，帮助（zhù）他们（men）进行基于结（jié）构（gòu）的药物分子设计的离线计算任务。

与此同时，基（jī）于新型冠状病毒（dú）靶标结构的（de）化合物（wù）虚拟筛选工（gōng）作正在北京生命科学研究所（suǒ）／清华大学生（shēng）物医学交叉研究院黄牛教授实验（yàn）室推进。从原（yuán）理上讲（jiǎng），药物通过（guò）与体内的生物（wù）靶标相（xiàng）互作（zuò）用而发（fā）挥药效，若能够根（gēn）据药物靶（bǎ）标结构（gòu）来计算筛（shāi）选和设计小分子（zǐ）配体（tǐ），将（jiāng）可大大降低创新药前期研发的成本与周（zhōu）期。针对新型冠状病毒的（de）多个靶点，黄牛教授实验室通过腾讯云秒级交付的海量（liàng）高性能（néng）计算、存储资源，快速计算筛选数亿级别的化合物数据库，结合实验（yàn）验证，来寻找（zhǎo）新型结构类型的先导化合物，为（wéi）下一步新（xīn）药研发工作提供（gòng）依据。

总结（jié），AI对于基因组的分析和诊断，有几个关键（jiàn）点。首先（xiān）数（shù）据（jù）库的检索功（gōng）能，在获取到病毒基（jī）因信息后，通常（cháng）需要与已知（zhī）数据库的（de）基因组匹配来（lái）找（zhǎo）出可能存在（zài）的突变。而突变与疾病的对（duì）应关系的判断大部（bù）分依（yī）靠海量的数（shù）据库（kù）资源，因此如果人（rén）工来完成（chéng）这（zhè）些工作是不（bú）现实的，这个时候便（biàn）体现出（chū）了人工智能的价值。

其（qí）次算法（fǎ）的优化，我们看（kàn）到包括华为云、阿里达摩（mó）院都是采用了最新的AI算法和分布式数据库，来优化人工智能的技术路径，能够更有效的对大（dà）量非（fēi）结构化数据进行学（xué）习和整合，挖掘并计算其（qí）中的关联（lián）。缩（suō）短人工智能可以持（chí）续（xù）不断的挖掘并更（gèng）新（xīn）突变位点和疾病的（de）潜在联系。

再次海（hǎi）量的数（shù）据喂养，与在Google AI实（shí）践（jiàn）中曾有关（guān）于诊断乳腺癌的人工智能的报（bào）道。它（tā）只需几秒钟，就能取得比（bǐ）人类医生花上（shàng）几十个小（xiǎo）时还要准确的诊断。在基于医（yī）学图像的（de）诊断上，结合（hé）人（rén）工智能的效率可以说（shuō）是大大增加（jiā）了癌病的诊断（duàn）。这需要基于大量患者的成（chéng）百上千张医疗影像（xiàng），基于深度学习算法（fǎ）的训（xùn）练。经历了大量迭代训练后，实现算法的精准度越来越高（gāo），实现在（zài）疾（jí）病分析丰富临床（chuáng）经（jīng）验的专家的（de）诊断结果与（yǔ）AI工具（jù）的诊断结果是否一（yī）致来判（pàn）断AI分析的（de）价值。

除此之（zhī）外，业内专（zhuān）家对至顶网表示目（mù）前基于“深度学习”的AI技术（shù）要发挥作用，一个好的云数据库其实（shí）是非常关键的一个点，因（yīn）为如果医院里面每个科室的（de）数字（zì）是零散的，那么很难做这个工作（zuò）。基于云数（shù）据库，不管是（shì）从公有云还是（shì）从私有云，帮助（zhù）医院把这些数据规（guī）范起来。从（cóng）数据的采集，到（dào）它（tā）的存储，到预处理（lǐ），形成一套规范的AI服（fú）务。这样的话，数据即使在有些单位是分散的，需（xū）要的（de）时候还是可以复合起来（lái）使（shǐ）用。

同（tóng）时在深度（dù）学习的技术（shù）上面，对这（zhè）些数据做（zuò）训练（liàn）的时候，不仅仅是把（bǎ）数据丢到深度（dù）学习里面去训练就好了，而且我（wǒ）们还要（yào）对这些数（shù）据做（zuò）一些特（tè）征（zhēng）提（tí）取。我们把数据的维（wéi）度降低了以后，再去训练就可（kě）以得到一个相（xiàng）对比（bǐ）较好的效果。当（dāng）然，这个数据积累以后，越来越多的数据积累以（yǐ）后，准确率会越来越高。

最（zuì）后，医疗过程是（shì）一个复杂（zá），周期长的过程，AI辅（fǔ）助只是其中一个（gè）环节，我（wǒ）们希望能够通过AI等科技技术帮助到医药领域的专家，加速疾（jí）病基因检测和相关药物（wù）研发过程。