阿里云:CT识别、AI诊断、病例分析,一个都不能少

简介: 艰巨的任务,需要硬核的解法。

医院,是抗击新型冠状病毒肺炎的第一战场。疫情爆发以来,一批一批医务人员冲上前线,他们来自不同医院、不同科室,面对着同样的敌人,却也是陌生的敌人。然而,新冠肺炎的诊断治疗分秒必争、不容有失,摆在一线医务人员面前的,是一项异常艰巨的任务。

首先,2019年12月首次出现在公众视野的新型传染病,前线大部分医生都是第一次接触,既要避免误诊、漏诊,又需考虑到有限的床位和设备资源,诊断必须格外谨慎。

其次,根据国家卫健委公布的诊断标准,新冠肺炎诊断流程复杂。作为关键的诊断依据,CT影像阅片工作量大,核酸试剂检验效果不稳定,病毒基因测序周期长且产能不足。再加之,新冠病毒潜伏期长,传播路径复杂,这些因素都要求医生在病例诊断时综合分析临床症状、检测结果和流行病学史等多方面信息。

与此同时,一线新冠肺炎治疗药物仍在紧密研制中,卫健委的官方诊疗方案更新速度快,医生需要及时学习了解。

艰巨的任务,需要硬核的解法。

确诊标准实时更新、 海量信息比对、多源数据综合分析……这些困扰医生的难题,恰恰是AI和大数据技术擅长的。

阿里云、达摩院联合卫宁医疗,共同研发新冠肺炎AI辅诊平台,基于国家卫健委《新型冠状病毒肺炎诊疗方案第六版》中的诊断标准,借助图像识别、自然语言处理、量化分析、数据建模等技术,为临床医生和医技医生提供CT影像智能识别、AI辅助疑似病例诊断、智能病历质检三大能力。

2月16日,郑州版“小汤山”医院——郑州歧伯山医院正式启动运营,作为新冠肺炎患者定点救治医院。不仅仅是搭建神速,郑州歧伯山医院也是首个引入新冠肺炎AI辅诊平台的医院。机器“吃进病例数据,吐出诊断结果”,在确保诊断准确率和效率提升的同时,减轻医生工作负荷 。

image.png
新冠肺炎AI辅诊平台示意图

一名新冠肺炎病人在检查阶段,会经过问诊、常规检验、CT影像检查、核酸试剂检验这些环节。接着进入诊断阶段,由临床医生诊断该病人为疑似病例、确诊病例或继续观察。疑似病例和确诊病例,会进入诊疗阶段。新冠肺炎AI辅诊平台的3大应用,对应上述三个阶段,为医生提供精准高效的分析结果。

(一)检查阶段:CT影像智能识别应用

一位新冠肺炎病人的 CT 影像大概在300张左右,每诊断一个病例,影像医生需要投入大约为5-15分钟时间,全程依靠肉眼观看,非常考验医生精力。提升临床诊断效率,成为抗疫期间核心需求之一。

经实验测算,CT影像智能识别应用可在 20 秒内对疑似病例的 CT 影像进行判读,区分新冠肺炎、普通病毒性肺炎及健康的影像,根据纹理特征计算疑似新冠肺炎的概率,并直接算出病灶部位占比,量化、预测病症的轻重程度,大幅度提升诊断效率,为患者的治疗争取宝贵时间。

image.png
CT影像智能识别应用截图

(二)诊断阶段:AI辅助疑似病例诊断

AI辅助疑似病例诊断应用是根据国家卫健委官方诊断标准,结合医疗大数据知识图谱构建出来的一个智能识别模型。

它通过自然语言处理(NLP)、卷积神经网络影像识别(CNN)等深度学习算法,自动解析病人的基本信息、临床症状、流行病史、检验检查结果、放射性影像报告,并提炼出多维病理特征,在此基础上通过智能评分模型,判断该病人患新型冠状病毒肺炎的概率,并提供依据和合理解释,提示医生及时发现新型冠状病毒的疑似病人。

AI辅助诊断算法能辅助医生提高对疑似病患的诊断效率,减少误诊漏诊情况发生。尤其对未接诊过新冠肺炎病例或低年资医生,可提供有效的诊断鉴别提示。

image.png
新冠肺炎AI辅助疑似病例诊断应用截图

(三)诊疗阶段:智能病历质检应用

在诊疗过程中,病历是确保诊疗质量的重要依据,规范化的电子病历是后续治疗方法分析、临床规律总结的基石。病历质检应用能自动结构化识别医生书写的病人症状、检查检验、临床分型、治疗方案等,辅助医生正确高效地书写病历,并按卫健委官方治疗要求实时提示医生。以保证特效治疗方式出现前,尽可能规范新型肺炎的诊疗,确保患者得到有效的治疗。同时,规范化结构化的病例资料,也有助于医疗科研机构的疾病防治和药物研究。

image.png
CT影像智能识别应用截图

新冠肺炎AI辅助诊断平台,为抗击疫情一线的医务人员提供一站式的数字战疫利器,在郑州歧伯山医院正式启用后,陆续在郑州市人民医院、郑州市金水区总医院落地使用。其中,CT影像智能识别应用已在湖北武汉、河南郑州、山东日照、广西柳州、陕西汉中等16个省(自治区、直辖市)内的49家医院试点部署,平均每个病患诊断耗时的理论值是20秒内,现场实际耗时在3-4秒左右,相较于传统的平均15分钟的诊断时间,实现了CT阅片效率的重大突破。

如需了解更多,也可以发邮件到consulter@alibabacloud.com

本文来源:医疗圈那点事微信公众号

相关文章
|
9天前
|
人工智能 JSON 自然语言处理
基于阿里云通义千问的AI模型应用开发指南
阿里云通义千问是阿里巴巴集团推出的多模态大语言模型平台,提供了丰富的API和接口,支持多种AI应用场景,如文本生成、图像生成和对话交互等。本文将详细介绍阿里云通义千问的产品功能,并展示如何使用其API来构建一个简单的AI应用,包括程序代码和具体操作流程,以帮助开发者快速上手。
84 3
|
5天前
|
存储 人工智能 自然语言处理
Elasticsearch Inference API增加对阿里云AI的支持
本文将介绍如何在 Elasticsearch 中设置和使用阿里云的文本生成、重排序、稀疏向量和稠密向量服务,提升搜索相关性。
40 14
Elasticsearch Inference API增加对阿里云AI的支持
|
2天前
|
存储 人工智能 数据可视化
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
在数字化时代,企业面临海量客户对话数据处理的挑战。阿里云推出的“AI大模型助力客户对话分析”解决方案,通过先进的AI技术和智能化分析,帮助企业精准识别客户意图、发现服务质量问题,并生成详尽的分析报告和可视化数据。该方案采用按需付费模式,有效降低企业运营成本,提升客服质量和销售转化率。
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
|
10天前
|
人工智能 关系型数据库 数据中心
2024 OCP全球峰会:阿里云为代表的中国企业,引领全球AI网络合作和技术创新
今年的OCP(Open Compute Project)峰会于2024年10月14日至17日在美国加州圣何塞举行,在这场全球瞩目的盛会上,以阿里云为代表的中国企业,展示了他们在AI网络架构、液冷技术、SRv6和广域网等前沿领域的强大创新能力,持续引领全球合作与技术创新。
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗诊断中的应用
【10月更文挑战第23天】随着人工智能技术的不断发展,AI在医疗领域的应用也日益广泛。本文将介绍AI在医疗诊断中的一些应用,包括医学影像分析、病理诊断、基因数据分析等。通过这些应用,我们可以更好地理解AI技术在医疗诊断中的价值和潜力。
|
4天前
|
人工智能 架构师
活动火热报名中|阿里云&Elastic:AI Search Tech Day
2024年11月22日,阿里云与Elastic联合举办“AI Search Tech Day”技术思享会活动。
|
5天前
|
人工智能 自然语言处理 IDE
CodeFuse IDE 0.6 版本发布,支持编辑器诊断问题 AI 修复
CodeFuse IDE 是基于蚂蚁自研大模型和 OpenSumi 框架的 AI 编程助手,支持多语言,提供代码建议、解释、测试生成等,增强开发效率。最新版增加 AI 修复和智能补全功能,开源并支持 VS Code 插件生态。[了解更多](https://github.com/codefuse-ai/codefuse-ide)
24 0
|
7天前
|
人工智能 自然语言处理 机器人
对话阿里云CIO蒋林泉:AI时代,企业如何做好智能化系统建设?
10月18日, InfoQ《C 位面对面》栏目邀请到阿里云CIO及aliyun.com负责人蒋林泉(花名:雁杨),就AI时代企业CIO的角色转变、企业智能化转型路径、AI落地实践与人才培养等主题展开了讨论。
|
3天前
|
机器学习/深度学习 人工智能 供应链
AI技术在医疗领域的应用与未来展望###
本文深入探讨了人工智能(AI)技术在医疗领域的多种应用及其带来的革命性变化,从疾病诊断、治疗方案优化到患者管理等方面进行了详细阐述。通过具体案例和数据分析,展示了AI如何提高医疗服务效率、降低成本并改善患者体验。同时,文章也讨论了AI技术在医疗领域面临的挑战和未来发展趋势,为行业从业者和研究人员提供参考。 ###
|
3天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【10月更文挑战第21天】 本文探讨了人工智能(AI)在医疗领域的多种应用,包括疾病诊断、治疗方案推荐、药物研发和患者管理等。通过分析这些应用案例,我们可以看到AI技术如何提高医疗服务的效率和准确性。然而,AI在医疗领域的广泛应用也面临诸多挑战,如数据隐私保护、算法透明度和伦理问题。本文旨在为读者提供一个全面的视角,了解AI技术在医疗领域的潜力和面临的困难。

热门文章

最新文章