抗击疫情新突破!AI 诊断疑似病例基因分析缩短至半小时

简介: 针对新型冠状病毒感染的肺炎病例,通过 AI 诊断技术,可将原来数小时的疑似病例基因分析缩短至半小时。

针对新型冠状病毒感染的肺炎病例,2020 年 02 月 01 日,浙江省疾病预防控制中心启用自动化的全基因组检测分析平台,平台由浙江省疾病预防控制中心、阿里达摩院医疗 AI 团队和杰毅生物技术公司共同研发。通过 AI 诊断技术,可将原来数小时的疑似病例基因分析缩短至半小时。

image.png

达摩院算法专家顾斐博士在疾控中心基因检测分析现场

浙江省疾病预防控制中心微生物检验所博士孙逸介绍,快速、精确诊断对于当前的疫情控制尤为重要。新型冠状病毒是基因组序列最长的病毒之一,快速检测其基因组“全貌”非常困难,而临床精准诊断又比较依赖这种基因信息。

专家指出,目前全国大部分医疗机构和疾控部门,普遍采用核酸检测方法来筛查病例,只能检测到病毒基因的局部。一旦病毒发生变异,可能出现漏检的情况。

image.png

新型冠状病毒结构

据悉,浙江此次启用的全基因组检测分析平台可对病毒样本进行全基因组序列分析比对,能够有效防止病毒变异产生的漏检,并将原需数小时的全基因分析流程减少到半小时,大幅提高病例的确诊速度准确率

具体来说,基于杰毅生物的新型设备,可以将患者样本核酸提取、建库和纯化步骤可以在 2 小时内无人值守的完成;在基因分析阶段,阿里巴巴达摩院针对新型冠状病毒推出了多个算法模型。在序列比对过程中,达摩院对算法增加了分布式设计,有效提升比对效率;在病毒序列拼接阶段使用分布式设计的 de Bruijn 图算法,变异病毒也能精准检测。

“该平台基于阿里云的强大算力与达摩院新算法可以为病毒的解析提供支撑,基于该平台,未来还可以在短时间内将检测范围覆盖尽可能多的确诊病例,也为后续疫苗与药物研发打下坚实基础。”孙逸说。

目前有 6 个确诊病例样本,正在通过该平台进行基因组序列的测定与分析。截至小编发稿前,这些样本中检测到的新型冠状病毒与最早在武汉确诊病人身上发现的病毒基因组序列高度同源。

为奋斗在一线的研究及工作人员点赞!

众志成城、我们必胜!

image.png

原文链接:https://mp.weixin.qq.com/s/HdCugZ-FK-haXeCoSe1auQ

目录
相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
1月前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第40天】本文将探讨人工智能在医疗诊断领域的应用,包括其优势、挑战以及未来发展趋势。我们将通过实例和代码示例,展示AI技术如何改善医疗服务质量,提高诊断准确性,并降低医疗成本。
|
1月前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
1天前
|
机器学习/深度学习 人工智能 智能设计
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
VisionFM 是一个多模态多任务的视觉基础模型,专为通用眼科人工智能设计。通过预训练大量眼科图像,模型能够处理多种眼科成像模态,并在多种眼科任务中展现出专家级别的智能性和准确性。
22 4
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
|
8天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
2天前
|
数据采集 机器学习/深度学习 人工智能
基于AI的网络流量分析:构建智能化运维体系
基于AI的网络流量分析:构建智能化运维体系
33 13
|
1天前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
|
22天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
1月前
|
机器学习/深度学习 人工智能 算法框架/工具
探索AI在医疗诊断中的应用
本文将带你深入了解人工智能如何在医疗诊断领域大放异彩。我们将一起探讨深度学习模型如何助力医生进行疾病预测,以及AI技术如何提高医疗图像分析的准确性。文章还将展示一些实用的代码示例,让你更直观地理解AI在医疗诊断中的应用。
47 5
|
1月前
|
人工智能
AI在医疗诊断中的应用
随着科技的不断发展,人工智能(AI)已经逐渐渗透到我们生活的各个领域,其中包括医疗领域。AI的应用不仅可以提高医疗服务的效率,还可以提高诊断的准确性。本文将通过一些实例,详细介绍AI在医疗诊断中的应用。