新冠肺炎CT辅助诊断方案/新冠病毒全基因组分析方案 Q&A

简介: 近期,我们发布了新冠肺炎CT辅助诊断解决方案和新冠病毒全基因组分析方案,收到来自行业内的很多的咨询,我们会在这个帖子为大家做统一回复。

近期,我们发布了新冠肺炎CT辅助诊断解决方案和新冠病毒全基因组分析方案,收到来自行业内的很多的咨询,我们会在这个帖子为大家做统一回复。

此回复后续会持续更新,有问题的可以在我们帖子下继续咨询。

新冠肺炎CT辅助诊断解决方案:点击查看
新冠病毒全基因组分析方案:点击查看

Q&A
Q:CT影像阅片300+,是说一个疑似人就要有300张片子吗?
A:拍一次CT,就有一个序列,一个序列是300~400张片子。

Q:我想问一下,人种的不同,会不会影响我们算法的准确度?
A:目前还没测过国外的数据,有可能精度会有影响。

Q:还有对于其他ct系统的集成我们能做到什么程度?
A:目前一般不建议直接对接CT系统,而是对接医院的PACS系统。

Q:PACS系统全球都是一样的吗?
A:PACS系统是基于国际通用的DICOM协议的,所以基本上全球都一样。

Q:我感觉数据安全会是大问题?
A:目前我们跟国内医院的合作是通过在医院内部署一台前置机,对医院数据做隔离,同时对数据进行脱敏,然后上传公网调用AI服务。

Q:是谁在负责方案部署的工作呢?
我们在日本的部署方式是在日本region上部署API服务,然后日本本地的云PACS合作伙伴会对接AI服务的API。

Q:PACS系统语言支持英文吗?
A:我们的合作的云PACS ISV都是可以支持英文的。

Q:基因检测用血液监测呢?
A:一般不用血液样本,主要是咽拭子、痰液、粪便等。

Q:咽拭子或痰等呼吸道分泌物据说可能病毒量比较少,而推荐血液检测PCR?
A:血液的比较少,咽拭子要看情况的,有些位置病毒多,有些少。

Q:CT的检测影像会被阿里云/达摩院留存,用来训练模型吗?
A:不会。没有反馈的数据我们留下数据没有意义,而且还有合规方面的风险。一般AI诊断完后会自动删除。

Q:前置机是我们提供吗?还是我们只提供API?
A:前置机的话一般是医院或者合作的PACS提供。

Q:医生的移动办公APP我们有英文合作伙伴吗?
A:国内合作伙伴有英文版;海外CBM/SA也可以推荐海外ISV。

Q:上传基因数据需要专线?
A:不需要专线,建议边测边传。

CT的拍摄条件及图片质量
Q:是否有所使用机器的情报(品牌和型号等)?
A:大部分的数据主要来及以下厂家SIEMENS、GE、PHILLIPS、TOSHIBA,但是目前没有具体的型号信息。

Q:是否有片子的厚度分布数据(xmm占y%)
A:Slice thickness (0mm, 1.5mm):33.3%
Slice thickness (1.5mm, 5mm): 54.5%
Slice thickness (5mm, -): 12.2%

Q:本系统是否有使用准则(不仅限新冠病毒,普通肺炎的图片,或是医院拍摄的胸部CT片子是否可以使用等)
A:目前对于拍摄的CT片子没有特殊的要求,在我们的训练集和测试集中,纵膈窗重建的数据和肺窗重建的数据的比例接近1:1, 同时对于早期病例数据,我们建议使用薄层CT数据。
**
其他肺炎的鉴别能力**
Q:如何定义通常肺炎及其他肺炎?是否有区分通常肺炎(=新冠病毒以外的病毒性肺
炎)和其他(包含细菌性肺炎,误吸性肺炎等全部肺炎)?
A:目前我们将新冠肺炎以外的其他肺炎都统称为常规肺炎,暂时没有区分常规肺炎能
力。

Q:其他肺炎的诊断正确率(其他种类肺炎的病例数,患者CT数等)
A:常规肺炎的病例大约有1700例,其中在测试集有200例左右,具体指标稍后测试完给出。

中国国内的最终识别正确率,96%正确率的证据,可信性,影响因素等
**Q:如何得出正确率(判断结果和PCR阴性/阳性的一致率?经过临床诊断的病例,临床
医生最终确诊的病例,放射科医生读片结果的比对等?)**
※第五版规定只有湖北省可将CT读片结果视为临床诊断病例。但第六版之后并没有相关的项目。**
A:1,目前该AI服务的其中一个功能是输出新冠肺炎的概率、常规肺炎的概率和其他
情况的概率(三个概率的和为1,我们取概率最大的类型作为该病例的AI输出结果)
2,我们目前的测试数据有600+,其中新冠数据、常规肺炎数据、其他情况的数据
比例接近1:1:1。关于这些测试数据的GroundTruth(GT),其中新冠数据的GT来
自医院对外发布的确诊数据、常规肺炎的GT和其他情况的GT来自历史回顾性数据
(新冠爆发之前的数据)。
3,“CT读片结果视为临床诊断病例”:在我们所有的确诊数据中,只有不到200例
数据是通过CT被确诊为新冠病例的。

Q:判断正确的时间点(PCR多次实验?患者出院或死亡时临床医生确诊的病名?等等)
A:这些信息无法获取。

Q:是否有和医生的诊断,临床医生或放射科医生读片结果进行比对?是否有数据?
A:我们所有的数据GroundTruth都是来自放射科医生和临床医生,我们的验证也是在
这些数据上面进行的。

Q:CT图片的数量和质量,是否多次拍摄同一个患者以及患者情报等因素如何影响正确
率?是否有数据确认?
A:我们有小部分数据是病人全病程的CT数据,目前对早期数据的判断精度不是很高,
具体数据目前暂时无法统计。

基因分析一体机常见问题:
方案定位和后续更新
面对疫情的紧急需求,将测序仪、试剂、软件打包成软硬一体的解决方案,降低测序和分析的用户使用难度。帮助医院病理科/检验科,疾控中心等机构,甚至是基层医院,实现病毒的院内检测。在此基础上,后续增加流感、病原等相关分析流程算法,提高基因测序的临床应用普及程度。
售卖条件
对于具备开展病毒检测的生物安全实验室,已经具备实验和测序能力的机构,可提供基因分析一体机的售卖。如果不具备测序能力,需要联合合作伙伴,提供自动建库仪,基因测序仪,试剂耗材等方案配套。
交付方式
一体机软硬一体,交付时只需要简单配置即可。

目录
相关文章
|
编解码 人工智能 定位技术
哥白尼数字高程模型(Copernicus DEM)30/90m数据集
哥白尼数字高程模型(Copernicus DEM)30/90m数据集
1261 0
|
2月前
|
存储 人工智能 数据可视化
从零搭建企业私有知识库:RAG+阿里云百炼实战,文档向量化、问答链路与Web部署详解
通用大模型在企业业务场景中存在三大核心短板:企业内部营收数据、内部规范、项目文档等核心资料无法对外传输,存在数据隐私泄露风险;通用模型训练数据覆盖范围有限,无法精准匹配行业垂直专业内容;模型知识库更新滞后,无法响应企业最新政策、产品迭代信息。RAG检索增强生成技术是解决以上痛点标准化方案,通过先检索私有文档再传入模型生成答案,让大模型精准调用企业专属数据,兼顾隐私安全、领域专业性与内容实时性。
346 0
|
5月前
|
JSON 监控 测试技术
微服务接口设计全解:RESTful/RPC 规范、兼容方案与生产级实战
本文系统阐述微服务接口设计规范,涵盖RESTful与RPC两大体系:明确接口作为行为契约的本质,提出语义清晰、兼容稳定、高性能等五大设计目标;详解URI设计、HTTP方法/状态码、请求响应体等RESTful规范,并给出完整代码实例;解析RPC的契约优先、幂等性、序列化等核心要求;对比二者差异,提供选型指南与灰度发布、多版本共存等生产级兼容方案,助力构建高可靠微服务架构。
626 4
|
监控 前端开发 安全
一个 经典的 聚合支付 (支付中台) 设计与实现 (图解+秒懂+史上最全)
一个 经典的 聚合支付 (支付中台) 设计与实现 (图解+秒懂+史上最全)
|
7月前
|
前端开发 CDN
微信小游戏的开发费用
微信小游戏开发费用因美术、玩法等差异大,轻量级3-8万,精品中度10-35万,重度游戏达50万以上。另需考虑软著、版号、服务器及买量等硬成本,运营投入常超开发。2026年混合变现与首发激励成新趋势。#微信游戏 #游戏外包
|
11月前
|
人工智能 JSON API
快速上手Cursor,让AI替你敲键盘
Cursor Editor基于VS Code内核,深度集成GPT-4等大模型,支持对话式编程。通过Ctrl+K和Ctrl+L快捷键,可快速生成、修改、解释代码,智能调试与重构。适合开发者提升效率,专注核心设计。
|
12月前
|
人工智能 运维 监控
云+应用一体化可观测:破局“云上困境”,让运维驱动业务增长
当云计算迈入深入上云新阶段,数智化升级的关键课题已从“简单上云”演进至“精细治云”。随着企业对云计算的依赖日益加深,如何高效管理云端资源及其稳定性成为新的挑战。为此,阿里云推出云+应用一体化可观测方案,通过阿里云应用运维平台(Application Operation Platform,简称“AOP”)构建覆盖应用全生命周期一体化可观测产品体系,推动运维模式由被动响应向主动预防转变,实现故障的快速发现、定界与恢复,保障云上业务稳定运行。 目前,该方案已成功服务超过50家行业头部客户,为政务云平台、金融核心系统、能源调度中枢等关键基础设施提供全天候安全运维保障。
927 0
|
人工智能 运维 关系型数据库
云服务API与MCP深度集成,RDS MCP最佳实践
近日,阿里云数据库RDS发布开源RDS MCP Server,将复杂的技术操作转化为自然语言交互,实现"对话即运维"的流畅体验。通过将RDS OpenAPI能力封装为MCP协议工具,用户只需像聊天一样描述需求,即可完成数据库实例创建、性能调优、故障排查等专业操作。本文介绍了RDS MCP(Model Context Protocol)的最佳实践及其应用,0代码,两步即可轻松完成RDS实例选型与创建,快来体验!
云服务API与MCP深度集成,RDS MCP最佳实践
|
网络协议 算法 数据库
OSPF协议详解:工作原理与实现机制
OSPF协议详解:工作原理与实现机制
1849 0
|
监控 Devops Docker
如何在DevOps中更好地使用python
如何在DevOps中更好地使用python
557 7