在科技领域，跨界融合带来的新事物有颠覆性的竞争，但只有技术和经济上的竞争。在病毒领域，跨界融合产生的新病毒往往意味着灾难。如果飞翔的鸟掉落的粪便不小心与地上鸟的食物结合，被鸟吃掉，那么它身上可能携带的病毒就会与鸟体内的病毒杂交，进化出新的病毒。而这种病毒的跨国传播能力，将会给整个人类造成巨大的灾难。以最快的速度了解新型病毒带来病例的病因，尽快对症下药，是打赢“抗疫”的关键。如今，人工智能等新技术正在积极发挥作用。当前，新型冠状病毒疫情进入攻坚阶段。除了奋战在一线的医护人员，新冠病毒的疫苗研制和药物筛选也在争分夺秒。在这场“抗疫”战争中，人工智能等技术正在默默贡献力量。关注科技企业抗疫动向，你会发现阿里云、华为云、曙光、腾讯云、上海超算中心等都在积极免费提供超算能力，AI算法助力开展抗击新冠病毒疫苗研制和药物筛选工作。为了尽快解决新冠病毒疫情，除了举全国之力把病毒“闷”在家里，从病毒基因组的早期数据分析和AI建模，到临床如何快速准确地诊断疑似病毒。患者，以及针对新冠病毒的疫苗研发和药物筛选，也都在与时间赛跑。人工智能正在其中发挥作用。AI技术可以加速“疫”中的数据分析。人工智能作为工具，有算力、算法和数据三要素支撑。AI等科技公司基于三大特点，目前提供高性能、高可靠、高性价比的计算、存储、分析和AI能力，支撑科研流程固化执行、效率提升的工具。让AI在疾病基因的分析诊断中发挥作用。首先要做的是依靠医学领域的专家来检测病毒。正如上海华山医院张文宏所说，医学专家必须“准确知道病毒在寻找什么，才能针对病毒提供相应的抗病毒治疗”。我们应该让人工智能和病理学家相辅相成，提高人工诊断的效率和可靠性。依靠科技手段“面对未知病毒，通过打碎其所有基因序列，通过深度测序平台还原所有序列，然后利用大数据开始拼接，通过拼接序列，经过大数据分析，分析它的进化关系，通过数据库记录分析得到基因标记，最后告诉你它是什么病毒。张文宏从医生的角度简洁地阐述了AI的作用。例如，应对新冠病毒，AI等新技术应用的一个核心作用就是让医学专家不必将大量时间花费在海量数据分析上，但可以将他们的时间、精力和医疗经验投入到应对传染病风险上。数据分析、重复信息收集等任务交给AI。目前，融合了AI功能的基因组测序平台，可以提供从基因组数据管理、生物信息学分析流程、科研分析管理到知识图谱的服务，快速实现基因组数据分析和AI建模，让基因组分析更加便捷。例如，将深度学习算法和药物分析服务融入到药物研发过程中，使药企能够更快速高效地完成药物研发，节约??研发成本，让研发更快。具备医学影像标注、影像分析服务和AI模型预测服务，充分满足医学影像研发需求，让影像分析更加便捷，在很大程度上帮助医生提高阅片效率，减少漏诊诊断和误诊。一个医生一天看一百个病人，一个月看两千个病人，一年看几万个病人。积累经验的方法。一个有15年经验的医生和一个刚出道3个月的医生有着不同的体验，对一些图像的判断也不在一个档次上。深度学习将提取图像特征。然后影像学专家先在上面打上标记，等标记出更大的样本后，就可以进行辅助医学诊断了。例如，AI可用于对疑似患者肺部CT影像进行病灶自动检测、定位和弥散。多维度分析和自动生成报告，帮助医护人员快速筛查疑似COVID-19病例并隔离和进一步诊断，从而降低交叉感染风险。同时，产品的随访功能还可以帮助医生准确量化对患者治疗效果的评估，利用AI为一线医务工作者提供循证、智能辅助。联合科研已成为AI技术在疾病领域应用的主要形式。在整个“抗疫”过程中，包括病毒毒株分离、药物筛选、病例检测、新药研发等，都需要基于AI技术进行大量数据分析。目前，科技公司将在病毒基因组计算分析、抗病毒药物研发、抗疫医学影像分析等领域提供海量AI算力和强大算法。强烈支持。这就需要一个具有强大CPU和GPU算力调度能力的平台，能够为基因测序和医学工程提供稳定高效的算力支持。在近期的抗“疫”战役中，我们看到科技公司联合医疗机构、科研机构成为最高效的模式。如华中科技大学同济医学院基础医学院、华中科技大学同济医学院附属武汉儿童医院、西安交通大学第一附属医院、北京研究院中国科学院基因组学研究所、华为云联合科研团队宣布筛选出2019年5种可能对新型冠状病毒（2019-nCoV）有效的抗病毒药物。其中，华为云EI医疗智能体平台（EIHealth）集成了医疗领域的众多算法、工具、AI模型和自动化流水线，提供大规模的计算机辅助。在多位教授的指导下，通过医药代理平台完成了数十种靶向蛋白和数亿种小分子化合物的蛋白同源性建模、分子动力学模拟计算、大规模虚拟药物筛选等工作。几小时内完成数千万次模拟计算，让以往需要数月才能完成的计算机辅助药物筛选在数小时内完成。比如在新冠肺炎疫情中，对疑似患者进行快速准确的临床诊断仍然是一个挑战。2月1日，由浙江省疾病预防控制中心、阿里巴巴达摩院、杰一生物联合研发上线的自动化全基因组检测分析平台，将疑似病例的基因分析时间从数小时缩短至半小时。重点在“全基因组”两个字上。全基因组意味着海量的基因数据，对平台的计算能力、AI算法、数据处理和评分提出了更高的要求。阿里达摩院创新性地采用分布式设计分析算法，基于蛋白质数据库（PDB）等公共数据集的数据优化训练算法。这样的AI突破，对于有效提高疑似病例的诊断效率，及时阻断病毒传播，必将有很大帮助。我们也看到，为了帮助科研机构加速新药筛选和疫苗研发，腾讯云成立了应急工作组，免费开放了云超算等能力。目前，中山大学药学院罗海滨教授团队免费提供批量GPU云服务器使用，帮助团队推进病毒药物筛选；提供大量标准CPU计算能力和对象存储能力，帮助他们进行基于结构的药物分子设计的离线计算任务。与此同时，基于新冠病毒靶点结构的化合物虚拟筛选正在北京生命科学研究院/清华大学生物医学交叉研究院黄牛教授实验室推进。原则上，药物通过与体内生物靶点相互作用发挥药效。如果能够根据药物靶点的结构计算、筛选和设计小分子配体，则可以大大降低创新药前期研发的成本和周期。针对新冠病毒的多靶点，黄牛教授实验室利用腾讯云秒级交付的海量高性能计算和存储资源，快速计算筛选数亿化合物数据库，结合实验验证，找到新结构类型化合物的领跑者，为下一步新药研发提供了基础。综上所述，人工智能在基因组分析和诊断上有几个关键点。首先，数据库的搜索功能，在获得病毒基因信息后，通常需要与已知数据库的基因组进行匹配，寻找可能的突变。突变与疾病对应关系的判断大多依赖于海量数据库资源，人工完成这些工作是不现实的，这时候就体现了人工智能的价值。其次是算法的优化，我们看到华为云和阿里达摩院采用了最新的AI算法和分布式数据库来优化人工智能的技术路径，可以更有效地学习和处理大量的非结构化数据。集成、挖掘和计算它们之间的联系。缩短人工智能可以不断挖掘和更新突变位点与疾病之间的潜在联系。再次海量数据喂养，在GoogleAI实践中，已有人工智能用于乳腺癌诊断的报道。只需几秒钟即可获得比人类医生需要数十小时更准确的诊断。在基于医学影像的诊断中，结合人工智能的效率可以说大大提高了癌症的诊断率。这需要基于大量患者的数十万张医学图像进行基于深度学习算法的训练。经过大量的迭代训练，算法的准确率越来越高，判断AI分析价值的标准是具有丰富临床疾病分析经验的专家的诊断结果与AI工具的诊断结果是否一致。此外，业内专家告诉置顶网，目前基于“深度学习”的AI技术应该可以发挥作用。一个好的云数据库其实是一个很关键的点，因为如果医院各个科室的人数比较分散，那么这个工作就很难做好。基于云数据库，无论是来自公有云还是私有云，帮助医院对这些数据进行标准化。从数据采集，到数据存储，再到预处理，形成了一套标准化的人工智能服务。这样，即使数据分散在一些单元中，仍然可以在需要的时候进行复合使用。同时，在深度学习技术方面，在训练这些数据的时候，不仅可以把数据丢到深度学习中去训练，还可以对这些数据做一些特征提取。我们对数据进行降维之后，经过训练可以得到相对较好的效果。当然，这个数据积累之后，积累的数据越来越多，准确率会越来越高。最后，医疗过程是一个复杂而长期的过程，AI辅助只是其中的一个环节。我们希望通过人工智能等技术帮助医学领域的专家，加速疾病基因检测和相关药物研发的进程。
