2月15日，阿里達摩院聯合阿里云針對新冠肺炎臨床診斷研發了一套全新AI診斷技術，AI可以在20秒內準確地對新冠疑似案例CT影像做出判讀，分析結果準確率達到96%。2月16日啟用的河南鄭州小湯山已經引入該算法輔助臨床診斷。

新冠疫情早期，由于確診案例樣本量少，醫療機構缺少高質量臨床診斷數據，核酸檢測作為病原學證據被公認為新冠肺炎診斷的主要參考標準。隨著臨床診斷數據的積累，新冠肺炎的影像學大數據特征逐漸清晰，CT影像診斷結果變得愈發重要。根據國家衛健委公布的診療方案第五版，臨床診斷無需依賴核酸檢測結果，CT影像臨床診斷結果可作為新冠肺炎病例判斷的標準。

新冠肺炎患者的CT胸片的影像特征表現為單肺或雙肺多發、斑片狀或節段性磨玻璃密度影等細微變化。一位新冠肺炎病人的CT影像大概在300張左右，這給醫生臨床診斷帶來巨大壓力，醫生對一個病例的CT影像肉眼分析耗時大約為5-15分鐘。

阿里達摩院醫療AI團隊基于當前最新的診療方案、鐘南山等多個權威團隊發表的關于新冠肺炎患者臨床特征的論文，與浙大一附院、萬里云、長遠佳和古珀醫院等多家機構合作，率先突破了訓練數據不足的局限，基于5000多個病例的CT影像樣本數據，學習訓練樣本的病灶紋理，研發了全新的AI算法模型。

通過NLP自然語言處理回顧性數據、使用CNN卷積神經網絡訓練CT影像的識別網絡，AI可以快速鑒別新冠肺炎影像與普通病毒性肺炎影像的區別，最終識別準確率高達96%。AI每識別一個病例平均只需要不到20秒，大大提高診斷效率，減輕醫生壓力。此外，AI還能直接算出病灶部位的占比比例，進而量化病癥的輕重程度，大幅提升臨床診斷效率。

在CT影像識別算法之外，達摩院還與阿里云研發了輔助診斷算法，該算法可以根據患者基本信息、癥狀、實驗室檢查結果、流行病學史、影像報告等多維信息，進一步幫助輔助醫生制定科學的治療方案。

達摩院算法專家徐敏豐表示，“新冠肺炎屬于新病種，疫情爆發至今仍舊沒有公開的數據集，但隨著臨床數據的積累，AI算法將在新冠肺炎診斷中發揮更大的價值。”據透露，除了率先落地的河南鄭州小湯山醫院，上述算法還將在湖北、廣東、安徽等地近100家醫院落地。