＃聽他們自己說華中科技大學的師生項目團隊是如何利用AI技術，助力全球抗疫的？一起來看看吧！

2020年伊始，新冠突發，在這場抗疫的戰斗中，讓我們深刻體會到，疫情，與每一個人息息相關。

幸運的是，我們從不缺真正的勇士，有人留下一封封鏗鏘有力的“請戰書”，連續作戰在防疫一線；也有人投入研發，負重前行，自發為醫生減負，以白翔教授與史天意博士生為代表的華中科技大學師生們正是如此。

一群來自華中科技大學的年輕人，在疫情最緊張的時候，自發組團投入研發，僅用11天完成幾個月的研究工作量，開發出AI量化醫療輔助系統，輔助國內幾十家醫院推進新冠肺炎診斷工作，該項目得到了國務院副總理孫春蘭的充分肯定。隨后，系統又推廣至全球幾十個國家，助力全球抗疫。如今，項目進入了第六屆中國國際“互聯網+”大學生創新創業大賽決賽。他們說，支撐不眠不休進行研發的動力，至始至終只有一個：與時間賽跑，挽救更多的人生命！

＃一聲呼應危難關頭，總有人挺身而出。在疫情大爆發的時候，華中科技大學的師生們得知醫院超負荷收載，醫療資源供不應求，核酸檢測進程比較慢，同時人工閱片診斷能力有限，導致許多人沒有辦法及時確診和治療，華中科技大學師生團隊緊急集合，自發組織成立AI戰疫團隊，希望能夠將AI醫療技術運用到肺部CT的診斷上，幫助醫生迅速確診新冠病人，讓患者及時入院，減輕醫院負擔。

初步成立的團隊僅有11人，適逢學校放假期間，同學們分散在全國各地，甚至海外，團隊交流成了項目的阻礙，依托于華為線上WeLink，輔助團隊實時溝通，高效協作，完成了前期的項目分工及技術分配，有人負責項目的整體規劃和算法系統的布局；有人進行整個團隊的公益組織、安排規劃；有人投入算法研究中，負責整個系統的開發。在線上完成數據的分配、標注以及算法的開發、迭代更新，整個項目迅速推進。

＃眾人接力系統研發中，數據的采集和處理是最為棘手的問題。 新冠作為突發的疾病，之前是沒有數據的。團隊首先聯系醫院線上接收數據，但由于醫院網絡傳輸速度慢，加上每個病人大概都有300-500張CT，數據著實龐大，等待傳送完成的時間過長。在武漢病情分秒必爭的情況下，時間就是生命，這時團隊中家在武漢的成員自告奮勇去醫院影像科拷貝數據，回來后得知當時拷貝現場身邊就有一個新冠肺炎的患者，心里還是特別的后怕。后來連小區都封閉管理了，只能靠醫院的醫生在高壓的情況下開車將數據帶到小區樓下，隔著圍墻遞給團隊成員，就這樣一次又一次的接力，完成了數據的搜集。

有了數據，接下來就是分類標注了。依托于華為云平臺的對象存儲服務OBS進行數據管理，團隊每天將需要標注的大量數據上傳到平臺，并分配給大家，每一位同學都可以很方便快速地從平臺上獲取自己的數據，在標注完成后，將最終的數據再上傳，既方便統一管理，又能提高工作效率。“因為OBS系統還是比較方便的，下載速度也比較快，我們能夠很多人，38個人一起去共用整個系統，也沒有說有任何問題。”項目負責人史天意說到。

作為第一次接觸數據標注軟件的同學們，如何使用成了接下來的問題，華為第一時間通過線上整理了軟件的基礎功能、使用講解教程，并派出技術人員指導，幫助團隊迅速完成標注的工作。在研究過程中，華為為團隊培訓了新冠肺炎醫療數據的標注規范，包括如何正確閱片區分不同類型的病灶區域，如何更加準確的標注判斷輕重癥患者等，幫助團隊迅速熟悉華為云平臺。執行中，團隊共標注了4800多例數據，那段時間幾乎每個人每天只能睡兩三個小時。

人工智能在有數據的前提下才能實現算法的應用。當時，學校的實驗室處于關閉狀態，服務器等設備都無法使用，長期租賃費用也比較高，基于華中大學多年來與華為的合中建立的深厚的情感，團隊緊急聯系華為，并得到了華為的免費支持，包括安全快速的數據管理服務、方便的模型訓練測試平臺等。通過華為云ModelArts算法平臺，團隊進行模型的訓練和測試，基于可視化界面系統，直觀的監測訓練過程的LOSS和分割分類結果，節省了代碼重復編程的過程，省時省力，快速上手，安全可靠。

除此之外，華為的工作人員進行了算法的分享會、數據分析交流會等，分享他們的技術上建議和研發經驗。“華為員工在AI醫療行業工作多年，對業務數據和邏輯的理解比較深刻。在新冠疫情早期，華為員工通過電話會議的形式為我們分享經驗，并隨時在線解答問題，使大家更好地理解醫療診斷的業務流程，為后續的算法研究打下了堅實的基礎。他們這種高效務實的工作作風和對業務的專研精神使我們受益匪淺。”回憶起當時的場景，史天意無不感慨。

包括后面系統開發完成后，國內多家醫院以及國外醫院的推廣都有華為的支持和幫助。 盡管阻礙重重，但每個人都在不斷地接力解決困難。沒有人想過具體哪天能將系統做出來，他們心里想的只有“早一天做出來，就能多救一些人”。隨著號召不斷，11人的團隊擴大到了38人，到最后已有68人，正是因為他們的這股熱情和毅力，才能將幾個月的研發量，壓縮到了11天完成，1月31號團隊成立進行研發，2月11日系統便可正式投入運營，免費對定點醫院做開放服務了。

＃又快又準在系統后期推廣部署上，團隊與華為共同承擔。AI量化醫療輔助系統首先應用在武漢同濟、協和這兩家重點醫院上，它們容納了當時大部分患者，尤其是重癥患者的收治。隨后，團隊與華為一同將系統推廣到了海外幾十個國家，助力全球抗疫工作。

AI量化醫療輔助系統針對疫情期間病人難以及時入院收治的問題投入研發，解決了當時困擾醫護人員的三大問題。 第一個判斷是否是新冠，通過CT可秒級判斷病人是否患有新冠，如果證實患有，可以將其收入院，符合“早發現、早隔離”的國家的號召，減少交叉感染風險，迅速阻斷病毒傳播。 第二個判斷新冠患者病情輕重，量化分析病人病情。系統通過新冠病患者的肺部CT去量化判斷肺部感染的體積有多少，以此來斷定病人是輕癥，還是重癥，這有助于醫生更有針對性地進行治療。

同時，病人入院后，短時間會做多次CT，醫生難以用肉眼去判斷病患現在所做的CT和上一次所做的CT有什么區別，進行精準醫療。而系統可以直接給出判斷結果，比對多次對比的精準量化結果，告訴醫生患者的病情的變化情況，以幫助醫生根據病情的變化調整治療方案。 第三個預測輕癥病患者轉化成重癥的可能性。由于新冠的特殊性，具有炎癥風暴的存在，如果輕癥病人引發了炎癥風暴，死亡率可能要超過50%。

團隊和醫生溝通后，研發了重癥預測的功能，也就是根據輕癥患者的基本信息、既往病史、臨床數據與CT影像等多種信息，判斷其有沒有可能在將來會轉化成重癥。如果有，醫生便可提前制定治療方案，或者做好預防阻止其發展成重癥患者，挽救病人生命。 相比于人工，AI量化醫療輔助系統的優勢就是快、準。一個醫生閱片大概需要15分鐘-30分鐘，而經過系統去判斷只需要2~3秒，這就是快。

人類醫生無法熟記每個病人的所有CT并進行特別精準量化處理，也無法對病情位置進行特別詳細的勾勒，而系統能給出一個特別精準的量化結果，幫助醫生去調整他的診療方案，這就是準。 疫情在不斷變化，團隊也一直不斷地更新系統。為了讓系統更好助力國外疫情防控，項目成員與其他大學共同建立聯邦學習模型，在保護數據隱私、保證合法合規的前提下，多參與方或多計算結點之間開展高效率的機器學習，建立虛擬的共有模型，用于解決數據孤島問題，也讓系統更符合疫情的發展趨勢。

當然了，系統并不會隨著新冠疫情的結束，而終結它的使用壽命。如果某一天，又出現了新冠肺炎患者，系統仍會做出最快的反應，讓全國所有的醫院接收到預警，第一時間做好防控，避免病情再次擴散。同時，項目成員認為現在主要做的是AI輔助診斷，相當于通過CT影像學的信息去給予醫生各種各樣的信息，幫助他們更好診斷病人的病情。未來，各種癌癥，比如胰腺癌、肺結節、肺癌、X射線成像等等都可以通過AI輔助診斷去提供量化的信息，幫助醫生進行判斷。

AI量化醫療輔助系統的完成得到了各方的認可，國務院副總理孫春蘭率中央指導組到華中科技大學進行視察時，AI量化醫療輔助系統項目成員作為華中科技大學的代表之一，向孫春蘭副總理做了匯報。副總理當即對系統的精準性和速度給予了充分的肯定。現在，AI量化醫療輔助系統項目進入了第六屆中國國際“互聯網+”大學生創新創業大賽金獎爭奪賽，與全球頂尖名校學生同臺競技，以紅旅公益組第一名的成績，奪得大賽金獎。

對此，項目團隊成員表示，他們將把這個公益長期做下去。因為新冠可能會常態化存在，但還有很多的醫院都缺乏這樣的技術，讓更多的人去了解這個項目，了解如何用AI技術與疫情進行抗爭，讓更多的人與公司加入團隊，給予團隊力量，以使得系統在未來得到不斷的完善，普惠更多人群。

＃華為助力仍在繼續未來，華為將繼續加大教育和人才培養上的投入。華為聯手教育部，在有關高校打造 “智能基座”產教融合協同育人基地，現已在北京大學、清華大學、上海復旦大學、上海交通大學、西安交通大學、哈爾濱工業大學等72所高校，把鯤鵬、昇騰系列課程融入計算機專業、軟件工程專業、人工智能專業、電子信息專業進行首批試點。

AI醫療方面，華為一直與華中科技大學有合作，前期投入了心臟分割以及動脈瘤檢測方面的研究，目前正在進行關于腦神經的分割項目，未來會幫助更多生物學家去分析人的腦信號等工作。 一支穿云箭，千軍萬馬來相見，面對狂野的、未知的病毒和困難，我們依然懷揣希望，挺身而出，與星夜鏖戰。冬天來了，春天也會在路上，每個太陽升起的早上，曙光都不會或缺。

責任編輯：xj

原文標題：平安之夜，打Call這群有AI的天使開發者

文章出處：【微信公眾號：華為IT產品解決方案】歡迎添加關注！文章轉載請注明出處。