2月28日，百度飞桨向外界同步了一条新动态：
连心医疗团队基于百度飞桨平台开发的“基于CT影像的肺炎筛查与病情预评估AI系统”正式上线，可快速检测识别肺炎病灶，为病情诊断提供病灶的数量、体积、肺部占比等定量评估信息，并已经在湖南郴州湘南学院附属医院投入使用。
在此之前的一段时间里，AI抗疫就已经成为备受关注热门话题，诸如AI红外测温、肺炎咨询机器人、人工智能助力疫苗研发、算法预测新型冠状病毒的全基因组等案例多次占据科技媒体头条。
不过深入抗疫一线、与医疗人员并肩战斗的CT影像智能识别又有所不同，从新冠肺炎“假阴性”的消息传出，到百度飞桨助力连心医疗首次开源肺炎CT影像分析模型，从0到1乃至到N的一幕，再次演绎了互联网的“战疫”速度。
有感于科技企业担当精神的同时，也产生了一些新的话题，比如人工智能企业为何可以快速给出解决方案，落地应用后解决了哪些棘手问题，以及人工智能的实战结果给我们带来了什么样的启示？
2月3日，武汉大学中南医院影像科副主任张笑春发了一条朋友圈：“别迷信核酸检测了，强烈推荐CT影像作为目前 2019-nCoV 肺炎主要依据”，并称这是“一个一线影像医生的大声疾呼！”
2月4日，工信部发出了倡议：全国各地要充分发挥人工智能赋能效用，协力抗击新冠肺炎疫情；2月5日，国家卫健委发布了第五版《新型冠状病毒感染的肺炎诊疗方案》，肺部CT影像被正式纳入新冠肺炎诊断标准。
大大小小的人工智能企业，也开始了一场争分夺秒的攻坚战。
正如文初提到的一幕，连心医疗结合百度飞桨开源框架和视觉领域技术领先的PaddleSeg开发套件，研发了“基于CT影像的肺炎筛查与病情预评估AI系统”，并将对全国定点收治医院免费开放，以提高国内基层医院关于新型肺炎的病情诊断和救治能力。
阿里、华为、依图科技、深睿医疗等也先后拿出了解决方案。
比如阿里达摩院医疗团队与浙大一附院、万里云、长远佳和古珀医院等多家机构合作拿到了5000多个CT影像样本，结合新冠肺炎患者的临床特征，推出了新冠肺炎临床AI诊断技术（CT影像），并在河南“小汤山”医院里落地应用。
华为云宣布与华中科技大学、蓝网科技等通力协作，研发并推出新型冠状病毒肺炎AI辅助医学影像量化分析服务，通过计算机视觉与医学影像分析技术，结合临床信息和实验室结果，辅助医生更高效、精准地区分早期、进展期与重症期患者。
依图科技、深睿医疗、推想科技等创业公司向外界释放了推出可用于智能评估新冠肺炎的AI影像产品的消息，将针对局部性病灶、弥漫性病变、全肺受累的各类肺炎疾病严重程度进行分级，继而精确测算出疾病累计的肺炎负荷。
做一个总结的话，人工智能企业在对抗新冠肺炎“假阴性”困境中的快速应对和深度参与，离不开两个关键因素：
其一，CT扫描一次可以得到数百张人体组织截面，而新型冠状肺炎的在影像上主要表现为外带分布、多叶段、磨玻璃间质性改变，医生可以将标注好的肺部CT影像交由机器学习，主动寻找结果和图像之间的关系。
其二，利用CT图像数据进行AI诊断并非没有先例，美国国立卫生研究院在2018年就曾公开10600张CT扫描图像，用于医疗人工智能算法的开发和测试。同时国内的百度、阿里、华为云等也在图像识别领域有着成熟的神经网络训练算法。
诚然，人工智能在CT影像识别中的应用并非是“不可能完成”的任务，甚至说是当下医疗体系的一种潜在趋势，但发挥出的价值却不该被低估。
厘清了人工智能企业迅速备战的原因，再来回答另一个问题：人工智能在这场攻坚战中到底解决了哪些棘手问题？
首先是时间上的对比。
以CT影像的量化评估为例，现在大多数医护人员采用的是手工勾画ROI的方法，类似于PS中的手动描边和抠图，每个患者需要勾画三四百张的CT影像，往往需要五六个小时的时间才能完成。而一位患者从入院观察到治愈出院，一般需要拍摄四次左右的CT影像，相关医生的工作量可想而知。
特别是在湖北等疫情高发的地区，耗时如此之长的CT影像量化工作，不仅让一线的医疗人员置于高负荷的工作状态中，也在一定程度上耽搁了诊断效率。
从几家人工智能企业给出的结果来看，确诊时间被压缩到了几秒到几十秒之间。诸如依图科技、华为云等公司专注于CT影像量化评估工作，阿里达摩院、连心医疗则给出了一整套的方案，包括CT影像的病灶检测、病灶轮廓勾画、双肺密度分布直方图及肺部病灶的数量、体积、肺部占比等全套定量指标的计算与展示。
其次是生产力的对比。
疫区的医生或许可以凭借繁多的病例“熟能生巧”，花上5—10分钟的时间就能从CT影像中确定患者的病情。可对于非疫区的医生而言，由于接诊相关病历的经验少，在确诊过程中经常会举棋不定，直到核酸检测显示阳性后才敢确诊，其中犹豫和等待的时间，可能已经造成交叉感染乃至是家庭聚集性发病。
同时高压的工作状态也在考验医生的心理素质，每一份签名确诊报告的背后，通常意味着几十个紧密接触者的隔离收治，既是一种责任，也是心理上犹豫。
至少人工智能在CT影像诊断中的应用，已经在某种程度上拉平了因为经验不同导致的生产力差异，即便是没有接触过肺炎病例的医生，也可以根据AI的诊断结果进行科学判定，然后以一种可观的依据增强医生们的诊断信心。
值得一提的是，连心医疗采用的深度学习算法模型充分训练了所收集到的高分辨率和低分辨率的CT影像数据，可以适应不同等级CT影像设备采集的检查数据，哪怕是医疗资源受限的基层医院，也可以在肺炎辅助预诊断工具的帮助下进行确诊，进一步提升了基层医生的诊断和评估效率。
人工智能在CT影像辅助诊断中的价值已然被验证，同时被验证的还有人工智能作为“通用技术”的属性。
按照百度CTO王海峰的观点，“通用技术”指的是与机械技术、电气技术和信息技术一样，具备标准化、自动化和模块化的特征，也是进入工业大生产阶段的基本前提。至少AI在CT图像智能诊断系统的应用中，不难找到“通用性”的一面。
一个直接的例子，当新型冠状肺炎的疫情结束后，那些战斗在一线的医务工作者，势必会重新审视AI这个“新战友”，进而延伸出更加广泛的应用，比如同样的技术被应用于肝癌、肺癌等病情的早期筛查，毕竟这些病历同样需要在几百张影像中找到病变的组织，并对它的良恶性做出准确的判断。
只是这样的话题似乎并不新鲜，早在2016年就有“人工智能+医疗影像”元年的说法，图像识别在医疗中的应用渐渐兴起，这次疫情中崭露头角的推想科技、连心医疗等均诞生于这一年。尽管在过去几年中，这些企业很少被外界所关注，以至于在资本市场都有些寒冬的味道，但经此一“疫”后大概率会迎来新的风口。
何况人工智能行业的协作方式也在发生转变，进一步为医疗垂直领域的布道者们提供了新的机会窗口。
以连心医疗为例，在创立之初主要提供肿瘤数据平台搭建和医疗数据分析，涉及医疗影像处理、分割、配准等等。但在CT影像的攻坚战中，连心医疗选择在自身数据优势的基础上，基于百度飞桨平台快速开发上线了基于CT影像的肺炎筛查与病情预评估AI系统并对全国定点收治医院免费开放，为抗击疫情贡献一己之力的同时，也给出了医疗服务升级的新思路：
以往医疗机构想要开发肺炎CT影像智能诊断类的应用，需要找到某家科技公司进行联合开发，其中的门槛和成本不言而喻。如今却可以在百度飞桨的EasyDL图像分割模型中，直接选择“肺炎CT影像识别专用算法”，只需要少量的数据训练即可获得基于实际场景进一步优化的模型，以及可灵活支持多种部署形式、可即用的模型服务。
沿循这样的逻辑，不排除诞生AI应用新范式的可能。百度飞桨就像是AI服务的“模型商店”，连心医疗这样的开发者打造上线了各种各样的“模型”，全球范围内的医疗机构们可以在“商店”中找到自己需要的“模型”，简单的适配就可以落地应用。
可以笃定的是，一旦这样的逻辑被跑通后，注定不会局限在医疗领域，不断向工业制造、市场营销、农业生产等领域延伸，又一次印证了王海峰关于“深度学习推动AI进入工业大生产阶段”的观点。
麦肯锡喜欢用“灯塔工厂”来定义在第四次工业革命做出全球表率的企业，借鉴这样的说法，在时间和生产力做出示范的AI诊断，何尝不是医疗领域的“灯塔工厂”。
也就不难理解阿里、百度、华为以及人工智能创业们在这场费用疫情中与病毒“赤膊奋战”的勇气，担当和情怀只是其一，为医疗行业建造一座“灯塔”，用数据和技术重新定义医疗，无疑是同样重要的事。
有理由相信，AI在一线与时间赛跑、与疫情赛跑的挑战背后，也将是AI在医疗领域规模化落地的序章。
