内容簡要：
達摩院人工智能中心團隊介紹
達摩院醫療健康AI平台
達摩院智能醫療影像平台
客戶案例
達摩院AI中心醫療健康科研成果
阿裡雲智能-達摩院-人工智能中心（Artificial Intelligence Center）是阿裡雲智能負責雲上人工智能基礎技術研發及産品落地應用團隊。研究場景包括城市大腦、工業視覺、設計智能以及醫療健康。
醫療健康AI以影像診斷為切入口，人工智能中心緻力于跟開發者生态結合，在影像診斷、基因分析、智能問診、醫療搜尋、公共衛生等方面為醫生、病人以及相關機構提供輔助診斷和決策的AI技術支援支撐。
業務應用
達摩院醫療健康AI平台面向的是醫療機構、醫藥廠家、醫保監管機構、衛健系統、健康領域的企業以及機構和個人。
算法引擎和智能計算
算法引擎
支撐這些應用的算法引擎，劃分成4大子產品：
Ø了解：了解針對布局的分析及預測。
Ø搜尋：搜尋非結構化資料進行結構化之後，能夠提供對海量資料的彙聚、檢索功能。
Ø推薦：基于之前的資料，主動推薦診療方案以及診療路徑。
Ø訓練：為醫療科研領域能夠面向醫務工作者（包括開發者）提供一套好用的咨詢平台，包含資料以及算法的生成。
智能計算
智能算法在引擎下面，也就是平台算法，包括資料管理（資料接入、存儲及傳輸）、算法排程（資源排程、算法排程）、及圖文搜尋引擎（把大規模的非結構化資料提供結構化的向量檢索，以及檢索中用到的高性能計算功能）。
資料來源
影像資料
影像資料以大放裝置的CT核磁、x光這類資料為主，結合超聲及少量的内窺鏡資料。
結構化資料
結構化資料是在醫療領域面更大量的資料，包括電子病曆及 HIS裡的營運資料。
承載資源
阿裡雲的強項：強大的雲資源的計算功能。
包括公共雲、專有雲企業版、飛天靈活版以及針對醫療行業，我們的專有營運以及我們的飛天靈活版，以及現在正在推出的針對醫療行業的軟硬體解決方案：一鍵一體機。
包括公共雲、專有雲企業版、飛天靈活版以及針對醫療行業，我們的專有營運以及我們的飛天靈活版，以及現在正在推出的針對醫療行業的軟硬體解決方案：一鍵一體機。
達摩院醫療健康AI中台—視覺算法
影像AI算法
算法平台中的計算引擎拆分成視覺算法，視覺算法根據病種的子產品産生不同病種，下面以視覺算法為例，介紹這個算法如何在平台裡面發揮作用，以及如何服務最終客戶。 整體可分為2個大的病種和子產品：正常胸部CT、骨科綜合子產品，兩者分别對最終使用者服務的形式是有些差別。
正常胸部CT
正常修複子產品，主要是通過雲PACS廠商，及時把算法功能開放給雲PACS廠商，內建到PACS系統對醫療機構進行服務。醫療機構包括各級醫院、區域營銷中心。這種模式的好處是開發時隻需要維護1個高性能且穩定的線上服務，具體應用開發是交給其他合作夥伴完成，是以整個算法維護成本相對較低。
正常胸部CT裡功能比較成熟的已對外開放的，包括新冠肺炎分析、肺結節檢測、胸部冠脈鈣化積分的分析。
骨科綜合
直接面向網際網路骨科醫院的臨床科室，覆寫的場景會更多。包括膝關節炎的分析、膝關節術前測量、髋關節的術前測量。
服務方式是通過把算法的 API提供給網際網路醫院，網際網路醫院針對業務流程整合，提供智能化服務，面向醫生患者以及器械廠商。
冠脈CTA
冠脈CTA相對來說比較特殊，主要是基于臨床工作站。因為冠脈是比較強調互動，是以冠脈CTA主要放在臨床工作站。
醫療影像平台有兩種內建方式。
1. 智能雲影像 應用系統[OEM]
臨床全場景影像，從放射科臨床醫生到手術到會診的終端，把合作夥伴的解決方案整合，放入智能功能，然後面向終端客戶進行商業化。
醫學影像融合調閱，主要是在疾病的會診場景裡，包括影像科醫生、臨床醫生、及病理醫生，他們可能有會診的需求，會結合各類的檢查報告，把病人的資訊進行高度的整合，最後展現給醫生，友善醫生進行最終的臨床判斷。
移動閱片 &雲膠片，面向 C端使用者，産品形态為移動端的應用。使用者可以通過掃描二維碼，能夠快速看到在院内采集的影像資料以及報告，同時平台會整合AI的分析功能，把能夠定量的内容展示給使用者，友善使用者更好的解讀醫生的報告。醫生的報告通常跟普通患者的了解有一定差別，是以平台需要提供更容易解讀的方式。
2. 達摩院智能醫療AI算法 [自研]
平台會有自研算法，整合到不同的解決方案，包括公有雲的解決方案、專有雲的解決方案、一健一體機，及傳統的醫學圖像後處理工作站。
視覺引擎：肺結節輔助診斷美年大健康案例
肺結節輔助診斷
目前已經在美年大健康裡持續疊代和應用，算法流程是對肺部進行分割，然後對結節進行檢測，再用三維的全體神經網絡對結節的類型進行判别，最後結合分割給出肺節的大小。
算法流程包括肺、肺液、結節的分割，最後結果以定量方式給到最終使用者，根據解決類型的分析給出最終結論。平台提供算法的API以及針對不同客戶的資料進行優化，來提供高精度算法結果，讓客戶最終根據算法結果進行最終應用的開發及整合。
視覺引擎：新冠肺炎CT智能輔助診斷
針對新冠肺炎開發了新冠肺炎的 CT智能輔助診斷，這期間因為有大量的患者需要醫生進行集中的閱片，醫生的閱片耗時基本上在5~15分鐘之間。 這款産品的算法可以提升速度<20秒，極大減輕醫生的閱片壓力，同時經過反複的調優，算法精确度也能>97%，是以它能基本滿足醫生日常工作需要。疫情爆發期間，這項技術對醫生提供了非常大的幫助。
客戶案例：新冠肺炎CT智能輔助診斷
新冠肺炎期間，已經向620多家醫院提供服務，其中國内530家，包括武漢及鄭州的小湯山醫院，還有日本的90家醫院，新冠肺炎期間調用次數累計超過了74萬次，進階百萬次的量級問題
整體結構在阿裡雲的基礎計算，包括存儲、分布式資料庫進行雲上服務的搭建，提供一個雲上的API，然後在結合合作夥伴，把API的結果整合到他們的PX的伺服器裡，再根據PACS的前端展示給最終的醫生使用者，來友善醫生使用者使用
客戶案例：新冠肺炎CT智能輔助診斷（海外）
新冠肺炎海外案例，這個案例除日本外，印尼、荷蘭、印度、意大利、立陶宛都有合作。
特别是在疫情集中爆發的意大利，使用這款産品後非常滿意。和日本最大的上市網際網路公司之一M3合作，他們有日本最大的醫療門戶網站，和M3一起獲得日本厚生勞動省醫療器械審批，獲批後在日本正式商用化，已經服務90家日本醫院。
整個模式會在阿裡巴巴日本節點建立服務，通過M3提供結果展示，M3會結合他們的系統來提供結果給醫生定量分析，醫生根據分析能夠快速做出判斷，對整個結構和當時服務的搭建是非常快捷和易于拓展的，很快就覆寫近上百家醫院，這在傳統模式上是比較困難的，但是結合日本的合作夥伴快速的做到了。
視覺引擎：智能骨科輔助診斷及康複
在骨科裡的做法覆寫的場景更全面，因為面向客戶不一樣，骨科主要是對接網際網路醫院，他們是全場景的需求，包括診前診中、術前、術中、術後都有智能化服務需求，是以針對他們全場景進行顧客全鍊路的打造。
以膝關節為例，線上上的患者上傳膝關節 x光片，然後算法會自動分析，告訴他嚴重程度，如果需要手術我們會根據 x光片給出一些定量的分析名額給到組織醫師，組織醫師會根據進行名額，會有大概的手術方案設計，根據手術方案會醫生跟患者會進行深度互動，同時在術後可以根據康複場景，設計一些個性康複的内容，包括一些文本和圖像的 AI。是以整個鍊路是覆寫了骨科診療的，基本上所有除了術中以外的所有的場景。
案例：唯醫骨科智能骨科輔助診斷及分析
基于Kellgren-Lawrence分級上，可以針對X光的正位片給出膝關節炎，嚴重程度的分級标準主要是根據國際通用的kl分級的标準，快速給出嚴重程度分級。
比如股骨頸骨折的自動分級，根據國際Garden給初步進骨折的快速的分級，能給到醫生和患者快速的預判。
再比如在術前可以對髋關節的正位片或膝關節全長片進行分析，告訴醫生關心的一些關鍵的角度，長度，尺寸的選擇，友善醫生對假體的選擇，手術方案的制定，給出一些定量化的名額，能夠讓醫生有一個相對标準化和一緻的手術方案的制定政策。
針對脊柱也做了一些分析，包括在CT脊柱的重建、在核磁上面椎間盤的重建、以及針對核磁的影像給出技術常見的退化性疾病的預測和分析。還在膝關節半月闆上做一些智能分析，給出半月闆損傷的檢測結果，以及嚴重程度的分析。
視覺引擎：CTA及心肌活性輔助診斷
産品介紹：CTA及心肌活性輔助診斷，面向綜合醫院、心血管專科醫聯體、區域醫共體以及各區域胸痛 中心提供CTA及心肌活性輔助診斷API。
核心功能
1.影像自動分析：冠脈樹重建、冠脈分支命名、斑塊類型及狹窄程度分析、基于正常胸部CT 的冠脈分支鈣化積分計算以及心肌厚度分析。
2.智能輔助診斷：多種曲面重建、圖像品質評估以及醫生對診斷結果進行校正。
3.自動報告生成：根據醫生校正結果生成标準 化診斷報告和膠片角度自動調整及列印。
4.複核回報：資深醫生複核及複核結果回報給初審醫生。
5.統計子產品：初審醫生閱片品質統計分析和模型誤判資料記錄。
客戶案例：CTA及心肌活性輔助診斷
下圖這個案例包括冠脈樹重建，用到了基于tracker的重建方式，結合圖神經網絡，自動給出冠脈樹命名，再根據三維重建以及下載下傳斑塊的識别，給出各種斑塊的識别類型，最終給到較完整的冠脈分析報告。
客戶案例：胸部CT AI自動配準
針對影像科醫師常見的工作場景會用到的功能:
影像複查時，醫生要對同一個病人的病竈進行跟蹤和分析，因拍攝的角度需要做一些配準，開發能夠讓 CT能夠自動快速配準的算法，在配準後的圖像中醫生看到病竈變化趨勢、評估更為友善。
在功能開發完成後收到了醫生和廠商的歡迎，以前醫生靠人工旋轉、肉眼評估，精度不夠，這個功能對日常工作提高了效率和精度，在臨床中發揮了巨大作用。
知識引擎：病原微生物全基因組分析系統
在疫情期間，針對疫情建構基因分析功能：
面向場景：
面向疾控中心、醫院臨檢中心、海關等疫情的醫療機構，建立病毒的篩查和診斷功能，向有能力的實驗室提供病毒基因算法的篩查、自動化分析和報告。
核心能力：
1.診斷報告，通過序列分析和序列拼接，分析與病毒序列的同源性，定制化給出最終報告。
2.進化分析，進化樹建構，智能分析病毒傳播或演化的拟時間圖譜，智能分析患者感染時間 。
3.結構分析，預測病毒蛋白二級結構和三維結構。病毒抗原位點的預測。
客戶價值：
1.快速精準檢測，提高地方疫情處理能力.核心算法優化，全面監控疫情發展和變化。
2.軟硬一體子產品化，簡化操作和配置，即時部署和使用。
客戶案例：新冠病毒全基因分析系統
基因分析系統
基因資料擷取後，對基因序列進行分析，新冠期間從算法上預測新冠的基因片段。
該系統的漏診率遠遠低于核酸檢測。但全基因組分析的流程慢，通過我們這套算法和系統大大加速全基因組測序的流程。
基于序列對二級結構、三維結構進行預測，開發三級結構的3D模型預測。
醫療多模态搜尋和推薦（在研）
多模态搜尋引擎
醫療資料的類型較多，有結構化的資料、非結構化資料、文本的影像等，是以需要建構一個多模态的搜尋引擎，能夠很快對非結構化資料進行結構化，建立向量索引，能夠友善科研工作者在醫療方面大量的科研工作進行快速資料歸類。
這個功能是基于城市大腦裡打磨出來的大規模的多模态檢索功能，未來将會把檢索引擎以及向量特征提取的功能複制到醫療行業中去。
達摩院醫療健康AI中台—自訓練系統規劃（在研）
醫療健康AI中台是目前達摩院在重點打造的醫療健康的咨詢系統。
由于醫療領域的并用病種每個科室都有非常多的病種，靠人力去把這些病種做完幾乎不可能，是以達摩院在開發這樣的功能給臨床醫生，讓他們能夠通過這樣的系統快速通過資料标注後，有一個簡單的模型訓練，有硬體計算資源的支撐，開發一個在醫生所在醫院院内系統的模型，同時可以通過這個系統釋出到線上平台為其他機構提供服務。
整個系統的核心：資料收集、資料标注以及資料訓練。目前的資料收集和标注部分已開發完成。集中開發機器學習訓練過程的技巧和常用架構，将好的經驗固化，形成産品提供給醫療工作者、開發者進行使用。
團隊在多項世界大賽中取得好成績，包括Luna16肺結節挑戰大賽、肝髒分割大賽、脊柱分割大賽，在LP裡也關系提取的大賽，以及多模态的圖像轉文本世界大賽第二名。
天池—大資料衆智平台
天池大賽2020年成果釋出：達摩院結合天池釋出了全球第一份關注核磁相關的資料，資料量全球目前最大的，參賽隊伍達到3000+，最後決出12支隊伍，在業内有很大的影響力。
下圖為達摩院的一些論文，如醫療圖像領域的MICCAI，2019-2020達摩院陸續發表多篇文章，達摩院還在CPU2020發表了多篇醫學圖像相關論文、醫學影像頂會1SBI等。在基因方向，達摩院在Nature子刊上發表一些高分文章。