5月15日，醫(yī)準(zhǔn)智能發(fā)布AI醫(yī)學(xué)科研平臺(tái)——達(dá)爾文智能科研平臺(tái)，集合Watson Machine Learning Accelerator在深度學(xué)習(xí)的全球?qū)嵙Γ�以及醫(yī)準(zhǔn)智能在影像組學(xué)上的深度研究實(shí)踐，幫助醫(yī)生零距離接觸AI，高效自主進(jìn)行醫(yī)療研究。

“Watson Machine Learning Accelerator一直在尋求細(xì)分領(lǐng)域的領(lǐng)頭雁，我們很高興看到醫(yī)準(zhǔn)智能在肺部和乳腺的智能檢測(cè)方面取得的卓越成就，高效精準(zhǔn)的特征給我們留下了深刻印象�！� IBM中國(guó)系統(tǒng)開發(fā)中心人工智能解決方案總監(jiān)崔瑋博士表示，“而現(xiàn)在在Watson Machine Learning Accelerator上，用戶已經(jīng)可以直接調(diào)用醫(yī)準(zhǔn)智能的肺部和乳腺智能檢測(cè)結(jié)果，我相信能夠幫助用戶體會(huì)到更美妙的AI+醫(yī)療體驗(yàn)。此外，用戶也可以通過(guò)達(dá)爾文智能科研平臺(tái)，快速安全的使用Watson Machine Learning Accelerator，進(jìn)行深度學(xué)習(xí)研究�！�

AI融入科研 成長(zhǎng)有煩惱

醫(yī)學(xué)研究的方式正在改變，一方面醫(yī)療數(shù)據(jù)極速增長(zhǎng)，為研究提供了大量素材；另一方面醫(yī)生為工作和研究付出巨大的時(shí)間精力，經(jīng)�！安豢爸刎�(fù)”。于是，AI走入醫(yī)學(xué)研究，醫(yī)生發(fā)現(xiàn)臨床需求，通過(guò)與AI公司合作，共同進(jìn)行數(shù)據(jù)處理分析建立模型，快速產(chǎn)出科研成果。

應(yīng)用AI，醫(yī)學(xué)研究已經(jīng)取得了非常豐碩的成果，最近兩年很多重要的論文都是以醫(yī)生與AI公司聯(lián)合體的方式產(chǎn)出�！拔覀兣c很多客戶也有這方面的嘗試，其中有一些成果在歐洲放射學(xué)會(huì)等國(guó)際會(huì)議上進(jìn)行展示，受到了國(guó)內(nèi)外行家的廣泛贊譽(yù)�！贬t(yī)準(zhǔn)智能創(chuàng)始人兼CEO呂晨翀表示，“但是這種方式還有一定局限性，算法團(tuán)隊(duì)能夠承接的項(xiàng)目有限，難以滿足需求的爆炸性增長(zhǎng)，而且溝通成本比較高，效率比較低�！�

醫(yī)生能夠自主應(yīng)用AI進(jìn)行臨床研究，是最高效的解決方式。但是，深度學(xué)習(xí)和影像組學(xué)研究的門檻很高，不僅需要代碼能力還需要全面的數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)的基礎(chǔ)。而將這些能力“打包”集成到一個(gè)平臺(tái)上，則可以有效提升醫(yī)生使用AI的可能。

高易用、強(qiáng)安全的國(guó)際領(lǐng)先AI科研平臺(tái)

達(dá)爾文智能科研平臺(tái)支持包括CT／MR／DXR等多種類型的數(shù)據(jù)，內(nèi)置了Watson Machine Learning Accelerator和醫(yī)準(zhǔn)智能影像組學(xué)雙平臺(tái)，具備標(biāo)注工具、特征提取、模型訓(xùn)練以及模型實(shí)施一體化特征，全面滿足醫(yī)生的科研需求。

Watson Machine Learning Accelerator一直是全球領(lǐng)先的深度學(xué)習(xí)平臺(tái)，具備最強(qiáng)大的模型調(diào)試工具，通過(guò)專業(yè)和高度自動(dòng)化的參數(shù)搜索功能輕松學(xué)習(xí)出模型。

醫(yī)準(zhǔn)智能組學(xué)科研平臺(tái)是基于影像組學(xué)的，高度可解釋性模型的研發(fā)平臺(tái)，提供豐富的交互功能，僅需要拖拽和點(diǎn)擊操作即可完成標(biāo)注到應(yīng)用的全部流程；為疾病的診斷提供豐富定量的特征，將醫(yī)療影像從定性征象診斷走向高度定量特征診斷；并支持模型訓(xùn)練過(guò)程監(jiān)視（準(zhǔn)確率、Loss值等指標(biāo)），具備模型評(píng)價(jià)可視化，以及特征可視化和特征降維功能。平臺(tái)通過(guò)組件化的形式自主控制整個(gè)學(xué)習(xí)流程，產(chǎn)生出豐富的模型。

在素材整理階段，平臺(tái)提供自動(dòng)分割功能和標(biāo)注工具，AI自動(dòng)病灶分割和自定義病灶區(qū)域兩種模式，幫助醫(yī)生進(jìn)行數(shù)據(jù)處理，提升效率。在影像導(dǎo)入到系統(tǒng)后，AI自動(dòng)對(duì)影像進(jìn)行一次分割，醫(yī)生可以選擇其中的優(yōu)質(zhì)結(jié)果作為科研素材。此外，醫(yī)生也可以選擇通過(guò)標(biāo)注工具對(duì)影像進(jìn)行主動(dòng)標(biāo)注，或者修改AI的自動(dòng)分割結(jié)果作為科研素材。

總體而言，達(dá)爾文智能科研平臺(tái)在安全性、易用性和領(lǐng)先性上都表現(xiàn)優(yōu)異，具體來(lái)說(shuō)：

安全性：

底層采用IBM服務(wù)器架構(gòu)，IBM擁有國(guó)際領(lǐng)先的企業(yè)級(jí)服務(wù)器架構(gòu)，數(shù)據(jù)內(nèi)網(wǎng)傳輸、雙盤存儲(chǔ)，安全穩(wěn)定；

易用性：

先進(jìn)的web端標(biāo)注工具，可以快速勾畫ROI，加速科研；

支持多任務(wù)、多用戶協(xié)同工作，先進(jìn)的GPU調(diào)度方案，支持多位研究者同時(shí)高效科研；

領(lǐng)先性：

深度學(xué)習(xí)網(wǎng)絡(luò)模型采用算法工程師專門調(diào)優(yōu)的神經(jīng)網(wǎng)絡(luò)，算法表現(xiàn)更好；

組學(xué)模型能夠提取接近1000維組學(xué)特征，并能自動(dòng)進(jìn)行特征篩選和分類；

“達(dá)爾文智能科研平臺(tái)是我們研發(fā)能力的一次集中輸出，我們?cè)谳o助醫(yī)生研究上有過(guò)很多非常成功的案例，這次將算法能力平臺(tái)化，不僅包括了我們?cè)谟跋窠M學(xué)的積累，還得到了Watson Machine Learning Accelerator的大力支持�！眳纬苛堈f(shuō)，“我相信，這個(gè)平臺(tái)能夠?yàn)楦�多醫(yī)學(xué)研究者帶來(lái)更高效精準(zhǔn)的AI研發(fā)體驗(yàn)�！�