5月15日，醫(yī)準智能發(fā)布AI醫(yī)學科研平臺——達爾文智能科研平臺，集合Watson Machine Learning Accelerator在深度學習的全球實力，以及醫(yī)準智能在影像組學上的深度研究實踐，幫助醫(yī)生零距離接觸AI，高效自主進行醫(yī)療研究。

“Watson Machine Learning Accelerator一直在尋求細分領域的領頭雁，我們很高興看到醫(yī)準智能在肺部和乳腺的智能檢測方面取得的卓越成就，高效精準的特征給我們留下了深刻印象。” IBM中國系統(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)可以直接調用醫(yī)準智能的肺部和乳腺智能檢測結果，我相信能夠幫助用戶體會到更美妙的AI+醫(yī)療體驗。此外，用戶也可以通過達爾文智能科研平臺，快速安全的使用Watson Machine Learning Accelerator，進行深度學習研究�！�

AI融入科研 成長有煩惱

醫(yī)學研究的方式正在改變，一方面醫(yī)療數(shù)據(jù)極速增長，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間精力，經(jīng)常“不堪重負”。于是，AI走入醫(yī)學研究，醫(yī)生發(fā)現(xiàn)臨床需求，通過與AI公司合作，共同進行數(shù)據(jù)處理分析建立模型，快速產(chǎn)出科研成果。

應用AI，醫(yī)學研究已經(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會等國際會議上進行展示，受到了國內外行家的廣泛贊譽�！贬t(yī)準智能創(chuàng)始人兼CEO呂晨翀表示，“但是這種方式還有一定局限性，算法團隊能夠承接的項目有限，難以滿足需求的爆炸性增長，而且溝通成本比較高，效率比較低�！�

醫(yī)生能夠自主應用AI進行臨床研究，是最高效的解決方式。但是，深度學習和影像組學研究的門檻很高，不僅需要代碼能力還需要全面的數(shù)學、統(tǒng)計學、計算機科學的基礎。而將這些能力“打包”集成到一個平臺上，則可以有效提升醫(yī)生使用AI的可能。

高易用、強安全的國際領先AI科研平臺

達爾文智能科研平臺支持包括CT／MR／DXR等多種類型的數(shù)據(jù)，內置了Watson Machine Learning Accelerator和醫(yī)準智能影像組學雙平臺，具備標注工具、特征提取、模型訓練以及模型實施一體化特征，全面滿足醫(yī)生的科研需求。

Watson Machine Learning Accelerator一直是全球領先的深度學習平臺，具備最強大的模型調試工具，通過專業(yè)和高度自動化的參數(shù)搜索功能輕松學習出模型。

醫(yī)準智能組學科研平臺是基于影像組學的，高度可解釋性模型的研發(fā)平臺，提供豐富的交互功能，僅需要拖拽和點擊操作即可完成標注到應用的全部流程；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；并支持模型訓練過程監(jiān)視（準確率、Loss值等指標），具備模型評價可視化，以及特征可視化和特征降維功能。平臺通過組件化的形式自主控制整個學習流程，產(chǎn)生出豐富的模型。

在素材整理階段，平臺提供自動分割功能和標注工具，AI自動病灶分割和自定義病灶區(qū)域兩種模式，幫助醫(yī)生進行數(shù)據(jù)處理，提升效率。在影像導入到系統(tǒng)后，AI自動對影像進行一次分割，醫(yī)生可以選擇其中的優(yōu)質結果作為科研素材。此外，醫(yī)生也可以選擇通過標注工具對影像進行主動標注，或者修改AI的自動分割結果作為科研素材。

總體而言，達爾文智能科研平臺在安全性、易用性和領先性上都表現(xiàn)優(yōu)異，具體來說：

安全性：

底層采用IBM服務器架構，IBM擁有國際領先的企業(yè)級服務器架構，數(shù)據(jù)內網(wǎng)傳輸、雙盤存儲，安全穩(wěn)定；

易用性：

先進的web端標注工具，可以快速勾畫ROI，加速科研；

支持多任務、多用戶協(xié)同工作，先進的GPU調度方案，支持多位研究者同時高效科研；

領先性：

深度學習網(wǎng)絡模型采用算法工程師專門調優(yōu)的神經(jīng)網(wǎng)絡，算法表現(xiàn)更好；

組學模型能夠提取接近1000維組學特征，并能自動進行特征篩選和分類；

“達爾文智能科研平臺是我們研發(fā)能力的一次集中輸出，我們在輔助醫(yī)生研究上有過很多非常成功的案例，這次將算法能力平臺化，不僅包括了我們在影像組學的積累，還得到了Watson Machine Learning Accelerator的大力支持�！眳纬苛堈f，“我相信，這個平臺能夠為更多醫(yī)學研究者帶來更高效精準的AI研發(fā)體驗。”