19歲男孩中風成為“卒中青年”、一女子按摩結果導致腦中風、30多歲男子加班熬夜引發中風……據估算，我國每年有240萬新發卒中病例，110萬卒中相關死亡。 民間所說的“中風”，在醫學上稱之為 “卒中”，這種疾病已經成為我國致死、致殘的第一病因。

在我國醫院收治的神經系統疾病患者中，卒中患者佔比高達66。5%。然而，只有不到10%的腦卒中患者在最佳時間內接受了規範的康復治療。不可忽視的現實是，卒中診治的需求量大、搶救時間緊急、卒中專業醫師短缺……

如果透過前沿人工智慧加速醫療創新，輔助醫生快速判斷病情救治患者、將先進的醫療經驗下沉更大範圍造福患者，將對我國腦卒中的救治起到至關重要的作用。

“卒”不及防，卒中治療難在哪兒？

作為居民健康的“頭號殺手”，卒中是由於腦部血管突然破裂或因血管阻塞導致血液不能流入大腦而引起腦組織損傷的一組疾病，一直以高發病率、高致殘率、高死亡率、高複發率的“四高”特徵讓人望而生畏。

腦卒中的救治，是一場與時間的賽跑。腦卒中患者的救治每延誤1分鐘，就會有190萬個腦細胞受損。腦卒中救治的時間視窗非常短，如何最短時間內完成治療，是腦卒中患者獲得最佳臨床結局的先決條件。《中國卒中雜誌》的一份研究指出，大血管閉塞的腦卒中患者從到院到血管再通的過程中，從入院到穿刺時間（Door to Puncture Time，DPT）是延誤最長的步驟。

腦卒中的

的一個難點就是臨床表現多樣、病因複雜，在救治前，需要透過影像檢查獲得對病情的準確評價。而醫生必須要快速精準地判定血栓位置和出血風險，才能給出手術方案。然而這個決策的得出，要依靠多科室醫生多年的經驗和智慧。更棘手的地方在於，我國目前醫療資源缺乏且分佈較不均衡，優質醫療資源集中在中心城市，基層醫療力量薄弱，許多醫院在做完影像後，評估過程需要30～60分鐘，甚至更長。

要解決這種種問題，固然可以依靠高階醫療專業人才的持續培養、輸送來改善，但是，專業醫療人才資源需要長時間積累，而且難以改善區域醫療資源分配不均的問題。

如何讓AI在醫療診斷領域真正發揮效力？

腦卒中診斷治療是技術，更是經驗。以前，依賴醫師自身的診療經驗進行診斷；現在有了人工智慧的輔助，醫生可以快速精準地判定血栓位置和出血風險，縮短診斷結果報告時間，透過多學科一體化快速判斷患者是否符合影像學取栓標準，並開展最佳的治療。

對於精準醫療來說，高質量的資料才能誕生更精準的醫療AI。AI產品需要深度瞭解臨床需求和臨床痛點，不僅幫助影像醫生輔助診斷，還要幫助臨床科室醫生輔助決策和輔助治療，高質量的資料是優質AI產品的質量保障。天壇醫院不僅擁有海量的臨床影像資料，而且治療水平也極高。據瞭解，我國腦卒中再灌注治療複發率為25%，國際水平為7%，天壇醫院僅為2%，無疑是高質量資料的代表。

在深度學習演算法方面，安德醫智人工智慧模型在全球率先實現神經系統疾病CT/MRI影像人工智慧輔助診斷，包括腦腫瘤、小血管病變、腦卒中在內的60餘種疾病。輔助決策系統可實現從診斷、治療、預後全過程的輔助決策，幫助醫生實現從患者入院到出院，均可在診療規範指南和患者資料實時更新的參考下，科學、合理地做出臨床決策。

在對天壇醫院的上萬例臨床影像資料進行訓練的過程中，存在算力方面的巨大挑戰。一方面是 CT/MRI影像資料量大，單個病例可以達到GB級，上萬病例的資料規模需要有強大的算力，並且對資料讀取、處理速度要求高。要想實現多種疾病的精準診斷，相應的AI模型複雜度高、計算量大，單次耗時長。同時，工程師需要針對身體各部位開發相應的模型並進行訓練，訓練任務多、使用人員多，經常需要一卡處理多個任務。

人工智慧助力的精準醫療需要高質量的資料+深度學習模型+強大的智慧算力，共同發揮作用。基於天壇醫院的上萬例臨床影像資料+安德醫智影像輔助診斷模型+浪潮智慧算力，訓練出醫學人工智慧輔助診療產品，讓優質稀缺的專家資源以人工智慧產品的形式走進基層醫院。

浪潮為模型訓練提供了AI伺服器以及AI資源管理平臺AI Station，在化解AI算力瓶頸的同時，對計算力資源進行統一、高效的管理，支援了安德醫智近80位工程師同時使用計算平臺，顯著提升了資源使用率與訓練效率，GPU使用率由原來的30%上升為75%，主要模型訓練速度提升10倍以上，訓練時間由2周多降為2天。

用3分鐘詮釋時間就是生命

人工智慧醫學影像輔助診斷系統的應用，透過發掘深層次影像資訊，可完成對缺血性腦卒中多模態影像的智慧分割、病灶檢測、影象分析、評估預後等工作，在治療時間窗較短的背景下，為血管內介入治療提供必要的影像學資訊，並提供治療的決策參考，極大的提高醫師的工作效率。在臨床應用中，AI縮短了影像學評估的時間，加速評估決策，將評估時間縮短到3分鐘。

對於一分鐘都不能耽誤的卒中救治而言，快速的診斷，將大大增加疾病的救治機率，也爭取了更多將患者從生死線拉回來的機會。

不僅如此，人工智慧醫學影像輔助診斷系統的普及還將帶來更深遠的意義，那就是服務於基層醫院，推動醫療質量均質化建設。這意味著，患者在基層醫療機構能享受到高階醫療機構資源，改善就醫體驗。

長遠來看，人工智慧的應用還有助於建立分級診療制度，是合理配置醫療資源、促進基本醫療衛生服務均等化的重要舉措，將為緩解醫療資源分配平衡、基層醫技水平的提升、醫聯體的落地運營、分級診療的有效實施提供新的生產力。

可以預見，以醫療+AI為支撐，未來人工智慧將在更多臨床科室實現廣泛應用。如神經內科。實現院前AI篩查、院中AI輔助診療和輔助治療決策、院後輔助質量控制，從而降低疾病的複發率以及患者的死亡率。

生命無法計算，但生機可以。

開啟App看更多精彩內容