5月15日，医准智能发布AI医学科研平台——达尔文智能科研平台，集合Watson Machine Learning Accelerator在深度学习的全球实力，以及医准智能在影像组学上的深度研究实践，帮助医生零距离接触AI，高效自主进行医疗研究。
5 月 15 日，医准智能发布 AI 医学科研平台——达尔文智能科研平台，集合 Watson Machine Learning Accelerator 在深度学习的全球实力，以及医准智能在影像组学上的深度研究实践，帮助医生零距离接触 AI，高效自主进行医疗研究。
「Watson Machine Learning Accelerator 一直在寻求细分领域的领头雁，我们很高兴看到医准智能在肺部和乳腺的智能检测方面取得的卓越成就，高效精准的特征给我们留下了深刻印象。」 IBM 中国系统开发中心人工智能解决方案总监崔玮博士表示，「而现在在 Watson Machine Learning Accelerator 上，用户已经可以直接调用医准智能的肺部和乳腺智能检测结果，我相信能够帮助用户体会到更美妙的 AI 医疗体验。此外，用户也可以通过达尔文智能科研平台，快速安全的使用 Watson Machine Learning Accelerator，进行深度学习研究。」
AI 融入科研 成长有烦恼
医学研究的方式正在改变，一方面医疗数据极速增长，为研究提供了大量素材；另一方面医生为工作和研究付出巨大的时间精力，经常「不堪重负」。于是，AI 走入医学研究，医生发现临床需求，通过与 AI 公司合作，共同进行数据处理分析建立模型，快速产出科研成果。
应用 AI，医学研究已经取得了非常丰硕的成果，最近两年很多重要的论文都是以医生与 AI 公司联合体的方式产出。「我们与很多客户也有这方面的尝试，其中有一些成果在欧洲放射学会等国际会议上进行展示，受到了国内外行家的广泛赞誉。」医准智能创始人兼 CEO 吕晨翀表示，「但是这种方式还有一定局限性，算法团队能够承接的项目有限，难以满足需求的爆炸性增长，而且沟通成本比较高，效率比较低。」
医生能够自主应用 AI 进行临床研究，是最高效的解决方式。但是，深度学习和影像组学研究的门槛很高，不仅需要代码能力还需要全面的数学、统计学、计算机科学的基础。而将这些能力「打包」集成到一个平台上，则可以有效提升医生使用 AI 的可能。
高易用、强安全的国际领先 AI 科研平台
达尔文智能科研平台支持包括 CT/MR/DXR 等多种类型的数据，内置了 Watson Machine Learning Accelerator 和医准智能影像组学双平台，具备标注工具、特征提取、模型训练以及模型实施一体化特征，全面满足医生的科研需求。
Watson Machine Learning Accelerator 一直是全球领先的深度学习平台，具备最强大的模型调试工具，通过专业和高度自动化的参数搜索功能轻松学习出模型。
医准智能组学科研平台是基于影像组学的，高度可解释性模型的研发平台，提供丰富的交互功能，仅需要拖拽和点击操作即可完成标注到应用的全部流程；为疾病的诊断提供丰富定量的特征，将医疗影像从定性征象诊断走向高度定量特征诊断；并支持模型训练过程监视（准确率、Loss 值等指标），具备模型评价可视化，以及特征可视化和特征降维功能。平台通过组件化的形式自主控制整个学习流程，产生出丰富的模型。
在素材整理阶段，平台提供自动分割功能和标注工具，AI 自动病灶分割和自定义病灶区域两种模式，帮助医生进行数据处理，提升效率。在影像导入到系统后，AI 自动对影像进行一次分割，医生可以选择其中的优质结果作为科研素材。此外，医生也可以选择通过标注工具对影像进行主动标注，或者修改 AI 的自动分割结果作为科研素材。
总体而言，达尔文智能科研平台在安全性、易用性和领先性上都表现优异，具体来说：
安全性：
底层采用 IBM 服务器架构，IBM 拥有国际领先的企业级服务器架构，数据内网传输、双盘存储，安全稳定
易用性：
先进的 web 端标注工具，可以快速勾画 ROI，加速科研
支持多任务、多用户协同工作，先进的 GPU 调度方案，支持多位研究者同时高效科研
领先性：
深度学习网络模型采用算法工程师专门调优的神经网络，算法表现更好
组学模型能够提取接近 1000 维组学特征，并能自动进行特征筛选和分类
「达尔文智能科研平台是我们研发能力的一次集中输出，我们在辅助医生研究上有过很多非常成功的案例，这次将算法能力平台化，不仅包括了我们在影像组学的积累，还得到了 Watson Machine Learning Accelerator 的大力支持。」吕晨翀说，「我相信，这个平台能够为更多医学研究者带来更高效精准的 AI 研发体验。」
