第1052章 真土豪（1/2）

外科研究所的研究生和數字醫學實驗室的科研人員，大家一起幫忙看圖片，可惜看完幾千張圖片後，僅僅只有一張圖片發現細胞裡面有病毒的結構，而且還沒有觀察到任何腫瘤細胞凋亡的痕跡。其它圖片不管是腫瘤細胞的圖片還是正常細胞的圖片，都沒有發現K病毒的結構。

這些都是楊平預料到的，因為實驗不可能一帆風順，期間肯定會遇上這樣那樣的問題，實驗的成功就是不斷解決問題，不斷修正路線的過程，直到最後成功，很多實驗即使付出了巨大的努力，做了無數的工作，依然最後失敗，這也是常事。

何況現在這些圖片還有一張發現了腫瘤細胞內有K病毒的結構，其實這已經是取得巨大的成功，說明K病毒能夠成功到達腫瘤細胞，然後對它進行感染。

現在這種情況有幾種可能，第一可能是病毒在被血液運輸到腫瘤的過程中大部分被免疫系統消滅。第二，可能病毒有很多達到了腫瘤，感染腫瘤細胞的成功率極低。第三，感染腫瘤細胞的病毒能夠啟動細胞的凋亡程序，但是啟動凋亡程序的細胞沒有被捕捉到。第四，可能病毒無法啟動凋亡細胞。

不管多少種可能，有一點是可以肯定的，K病毒可以感染腫瘤細胞，只是能力強弱，概率高低的問題，現在這張圖片就是最有力的證據。

電拍下的圖片有幾萬張，靠人力這樣看圖的效率太低，而且也對眼睛不健康。

磨刀不誤砍材，楊平決定利用電腦輔助，他建議何主任的團隊開發出一個人工智慧模型可以幫忙分辨這些圖片。

其實對於和何主任的團隊來說，開發出這樣的模型不難，因為現在他們已經有識圖的人工智慧模型，但是主要用於病理切片和影像圖片看圖，這種模型在病理切片和影像圖片方面的識圖能力非常成熟，已經超過絕大多數醫生。

醫生可能一天看上百張病理切片很辛苦，但是人工智慧可能幾秒鐘閱讀幾萬幾十萬張圖片，這種效率已經用在醫學上，很多醫院以後病理切片的看片可以全自動化，根本不需要病理醫生閱片，病理醫生的工作只是製作病理切片，如果病理切片製作也能自動化，那麼病理醫生只需簡單處理病理標本就可。

任何人工智慧需要大量的數據來餵養，否則人工智慧也只是一個「白痴」。現在這次實驗中對提取的細胞電鏡圖片進行識圖，沒有先例可以參考，所以根本沒有數據去餵養人工智慧。

儘管何教授這邊利用數字人技術已經開發出影像人工智慧模型，專門用於智能閱片，比如X光片、MRI及CT片，這個模型已經餵養了大量數據，進化得不錯。

但是對電鏡下的腫瘤細胞圖片，這是全新的圖片，沒有大量可以餵養的數據，所以人工模型無法獲得進化，派不上多大的用場。

何教授只能依據楊平總結出來的經驗開發一個圖片分析引擎，這個引擎不需要大數據來餵養，它就能夠對圖片進行解析，如果解析出來的結構與腫瘤細胞一樣，沒有多餘的結構，圖片就被標記為非感染。

如果細胞內部被發現多出結構，立即將多出的結構單獨提出來進入下一個分析程序，如果分析出來與病毒的形態結構部分或全部相同，就標記為感染。

如果不確定的圖片被標記為不明確，這些圖片將留下來進行人工分析，此後依據人工分析的結果再總結經驗，將經驗應用於模型的改進，這樣它的引擎越來越先進，識別能力越來越強。

這其實跟殺毒軟體分析電腦病毒的引擎差不多，不同的是殺毒軟體分析電腦病毒的代碼，這個軟體分析的是電鏡圖片，但是大體原理上有類似性。

總之，現在楊平要與何教授的團隊緊密合作，將開發出各種不同的細分模型來輔助實驗，到時等人工智慧大模型出來後，將利用大模型輔助科研，將科研的效率大幅度提高。

何教授開發一個模型也不是一兩天能夠做出來的，雖然他已經有收購來的基礎模型可以利用，這些模型他的團隊也已經消化吸收，但是利用這些模型進行修改也需要一定時間。

當時銳行醫療收購模型的時候，其中就有專長於實驗室生物圖片識別的模型，何教授團隊可以這個模型上進行改進，這樣節約很多時間。

其實收購也不是壞事，如果收購之後能夠做到消化吸收他的技術，這樣可以大大縮短研發時間，而且可以保持與國際同步。

楊平決定暫時停下圖片的閱讀，等何教授的識圖引擎開發出來後再繼續閱讀後面的圖片。他要將主要精力用來修改病毒的結構。

從第一次實驗收集的數據來看，K病毒肯定引起了思思身體免疫系統的強烈反應，這種反應是非常危險的，有時候會要命。

所以楊平現在首要任務要改變K病毒的植入位置，這個位置非常重要，直接影響K病毒與人體免疫系統的互動，必須降低它對免疫的刺激，最好像一些病毒那樣不會引起不良症狀，或者只是引起輕微的一過性的流感症狀。

——

思思經歷了第一次注射K病毒引發高燒之後，整個身體受到巨大的打擊，這需要時間來恢復，幸運的是各個重要臟器功能目前沒有出現明顯的損害。

術後楊平對思思的各個轉移瘤連續進行MRI的影像圖片採集，選擇MRI作為影像學檢查，它的最大優勢是沒有電離輻射，不像CT，PET-CT等等一定有電離輻射，連續多次應用對身體會造成負面影響。

本章未完，點選下一頁繼續閱讀。