外科研究所的研究生和數字醫(yī)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后，僅僅只有一張圖片發(fā)現細胞里面有病毒的結構，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(fā)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，直到最后成功，很多實驗即使付出了巨大的努力，做了無數的工作，依然最后失敗，這也是常事。

何況現在這些圖片還有一張發(fā)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，然后對它進行感染。

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(tǒng)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(fā)出一個人工智能模型可以幫忙分辨這些圖片。

其實對于和何主任的團隊來說，開發(fā)出這樣的模型不難，因為現在他們已經有識圖的人工智能模型，但是主要用于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(yī)生。

醫(yī)生可能一天看上百張病理切片很辛苦，但是人工智能可能幾秒鐘閱讀幾萬幾十萬張圖片，這種效率已經用在醫(yī)學上，很多醫(yī)院以后病理切片的看片可以全自動化，根本不需要病理醫(yī)生閱片，病理醫(yī)生的工作只是制作病理切片，如果病理切片制作也能自動化，那么病理醫(yī)生只需簡單處理病理標本就可。

任何人工智能需要大量的數據來喂養(yǎng)，否則人工智能也只是一個“白癡”?，F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喂養(yǎng)人工智能。

盡管何教授這邊利用數字人技術已經開發(fā)出影像人工智能模型，專門用于智能閱片，比如x光片、mri及ct片，這個模型已經喂養(yǎng)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，沒有大量可以喂養(yǎng)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(fā)一個圖片分析引擎，這個引擎不需要大數據來喂養(yǎng)，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，沒有多余的結構，圖片就被標記為非感染。

如果細胞內部被發(fā)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(tài)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，此后依據人工分析的結果再總結經驗，將經驗應用于模型的改進，這樣它的引擎越來越先進，識別能力越來越強。

這其實跟殺毒軟件分析電腦病毒的引擎差不多，不同的是殺毒軟件分析電腦病毒的代碼，這個軟件分析的是電鏡圖片，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(fā)出各種不同的細分模型來輔助實驗，到時等人工智能大模型出來后，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(fā)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(yī)療收購模型的時候，其中就有專長于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(jié)約很多時間。

其實收購也不是壞事，如果收購之后能夠做到消化吸收他的技術，這樣可以大大縮短研發(fā)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(fā)出來后再繼續(xù)閱讀后面的圖片。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(tǒng)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(tǒng)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癥狀，或者只是引起輕微的一過性的流感癥狀。

――

思思經歷了第一次注射k病毒引發(fā)高燒之后，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。