依圖醫療鄭永升：醫院人工智慧將成為基礎設施

新浪醫藥註：繼電商、O2O、AR、共享經濟之後，2017年，AI成為新晉網紅。在應用場景上，已有教育、金融、醫療、交通等多個領域切入，一時間創業者、傳統廠商、互聯網巨頭們紛紛入場，好不熱鬧。

AI+醫療的領域中，以醫療影像最先火起來，完成從實驗室走向醫院的落地之路。眾多知名三甲醫院與AI企業探索的背後，究竟誰的產品能夠一騎絕塵？

近日，在2017未來醫療100強論壇上，新浪醫藥特別專訪依圖醫療副總裁鄭永升，就人工智慧拓寬醫療邊界分享新銳觀點。

人工智慧醫療在中國，今天比起全球來說有極大優勢。中國的人口基數非常大，包括大量的醫療數據基礎；另一方面人才優勢明顯，隨著人工智慧上升到國家戰略高度，未來這個領域出現中美雙引擎的情況是大概率事件。

以從業者的角度，在我的觀察和定義里，醫療人工智慧應用存在三個層次：

第一個層次：解決重複性問題

從一些比較簡單的科室級常規任務去切入，比如說依圖醫療做的AICARE®兒童骨齡智能輔助診斷產品，主要幫助醫生解決臨床工作量大、重複性高的問題，提高診斷準確度以及效率，節約醫生時間。本質上是一個比較傳統和習慣性計算機擅長做的事情，叫做提高人的效率，減少人的錯誤。

第二個層次：充當專家型助手

這個階段人工智慧應該做的事情是結合多維的數據，充當一個臨床醫生實時在線、補充信息、智能問答的專家型助手，對於醫生來講有這樣一個助手可以作為參考，能提高臨床診斷的信心。

第三個層次：推動醫學學科發展

成長到這個階段，人工智慧已經可以幫助人去做人做不到的事情，或人做起來挑戰比較大的事情，比如跟專家一定去制定臨床的醫學標準，利用其在大數據挖掘和提取方面的優勢，站在人工智慧肩膀上推動醫學學科發展，讓醫學極限進一步推進。

三個層次由『弱AI』向『強AI』推進，樂觀來說，未來醫院人工智慧將成為不可以或缺的基礎設施，只是這其間還有很長的路要走。

在AI醫療領域中，之所以今天我們聽到的更多是醫學影像（也包括輔助診療、語音識別），原因是基於兩點：影像的數據標準化程度比較高，且歷史數據容易積累，數據量較大，在起步時很容易切入這個領域；影像這樣的客觀數據處理是人工智慧更合適的，再往前說一句，實際上在臨床科室產生的應用，對團隊的技術積累包括對臨床醫學知識的總結要求是比較高的。

其實結合到今天人工智慧發展來說，無論是臨床診斷，還是AI製藥都是人工智慧在醫療領域可以發揮作用的方向。我們應多去深入了解臨床，尋找可發揮作用的方向，共同把應用豐富起來。

影像方面，依圖醫療的AICARE®胸部CT智能輔助診斷與AICARE®兒童骨齡智能輔助診斷系統已在國內30多家三甲醫院進入臨床工作狀態。

除此之外，在臨床科室方面，依圖醫療儲備和開發了兩個方向的基礎技術。一個是電子病歷結構化方向，主要的價值在於將大量的沉睡自由文本電子病歷轉化為結構化，結合電子病歷結構化之後，將臨床的歷史數據轉化成一個知識圖譜。一個是打造場景化的產品，例如與廣州婦女兒童醫療中心共同推出的「咪姆熊」智能診斷平台。

作為人工智慧，未來的發展趨勢和方向演算法一定是趨同的，當演算法趨同之後核心競爭力和差異在哪裡？實際上，不是未來而是現在，很多人工智慧應用的演算法已經是趨同的了，我認為對演算法模型的理解就好像一把刀，一個五星級酒店的大廚和一個普通人拿這到把刀去切土豆絲，切出來的東西會完全不一樣，所以對於演算法、對於數據的理解，是這個團隊有別於其他團隊的所在。所以，在這個演算法已經不是AI能力壁壘的時候，大家再來談演算法是什麼，已經是一個外行表現。

至少對依圖來講，對於臨床數據的理解和應用才是我們的核心競爭力。我們認為，對數據理解的深度，決定了一個AI能夠走多遠。

今天，行業從業者都在談數據標準，當你想要做一個臨床應用並且把這個應用準確率在數理維度推到讓醫生接受它的時候，你會發現困難和瓶頸是今天的醫學問題定義非常模糊，不同醫生甚至是頂級專家，他們之間對很多影像上的判定和識別都存有差異。

所以，對於人工智慧這樣一個強數理，強邏輯，要求輸入輸出確定和標準的一件事情，必須要和醫學專家一起去解決和推動醫學本身標準化和精確性的前進。

對話鄭永升：

Q：整個依圖科技的板塊中依圖醫療扮演著什麼樣的角色？

鄭永升：依圖醫療將是依圖科技長期投入的一個戰略方向，這是基於我們對這個行業現狀的一些思考。本質上我們看到的是今天這個行業存在的問題，對於做技術或者有使命感的人來講，所謂的問題就是我們的機會。同時，醫療是一個比較慢的行業，用我們內部的話講是『沒有五年你不要想這件事情可以規模化』，我們會以一個長跑的心態來看待今天對醫療的投入。

Q：依圖醫療怎樣從醫療服務公司的定位出發進行組織架構和戰略布局的？

鄭永升：這個話題比較大，也值得做一個長久的思考。如果你是一個醫療服務公司，那麼最起碼從團隊人員的組成上，必須要有醫療行業背景從業者的加入，而不僅僅是一個演算法團隊。定位為醫療服務公司本質上提供的是服務能力，而不是一個演算法模型，你要解決一個演算法模型到醫生服務體驗中間所有的事情。同時，如果你想做成一個醫療服務公司，會發現你比現有的醫療服務行業或公司對醫療的深入程度都要更深，至少是跟最深的那些人一樣，品牌建設的策略也將是往這個方向走。

Q：您會不會擔心將來有一天AI發展到一定的程度，它到更高階的時候，會取代醫生的一些工作？

鄭永升：這個問題有點像相對的偽命題。以醫學的複雜程度，我們去談取代醫生與否這樣的話題目前來看是不可能的。

第一，被取代的前提是它成熟到有人能替代，今天整個生命科學的發展是不成熟的，有太多的問題沒搞明白，這種狀態下怎麼去取代呢？你最多能把醫生已經搞明白的一部分事情一步一步的去學習。

第二，從行業的角度來講，今天核心的問題不是要去取代醫生，本質上醫療服務它最終的受眾人群是患者，大家只有一個出發點，就是給患者提供最好的服務體驗，同時也能改善醫療從業人員的工作質量、生活質量。

如果一定要定性醫生和AI之間關係的話，我認為是醫生駕馭AI這樣的一個關係。人類發展歷史上出現過非常多的工具，每一代工具都比前一代工具更強，但從來沒有因為新工具的出現，人就會被替代。

更多精彩內容，關注新浪醫藥微信號。