当医生的时间和精力成为一种稀缺资源，在产能有限的情况下，用机器辅助医生来完成重复性的筛查工作，不仅经济、高效，也能让医生去做更多有价值的工作。
文/宋少卿 亿欧专栏作者
北京推想科技有限公司是一家致力于应用深度学习技术为医疗影像辅助诊断提供快捷、准确的解决方案的科技公司。
推想科技创始人陈宽就读美国芝加哥大学，既是经济学专业高材生，又有技术背景，而之所以给公司取名“推想”，是源于2012年陈宽和朋友做的一个叫TwitterThinks的项目。TwitterThinks运用深度学习技术，可根据Twitter上网民发布的状态数据，建立模型来预测诸如总统大选这样的事件。由于”TwitterThinks“读音类似汉语中的”推想“，又是陈宽首次试水人工智能的项目，于是推想这个名字就被沿用下来。
虽然名字沿用下来，但与此前做TwitterThinks不同的一点：陈宽开始思考如何将“技术”配置到合适的应用场景，产生商业价值。于是从2014年开始，陈宽四处寻找人工智能技术可落地的场景，通过各种渠道参加行业会议，接触各行业的从业者，挖掘行业痛点。陈宽回忆道：“当时看了不少领域，其中包括金融和安防，但是在一次活动上偶然遇到一位放射科医生，聊起了医疗影像中使用AI的可行性。”
深入研究过后，陈宽发现AI+医疗影像大有可为，不仅技术上行得通，需求端的痛点也很强烈。放射科医生每天需要看上万张CT，有时为了检验肿瘤早期症状，一位病人甚至需要拍200张以上CT，即使每张只需要看3秒，至少也要10分钟才能看完，医生的很多时间和精力都消耗于此。
于是乎，医生的时间和精力都成了一种稀缺资源，在产能有限的情况下，用机器辅助人完成重复的筛查工作更加经济、高效，也让医生有精力做更多有价值的工作。
看准医疗影像这个方向后，陈宽在2015年1月正式注册公司，紧接着走访各大一线城市及二线城市的医院。4月份公司同四川省人民医院达成合作，陈宽带领团队驻扎医院，这段经历被陈宽形容为“十分艰苦，但非常有价值”，以至于之后加入推想科技的工程师统统要到医院驻扎三个月时间，跟放射科医生同甘共苦，了解医生的工作流程。“不管工程师的背景如何，他都要去医院体会医生的痛点，到后面我们的工程师都会看CT了。”陈宽笑着说。
在2015年，除非是搞技术的人，很少有人知道“深度学习”这个词。当时推想科技为了推广合作，四处宣讲，但收效甚微，对此陈宽感触良多，“2015年一整年，我们都在跟别人讲深度学习，但是没人听说过这个词，但到了2016年阿尔法狗事件之后，人们对深度学习的接受程度明显提高了。”
从2016年初开始，推想科技的产品进入迭代期，又经过半年多的打磨，公司产品在2016年10月正式投入顶级三甲医院，现在推想科技的系统可以在5秒内分析完一个病人的CT，然后交由医生做复核和诊断，效率足足提高了120倍。
AI+医疗影像行业门槛在哪里？
陈宽表示，从推想科技这2年的经验来看，AI+医疗影像的最大行业门槛其实是获得医疗圈的信任。虽然声称做AI+医疗影像的公司不少，但是真正深扎医院做这件事情的并不多。
“医疗圈是个相对保守的圈子，医生更信任彼此间的口口相传，在这个圈子里，做得好的和不好的都会被传开，所以最好的宣传方式就是做出成功的案例。我们产品刚开始也算不上非常好，但是持续在医院挖掘需求，迭代产品，这个过程积累了信任感。”陈宽告诉亿欧。
目前，医疗行业整体对人工智能持观望态度，一方面是由于政策监管，另一方面市场还需要教育，需要更多人工智能公司共同推广。因此，陈宽直言越多靠谱竞争对手进来是好事，就怕不靠谱的公司进来搞乱市场。
除了信任感，AI+医疗影像技术上的门槛也不低。从产品使用层面看，新的流程需要改变放射科医生的固有流程，如同当年人们习惯用滴滴打车一样，都是经历了一段时间。医生的工作流程是需要投入时间和精力才能改变的，推想科技的应对方法是记录医生对这套系统的点击率，再不断优化功能。
再深入一层讲，要做好一套人工智能医疗影像系统，最难的地方在于数据。陈宽说：“最难的地方是要保持这套系统的鲁棒性（Robust），而模型是由数据训练出来的，比如两家医院，一家做癌症早期筛查多，另一家接收晚期病人比较多，那么从接收晚期病人医院的数据训练出来的模型，用到早期筛查中效果就很差。所以我们要保证模型在各个地区、不同人群都有一样的准确率，这是公开数据集、科研数据集做不到的。”
关于数据来源和数据隐私
要做到相同的准确率，先要保证数据的代表性，因此越大越权威的医院数据越有价值。这也是为什么推想科技首先同国内顶级三甲医院合作的原因。陈宽透露，公司已经与协和、同济、上海长征医院等达成深度合作，因此获得了国内放射领域量最大、质量最高的数据作为初始建模数据，确保了模型的可靠。
“大的医院会吸引各地的病人，我国从2003年开始实行医疗信息化管理，这些大医院有十多年的数据，而且是有标记、有诊断报告的。”陈宽说。
对于这些数据涉及的隐私，陈宽表示，所有数据都是经过医院处理掉全部敏感信息后，才进入推想科技的服务器，结果处理后直接推送回医院，不经手病人的敏感信息。
同竞争对手相比，推想科技的发展思路是在医疗影像里持续深耕，先从需求点大的肺癌和肺部常见疾病开始，再从胸部、乳腺、神经、骨头等部位逐渐往外扩，循序渐进覆盖更多疾病的影像解读。
目前公司正在等待药监局的资质认证，产品已经开始进行商业化试水。关于未来具体的商业模式，提供整套AI解决方案或者以SaaS云服务的方式都有可能。
此外，推想科技也吸引了医疗领域其他专家的注意。近日，曾多次在《Science》《Nature》等国际著名学术刊物上发表研究的深度学习领域专家、北美基因深度学习公司Deep Genomics联合创始人熊辉远博士，宣布将加入推想科技公司，担任公司首席科学家，负责该公司Radiomics影像组学相关产品的研究与开发。
文章内容系作者个人观点，不代表亿欧对观点赞同或支持。转载请注明作者姓名和“来源：亿欧”。
