从芝加哥大学辍学、放弃博士学位、回国住脏乱出租屋，创业的他经历了什么？

陈宽此前就读于芝加哥大学，先后师从 Gary Becker、Robert Fogel、James Heckman、Lars Hansen 四位诺贝尔奖得主。陈宽和他的推想团队致力于将深度学习应用在癌症诊断中，目前已经取得了一些成果。同时，推想科技也是「新智造成长榜 2017 」的报名企业。

* 推想科技创始人 陈宽

从芝加哥大学的草坪到四川的脏乱出租屋

创业是一种什么体验，或许可以从陈宽的两段回忆里看出个究竟。

第一段回忆，来自学生时期，陈宽在芝加哥大学从本科读到了博士。本科毕业论文答辩，是在草坪上进行的。诺贝尔经济学奖获得者 James Heckman 坐在草地上，连同其他几个芝大经济学老师，一边吹着风，一边听学生们的 “汇报”，互相探讨一些问题。

第二段回忆，来自创业初期。2014 年底，陈宽从芝加哥大学 “辍学”，停止攻读博士学位，和亲戚借了一笔钱，请了两三个人组成小团队，在四川一所医院旁边住了下来。这是一所非常破的房子，不仅窗外是个垃圾堆，连房间里都是垃圾，楼下是四家火锅店，烟囱对着吹。住进去的第一天，没有热水，灯也不亮，喂了一晚上蚊子，第二天一大早跑去医院工作，陈宽说他四天没洗澡。

从芝加哥大学的草坪到四川的脏乱出租屋，从经济学大师 James Heckman 到放射科的医生们，境遇的变化告诉陈宽——这就是创业。

有一天去路边吃了一个小火锅，当时包里面只有一台电脑，电脑里有资料、数据、技术，就是我的全部东西了。而一边吃一边想，过得挺苦的，是不是都值得。还想到了汪峰的一首歌叫《春天里》，当时可能什么都没有，但就是觉得好像什么都没有，好像什么又都在掌握之中。

陈宽说的什么都没有，是因为当时甚嚣尘上的是互联网医疗，医疗行业根本没有人过多提及人工智能或深度学习的应用。

但陈宽认为，互联网医疗没有解决根本问题。

2014、2015 年恰恰是互联网医疗特别火的时候，无论是创业者还是资本，都对此趋之若鹜。陈宽在这个时机回国创业，但他不想做互联网医疗，说人工智能和深度学习，却又听者寥寥，都不是很想参与进来。

他认为，医疗行业最核心的问题，其实是产能不足。一方面，好医生非常有限，且都集中在大型三甲医院，偏远地区或许连医生都没有。在另一个方面，越是好的医生，工作负荷越大，工作时间超长。这是典型的 “产能问题”，而互联网解决的是 “渠道问题”。互联网、O2O，只能让本来工作就很忙的医生，变得更忙，却收益微薄。

而要解决 “产能问题”，需要靠新技术。于是，陈宽和他的小团队，在极其艰苦的环境中，扎根在四川的医院放射科，不断和放射科的医生们进行临床的实验，改进技术。2016 年 1 月，AlphaGo 出现，人工智能被迅速炒热，顺便也带火了人工智能在医疗行业的创业潮。

推想如何完成积累，进入医疗圈子？

2014 年底，陈宽决定停下博士学位，回来创业的时候，无论是他的同伴，还是他的几位诺奖获得者老师，都劝他继续把博士读完，再另做打算。但他坚信人工智能一定有会爆炸式的发展，只是不知道什么时候会发生，他要赶在这个行业爆炸前，有一些铺垫和积累。

陈宽向雷锋网介绍说，医疗是一个非常小的、锋利的圈子。具体到推想想要切入的影像领域，全国最主要的三甲医院放射科主任，基本是在一个微信群里，做的好和或者做的不好，会快速在群里传开，要进这个圈子非常困难，但反过来一旦切进去之后，扩展很快。

而陈宽在四川的那段 “艰苦岁月”，让推想干成了这两件事：完成了 “铺垫”，也进入了 “圈子”。

具体在产品层面，推想主要的工作可以分为三部分：

• 智能 CT 辅助筛查产品（AI-CT）

在影像医疗领域，CT 是一个大的趋势，所有的东西都能看清楚，但拍一次有 300 多张影像，一个医生看下来，非常消耗时间和精力。国家在尽量推广 CT 的使用，但必须解决的一个问题就是需要大量的医生来 “看片”。陈宽认为，人工智能就是一个解决的办法。

在早期肺癌筛查中，推想的智能 CT 以其并行运算能力，能够挖掘肺癌的核心特征点，判断不同序列影像是否存在疑似癌症的特征。通过与医生诊断对比，智能 CT 辅助筛查产品能够提升肺癌筛查的效率，同时人工智能对半实性与磨玻璃结节等早期肺癌征兆展现出了更好的敏感性，能够帮助放射科医生提升诊断的准确率。

* 智能 CT 辅助筛查产品（AI-CT）界面

• 智能 X 线辅助筛查产品（AI-DR）

由于成本较低，X 线始终是基层医院筛查的第一手段，但就目前来看，影响力在降低，很多病兆，通过 X 线不容易看出来，特别像磨玻璃结节。但是，在通过人工智能技术增强后，很多原来人眼分辨不出来的东西，机器能分辨出来。

推想科技的智能 X 线辅助筛查产品能够对心胸部位的 20 多种不同病灶进行判断，既可以帮助体检医生迅速筛检出存在病灶的影像，又可以在门诊住院病例的诊断过程中迅速标识出病变位置。尤其在肺结节检测上，表现突出，在合作医院试用过程中检测出数例险些被遗漏的肺癌病例，为放射影像诊断的质量提供了保障。

陈宽预测，很多人一开始觉得 X 线会被淘汰，但在结合了人工智能技术之后，它的作用和价值还是无可替代的。

* 智能 X 线辅助筛查产品（AI-DR）界面

• 深度学习科研平台 (AI-Scholar）

推想的智能深度学习科研平台集成深度学习核心算法与功能，拥有稳定的 GPU 运算能力，每秒可处理和运算超过 100 张高清医学影像 Dicom 数据。科研平台包含超过 50 种深度学习业界前沿的核心算法，可以利用集成好的算法合并、拼接定制符合实际应用场景的深度学习模型。即使是没有编程背景的医生，经过培训也可以熟练掌握和完成深度学习建模，让前沿专业的深度学习建模更大众化。

整体而言，在内部测试的肺癌筛查中，面对早期征兆，推想的产品能够辅助医生将漏诊率降低 40% 以上，尤其对于磨玻璃结节——没有明确边缘，肉眼很容易漏掉的部分。但这部分非常危险，早期有 59% 的可能变成肺癌。

在未来，除了影像医疗方面，影响癌症的另一个因素是基因，推想科技也将在基因方面进行整合，共同辅助医生提升诊断的准确性。

靠什么在竞争中保持领先

目前，推想团队由 100 多人组成，每一个新入职的员工，都必须要深入医院开发、实验，驻扎至少三个月，跟医生保持实时互动、反馈，快速得到临床需求和检验。

推想共完成两轮融资，总额超过 6000 万，天使轮投资方为英诺天使基金以及臻云创投，A 轮为红杉资本、广发信德 - 广发证券，天使轮投资方本轮继续跟投。

此外，推想经过了两年多的产品、渠道积累，目前正在进行商业化试水，并积极开拓全球市场，现已在日本建立了事务所，欧洲、美国等地也在进行洽谈。

在 AI + 医疗影像这个场景中，玩家其实不止推想一个，比如国内还有 DeepCare、图玛深维、雅森科技等其他创业公司，以及汇医慧影、医众影像、医渡云等涉足硬件的影像云服务厂商等，面对同行的竞争，陈宽说：

我个人觉得是一件好事，我们也很愿意在一个充分竞争的行业里面保持领先的状态，不管是对于我们还是对于行业来说，都是会有帮助的。当然我也会持谨慎的态度，我并不觉得所有的这些号称自己在做影像人工智能的团队，都在真正做这个事情。我不希望有一些不靠谱的团队进来把这个市场搞乱了，没什么产品，也没有通过临床的验证，更没有获得很好的产品反馈，有些甚至连国家认证都没有，这对于我们整个行业来说，是非常负面的影响。

而他认为，如果推想能够在竞争中保持领先状态，一定依靠的是扎根在医院，直接得到医院、医生的反馈，清楚地知道产品在临床应用时的优势与劣势。