图1 王永雄院士与志诺维思员工合影
5月21日，由志诺维思主办、北京市海淀区生物与健康产业协会协办的“志诺思享汇（Genome Wisdom Salon）”第二期沙龙活动在阿里云·优客工场举办，测序中国作为独家媒体支持进行全程报道。此次会议邀请到斯坦福大学统计系教授王永雄院士，及多位清华北大的资深教授和精准医学创业公司的CEO。
图2 会议现场
本次沙龙活动由测序中国CEO罗海涛主持，开场首先由阿里巴巴集团公共事务部副总裁兼阿里巴巴云事业群业务总经理刘松致开场辞。刘总结合阿里云的产业优势以及精准医学现实的问题，提出三点关于推进行业发展的看法，并提出要做创业公司的“奇迹赋能者、创业护卫队”的口号。
图3 阿里巴巴集团副总裁刘松致辞演讲
致辞结束后，观众以热烈的掌声欢迎王永雄院士登台，分享他对中美精准医疗行业的深刻见解。王院士就中国精准医疗的发展愿景、数据分析和人工智能在行业中的定位、人才短缺和培养的问题、新兴公司的商业模式、学术成果转化以及企业间合作等问题带来了精彩演讲。他指出产业现在所面临的一系列问题，需要产学研三方共同协作才能真正有效地促进行业发展，做到合作共赢 。
图4 斯坦福大学统计系教授王永雄院士
Slide1 王永雄院士演讲中讨论的问题
讨论开始前，志诺维思CEO凌少平博士作为圆桌论坛的主持人，介绍了本次志诺思享汇的主题——产学研合作。在场的嘉宾从三个方向展开讨论，对大数据在精准医学领域的诸多前沿议题进行深入剖析。下面让我们回顾本次论坛中嘉宾们的精彩观点。
图5 圆桌论坛讨论
一、生物医学和信息技术的进步将为精准医疗带来怎样的机遇？
Slide2 肿瘤液体活检的明星公司Grail
1. 液体活检技术
北肿生信主任吴健民：液体活检是一种前沿技术，但目前仅是替代手段，金标准还是组学样本。然而这种技术如果做成，市场将非常广大，所以很多公司都来做这个东西。
中科晶云CEO赵屹：在和医院进行科研合作时，医生对技术本身并不感兴趣。医生最关切是技术能对患者有什么帮助，能解决什么临床问题。
Slide3 大数据和人工智能驱动的精准医学
2. 人工智能和大数据在医学界的应用
清华江瑞教授：深度学习是一种端到端的学习，对领域专家知识需要的较少。一个上百层的网络，用随机的各种可能的特征组合来训练，就能通过计算解决复杂的应用问题。
阿里副总裁刘松：数据驱动的公司在有数据容量后可以用机器学习大规模地训练，不断地暴力破解传统的经验型问题。基因医学的空间、计算量、参数也特别地大。这一轮大数据、云计算带来的人工智能的红利，使得计算成本极低，有暴力破解基因医学的可能。
聚道科技CEO李厦戎：精准医疗行业最缺乏的是数据和快速积累数据的能力。我们需要探索如何让更多的有志之士能够获取到这些数据，参与到这些数据的共享和挖掘中来。
烈冰科技CEO宗杰：我认为目前最大的麻烦是数据的解读。测序可能花一周就能得到100GB的数据，但是分析位点和疾病的关联性需要有医学背景的人查阅大量文献，然后推断出问题可能源自哪条细胞信号通路。
二、精准医疗的各类型创新企业，未来将会面临哪些障碍和机遇？
Slide4 两种基因检测的商业模式所面临的挑战
1. 基因检测行业
奇云诺德CEO罗奇斌：现在有些公司的数据量已超过100万，但是大量的数据没有做一个分类的，用户的体验和管理一塌糊涂，基本上是做完一次的基因检测就没下文了。所以C端有一个很大的问题就是做完检测之后应该怎么办。
微基因CEO陈钢：相比于数据的体量，数据质量更加重要 。检测流程如果一开始仅仅是为了卖检测的话，就很难保证数据的质量。另外，我对政府监管比较乐观。随着FDA的一些努力，23andMe已经拿到10项获批的疾病检测。当美国的情况好转时，我相信在其他大力推行精准医疗方案的国家，事情都会逐步地开展起来。实际上，在中国当一个行业当政府监管出现的时候，里面真真做扎实的企业马上就可以腾飞。
君联资本副总裁周珺：国内做肿瘤基因检测的公司，产品和发展路径区分度不是特别大，可能就会像共享单车，看谁能够跑得快，能够有最大的数据积累量。我们希望找到有某些特殊技术的公司，能够在一些专有领域树立更高的壁垒。基因和细胞治疗以及基因治疗等方面有一些天然的联系，在这方面做一些工作也是一个方向。
Slide5 两种医疗大数据的商业模式所面临的挑战
2. 病历大数据行业
斯坦福王永雄院士：美国的电子病历系统比较完整，而且从开始就比较统一，有很大的互通性。所以数据整合不是问题的所在。但我还没有看到一个可以把数据的商业价值很好地体现出来的解决方案。某一些有很广大用户群的医疗机构，开始比较有系统地利用其内部产生医疗数据，从而创造对他这个组织的一个价值。
清华江瑞教授：据我所知，搜集病历的公司有不少家已经覆盖了上百家医院。大家容易想到的数据应用方式包括辅助诊断和治疗建议。但怎样把数据真正地用起来，而不是给医生添乱，这是个问题。医生很忙，他们来说不太容易接受复杂的新系统。对于大医院的医生本身不需要你来辅助他的临床决策。
中科晶云CEO赵屹：大量的这种病程记录里面的信息，对基因检测的解读有多大的帮助。因为我们知道基因虽然有一些位置有突变，其实有外显率，外显率不同，症状可能从有到无都可以出现，所以结合病历是必须的。
Slide6 生信云平台的商业模式所面临的挑战
3. 生物信息分析云平台
聚道科技CEO李厦戎：生物信息分析云是仅提供信息存储资源，更是在提供一个上下游的协作方式。比如Seven Bridges针对NCI的那个肿瘤协作云，就是解决了协作的问题，而不单纯是解决大规模肿瘤数据计算的问题。其实他们并没有强调计算多么迅速，而是关注怎样提高这个行业整体的效率。
北京希望组CEO汪德鹏：我们选三代测序这个方向是觉得它以后会成为一个更大的趋势，就是提供完整的遗传信息，尽管现在很贵。我们发现，如果大量地计算的话，其实云平台并不省钱，所以我们今年搭建了一个自己的平台 。
三、医院、高校和企业如何共建标准、培养人才和促进产学研的合作共赢？
Slide7 第三个讨论的问题——人才、标准和合作
1. 行业标准
斯坦福王永雄院士：我觉得标准就是建立一个下限。有标准的好处是可以把杂音去掉很多。我看中国这个产业现在有相当多的杂音。但是这个标准并不是表示说你一定要这样去做，每个公司都可以有自己的标准，你只要达到那个下限，怎么样方便都可以。
2. 人才培养
清华江瑞教授：长期来看，的确需要产学研达到一个很好的良性循环。人才经过学校的基础培训，研究院的提炼优化，最后到公司中取得成功，把整个产学研链条连起来。这样我们的人才输出以后，有一个好的归宿，能得到社会的认可。对于产业界的公司来说，他们也有一个人才的来源。这样一个正能量循环起来后，整个生物信息学界才能够比较良性地发展。
3. 产学研三方合作
北大李程教授：有一个共赢或者互利的模式很重要。比如大学教授可能都憋着劲要发表大论文，医生可能更看重患者是否从好的治疗中获益，而公司和背后的资本都是要盈利的。可以先从大家都可以获利的小的项目开始，彼此建立信任。逐渐有更多的合作医生，更大的科研课题，做成几件这样的事情之后，你在业内就会有一定的影响。
斯坦福王永雄院士：在美国启动医院、高校和企业的联合项目，医院方、公司和学校的责权利都规范得蛮清楚。基本上产业如果是跟学界合作，只要这个实验是在学校里做的话，那个知识产权是学校的。
北肿生信主任吴健民：中国现在的政策是越来越宽了，对这个高校、老师之间的科研转化越来越好。在北京，现在个人可以得到科研转化成果的70%，我们医院刚刚有一些教授得到这个转化。现在的政策鼓励他们做这种事情。
经过了两个小时的嘉宾讨论，现场观众依然不能尽兴，继续向嘉宾提出问，现场气氛十分热烈。参加本次论坛的嘉宾和观众还一起为志诺维思庆祝公司两周年生日，并送上了生日祝福。
图6 嘉宾祝贺志诺两周年生日
· END ·
