由上海報業(yè)集團(tuán) | 界面新聞主辦的2023【大健康常春論壇】于11月16日在北京柏悅酒店圓滿落幕。此次論壇共有4場主旨演講及2場圓桌對話，邀請到諸多生物醫(yī)藥領(lǐng)域的專家學(xué)者及領(lǐng)軍企業(yè)的代表出席，圍繞AI浪潮下醫(yī)療行業(yè)的生產(chǎn)力重塑、消費(fèi)級醫(yī)療對商業(yè)機(jī)會的識別與把握等主題展開深度討論。宏觀經(jīng)濟(jì)正緩慢復(fù)蘇，當(dāng)此關(guān)鍵時刻，我們更需要靜下心來認(rèn)真聽一聽他人的洞見。論壇現(xiàn)場，強(qiáng)聯(lián)智創(chuàng)創(chuàng)始人、董事長秦嵐女士，北京聯(lián)影智能影像技術(shù)研究院智能影像診斷研究所所長錢真先生，復(fù)旦大學(xué)管理學(xué)院信息管理與商業(yè)智能系助理教授李文文女士，邁瑞醫(yī)療體外診斷臨床部總監(jiān)祁歡先生參與了題為《AI浪潮下醫(yī)療行業(yè)的生產(chǎn)力重塑》的圓桌討論，圓桌主持由界面新聞健康頻道記者陳楊女士擔(dān)任。
以下是演講文字實(shí)錄：
陳楊：大家好，首先非常感謝在場的各位以及線上正在參與我們《大健康常春論壇》的聽眾和觀眾朋友們，我是界面健康組記者陳楊。今天我們圓桌對話的主題是“AI浪潮下醫(yī)療行業(yè)的生產(chǎn)力重塑”，AI在我們生活中滲透到各行各業(yè)，更是很早就進(jìn)入醫(yī)療領(lǐng)域，比如IBM的沃森機(jī)器人。2015年、2016年我們也經(jīng)常在媒體上看到真人醫(yī)生或者醫(yī)學(xué)生跟智能設(shè)備進(jìn)行battle。包括到現(xiàn)在，我們在一些醫(yī)療機(jī)構(gòu)和場所當(dāng)中，其實(shí)已經(jīng)能夠切實(shí)地去用到很多在診斷、篩查方面的AI工具。相信大家也越來越感受到AI在我們生活當(dāng)中地位的提高，所以這次我們特別準(zhǔn)備了這樣一個主題的對話，也非常感謝四位嘉賓，分別從產(chǎn)業(yè)和學(xué)界的角度給我們一些思考和啟發(fā)。今天榮幸邀請到四位嘉賓，我們先從秦總開始做一個自我介紹。
秦嵐：感謝主持人，各位嘉賓、各位朋友大家下午好，我是強(qiáng)聯(lián)智創(chuàng)的創(chuàng)始人秦嵐。本人有三個標(biāo)簽，第一我其實(shí)是一名醫(yī)學(xué)生，臨床醫(yī)學(xué)七年制畢業(yè)；第二我在腦血管病領(lǐng)域，從上學(xué)到工作已經(jīng)耕耘了20多年，工作經(jīng)驗(yàn)其實(shí)很簡單；碩士畢業(yè)之后很遺憾，確實(shí)沒有當(dāng)一名醫(yī)生，直接加入了產(chǎn)業(yè)，在強(qiáng)生待了十年時間，剛好入職強(qiáng)生的時候，是強(qiáng)生在中國上市第一款神經(jīng)介入治療的產(chǎn)品。所以可以說我整個的從業(yè)生涯是伴著中國腦血管病手術(shù)、神經(jīng)介入手術(shù)從0開始，一直成長到現(xiàn)在。前面十年的時間，其實(shí)是在強(qiáng)生，后面十年的時間是自己出來創(chuàng)業(yè)，創(chuàng)業(yè)的方向依舊是服務(wù)腦血管病治療的醫(yī)生和患者，嘗試用AI的方式打造AI輔助治療以及AI輔助決策，這樣我們可以深入疾病的核心環(huán)節(jié)，能夠換一個路徑，依舊來服務(wù)醫(yī)療行業(yè)，來服務(wù)患者。
陳楊：感謝秦總，接下來有請錢總。
錢真：主持人好，各位嘉賓好，大家好，我是來自北京聯(lián)影智能影像研究院的錢真，目前擔(dān)任智能影像診斷研究所的所長。我大概介紹一下我的背景，我是做算法出身的，在2008年與美國一所學(xué)校博士畢業(yè)，之后在一家美國醫(yī)院待了有十年的時間。我感覺我的經(jīng)歷或許與大家有些不一樣，我當(dāng)時在醫(yī)院里面做研究、臨床、教學(xué)等工作，十年之后轉(zhuǎn)入了工業(yè)界，先是去了美國硅谷一家公司，最近又回國來北京加入了聯(lián)影。我認(rèn)為我的從業(yè)經(jīng)歷和聯(lián)影目前的整個方向還是挺吻合的，因?yàn)槁?lián)影現(xiàn)在非常專注于解決臨床痛點(diǎn)問題；也非常專注于“產(chǎn)學(xué)研醫(yī)”多方合作。因此從去年回國以后，我感覺整體的發(fā)展方向、發(fā)展前景相當(dāng)不錯。
陳楊：感謝錢總，下面有請李老師。
李文文：各位嘉賓、各位觀眾下午好，我是來自復(fù)旦大學(xué)管理學(xué)院的老師，我叫李文文。和在場的各位專家相比，其實(shí)我對于醫(yī)療行業(yè)算是一個外行，而且資力也比較淺，但是我對醫(yī)療健康非常感興趣，尤其是智慧醫(yī)療。我現(xiàn)在研究如何讓AI技術(shù)應(yīng)用于醫(yī)療健康具體的實(shí)踐和應(yīng)用當(dāng)中去，現(xiàn)在也和上海市眼病防治中心合作，我們一起在探索AI技術(shù)如何應(yīng)用于視覺健康的一些日常管理當(dāng)中。所以今天也很開心能有機(jī)會參加活動，也希望跟各位專家多多學(xué)習(xí)。
陳楊：感謝李老師，最后有請祁總。
祁歡：主持人，各位嘉賓，大家下午好，我來自深圳邁瑞。我也是理工科，以前是做算法出身的，18年前來到邁瑞，一直做了18年的開發(fā)和產(chǎn)品管理、市場的工作。我進(jìn)入邁瑞的時候，邁瑞的體外診斷在國內(nèi)以及全球的體外診斷領(lǐng)域內(nèi)，應(yīng)該占一個非常非常小的市場份額，到今天為止，邁瑞在一些血液細(xì)胞分析、深化、免疫方向，在國內(nèi)已經(jīng)取得了領(lǐng)先的位置，這18年來，我們見證了這個團(tuán)隊(duì)的成長過程。當(dāng)前我在邁瑞主要是做新技術(shù)的臨床研究、合作以及注冊臨床的工作，包括邁瑞醫(yī)療市場的研究，以及新業(yè)務(wù)探索方向的管理工作，希望今天下午能做一些非常深度的交流。
陳楊：感謝祁總，從大家的介紹可以看出我們這次四位嘉賓非常綜合，既有理工科背景，或者算法背景，也有醫(yī)學(xué)生，有臨床經(jīng)驗(yàn)。我們剛剛劇透了一下，秦總這邊有在腦科領(lǐng)域一些AI的探索，李老師是在眼科方面，邁瑞在IVD，以及聯(lián)影是比較綜合的在AI方面的實(shí)踐。先想請各位為大家介紹AI具體用在整個醫(yī)療實(shí)踐當(dāng)中哪個細(xì)分領(lǐng)域，或者是哪個細(xì)分環(huán)節(jié)？就像剛剛王剛教授有講到的，其實(shí)無論是國內(nèi)也好，國外也好，大家對于醫(yī)療行業(yè)未滿足的臨床需求是非常看重的，這也是創(chuàng)新真正的意義所在。所以這個命題作文，也希望大家可以去講講您所從事的細(xì)分領(lǐng)域也好，或者是一個AI所作用的環(huán)節(jié)也好，AI發(fā)揮了什么不可替代的作用，或者是現(xiàn)在人工操作不太能做得到的地方。這一輪我們先從祁總開始。
祁歡：邁瑞所覆蓋的領(lǐng)域比較多，一個是在生命信息方向，我們在做一些人工智能的麻醉包括狀態(tài)監(jiān)控的工作；超聲領(lǐng)域內(nèi)我們也做了全棧的、不同方向的人工智能；在體外診斷領(lǐng)域，我主要介紹這個方向，我們現(xiàn)在做的最成熟的事情是血液細(xì)胞分析智能化的應(yīng)用。因?yàn)榇蠹叶贾?，大家去體檢，或者是去醫(yī)院，不管是住院還是門診，感冒發(fā)燒一定要做血常規(guī)，血常規(guī)每年有20億-30億的檢測量，這個檢測不僅僅可以告訴我們是不是發(fā)炎了，是病毒性的還是細(xì)菌性的，可能潛在的告訴我們是不是白血病，是不是惡性的再生障礙貧血，包括有沒有大的出血傾向。這個檢測背后有潛在重大疾病的發(fā)現(xiàn)職責(zé)，后面幾個重大疾病都不是靠我們一般情況下快速出報告能夠發(fā)現(xiàn)的，一旦前面快速篩查的儀器發(fā)現(xiàn)有這種傾向的時候，這些樣本就會被醫(yī)生留下來，做玻片的制作、染色、加熱、吹風(fēng)、吹干，再做顯微鏡的檢查。后面的流程大概需要30分鐘到1個小時的時間，如果大家去醫(yī)院做檢查，半個小時拿報告了，一般都挺好，如果留在那里等著，一般情況下有點(diǎn)擔(dān)心了。但是后面的工作往往與重大疾病有著非常密切的關(guān)系，尤其是白血病的關(guān)系。一般情況下，按照國際上標(biāo)準(zhǔn)，一家大的三甲醫(yī)院，每天有20%，也就是200例—400例的樣本應(yīng)該去檢查的。我們在中國醫(yī)療診療的人數(shù)、醫(yī)生的數(shù)量遠(yuǎn)遠(yuǎn)達(dá)不到要求，我們很多時候只有國際的1/4到1/10的水平，醫(yī)生只能挑最嚴(yán)重的那些去做，所以存在風(fēng)險，就是因?yàn)橹悄芑?、自動的顯微鏡檢查，以及人工智能對它的識別是完全不足的，我們做的就是這件事情。通過這樣的產(chǎn)品，或者是這個技術(shù)應(yīng)用到我們實(shí)際工作當(dāng)中，就可以讓三甲醫(yī)院每天10例、20例、30例的復(fù)查，能夠做到200例到300例的復(fù)查，讓我們二級醫(yī)院從原本不具備這樣能力的情況下，也具備這樣的能力，這是一個大的進(jìn)步。在我們做的過程中，原來大家意想不到的一些白血病都被我們發(fā)現(xiàn)了，比如說有人在夜間的蛇傷門診下檢出來白血病，完全想象不到，有孕婦例行檢查被查出來白血病，有在骨折去骨科做基礎(chǔ)檢查的時候被查出來白血病……都是這樣的系統(tǒng)在起作用。以往人們有可能會把它漏掉，人工智能的技術(shù)在檢驗(yàn)當(dāng)中，尤其是在基礎(chǔ)檢驗(yàn)當(dāng)中應(yīng)用，讓我們在診療當(dāng)中第一個關(guān)口，幫我們攔下來很多重大疾病。
陳楊：您剛剛介紹的產(chǎn)品，不僅是補(bǔ)齊醫(yī)生資源的不足，特別是您剛剛說的，無論是舌下門診也好，骨科也好，有一些打破我們常規(guī)認(rèn)知或者是偏見的地方，沒有想到在這樣的領(lǐng)域的病人，可能也會有白血病。其實(shí)是把檢測的事情做在前面，也有利于整個診斷，或者是后面治療的過程。接下來有請李老師。
李文文：其實(shí)AI技術(shù)在公共衛(wèi)生管理領(lǐng)域的應(yīng)用非常的重要，對于我們整體的醫(yī)療健康管理有很大的幫助。比如說以視覺健康為例，我不知道大家是不是關(guān)注過，像我們的社區(qū)醫(yī)院，就是我們最基層的醫(yī)院，其實(shí)很多醫(yī)院是不具備專門的眼科醫(yī)生的，很多時候叫全科醫(yī)生，或者是五官科的醫(yī)生來負(fù)責(zé)眼病的診斷，對于基層的醫(yī)療層面而言，很多醫(yī)生沒有辦法識別出來一些很嚴(yán)重的眼部疾病。在這樣的情況下，很多患者要不然早期沒有意識到自己可能有疾病的問題，而不去提早進(jìn)行疾病的篩查和診斷，如果患者實(shí)在是眼部不適，只能去大醫(yī)院，去三甲醫(yī)院診治，導(dǎo)致三甲醫(yī)院資源非常緊張。這個跟之前蔡教授說的，我們醫(yī)生整體的醫(yī)療水平有關(guān)系，醫(yī)療資源分布不均勻，在這樣的情況下，AI介入就能很好地幫助我們提升我們基層醫(yī)療服務(wù)的質(zhì)量。比如說現(xiàn)在在視覺健康領(lǐng)域用的非常成熟的AI眼病篩查設(shè)備，大家如果去眼科的話，去機(jī)器上面照一下自己的眼睛，拍眼底照片，篩查出來你有哪些眼部疾病，給你診斷的結(jié)果。比如說你可能是輕微的，應(yīng)該怎么治療，如果你比較嚴(yán)重，就會建議去進(jìn)行后續(xù)的轉(zhuǎn)診，去到其它的三甲醫(yī)院，或者是其它的大醫(yī)院。這種設(shè)備的普及，以上海為例，現(xiàn)在上海大概已經(jīng)有1/3的社區(qū)醫(yī)院普及這樣的設(shè)備，有了這樣的設(shè)備以后，基層眼病篩查率極大的提升?？赡芟裆虾Ｊ衅鋵?shí)是有標(biāo)準(zhǔn)的，比如說上海市眼病防治中心，每年會給基層的社區(qū)派發(fā)任務(wù)，今年你們要篩查兩千個患者，以往在人工的水平下面，社區(qū)醫(yī)護(hù)人員的工作量非常大，有了AI設(shè)備以后，甚至有的社區(qū)一年可以篩查兩萬個患者，整體效率提高了，質(zhì)量也提高了。對于公共醫(yī)療領(lǐng)域來說，AI的幫助也是非常大的。
陳楊：感謝李老師，也是在具體的領(lǐng)域給到我們一個例子，在眼健康的防治上，包括用機(jī)器去拍眼底照片，能夠發(fā)現(xiàn)一些問題，并且極早進(jìn)行后續(xù)的治療和后續(xù)的動作，可以幫助我們在眼健康這一重要的領(lǐng)域提高篩查效率，篩查面也會更廣。接下來有請錢總。
錢真：我大概介紹一下聯(lián)影智能在醫(yī)療AI方面的工作，聯(lián)影智能在2017年成立，是聯(lián)影集團(tuán)在人工智能相關(guān)領(lǐng)域比較重要的布局。聯(lián)影智能現(xiàn)在在醫(yī)療AI上有三個方向。首先是賦能臨床，我們開發(fā)很多算法來幫助醫(yī)生比較簡便的看片子、看影像，幫助醫(yī)生解決痛點(diǎn)問題。國內(nèi)的影像科醫(yī)生，一個是人數(shù)不夠，二是工作量大。目前我們已經(jīng)開發(fā)了超過100個應(yīng)用，其中包括40余款影像診斷產(chǎn)品，落地有三千多家醫(yī)院。我們盡量把算法賦能到影像科醫(yī)生那邊去，讓比較繁雜的影像讀片任務(wù)更方便一些。比如像肋骨骨折需要用CT來診斷，很多時候，影像科醫(yī)生值夜班最怕的事情是晚上來骨折的病人，醫(yī)生往往需要對著片子一根根數(shù)肋骨，去看有沒有骨折，這是非常勞累的事情。類似這種痛點(diǎn)，AI算法是可以很好的解決的。第二，我們在做一些賦能科研的工作?，F(xiàn)在醫(yī)生臨床工作是非常緊的，同時，科研任務(wù)也非常緊，往往手頭沒有好用的科研工具，有的時候想用人工智能相關(guān)的技術(shù)來做一些科研也沒有辦法實(shí)現(xiàn)。目前我們開發(fā)了一個專門給臨床醫(yī)生、給醫(yī)學(xué)工作者使用的科研平臺，他們可以在這個平臺上便捷的把數(shù)據(jù)管理起來、把數(shù)據(jù)標(biāo)注做起來、把模型搭起來，并且不需要有很多前期人工智能相關(guān)的算法知識就可以很好地做科研工作。第三，我們在做一些賦能設(shè)備的工作。我們是聯(lián)影集團(tuán)下面專注于AI的子公司，我們的AI算法可以服務(wù)于影像設(shè)備。比如說像磁共振影像，磁共振影像檢查的臨床bottleneck是什么？就是掃描速度太慢，很多時候掃一個病人要15—20分鐘，我們AI算法集成到掃描機(jī)器上以后，每一個部位的掃描時間可以加速到100秒以內(nèi)，1—2分鐘就能完成，大大減輕掃描的負(fù)擔(dān)，同時也是造福了病人。人工智能技術(shù)是很好的技術(shù)，在不同的領(lǐng)域內(nèi)應(yīng)該都會有很好的應(yīng)用。
陳楊：錢總講了兩個部分，一個是設(shè)備效率的提升，還有一個可以理解成是解放醫(yī)生，無論是一些可以被人工智能取代，或者是提高效率的工作也好，或者是在科研方面能夠給醫(yī)生賦能也好，都是我們AI價值的體現(xiàn)。接下來有請秦總。
秦嵐：我們是一直關(guān)注于腦血管病，非常垂直的領(lǐng)域，核心做兩件事情，跟大家平時理解的AI診斷不太一樣，我們核心在做第一叫AI治療，第二叫AI決策。說起AI治療，中風(fēng)是非常大的致死疾病，這樣一個重病，沒有特別好的藥物能夠達(dá)到預(yù)防和急救的效果，不得不依賴手術(shù)，這個手術(shù)是L4級別，即是最高難度的手術(shù)，我們經(jīng)常講是賽車手級別的手術(shù)。面對這么重的疾病，大量的患者，對醫(yī)生又要求很高的L4級別的手術(shù)，我們一直希望能夠把手術(shù)難度降下來，把手術(shù)進(jìn)一步標(biāo)準(zhǔn)化，讓更多的縣級醫(yī)院，哪怕鄉(xiāng)鎮(zhèn)衛(wèi)生的醫(yī)院，也能及時地服務(wù)周邊的患者。我們的做法很簡單，手術(shù)中不是所有的步驟都難，之所以手術(shù)難，是因?yàn)橛幸恍┉h(huán)節(jié)難，有一些環(huán)節(jié)相對容易，我們把手術(shù)環(huán)節(jié)拆出來，給它自動駕駛的解決方案，手術(shù)方案給出，不依賴醫(yī)生經(jīng)驗(yàn)，而是依賴算法，這一步操作的執(zhí)行，不依賴醫(yī)生靈巧的雙手，而是依賴設(shè)備。AI治療的環(huán)節(jié)，我們提供的是軟硬件加耗材整體結(jié)合的全新的解決方案，去年我們也拿了中國第一張AI+治療的創(chuàng)新醫(yī)療器械三類證，剛才在臺下的時候，還跟不同的小伙伴互動，大家在跟臺，有很多手術(shù)實(shí)行新的AI治療技術(shù)。第二件事叫AI決策，也是解決疾病關(guān)鍵決策環(huán)節(jié)，誰都不愿意開刀做手術(shù)，這跟得了一個感冒，你給我開個藥，是小決策。如果腦子里、腦血管有問題，你現(xiàn)在開個刀，實(shí)際上無論是經(jīng)濟(jì)費(fèi)用和病人意愿方面都要慎重考慮。我們希望手術(shù)治療的決策更加準(zhǔn)確，不單單依賴于醫(yī)生的經(jīng)驗(yàn)，而是說我們用中國人群數(shù)據(jù)庫，基于算法，我們給到更好的算法模型，來評估什么樣的病人在手術(shù)里能夠有更好的獲益。我們不漏掉一個能夠在手術(shù)中獲益的病人，也不讓一個還達(dá)不到手術(shù)指征，實(shí)際上在手術(shù)中他的獲益沒有比他承受的風(fēng)險更好這么一個情況去發(fā)生。我們核心在解決這兩方面的事情，謝謝。
陳楊：感謝秦總，秦總講了兩個AI運(yùn)用的環(huán)節(jié)，分別是治療和決策，治療方面是拆分成不同可以被AI所賦能的不需要人工去完成的，像決策方面也是賦能到更多的醫(yī)生，讓他們做出更精準(zhǔn)的判斷，盡可能減少一些不必開刀，不增加患者負(fù)擔(dān)的醫(yī)療行為。剛剛從四位的解答當(dāng)中，可以發(fā)現(xiàn)一些共同點(diǎn)，無論是李老師在講的眼科領(lǐng)域，或者是秦總講的腦科領(lǐng)域，祁總和錢總講到的使用AI的地方，很大的問題在于相關(guān)醫(yī)生資源在國內(nèi)不足，他們水平是參差，同質(zhì)化水平跟國外相比有差距，這個是我們一直認(rèn)為AI在里面可以大有可為、施展拳腳的原因。不過，我們看現(xiàn)在很多AI產(chǎn)品的落地情況也可以發(fā)現(xiàn)，真正在終端的醫(yī)院，臨床醫(yī)生在使用AI產(chǎn)品的時候，其實(shí)也是有一些疑惑，或者是沒有這么順手的，大家在產(chǎn)業(yè)界討論的時候，是不是有一些gap，是不是有一些雙方理解不太到的地方？有的時候公司覺得說我的產(chǎn)品很好，我的需求解決了，但是臨床醫(yī)生覺得說好像還不夠，好像自己人來干辛苦是辛苦，但好像也可以。我想了解的是大家在各自領(lǐng)域覺得，可能會存在哪些臨床和企業(yè)研發(fā)界有g(shù)ap的地方，以致于我們對接臨床沒有那么順暢？把問題給到現(xiàn)場的四位，有請秦總介紹一下。
秦嵐：非常好的問題，我自己以前是醫(yī)學(xué)生，我跟醫(yī)生打交道了20年，醫(yī)生群體是相對比較保守，因?yàn)槊鎸Φ氖遣∪说纳?，他們?shí)際上是謹(jǐn)慎的。我理解更多的gap，如果我們從純研發(fā)的視角來講，大家沒有太懂醫(yī)學(xué)的語言、醫(yī)生對循證證據(jù)的要求，但是當(dāng)我們做了充分的循證醫(yī)學(xué)的證據(jù)，當(dāng)我們拿出嚴(yán)格的前瞻性對照臨床試驗(yàn)的結(jié)果，實(shí)際上醫(yī)生是可以接受的。第二點(diǎn)，我們接觸很多神經(jīng)外科的醫(yī)生，他們有共同的追求，追求極致，產(chǎn)品有的時候并不是解決百分之百的問題，是一步步做迭代。當(dāng)你真的跟臨床醫(yī)生溝通的時候，他們希望你的產(chǎn)品不要出錯，不允許有疏忽和漏洞，否則他對此就會有擔(dān)心，從而去倒逼企業(yè)。為什么做醫(yī)療AI產(chǎn)品很難，我們不是做到better to have就可以了，包括我們做的很多臨床試驗(yàn)的比對，是做的全優(yōu)效比對，從各個方面人機(jī)結(jié)合的方式做手術(shù)，都會比單獨(dú)的醫(yī)生好，人機(jī)結(jié)合的方式跟頂尖大醫(yī)生PK，把這個證據(jù)拿出來的時候，實(shí)際上他們才愿意更開心的去擁抱。這個是醫(yī)療本身的屬性決定的，的確對企業(yè)自身的要求會比較高，在產(chǎn)品開發(fā)的過程中，有的時候我們覺得產(chǎn)品OK了，在醫(yī)生的眼里是不OK的，你還要往前多走幾步，才能夠達(dá)到臨床的要求，才能夠被他們接受，這個gap會一直存在。
陳楊：臨床醫(yī)生的要求擺在那邊，企業(yè)做到更優(yōu)效，才能符合他的預(yù)期，才可能被接受，在循證醫(yī)學(xué)的積累上，有更多的積累，才更有說服力。下面有請錢總。
錢真：我覺得這個gap確實(shí)是存在的，在很多AI的產(chǎn)品和軟件上往往會發(fā)現(xiàn)這樣的問題。很多時候工程背景、算法背景的專家，或者是一些科技公司，對臨床的痛點(diǎn)和臨床流程把握的程度還是不夠，很多時候是在拿著一個算法、一個方法的“錘子”去找問題，而不是從問題去推需要什么樣的“錘子”，這對產(chǎn)品開發(fā)來講是一個非常嚴(yán)肅的問題。我們認(rèn)為，只有真正把AI融入到臨床的流程中去，在醫(yī)院的環(huán)境里面使用它，臨床的痛點(diǎn)問題才能被解決，這是非常需要打磨的事情。因此，這也是我們?yōu)槭裁匆恢痹趶?qiáng)調(diào)要“產(chǎn)學(xué)研醫(yī)”協(xié)作，特別是怎么樣跟醫(yī)院一起合作，怎么樣把AI和醫(yī)生的工作真正融入到一起，這需要進(jìn)行不斷的打磨。
陳楊：醫(yī)生語言、醫(yī)生思維、工程師語言和工程師思維的對話才能產(chǎn)品做的更能夠在臨床上被使用。李老師您提到在上海有非常多的社區(qū)醫(yī)院在使用眼病?？艫I技術(shù)進(jìn)行篩查，為什么這個產(chǎn)品可以鋪得這么開，為什么這樣的技術(shù)可以這么被基層的社區(qū)衛(wèi)生醫(yī)生接受，滿足社區(qū)醫(yī)療的點(diǎn)在哪里，這個gap比較小的原因在哪里？
李文文：我非常認(rèn)同前面兩位嘉賓的觀點(diǎn)，我想從偏技術(shù)一點(diǎn)的角度來補(bǔ)充一下、闡述一下這個gap的問題，進(jìn)而說以下實(shí)踐當(dāng)中到底是什么樣子的。對于AI算法有一個特性，可能大家都比較了解，是blackbox，也就是黑箱問題，本質(zhì)是說AI算法到目前為止非常缺乏可解釋性，醫(yī)生的視角給AI一個片子，它給我輸出一個解決，為什么能診斷出這樣的疾病，原因是什么，AI沒有辦法給出很好的解釋。但是也在進(jìn)步，AI可以圈出可疑的部位，高度有風(fēng)險的部位，可解釋性仍然是很差的，這個很差的可解釋性，醫(yī)生很難接受，醫(yī)生其實(shí)非常保守，做診斷是非常嚴(yán)肅的事情，如果你沒有辦法很好的告訴我你是如何產(chǎn)生這樣的結(jié)果，大家不太愿意接受。另外一個方面，我們AI算法訓(xùn)練的一個普適性或者是generatized，比如說我們的企業(yè)想訓(xùn)練適用于某個場景的AI算法和模型，去找合作的醫(yī)院拿數(shù)據(jù)，拿了一批數(shù)據(jù)來做訓(xùn)練，訓(xùn)練出來一個模型，想把這個模型推廣到更大的范圍使用，在這個時候有一個問題，企業(yè)訓(xùn)練所使用的數(shù)據(jù)和真正實(shí)踐應(yīng)用當(dāng)中面臨的數(shù)據(jù)，數(shù)據(jù)分布可能是不一樣的。數(shù)據(jù)分布不一樣，就會極大的影響我們模型表現(xiàn)。很多時候大家會發(fā)現(xiàn)，企業(yè)說我們的算法和模型非常準(zhǔn)確，已經(jīng)達(dá)到97、98、99的精確度，完全可以應(yīng)用于實(shí)踐，醫(yī)生或者是醫(yī)院拿過來一用，可能也就是70%、80%的準(zhǔn)確率，覺得企業(yè)是不是在吹牛，為什么是這樣？這里面就是數(shù)據(jù)的問題。這就說到眼病診斷，眼病診斷一個是說從可解釋性方面，對于我們基層醫(yī)療而言，大家對于可解釋性的要求沒有那么高，因?yàn)樵诨鶎俞t(yī)療使用過程當(dāng)中是做疾病篩查，而不是疾病診斷，只要篩查一個科目有風(fēng)險，就把你推給上一級的醫(yī)院就OK了，所以我不需要給你做出最終的診斷，這個時候大家并不需要一個非常清晰的理由和很強(qiáng)的可解釋性來支持理論。模型的表現(xiàn)問題，我跟一些AI的科創(chuàng)企業(yè)聊的時候，現(xiàn)在的AI產(chǎn)品，其實(shí)是軟件和硬件可以分開看，軟件就是我剛剛提到的模型和算法，硬件是大家看到的機(jī)器設(shè)備，硬件負(fù)責(zé)拍照、拍胸片、拍眼底照片，軟件負(fù)責(zé)處理和分析。比如說我的軟件訓(xùn)練的數(shù)據(jù)，是由A類硬件來提供的，這類硬件拍照片是這個角度，亮度是什么樣的，醫(yī)學(xué)上面要求比較高的，訓(xùn)練出來的準(zhǔn)確度比較高，如果我換另外一個設(shè)備，這個設(shè)備可能拍照的時候和患者眼鏡的距離和亮度稍微有所變化了，照片的屬性有所變化了，模型用起來就非常困難，這也是在實(shí)踐應(yīng)用當(dāng)中，很多企業(yè)面臨的一個問題。所以現(xiàn)在大多數(shù)在視覺健康領(lǐng)域的企業(yè)，他們來做的是我們軟硬件結(jié)合，賣設(shè)備，也賣自己的算法，盡可能去降低我們模型在實(shí)際應(yīng)用當(dāng)中的表現(xiàn)會變得很差。
陳楊：李老師提到兩個重要的維度，一個是產(chǎn)品和模型可解釋性，一個是真正的表現(xiàn)，這個是產(chǎn)品和實(shí)踐上，臨床醫(yī)生能夠直觀產(chǎn)生信任的地方。最后有請祁總對這個問題的看法。
祁歡：前面幾位老師說的時候，我非常感慨也十分認(rèn)可，你們說的事情在我們的團(tuán)隊(duì)過去十年當(dāng)中也是常常發(fā)生的。常常一個新的技術(shù)出來之后，我們的工程師有很多新的想法，比如恨不得把語音識別用到每一個功能上，每一個地方去，每一個細(xì)胞的調(diào)整操作我也要用一下語音識別，實(shí)際上這里面有很多偽需求。秦總也談到醫(yī)療的產(chǎn)品，包括李老師也談的，醫(yī)療的產(chǎn)品人們對性能要求很極致，容不得一點(diǎn)點(diǎn)的差錯，尤其是重大疾病的診斷上不能出錯，所以它的性能質(zhì)量也非常重要，投入成本也非常高，周期長。最后我補(bǔ)充一個點(diǎn)，人工智能的出現(xiàn)是為我們的醫(yī)療器械，或者是健康提供了一種新的選擇，新的工具與方法，讓我們做提升，我們在做的過程中，不希望技術(shù)的產(chǎn)生讓醫(yī)生、讓患者付出過高的代價，所以它的硬件，以及它的軟件的成本控制和最后的收費(fèi)以及商業(yè)上，我們也希望是一種更加合理的方式。不能過度的功利化，或者是商業(yè)化擺的更重，那我認(rèn)為這個人工智能不利于在家庭，或者是在醫(yī)院里面去實(shí)施，我想它的成本控制，以及合理商業(yè)運(yùn)行機(jī)制的建立，也是一個非常重要的補(bǔ)充環(huán)節(jié)。
陳楊：祁總講了非常重要的問題，關(guān)于成本控制，AI之所以用到醫(yī)療當(dāng)中，很大的作用就是普惠，希望醫(yī)療資源能夠給到更多的患者，能夠增加他們對醫(yī)療資源的可及性。所以剛剛講到的成本控制，或者是優(yōu)化商業(yè)模式的問題，確實(shí)也是非常重要的一點(diǎn)，不能和最終的目的背道而馳。剛剛大家都談到研發(fā)端和臨床端可能存在的一些gap的問題，我想聚焦一下大家正在做的一些項(xiàng)目和產(chǎn)品，從祁總開始，您剛剛一直講到AI的閱片機(jī)，真需求和偽需求的問題，包括工程師這邊可能有非常非常多的想法，能不能真正的實(shí)踐或者是落地，我知道這款A(yù)I閱片機(jī)2013年的時候就有這個想法去立項(xiàng)，一直到去年才上線，我比較好奇的是在研發(fā)的過程中，邁瑞做哪些的前置工作去挖掘真正的需求，這對于企業(yè)來說比較看重的是什么，難點(diǎn)是什么，怎么樣盡可能不去做偽需求的事情？
祁歡：正好這個項(xiàng)目也是由我牽頭做預(yù)研的，剛剛開始的時候，我們從一個非常小的角落里面，買了兩臺非常便宜的顯微鏡開始開始做起來的。2013-2018年我們在做一件事情，希望把成像質(zhì)量做到最好，因?yàn)樵谧鲞@個事情的時候，北歐有一家公司在這個領(lǐng)域內(nèi)，在全球做到了95%以上的完全壟斷地位。他們非常自信，甚至我們曾經(jīng)跟他們合作過，我們合作說不能禁止邁瑞去做相關(guān)產(chǎn)品的研發(fā)，他說沒關(guān)系你們做吧，我們非常的自信，因?yàn)闅v史上，日本、美國、德國許多企業(yè)都做過這件事情，最后只有我成功了，所以你們做沒有關(guān)系，我們當(dāng)時還是挺欽佩別人的。邁瑞有一個相對比較大的臨床和工程的團(tuán)隊(duì)，我們花了很長時間在國內(nèi)和國際做很多的調(diào)研。發(fā)現(xiàn)即使一款被大家神化的產(chǎn)品，真正深入到臨床醫(yī)生內(nèi)部的時候，臨床醫(yī)生對無數(shù)東西都是不滿意的，其中非常重要的一個點(diǎn)，就是它的成像質(zhì)量不能滿足人們對白血病的診斷需求。當(dāng)時這個產(chǎn)品最多是發(fā)現(xiàn)樣本有點(diǎn)問題，當(dāng)儀器發(fā)現(xiàn)有問題的時候，人們要把把片子拿出來，重新到顯微鏡下進(jìn)行檢測，成像有問題，識別也有很多問題。因?yàn)橐囵B(yǎng)一個真正能精準(zhǔn)識別白血病的形態(tài)學(xué)專家，需要5-8年的時間，而且這樣的人，還需要在我們國家?guī)讉€不多的血液病中心去做專職的培養(yǎng)，才能做到這一點(diǎn)，否則是不太敢下診斷的。陰性診斷成陽性，這對病人有很大的心理負(fù)擔(dān)；陽性變陰性更是漏診的問題，識別能力也是很大的問題，包括成本問題，十年前在中國裝機(jī)可能達(dá)到200萬人民幣的水平，包括在深圳的很多醫(yī)院都裝不起，寧愿人工看好了。所以我們前五年解決一個成像質(zhì)量的問題，解決成本的問題和解決速度，這三個在業(yè)內(nèi)叫“不可能的三角問題”，我們通過技術(shù)解決掉，找到方法解決了。2017年、2018年以后，我們開始做人工智能相關(guān)的東西，有一個算法非常重要，我們是跟騰訊去合作。還有一個事情，剛剛李老師也提到了，大量的數(shù)據(jù)，我們?yōu)檫@個產(chǎn)品積累了大概有100平米的玻片倉庫，一列列玻片，有二三十萬張玻片，我們總共采集有近千萬級細(xì)胞的數(shù)據(jù)，每一個細(xì)胞都要經(jīng)過形態(tài)學(xué)的專家對它進(jìn)行標(biāo)注以后，這個數(shù)據(jù)才能夠?yàn)槿斯ぶ悄茏龊芎玫膬?。所以說它的研發(fā)周期也非常長，包括后面的臨床適用，剛剛秦嵐總也提到了，比如說高級別、中級別、低級別醫(yī)生的優(yōu)效性的比對，臨床試驗(yàn)等等，都需要花很長的時間去解決這個事情，確實(shí)時間有點(diǎn)長。
陳楊：您剛剛講了一個非常完整的過程，從前五年三個維度“金三角”的建立，到后面更加落地在臨床上的一些比對跟實(shí)踐，最終有了這么一款被臨床端所接受的產(chǎn)品。接下來我的問題給到李老師，祁總也說到醫(yī)生對于細(xì)胞形態(tài)學(xué)判斷的謹(jǐn)慎程度，剛剛您也講到說，醫(yī)生對于設(shè)備性能表現(xiàn)的要求是非常高的，包括從理論層面來說，算法黑箱沒有解決的時候，醫(yī)生是有心理障礙。包括其他的嘉賓也提到的數(shù)據(jù)問題，從您的角度，無論從學(xué)界還是產(chǎn)業(yè)界的觀察，一方面數(shù)據(jù)獲取這一點(diǎn)上，企業(yè)要怎么樣才能獲取到像您說的不會存在一些偏差的，或者是特殊的數(shù)據(jù)，讓它的模型更具有普適性，如果不幸出現(xiàn)一些問題，AI和臨床醫(yī)生的權(quán)責(zé)判斷上有怎么樣的思考？因?yàn)槲蚁脒@個可能是很多醫(yī)生在選擇自己要不要接受AI產(chǎn)品時非常重要的考量。
李文文：您的問題問的很大，我盡量嘗試回答一下。數(shù)據(jù)的問題，其實(shí)數(shù)據(jù)真的是醫(yī)療領(lǐng)域使用AI技術(shù)的一個極大的痛點(diǎn)，因?yàn)榇蠹椰F(xiàn)在可以看到AI的領(lǐng)域發(fā)展得非?？焖傺该停绕涫窍翊竽Ｐ偷某霈F(xiàn)。大模型出現(xiàn)的背后，其實(shí)堆的就是上億的數(shù)據(jù)量，這些數(shù)據(jù)是從哪里來的？很多都是從互聯(lián)網(wǎng)上獲取的數(shù)據(jù)，這些數(shù)據(jù)非常易獲取、易使用。醫(yī)療行業(yè)非常大的不同點(diǎn)是我們的數(shù)據(jù)量一個是非常有限，另外是數(shù)據(jù)的安全性、隱私性的問題，數(shù)據(jù)敏感度非常高，導(dǎo)致數(shù)據(jù)在領(lǐng)域里面的流通性不高。比如說現(xiàn)在我們觀察到的，大家都在說缺數(shù)據(jù)，企業(yè)也說缺數(shù)據(jù)，企業(yè)的數(shù)據(jù)從哪里來？很多企業(yè)說我們積極和醫(yī)院合作，每一個企業(yè)基本上都列出了很多的三甲醫(yī)院、大醫(yī)院，說跟他們合作，由他們提供數(shù)據(jù)，我們來訓(xùn)練自己的模型。我們會發(fā)現(xiàn)這些醫(yī)院相互之間的數(shù)據(jù)并不連通，或者是并不流通的，每一個醫(yī)院對于自己的數(shù)據(jù)，都是建立一個自己的數(shù)據(jù)庫，這是我們醫(yī)院的資源。因?yàn)樾袠I(yè)的一些特性導(dǎo)致說我們想要去做數(shù)據(jù)的分享非常謹(jǐn)慎，這就導(dǎo)致一個企業(yè)想要訓(xùn)練一個性能比較好的模型，就要不斷接觸更多的醫(yī)生、更多的醫(yī)院，去進(jìn)行一些合作，這樣成本相對來說是比較高的。現(xiàn)在一個趨勢，大家在提倡希望數(shù)據(jù)的互聯(lián)互通，數(shù)據(jù)在我們的領(lǐng)域里面，希望盡可能的保證互聯(lián)互通，但是這個其實(shí)非常困難，不是說技術(shù)上的問題，更多的也是管理上的一個問題。比如說眼病，因?yàn)橄裆虾Ｓ醒鄄》乐沃行?，這個在其他的省市還叫防盲辦，其實(shí)是眼病防治，負(fù)責(zé)居民的視覺健康。他們嘗試以自己的平臺、以自己的影響力搭建通用的數(shù)據(jù)平臺，把社區(qū)當(dāng)中患者照的眼底照片聚集在一起，放在一個平臺上面，再和其他的公司合作，再進(jìn)行后續(xù)的模型開發(fā)。這是一個可能的例子，但是在這條道路上仍然是任重道遠(yuǎn)的。您說的權(quán)責(zé)問題，后續(xù)我們要問到一些法律專業(yè)的人員，其實(shí)權(quán)責(zé)問題也是現(xiàn)在醫(yī)生比較抵觸AI技術(shù)的一個點(diǎn)。如果說我去充分地信任了AI，未來出現(xiàn)問題是AI的問題還是我的問題？我們所有的AI的技術(shù)以及AI落地的產(chǎn)品，剛才秦總講到拿到三類件的產(chǎn)品很多，大多數(shù)都說的是叫做輔助診斷或者是輔助治療，AI在這里面不占據(jù)主導(dǎo)地位，最后的決策者以及最后簽字者，還是我們的醫(yī)生。所以我感覺鑒于醫(yī)療行業(yè)的謹(jǐn)慎性，其實(shí)未來很長一段時間內(nèi)，還是這樣的狀態(tài)，AI是作為醫(yī)生輔助的形態(tài)存在的。
陳楊：感謝李老師回答了兩個非常重要和非常底層的問題，關(guān)于數(shù)據(jù)獲取存在一些難點(diǎn)，無論是數(shù)據(jù)的質(zhì)量還是從醫(yī)療機(jī)構(gòu)出來的封閉性、可解釋性。李老師也解答了關(guān)于權(quán)責(zé)的問題，確實(shí)是需要更多的討論，或者是各方的探索，才能達(dá)到一個共識和結(jié)論。之后，才能更有助于醫(yī)生在臨床上比較多的使用，讓AI發(fā)揮更明確更大的作用。像聯(lián)影在布局AI產(chǎn)品的時候，考慮到全譜和全棧的概念，多模態(tài)的數(shù)據(jù)，包括各種數(shù)據(jù)儀器的AI加持上都考慮到，除了診斷、篩查，后續(xù)的環(huán)節(jié)上也都有布局。在全譜和全棧的體系之下，聯(lián)影智能是怎么進(jìn)行布局的，讓產(chǎn)品盡可能多地覆蓋臨床的各個領(lǐng)域和環(huán)節(jié)？有請錢總。
錢真：AI技術(shù)可以看作是一個工具。為了解決臨床問題，很多時候AI工具如果僅僅零散地用到某幾個地方，很難形成合成的效應(yīng)。因此，我們一直在提倡全棧全譜。也就是說，我們希望在為影像科解決某一個問題的時候，能用AI從端到端全部照顧起來，為醫(yī)生賦能。比如針對肺癌，我們從源頭，也就是篩查肺癌開始，一直到最后的治療階段，其中的每一個環(huán)節(jié)我們都有一系列的AI產(chǎn)品覆蓋。在篩查階段，我們開發(fā)了一個手機(jī)小程序，可以幫助病人做一些簡單的自我篩查。同時，由于肺結(jié)節(jié)的篩查在基層難以推進(jìn)開展，我們跟華西醫(yī)院合作，將一系列AI軟件都搭載進(jìn)智慧健康管理移動車，借助CT篩查車移動化的優(yōu)勢，開到基層各個小的城市、小的城鎮(zhèn)，這樣在基層就可以享受到華西這樣的三甲醫(yī)院所帶來的篩查服務(wù)。篩查之后就是診斷，而對于醫(yī)生而言，肺結(jié)節(jié)診斷里面最困難的任務(wù)，實(shí)際上就是對肺結(jié)節(jié)良惡性的判斷。我們和華西醫(yī)院合作，共同打造了中國版Lung-RADS肺結(jié)節(jié)AI評估系統(tǒng)，可以用AI算法自動判斷肺結(jié)節(jié)低危、中危、高?；蛘呤菢O高危的分級，這實(shí)際上對基層的醫(yī)院、基層的醫(yī)生幫助是很大的。在篩查和診斷之后，就是隨訪。其實(shí)肺結(jié)節(jié)的痛點(diǎn)也在隨訪。比如病人今年做了一次掃描，明年又做了一次，多次掃描下怎樣追蹤肺結(jié)節(jié)的發(fā)展？很多時候，隨訪的記錄消失了，隨訪的病人也丟失了。因此，需要有一款適合隨訪場景的AI軟件把這個事情管理起來。我們用AI算法做了一個系統(tǒng)，這個系統(tǒng)能夠跟蹤每一個肺結(jié)節(jié)，在不同的時間、同樣的解剖區(qū)域、同樣的解剖位置，跟蹤同一個肺結(jié)節(jié)的具體進(jìn)展。對AI來說，這個是時間上的配準(zhǔn)問題，因此AI可以很好地把整個隨訪過程管理起來。隨訪管理之后，如果病人有惡性肺結(jié)節(jié)需要做手術(shù)，醫(yī)生也需要完成手術(shù)之前的規(guī)劃，因?yàn)榉谓Y(jié)節(jié)外科手術(shù)中，變異氣管、支氣管、肺動脈、肺靜脈的結(jié)構(gòu)復(fù)雜，做好精準(zhǔn)手術(shù)規(guī)劃是非常重要的。我們針對肺部外科手術(shù)的AI軟件可以幫助醫(yī)生去做好一系列的手術(shù)規(guī)劃。針對肺部科研領(lǐng)域，很多醫(yī)生想要做肺部的科研工作，我剛剛提到的科研平臺可以賦能醫(yī)生探索更多肺部疾病的未知領(lǐng)域。包括剛提到的和華西醫(yī)院做的中國版Lung-RADS肺結(jié)節(jié)AI評估系統(tǒng)，實(shí)際上也是我們跟華西醫(yī)院的科研合作開始，慢慢從科研落地到臨床的結(jié)果。所以，基于全棧全譜的理念，我們從肺結(jié)節(jié)這類常規(guī)的且很多公司在做的產(chǎn)品出發(fā)，從端到端，把整個譜系都做完全，去幫助醫(yī)生系統(tǒng)性地解決問題，這樣對于臨床流程的改變、對于醫(yī)生使用習(xí)慣的改變，會有比較大的作用。
陳楊：感謝錢總，您提到非常重要的概念，并非零散的軟件而是系統(tǒng)化的解決，因?yàn)楫吘箯募膊∫婚_始預(yù)防到后面的篩查、診斷、治療，整個全流程來看，應(yīng)對疾病本身這件事情也不是一個碎片化的，或者是一個環(huán)節(jié)事情，而是一個全流程的事情，這個也是聯(lián)影在進(jìn)行布局時一個通盤的考量。感謝錢總。秦總剛剛講到說公司的產(chǎn)品著力于決策和治療，也就是手術(shù)方面的一些點(diǎn)，我比較好奇的是，因?yàn)閯倓偞蠹以趯挿赫凙I的時候，有會講到提升效率的地方。提升效率原本是醫(yī)生能做的事情，AI做效率更高更好，像您剛剛提到?jīng)Q策上的包括治療上的事情，其實(shí)有一些是不是醫(yī)生來做，可能會因?yàn)樽约旱慕?jīng)驗(yàn)、手術(shù)環(huán)境或者是診斷環(huán)境，而不是像人就能做的這么好的，確實(shí)需要AI進(jìn)行一些參與？所以想就這個問題談?wù)勀目捶ā?/p>
秦嵐：我們選擇的方向，坦白講從整體的發(fā)展進(jìn)程來看，我想分享兩個點(diǎn)。一個點(diǎn)是說當(dāng)你選擇痛點(diǎn)的時候，我們選擇最關(guān)鍵問題的最痛點(diǎn)要首先解決。如果從技術(shù)角度出發(fā)，我非常有可能首先選擇圖象處理、診斷，但是如果我們從疾病的角度出發(fā)，就會發(fā)現(xiàn)整個疾病治療、整個診療過程中的卡點(diǎn)到底在哪里。比如說以腦血管病整個神經(jīng)介入治療為例，最大的卡點(diǎn)是在于手術(shù)難做，手術(shù)是非常有效治療預(yù)防腦中風(fēng)和急救腦中風(fēng)的一個手段，但是最大的問題在于沒有那么多的好醫(yī)生，而大多數(shù)的手術(shù)都是比較難做。所以我們是倒推，首先有一個很明確的應(yīng)用場景，有很明確要解決的問題，當(dāng)我們分析手術(shù)過程為什么這么難，會發(fā)現(xiàn)不是手術(shù)中三十步都難，而是卡脖子的關(guān)鍵技術(shù)難。中國人群腦血管，這個血管是九曲十八彎，繞了好多個彎，繞到顱內(nèi)，使得我們導(dǎo)管到位就非常困難，這是手術(shù)中非常難的一個卡點(diǎn)，我們就嘗試把這個難點(diǎn)用技術(shù)自動化去解決。一開始在做的時候，我自己不是學(xué)算法出身的，現(xiàn)在被倒逼其實(shí)也在讀自動化系的工程博士，當(dāng)時發(fā)現(xiàn)臨床問題的時候，其實(shí)我們是不了解技術(shù)的，并不知道用什么樣的技術(shù)方案能解決。但我們有非常明確的臨床痛點(diǎn)，從臨床痛點(diǎn)來出發(fā)，嘗試各種技術(shù)路徑之后，最終是靠算法解決手術(shù)方案的路徑規(guī)劃，靠設(shè)備解決醫(yī)生操作精細(xì)化的問題，提供這樣的解決方案。一個AI產(chǎn)品的好壞，要看首先解決什么樣的痛點(diǎn)，這個痛點(diǎn)夠不夠痛，當(dāng)它夠痛的時候，重新來制定行業(yè)標(biāo)準(zhǔn)，重新定義規(guī)則，會推進(jìn)術(shù)式的演進(jìn)。從傳統(tǒng)的僅靠醫(yī)生的術(shù)式，把它演進(jìn)到可以完全標(biāo)準(zhǔn)化，且把過程中對人類醫(yī)生比較困難的部分，把它摘出來，自動化完成。所以未來其實(shí)我相信類似手術(shù)治療的過程都可以演進(jìn)到人機(jī)結(jié)合的過程，我們既不追求所有都要靠AI的設(shè)備、軟件全流程解決問題，又不追求完全依賴醫(yī)生經(jīng)驗(yàn)，實(shí)際上把對醫(yī)生的要求放低，希望可以是住院醫(yī)生的水平就可以完成的手術(shù)。因?yàn)獒t(yī)療行業(yè)最終目標(biāo)其實(shí)還不是為醫(yī)生服務(wù)，最終的目標(biāo)是我們跟醫(yī)生一起為患者服務(wù)，疾病要得到治療，這個是最終的終級解決方案，這是我們自己整體的實(shí)踐過程。
陳楊：感謝秦總，您剛剛提到人機(jī)結(jié)合的概念，我覺得今天的對話，其實(shí)也能特別體現(xiàn)醫(yī)工結(jié)合的概念。因?yàn)楸热缦袂乜偅t(yī)生臨床經(jīng)驗(yàn)的加持，包括兩位，錢總跟祁總這邊算法的經(jīng)驗(yàn)，特別是在對話當(dāng)中，三家公司的研發(fā)歷程其實(shí)可以看出，醫(yī)工結(jié)合之下，AI產(chǎn)品可能才會在臨床的應(yīng)用和落地上更加順利。我們今天的對話是講了AI醫(yī)療的很多過程，無論是最底層的數(shù)據(jù)獲取，包括權(quán)責(zé)上、真人醫(yī)生和AI機(jī)器的分配，以及在產(chǎn)品研發(fā)的具體過程中，臨床的需求和算法工程師的想法和技術(shù)如何結(jié)合在一起，更好為患者服務(wù)，包括非常重要的商業(yè)化落地和商業(yè)創(chuàng)新的問題，也是服務(wù)于AI、應(yīng)用于醫(yī)療領(lǐng)域，最終想達(dá)到普惠，讓更好的醫(yī)療資源普及到每一個患者的想法和愿景。今天時間過得非?？?，也感謝四位精彩的分享，感謝大家的聆聽，希望可以給大家?guī)砀嗟乃伎几鷨l(fā)，謝謝。
最終解釋權(quán)歸界面新聞所有
評選及盛典參與，歡迎聯(lián)系2023【大健康常春論壇】組委會：
官方郵箱地址：huodong@jiemian.com
