在第十一届中国医院院长年会的AI新局——全流程诊断实践论坛上,我们对医学影像公司雅森科技CEO陈晖进行了采访,谈及了他对于目前AI+医疗领域的商业化思路与未来趋势的一些看法。
陈晖,雅森科技,人工智能,雅森科技,分级诊疗,智慧医疗,医学影像 对话雅森科技陈晖:医学影像+人工智能的深度商业化思考 AI资讯

宝马分分彩官网:后来就是你们看到的视频那段。

2017年11月3日至5日,第十一届中国医院院长年会在珠海举行,这是一个专属于中国医院院长群体的年度最大盛会。在今年,包括政府官员、医改专员、医院管理者、医保管理者、卫生学者、企业管理者等共约7000人出席了本届年会。

在今年的院长大会上,宝马分分彩官网+医疗的应用也成为了众多与会者关注和讨论的方向。在11月5日举行的“创想空间:智引未来”AI新局——全流程诊断实践论坛上,多位来自全国一流医院的管理者发表了对于人工智能的观点。

雅森科技CEO陈晖也发表了主题为“人工智能落地与医院AI赋能”的演讲,分享了目前人工智能在医院系统内的应用实践,以及雅森科技在这方面所做的努力,他还重点介绍了雅森新的平台化的产品雅森天玑,以及人工智能在分级诊疗制度中能够发挥的作用。

在活动后,我们也对陈晖进行了采访,以下内容由采访内容在不改变原意的基础上整理和编辑而成。

关于人工智能对分级诊疗制度的帮助

Q:在您刚才的分享中,提到了人工智能是帮助分级诊疗制度落地的关键因素之一。但是目前我们看到,有兴趣也有条件应用人工会智能技术的医院,基本上都是大医院,而基层医院和基层医疗机构在这一问题上,必然还存在硬件条件的不足,那现阶段我们怎么去帮助这些基层医疗机构。

A:首先我们要明确,分级诊疗确实是一个大方向,从国家卫计委到基层医疗机构都有这样的需求。而这件事的难度在于每家医疗机构用的设备、使用环境不一样,影像的清晰度和强度有可能不够,那用原来的训练模型可能就分析不出来。

在分级诊疗这件事上,雅森今年有和山东省的一家国企有合作,做智慧医疗平台,明年它想在这个平台上面跟雅森合作一些应用,而这些应用都是能够在基层医院做检查的,比如肺癌早期的肺结节,比如骨折。对于这些症状,我们只要求在云分级诊疗体系里先完成筛查,不做复杂的诊断,因为现在的技术水平条件和数据都达不到,但这样做至少可以帮助基层医院解决缺少医生的问题。

而真正做到分级诊疗,是一个长期的构想。

Q:那在目前这个阶段,我们除了等待基层医疗条件提升外,还能如何推动分级诊疗的实施?

A:我们现在比较倾向的是一个医联体的模式。

包括我们和浙江大学医学院附属第二医院合作的这个模式,我们在一个区域的医联体内实现质控,比如说十几家几十家医院,这个范围相对来说做质控和设备的排查是比较容易的,然后在医联体内实现AI的应用。

雅森作为一家医学影像公司的商业思考

Q:大多数从事医学影像处理的公司都挑选了肺结节、眼底这样需求比较大、容易商业化的领域作为重心,而很少公司像雅森这样在神经内科(雅森科技有针对阿尔茨海默症的分析预测方法,这是一种典型的神经内科疾病)上面进行研发的,因为这块的研发成本和周期负担都更重。那么在神经内科这个领域,雅森有哪些商业化的思考?

A:我们会重视神经内科这个方面,首先是看到脑科疾病的发病率其实很大,但是它的诊疗手段不够,全国范围内老百姓信任的能够对脑科疾病进行诊疗的医院也就五六十家,因此这里面一定是存在很大市场的。

另外,我们在这个过程中最大的收获其实是大量核心算法和关键数据。脑部纹理特征、代谢特征、血流特征需要进行的影响处理在数量上远远超过了肺部和乳腺,所以我们积累了大量的基础。另外神经内科没有开源数据库,对诊疗效果的评价也基本依靠随访,所以我们在这方面的数据积累也是未来的一个壁垒。

Q:目前人工智能+医疗公司的商业化途径大多都是解决方案的形式,帮助医生进行诊疗;而雅森现在除了解决方案外,又推出了雅森天玑这样平台类产品,这当中有怎样商业逻辑?

A:按照我们现在的经验来说,如果有比较好的数据,采用深度学习算法,有六个月左右的时间就能得到一个进行筛查工作的单项产品,这也是我们收入的第一部分。

但是我们想往第二部分走,所以一直在强调平台。我们现在看到很多创业公司在向医院推单一产品,会遇到比较大的阻力。因为这样的产品,设备加上软件内容,价格是超过了医院科室主任能够决定的范围,需要院长的审批;而院长对于这样的单一功能的产品兴趣并不是很高,他不会因为这件事花时间去和你砍价,他的兴趣点是对于整个科室的提升,例如你的产品能否让他医院的整个呼吸科得到提升,成为地区的标杆。因此,平台化的产品其实更利于推广。

所以我们觉得,要整合所有创业公司的能力,去做这样的市场份额。

数据、人才和大公司

Q:去年年底的时候,对于医学影像处理领域,所有人都在谈数据标注难、缺乏结构化数据的问题,现在这个问题解决了没有?

A:它依然是一个难题。

我们现在看到的问题,不是存在于技术上的,它的难度是在于时间周期和成本。时间周期上的问题是在于它必须经过两道复合,也就是说,我们在一个合作医院采集了大量当地医生做过标记的数据,也一定要拿到别的地方,然后再去做一遍复查,这个证据的采周期相对来说会长。

肺部数据是一个特例,它有比较好的开源数据库,尤其是国外数据库,它的数据质量非常不错,有效的降低了门槛。但对于乳腺或者神经内科这样的领域,数据就很少。

Q:今年智慧医疗的热度不光是在创业公司中,大公司对于这个方面也很关心,像阿里和腾讯对智慧医疗也投入了很多,雅森怎么面对来自大公司的竞争压力?

A:简单来说就是一句话,BAT这样的大公司做智慧医疗是玩票的,我们是玩命的。(笑)

当然,这个竞赛到最后谁赢谁输不好说,因为大企业会有一些资本上的或其他方面的参与手段,例如以收购的方式去组建一支““集团军”。但我们现在来看,智慧医疗在这些科技公司的自身业务里面是比较边缘的。

另外,目前大型科技公司做智慧医疗的人大多是计算机专业出身,用算法解决影像处理是没有问题的,但是涉及到医院的流程体系和临床应用,就会遇到一定瓶颈。

投资人也经常问GPS(GE、飞利浦、西门子,医疗器械领域的三大巨头)这样的影像设备公司会不会参与到医学影像处理这个行业中来,其实这也是一个不太必要的担心。对于他们来说,业务命脉还是在影像设备的销售上,而他们搭配的一些医学影像处理的服务,更多是为了提升自己的产品附加值,因此并不会参与到这个行业中来。

Q:雅森自己怎么解决跨专业人才的需求问题?

A:行业里面对于找人这个问题,基本上还是看口碑的。

我们在各个高校的口碑都还不错,尤其是台湾长庚大学和清华大学,这也是一个优势吧。