深睿医疗CEO乔昕：临床应用是AI医疗产品的未来路径 | 爱分析访谈
调研 | 李喆 晴空
撰写 | 晴空
成立于2017年3月的深睿医疗，源自北大信息科学院人工智能创新中心，其技术、产品的积累始于2015年，并于2017年6月正式发布肺癌早期筛查产品。
公司成立至今致力于通过突破性的人工智能“深度学习”技术及世界顶尖核心算法技术，为国内外医院、体检中心、第三方影像中心等各类医疗服务机构提供基于影像大数据和互联网医疗的解决方案。
“铁三角”组成公司核心领导层 ，团队优势互补效应明显
深睿医疗核心团队由创始人雷鸣、CEO乔昕以及CTO李一鸣组成，具有很强的复合互补能力。
雷鸣是百度联合创始人之一，“酷我音乐”创始人，快乐智慧创始人兼董事长，同时也是北京大学人工智能创新中心联合主任，近年在人工智能应用领域有较深的研究和积累，能够在公司战略布局层面提供建设性意见。
乔昕作为CEO，曾任职北京三院，后来在西门子CT事业部多年，对于医疗行业、影像行业的发展和逻辑有着深刻的见解。同时，其多年影像设备厂商的资源及经验积累，将有力推进商业化进展，使深睿医疗在落地层面具备优势。
技术团队由原高德搜索部、技术部总经理李一鸣负责，与算法团队一起，保证产品的前瞻性，以及优良的性能。
多种合作方式采集数据，注重科研对于临床的价值
AI影像诊断产品的性能不仅仅取决于产品技术能力和算法模型，更重要的是训练模型所用的数据，尤其是有多年诊断经验的医生精标注的高质量数据。
深睿医疗通过与国内多家三甲医院、医生合作，获取AI模型所需高质量数据，为了排除医生在标注过程中的主观性，采取至少两个结果相互验证的方式，从源头上保证数据的准确性。
与医院合作获取数据的同时，深睿医生人工智能医学影像辅助诊断系统助力医院，与多家国内顶级医疗机构和医疗连锁中心保持长期科研合作关系，与科研人员一同运用国际前沿的人工智能技术工作，旨在支持医学科研成果为临床所用。
从实用性角度出发，科研成果只有进入临床领域，才能产生医疗价值和商业价值。
产品覆盖多病种，垂直纵深发展是深睿医疗产品定位
深睿医疗以临床应用作为产品的最终应用场景，目前产品覆盖CT肺结节筛查、X线胸片肺部疾病筛查、MRI脑卒中筛查、钼靶乳腺癌筛查、MR前列腺癌筛查以及X线骨折等不同部位、脏器的疾病等。从疾病纵深层面来看，肺癌产品覆盖了检出、分割、分类、诊断、随访全过程。
当前医疗领域大力提倡的精确诊断、精准治疗理念，很好的诠释了医疗产品的性能，即诊断的准确性和为治疗提供全面精准的信息。
疾病或者病灶筛查只是第一步，技术只有深入诊断的全过程，才能在医疗领域有最大的应用价值。其中包括全科问诊、早查、精准诊断、病历数据挖掘、手术智能导航等，并且覆盖了分诊、检查、诊断、治疗、复诊整个医疗流程。
深睿医疗深谙应用级产品的需求，未来每一种疾病的产品，都会沿着从检出到治疗的全路径，贯穿整个医疗流程来逐步完善，为临床治疗提供帮助。
临床应用是AI影像未来发展路径
当前医疗AI类产品，与真正进入临床应用还有很大差距，影像识别和诊断更多的场景停留在放射科，辅助放射科医生提升效率、提高诊断准确性。
放射科医生提供的诊断报告，最终与患者其他临床信息一起汇聚到临床医生手中，才能形成最终的治疗解决方案，整个过程依然需要临床医生凭借自己的经验给出结果。从医疗的角度来看，现阶段单独的AI影像诊断产品，还不能解决诊疗中的关键问题。
AI技术在医疗场景中最有价值的应用，是在临床阶段提供能够辅助临床医生做出决策、提供治疗解决方案并评估治疗效果的产品，这才是AI技术在医疗领域的发展的正确路径。
只有进入临床决策阶段，产品才能实现医疗价值同时产生商业价值，也就是AI影像产品的未来。深睿医疗希望产品在接下来的发展中，能够更切合临床需要，从而真正用AI辅助医生解决医疗各个环节中的遇到的问题。
近期，爱分析对深睿医疗CEO乔昕进行了访谈，现将部分精彩内容与大家共享。
爱分析：深睿医疗选择医疗影像方向的考虑？
乔昕：我原来先后在北京三院、西门子工作过很长时间，一直在做医疗影像相关的工作，看着影像技术一步步发展到今天。
亲身经历了CT扫描从层级到螺旋级，图像从二维到三维，影像设备、影像识别技术实现巨大飞跃的各个过程，这个过程中不断膨胀的数据信息都是为诊断、治疗服务的。
临床医生可以根据这些信息做出判断、乃至决策，从而帮助最终的手术治疗做的更加精准。影像科医生为临床医生的精确诊断提供必要的技术支持。影像领域最终的应用离不开精确诊断、精准治疗。
爱分析：从医生的角度出发，除了诊断、治疗，还有科研的需求？公司跟医院合作科研或者提供科研平台的原因是？
乔昕：科研在医学中是非常有意义的，科研的结果有没有临床价值，才是衡量科研的出发点。
在学术的引导下，注重临床结果，得到临床医生的认可，最终才是有意义的科研。
我们与医院的科研合作希望更多有价值的科研成果可以更快的转化到临床应用中，经过临床的考验。
从AI技术自身技术特征来看，AI是非常有潜力的，目前还没有看到底层技术的瓶颈，很多的临床问题是可以通过AI辅助的手段得到解决。
爱分析：医院或者医生对于AI辅助诊断的产品的接受度如何？
乔昕：这是一个循序渐进的过程，毕竟AI技术刚刚发展到今天，能够解决的问题还很有限，目前仍处于初级阶段，从某种程度上来说只能重现医生的部分工作。
第二个阶段是能够帮助医生解决问题同时处理医生解决不了的问题，临床上的问题复杂多样，深睿定位是一个临床应用驱动型的公司，所有的解决方案都是围绕临床医生的需求。
爱分析：从筛查到诊断的路径来看，肺癌产品现在做到什么程度？
乔昕：从检出、辅助决策到随访分析，并提供智能报告，但是临床需求远远不止与此。
比如肺部肿瘤，诊断出良恶性以后，需要决策，更需要临床解决方案，对治疗效果做评估，做康复的解决方案等，目前远远没有到可以说成熟的程度。至少CFDA还没有批准，医院也没有大规模正式采购。
爱分析：目前私有云和公有云部署方式，哪种更多一些？
乔昕：更多的是客户端的形式，现在医院对信息化、对数据的安全性和传输技术稳定性方面有一些顾虑。
另外客户端是本地部署方式，能保证更流畅的工作体验，可能也是目前比较常见的一种部署方式。
爱分析：产品线的划分是按照病种考虑的？
乔昕：我们团队多出身于GPS，所以产品会更靠近医疗产品。深睿医生Dr. Wise是整个产品系列的一个通用名称，将来会在这个基础上不断添加新的模块，完成各种不同的部位、脏器、疾病人工智能产品。
但是分类有可能会分脏器，也有可能会分病种，主要会从医生需求、临床需求层面去考虑。
爱分析：从不同类型的影像，比如说CT和X线产品所需要的模型内在逻辑是否完全不一样？
乔昕：是完全不一样的，但是在产品设计过程中的经验积累，对于科研人员、算法科学家来说都是非常重要的，尤其是临床需求的理解和积累，是从头到尾贯穿整个产品研发流程的。
通过举一反三，做过一个产品之后，会对后续产品的开发有很大的帮助。
爱分析：数据来自很多不同的医院，但是不同医生早标注数据的时候会有自己的习惯，怎么从数据标准层面保证模型的鲁棒性？
乔昕：首先在选择合作伙伴的时候，一定要选择在领域有一定造诣的医院或者医生。
第二，在这个过程当中，实际上是两个或者两个以上的资深医生针对同一样本进行标注，如结果一致，就通过。如结果不一致，会由第三个人针对同一样本再去做标注。所以标注过程相对比较可靠，尽量去除医生主观因素。
第三，训练过程也是一个反复矫正的过程，发现结果不是正确的，回过头来再去检查标注的准确性。
以结果作为目标，如果前面的标注质量差，必然影响后面的结果。产品的优化一直处于不断提出问题，发现问题从而解决问题的阶段。
临床上的问题有可能会发生在很细微的层面，如果医生标注过程中忽视，最后系统也会忽视。所以每一个关于产品的验证过程必须非常的严谨。
爱分析：训练一个病种模型大概需要多少精标准数据？肺癌诊断需要活检数据？
乔昕：基本上每个疾病需要至少大几万的数据，才能训练出一个能够进医院进行初级试用的产品。比如肺癌数据一定是有病理结果的才能拿来训练。
爱分析：疾病种类的扩展是出于什么考虑？
乔昕：现在是两个思路，重要性及紧急程度。
第一，首先筛查工作非常重要，筛查能够发现早期疾病，当筛查做得好的时候，才可以做进一步做诊断。
可能在早期的时候，很多疾病临床表现并不是很典型，如果要筛查出这类疾病，对于产品准确性方面的技术要求会更高一些。
第二，未来基层医院会被赋予更多的职能，而这些医院现有的技术力量相较大型三甲医院是更需要帮助的。而AI技术本身在临床上的表现在这方面有突出的优势。
比如基层医院的急诊环节，如遇病人无法及时转诊，然而治疗不能耽误，所以技术能够在这些方面帮助基层医生。
爱分析：前期来看，产品可能都是三甲医院使用？
乔昕：产品的应用，更多的可能是基层医院。但是从另外一个角度来看，对于每个既定的病种希望可以做到诊疗全过程，将来随着国家卫生体系的改革深化，基层医院遇到的更多的是首诊的问题，即筛查。
筛查之后，做一些早期的判断，或者疾病分类，可以在基层治疗留在基层，其他的转诊到上级医院，但是进一步的决策，进一步的治疗，或者进一步的康复，发生的场景更多的还是在三甲医院 。
爱分析：像BAT现在都在做AI医疗影像方向，创业公司未来的机会可能会在哪些方向？
乔昕：大家的侧重点不一样，像我们是非常垂直的细化到各个病种，把每个应用深化到解决方案级别。
将一项产品做透之后，就可以在各个厂家、各个地方推广，国内BAT公司，我觉得这不是他们的目标跟方向。
两种商业模式有很大的差距，我们属于更为深入的应用，将来很有可能在他们的平台上合作，大家的出发点和路径不一样。
新龙榜
新金融
企业服务
其它
Adobe | VMware | Salesforce
云快报 | Smartsheet | 青云QingCloud