推想科技陈宽：推动所有医生向“智医”进化 | 原创特稿
公司名称：推想科技
领域：科技/传媒
北京推想科技有限公司，是一家人工智能高科技公司，致力于应用深度学习技术为医疗影像辅助诊断提供快捷、准确的解决方案，能够有效利用各类医疗数据创造出具有临床价值的产品，力求突破医疗影像辅助诊断现有技术水平，全面推动医疗领域精准化发展。经过数年励精图治，推想科技在全球独家首创“推想科技——人工智能精准医疗平台”，率先推出智能X线辅助筛查产品、智能CT辅助筛查产品，并在北京协和医院、上海长征医院、武汉同济医院、大连中山医院投入试用。
公司同时积极开展对外学术合作，与中国放射学科权威机构建立了深度合作关系，实现科技与医学的有机结合，为人工智能在医疗领域的技术突破奠定坚实的基础。公司先后与北京协和医院、中国医学科学院肿瘤医院等近20家三甲医院建立合作关系，成功打破人工智能在医疗领域数据、技术、应用场景分离的壁垒，开创了独具推想特色的人工智能科研运算平台。
红杉资本中国基金始终关注科技/传媒领域的投资。成立至今已投资了今日头条、滴滴出行、京东、大众点评、美团、唯品会、掌趣科技、美丽说、新浪网、大疆创新等该领域知名企业。
除科技/传媒领域，红杉资本中国基金还关注医疗健康、消费品/服务、新能源/清洁技术/先进制造等领域的投资。
***
【每日金句】
做技术的人不要“拿着锤子找钉子”，技术必须要与某一具体问题结合才有用，不要陷入“我的技术天下无敌，但什么问题都解决不了”的怪圈。
想要做成功的AI公司，必须到基层去看实际的需求。只在办公室里“画大饼”，对社会一点用都没有。
人类的进化过程，就是从人到智人，再到超人；而推想科技的使命，就是在智能化的浪潮当中，希望帮助所有医生从“医”进化成“智医”。
我其实希望最终大家忘掉我们这个公司的存在，推想科技变成了隐身幕后的智慧医疗解决方案的一部分，就像我们现在去医院看病，不会专门提到放射科里有一个CT机、X光机一样。
***
推想科技 陈宽：
推动所有医生向「智医」进化
当AI每天如飓风般地冲击着你的想象时，有远见的医院是否已经开始摘取AI低枝的果实？因为，这一领域的发展比预想来得更快。
无论怎样，AI的商业落地必须切实可行。
成立仅2年时间，推想科技已成为国内第一家形成临床应用的深度医学人工智能公司，在与日俱增的医疗影像分析需求与放射科医师数量不足这对激烈的矛盾之间，提供最优解决方案，成为医生的“第二双眼睛”。
推想科技赶上了好时候。人工智能在金融、医疗和制造等领域的应用正在迅速增长，全球 AI 风险投资从2012年的5.89亿美元增长到2016年的50多亿美元。麦肯锡估计，到2025年，AI 应用的总市场将达到1270亿美元。
2015年3月，国务院办公厅发布《关于印发全国医疗卫生服务体系规划纲要(2015年—2020年)》，提出开展健康中国云服务计划，积极应用移动互联网、物联网、云计算、可穿戴设备等新技术，推动惠及全民的健康信息服务和智慧医疗服务，推动健康大数据的应用。从百度健康云、腾讯微信医疗到阿里“未来医院”，BAT三巨头都希望争食甚至引领这个大市场的互联网变革。IDC预测，国内医疗信息化解决方案市场在2012年至2016年的年复合增长率达到14.3%，未来这一市场有望超300亿元。
赛道已铺就，选手已起跑。今年1月，推想科技获得红杉资本中国基金（以下简称“红杉中国”）与广发证券联合领投的A轮5000万元投资。在其背后，体现了红杉对于AI应用市场未来图景的思考，红杉中国合伙人计越说：“我非常看好AI在医疗领域的应用，因为从实际出发，AI可以助力医生进行更准确的判断，扩大诊疗能力，提供更好的医疗服务。以推想的产品为例，一个优秀的放射科医生可能需要十年以上的培训、行业积累，才能对病患的影像图片做出准确的判断。但对于机器而言，从逻辑上通过大量算法训练是可以达到和超过人类读片的能力。而且机器学习的能力是无止境的，将来一定会远超人类。另外，由于中国目前存在医患供需不足的矛盾，而AI是可以24小时不知疲倦地工作的，成为医生的好助手，大幅度降低医生的疲劳，从而避免出现误诊、漏诊的情况，真正实现精准医疗 。”
5月2日，在“推想科技：人工智能精准医疗平台”发布会上，推想科技在国内率先推出了智能X线辅助筛查产品、智能CT辅助筛查产品和深度学习科研平台。创始人陈宽借用《未来简史》一书的主题描绘了推想科技的愿景，他说：“人类的进化过程，就是从人到智人，再到超人，人类会使用各种手段来提升工作效率。而推想科技的使命，就是在智能化的浪潮当中，希望帮助所有医生从‘医’进化成‘智医’。”
中华放射学会副主任委员、上海长征医院放射科主任刘士远评价说：“推想科技的人工智能精准医疗平台就像是影像科医生的助手，能够降低犯低级错误的概率，提高医生的工作效率和工作质量，给予医生更多便利，这是人工智能+医疗的未来应用的必然方向之一。”
先找到“钉子”再说
“前一天刚参加完硅谷的创业比赛，后一天便匆忙飞回学校听诺贝尔奖得主讲课。”时间回到6年前，彼时，正在芝加哥大学就读经济金融双博士的陈宽就是一个“不安分的学生”和“创业爱好者”，师从两位经济学诺贝尔奖教授赫克曼（James Heckman）和汉森（Lars Hansen）。但非计算机专业的陈宽却很早就对人工智能技术着了迷，2012年，他和朋友合作，根据Twitter上网民发布的状态数据，用机器学习模型成功预测了奥巴马的连任。还吸引了很多媒体上门，愿意购买他们的成果。
而在当时，人工智能已经在美国金融行业试水，2013年，超过70%的美国二级市场交易已经由计算机自动完成，嗅觉敏锐的陈宽很快意识到人工智能在其他传统领域的想象空间。“那时只觉得好玩，但已经很确定一点：即便我读完博士还是要往创业的方向走，虽然不清楚到底要做什么。”陈说。
与许多长期游走在学术圈里的“技术男”不同，陈宽自始至终都对技术保持着清醒的认识，他最担心的就是“拿着锤子找钉子”——人工智能确实厉害，但人工智能必须要与某一具体问题结合才有用，他不想让自己陷入“我的技术天下无敌，但什么问题都解决不了”的怪圈。
为了弄清楚市场真正的需求，2014年，尚未毕业的陈宽趁着暑假回到国内，开始在各行业间游走。他抱着一台苹果电脑，四处向人展示Demo，“什么行业都有，安保、金融、农业，见了很多公司老总，听了他们的各种想法，发现问题后就继续去挖掘”。
就在暑假即将结束的时候，陈宽在深圳的一次闭门会议上邂逅了一位放射科医生，后者对陈宽的智能算法、图像识别模型产生了浓厚兴趣：“你这个技术能否做成医疗影像的辅助诊断产品？”无独有偶，4个月后，一家大型医院信息部门的高层也表达了相同的意向。
Why not？陈宽随后又做了多方调查，市场的需求得到进一步证实。
“钉子”被找到了。
从宏观数据来看，我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率仅仅约为4.1%。放射科医师数量增长远不及影像数据增长，意味着放射科医师的工作压力越来越大，超出正常负荷——超过50%的放射科医生工作时间在8小时以上，20.6%的医生每日平均工作时间超过10个小时。
如何通过人工智能的技术，结合国内的大数据，替代医生繁重的重复工作，缓解医疗资源不足的问题，陈宽有信心。
“住到医院去”
在2015年初的中国，医疗行业对人工智能和深度学习的讨论并不多，大部分医院对新技术虽然抱有兴趣却不愿投入精力。在这样的大背景下，陈宽创业初期的道路并不顺畅，如何教育市场、说服医院成了摆在眼前的难题，经常被医生扫地出门，“有些医院没听说过这些技术，还有医院采购了国外的辅助诊断设备，但因为准确率低，闲置一旁不使用”。
同时，非医疗背景的陈宽和其创业伙伴也意识到，必须沉浸到医生的日常工作流程中，了解其真实的痛点、需求，才能够真正让技术转化为生产力。
一个人，一只包，奔波数月，陈宽跑了北上广及多个省会城市里近30家医院。如果碰到对此感兴趣的医生，他就在医院附近找个宾馆直接住下，一大早跑去接着聊。
功夫不负有心人，2015年4月，陈宽成功说服了推想科技的第一家合作伙伴——四川省人民医院。
“当时我们团队两三个人全部进入到了这家医院当中，在医院旁边租了一个特别破的公寓，每天跟医生一起上班，一起加班，一起去食堂吃饭，跟大家打成一片，解决医院IT系统出现的问题.......假期的时候，大家都在放假，医院的急诊其实还继续开着，我们就跟着医生一起在加班。”陈宽回忆。
这段沉浸经历十分重要，让陈宽团队真正深入到客户需求的场景中，并探索出如何让人工智能技术在传统、保守，同时特别注重安全和隐私的医院 IT 环境里生根发芽。对医学原本一窍不通的他也成了放射科的“老大夫”。
多亏了AlphaGo去年战胜人类围棋高手的一系列胜利，让人工智能和深度学习的概念逐渐走进大众视野，许多医院开始认真审视人工智能技术。推想科技稳步扩大合作医院的名单数量，截至目前，已与北京协和、武汉同济、上海长征、大连中山等20多家三甲医院开展了深度合作。
“充满朝气和干劲。”这是今年57岁的中华放射学会候任主任委员、北京协和医院放射科主任金征宇对陈宽的第一印象，在他看来，“想要做成功的AI公司，必须像陈宽一样走进去，去和医生、医院结合，到基层去看实际的需求。只在办公室里‘画大饼’，对社会一点用都没有”。
▲陈宽的产品获得北京协和医院和上海长征医院专家的认可
从半小时到5秒钟
人工智能并不是第一个被应用于放射科辅助诊断的技术。早在上世纪60年代，美国麻省理工学院就研发了CAD（计算机辅助诊断）技术。受制于计算机硬件的发展水平，直到上世纪90年代，CAD在国内医院进行推广时的效率和准确率依然很低，无法满足放射科的日常需要。
“我们每天进行影像检查的人有好几千……比如说胸部 CT , 一个病人至少要200甚至300多张图片，一张图看3秒，一个病人起码要十几分钟到半个小时。”华中科技大学同济医学院附属同济医院放射科主任夏黎明教授说，“国内的放射科医生很苦，早上8点上班，忙到晚上10点还在写诊断报告。中午很多人都是一边吃盒饭，一边看片子。”
推想科技来了。从去年5月开始，推想科技的AI-DR和AI-CT两款产品应用到了夏教授所在的放射科日常工作中，成为放射科医生的“第二双眼”。“当时看了11万张的X光片，3000多份CT，X光片找到病灶的正确率超过92%，CT超过95%，时间由近半小时缩短至5秒。”夏黎明介绍。
夏教授提到的AI-DR是推想科技的第一款产品，也是使用最为频繁的一个，即X光的智能辅助诊断。因X光能够呈现出的信息量较少，导致很多症状在X光中反映的并不清晰，而AI-DR可以识别出其中相对疑难的症象，辅助医生完成下一步诊断。“特别是对偏远地区、缺少好的放射科医生的医院来说，这可以极大提升诊断效率和结果。”陈宽说。
CT的优势是成像清晰——它最终能够呈现出一个三维图像，医生可以看到各种不易发现的症象，但也意味着医生工作量的增加。一般来说，对正常肺部进行1.25毫米扫描后，将生成250-300张影像，医生需要从左至右、从上至下反复拖动图像，平均每张需要查看三到四次，耗时在15-30分钟。
而AI-CT使得这一过程缩短至几秒钟内。
“在实际的CT成像中，有一些结节是非常淡、非常小的，就像在晚上看天边的一朵云，非常容易看漏，但它恰恰又是恶性率非常高的结节。AI-CT可以帮助医生快速、准确的找到肺部的这一症象。”陈宽说。
除了这两款产品外，推想科技还推出了一款名为AI-Scholar产品，旨在帮助医生一键完成深度学习的建模，那些原本需要写几万行代码的程序，现在可以直接通过鼠标点击完成。这意味着即便是对人工智能一窍不通的医生，也能够参与到深度学习的建模过程，进而优化深度学习在临床当中的应用。
以这三款产品为基础，推想科技也在继续着他们的“取经之路”。“他们（推想科技）隔一段时间就会与我们交流想法，”夏黎明说，“他们在逐步实现我们的这些想法，让产品不断的完善。”
从.net到.AI
对于一直在积极布局人工智能领域的红杉中国来说，推想科技是理想的投资对象之一。今年1月，红杉中国成为推想科技的A轮领投方。
“红杉的风格和我们很像，行动力非常强。另外，对于承诺的事情无论如何都会按时完成，这跟我们公司的风格又完全一样。我们很清楚，红杉中国是与我们风格最为吻合的。”在谈及与红杉中国的合作时，陈宽说。
同时，红杉在医疗板块的品牌形象也对推想科技的业务有所助力。“很多大医院都听说过红杉中国，在医疗圈子里知名度比较高，这使我们和专家之间的沟通容易了许多。”
资本让创业加速。未来，推想科技希望能够整合各方渠道资源，实现从硬件、软件到人工智能技术的深度合作，进一步提升临床诊断的效率和准确率，甚至改善医生的工作、生活质量。
在满足胸部放射的垂直需求之后，目前推想科技已搭建完成针对脑部、腹部、骨头等其它部位的影像诊断模型。“当我们有了胸部诊断的经验、渠道和体系之后，希望能让业务进行快速复制，这是我们未来一年的基本战略。”陈宽说。
陈宽对推想科技的边界有着清晰的界定。人工智能技术再进步，也不可能代替医生做诊断，而只是扮演医生的助手，把医生从繁琐、重复的环节中解放出来。从某种程度上说，卢德主义者可以放心了——人工智能并不是非此即彼地替换人类的工作岗位，而是通过人机结合，提升效率、改善结果。
这正是推想科技所投身的这个时代创新的洪流：在过去20多年里，.net重塑了传统行业的风貌后，接下来，将是.AI再次改写所有行业的底层操作系统，并成为驱动引擎。
“我其实希望最终大家忘掉我们这个公司的存在，推想科技变成了隐身幕后的智慧医疗解决方案的一部分，就像我们现在去医院看病，不会专门提到放射科里有一个CT机、X光机一样。但只要全世界的影像诊断需求还存在，我们都能提供一种人工智能的方法去辅助医生更准确、更快速的完成，这就是我们的一个愿景。”陈宽在接受「红杉汇」采访最后说。
***
【往期回顾】