当影像学诊断遇到云计算，它将给精准医学带来什么？|专访
引 言
在国内首创激光数码医用干式胶片，这仅仅是健培创新思路的一个支撑。尽管胶片的盈利较可观，但它只是该公司走进医院的桥梁。他们的创业方向是——将机器深度学习技术应用于影像大数据，实现“用机器做影像学诊断”。
虽然将机器深度学习应用于医疗领域并不是新鲜事儿（近期IBM已宣布将为全美3.5％的癌症患者提供人工智能治疗方案），但在影像学领域，用机器来诊断疾病绝非易事。
IT出身转身医疗创业为何选择影像领域？如何打造医疗影像诊断的“AlphaGo”？人工智能最终将取代医生诊断吗？它又能为精准医学带来什么？带着诸多疑惑，火石创造采访了杭州健培科技CEO程国华。
【创新奖项】
2013中国自主品牌科技创新奖
2015DemoHealth创新医疗大赛（北京站）第一名
2016中美医药.医疗项目大赛（浙江赛区）第二名
【创新产品】
新型激光数码医用干式胶片
分辨率提高2倍、速度提高10倍，成本降低2/3，采用可降解原材料、支持彩色。医学影像诊断云（阶段性进展）
利用机器深度学习技术及大量放射科病例训练出的人工智能诊断助手。
【公司名片】杭州健培科技有限公司
【公司坐标】杭州下沙
【创立时间】2012年3月
【创始团队】 CEO-程国华
【业务范围】提供放射影像、图文报告、医用胶片等影像输出解决方案，影像分析
杭州健培科技有限公司CEO 程国华
火石创造：作为二次创业，您为什么会选择影像学的云计算领域？
程 国 华：
医疗 + 互联网的解决方案，核心是医院
我以前是做IT的，在中关村做过在线教育、在线培训，当时做了不同行业的培训，其中医疗板块做得比较好，所以我们认为医疗与IT结合或许是一个方向，于是二次创业的时候选择了这个方向。
用互联网 + 的方式来做医疗创业其实有很多方向，我们当时也选了很多细分领域来调研，但发现纯粹的互联网模式比较烧钱，比如用互联网来做轻问诊的模式，用户体验不是很好，用户粘性也不高。
我们觉得在可预见的时间内，在中国做医疗的核心是要解决医院的问题。虽然现在国家提倡医生的多点执业，也提出分级诊疗改革，确实用一些方法（包括改变医保报销比例等）取得了一定的效果，但医院的技术水平仍不均衡，病人仍然更倾向于去大医院看病，所以，我们认为解决医院本身的问题尤为关键。
帮助专家分析非结构化数据——云计算
解决医院的问题，其核心在于病例的数据分析。从技术的眼光来讲，我们把医院病例的数据归结为两类：一类是结构化数据，一类是非结构化数据。
检验报告、血常规检查、肝功能检查等以文字加数字的方式呈现的数据可以归类于结构化数据，这些数据的改变计算机完全能读出来并作分析。
而B超、放射科的影像学检查等都没有结构化的影像数据，也就是非结构化数据，计算机认识不了。我们团队就是选择帮助专家做非结构化数据的云计算来提升医疗诊断能力和效率。
非结构化数据主要分为三块：音频、视频、影像（图象），而医疗数据约90%是非结构化影像数据。这些影像文件的存储、传输、分析等都是医疗机构的负担，因此，我们要用IT的方式帮助医生利用影像来实现智能辅助诊断。
目前有些“云诊断”模式仍是“人工阅片”，只不过专家可以通过不同的终端来诊断，它解决的只是云存储跟传输两个问题，阿里云、华为云等云平台都很大，只需要买空间。而“云计算”是一种应用，云储存后的非结构化医疗数据需要用算法来实现智能判断，而这是更难的一件事。
云计算要解决的问题在于：非结构化数据怎么识别？最近五六年，机器深度学习技术突飞猛进，它让机器拥有了学习能力，可以做到对非结构化数据极高的识别率，深度学习技术应用于科技界的案例有谷歌的AlphaGo、微软的语音助理等。
我们的方向非常明确，就是将深度学习应用到非结构化影像的识别中，做医学影像大数据的认知计算技术。
火石创造：您觉得机器诊断的准确率能追上医生诊断吗？
程 国 华：
医生、专家在看影像学片时，基本上依据经验就能诊断，所以专家阅片的“质”很好，但诊断还需要很多量化分析，定位、定量的计算，而在量化方面，人力比不上机器，比如开药的时候药的剂量基本上靠医生的经验判断（估算），而计算机能够做精算，这是本质区别。
专家如果只看几张片子，他的估算准确度的高低会导致一个病人处于不同的诊疗方案，甚至可能发生“误诊”。而计算机是客观、公正的，它不会漏掉任何一个信息点，也能给专家一些提醒。
所以，我们现在的机器诊断都会标记出可疑的点，定位、定量地分析数据，未来如果配合基因、蛋白质组学等学科的数据，就能推算出精准的、个性化的治疗方案。
当然，机器学习需要大量的数据才能学得越好，如果同一个病有一百万的病例数据（各个年龄段、不同性别的各种特征、不同严重程度的病例），显然会让机器诊断更精确。
火石创造：机器可能会有误差，在深度学习的初期，如何调教机器的诊断？目前你们研究的疾病诊断率符合情况如何？
程 国 华：
很多重大疾病都需要庞大的病例数据来调教机器，而一般一个疾病需要具有十五年以上经验（尽量找十年以上的专家）的任意三个临床医生配合校正、调教机器，也就是将机器诊断与专家诊断做比对。因此我们组建了一个IT与临床医生相融合的团队。
IT团队的研发主要集中在深度学习、机器视觉和影像大数据分析。而病例数据方面我们会跟医院联合实验室合作，比如杭州本地的合作医院有邵逸夫医院、中西医结合医院等。
在中国发病率较高的疾病我们会最早关注，比如肺部、心血管、肝胆、颅脑疾病等。我们做得最早的是肺部十大疾病的诊断，目前在肺部常见疾病诊断的定性、定位、定量分析方面都取得了突破。
不同疾病的诊断精确度不同，比如肺结节现在国际上做得最好的云诊断有90%的精确度，而基于目前的样本量，我们的诊断精确度为92%。当然，我们认为每个疾病都要做到一万例以上才能做出较准确的判断，且后续还需持续随访。目前我觉得还需要三到五年时间才能针对特定的疾病在算法上进行突破。
火石创造：你们想过如何通过影像云诊断盈利吗？
程 国 华：
以传统养创新——新型的干式胶片
创业公司只做新型的线上产品很难存活，难在一个团队的组建、日常维持，以及走进用户——医院。所以我们现在形成了线上、线下影像后处理的综合解决方案，而这对医院来说更容易接受。
我们的干式胶片是数码胶片，它是影像输出的线下产品部分，也是我们最直接的收入来源，而云计算是线上的，影像经过数码处理后可以交给机器人进行云计算、大数据的分析。 未来我们希望看到自己的线上产品去替代线下产品。
新型胶片VS.传统胶片
新型干式胶片优点主要为：
1、不惧光/热，可以永久保存；
传统胶片是冲洗方式显像的，所以它也排放一些化学物质，而且输出过程较慢。冲洗的片子是靠感光感热生成影像的化学反应，遇到光照或高温会因继续发生反应而变黄，甚至消失。
2、输出很快，病人不用等;
传统的洗片方式是干洗，基本上要一分半钟/张，新型干式胶片出片时间为10秒/张，所以病人不用排队，体验更好。
3、支持彩色，符合影像输出的最新需求，更加便于医患沟通等。
现在医院的业务流程都要求升级到自助出片，所以新型干式胶片优势更大。
影像云诊断现在还没有考虑收费，未来还需要跟着政策走，但我相信可以实现收费。前段时间有新闻报道IBM的机器人医生帮助一个十多位专家无法诊断的疑难病患者确诊，并且给他对症下药。所以我们认为，机器未来可以作为辅助诊断的工具，自然也会成为收入来源。
火石创造：精准医学是医学领域最热门的话题，您认为影像学诊断与精准医学的结合点在哪？
程 国 华
精准医学可以分为两块，一块是精准诊断，另一块是精准治疗。现在国内都倾向于把精准诊断等同于基因诊断，这其实是不够的。
现在国际上流行的是多学科诊断，对肿瘤来说，基因和影像学都是其中一个核心组件，但它还包括病理、临床化验等学科，合起来就是多学科诊断。所以我们是其中的一个核心组件之一，实际上其它数据都可以拿进来，它是一个数据链。
因此，我们和其他学科领域也有合作，比如在IT方面，我们与知名院校在影像算法领域展开合作；在医疗方面，我们和病理大数据公司、第三方检验公司等也有合作。
火石创造：目前你们有融资计划吗？资金将用于哪些方面？将如何布局？
程 国 华
我们有自己的业务支撑，所以需求不那么迫切，但是公司在发展的不同阶段都需要资本的支持，用于加速研发进展、网络搭建、产品销售及售后等方面。
我们是根据业务做地域的布局，比如在某一个省做得好，我们就去那边开分公司，搭建团队，做售后。目前看来，东北、浙江、山东、河南、湖南等省份做的不错。另外，为了保证较好的用户体验，我们每年重点抓五个省份，逐步向全国扩张。
友情提示：嘉宾观点不代表火石创造立场。