0
| 本文作者： 叨叨 | 2017-06-20 09:15 |
雷鋒網新智造按：自人工智能技術火熱以來，就不斷有人想要在醫療領域“搞事情”，應用最多的就是和醫療影像的結合，輔助醫生做糖尿病篩查、癌癥診斷等，減輕醫生的工作負荷，提升診斷效率。但也有不少從業者對準確率產生質疑。雷鋒網新智造采訪了國內初創公司推想科技的創始人陳寬，詳細聊了聊他的創業故事，以及人工智能在醫療影像中的應用。
陳寬此前就讀于芝加哥大學，先后師從Gary Becker、Robert Fogel、James Heckman、Lars Hansen四位諾貝爾獎得主。陳寬和他的推想團隊致力于將深度學習應用在癌癥診斷中，目前已經取得了一些成果。同時，推想科技也是「新智造成長榜 2017 」的報名企業。
* 推想科技創始人 陳寬
創業是一種什么體驗，或許可以從陳寬的兩段回憶里看出個究竟。
第一段回憶，來自學生時期，陳寬在芝加哥大學從本科讀到了博士。本科畢業論文答辯，是在草坪上進行的。諾貝爾經濟學獎獲得者 James Heckman 坐在草地上，連同其他幾個芝大經濟學老師，一邊吹著風，一邊聽學生們的“匯報”，互相探討一些問題。
第二段回憶，來自創業初期。2014年底，陳寬從芝加哥大學“輟學”，停止攻讀博士學位，和親戚借了一筆錢，請了兩三個人組成小團隊，在四川一所醫院旁邊住了下來。這是一所非常破的房子，不僅窗外是個垃圾堆，連房間里都是垃圾，樓下是四家火鍋店，煙囪對著吹。住進去的第一天，沒有熱水，燈也不亮，喂了一晚上蚊子，第二天一大早跑去醫院工作，陳寬說他四天沒洗澡。
從芝加哥大學的草坪到四川的臟亂出租屋，從經濟學大師 James Heckman 到放射科的醫生們，境遇的變化告訴陳寬——這就是創業。
有一天去路邊吃了一個小火鍋，當時包里面只有一臺電腦，電腦里有資料、數據、技術，就是我的全部東西了。而一邊吃一邊想，過得挺苦的，是不是都值得。還想到了汪峰的一首歌叫《春天里》，當時可能什么都沒有，但就是覺得好像什么都沒有，好像什么又都在掌握之中。
陳寬說的什么都沒有，是因為當時甚囂塵上的是互聯網醫療，醫療行業根本沒有人過多提及人工智能或深度學習的應用。
但陳寬認為，互聯網醫療沒有解決根本問題。
2014、2015年恰恰是互聯網醫療特別火的時候，無論是創業者還是資本，都對此趨之若鶩。陳寬在這個時機回國創業，但他不想做互聯網醫療，說人工智能和深度學習，卻又聽者寥寥，都不是很想參與進來。
他認為，醫療行業最核心的問題，其實是產能不足。一方面，好醫生非常有限，且都集中在大型三甲醫院，偏遠地區或許連醫生都沒有。在另一個方面，越是好的醫生，工作負荷越大，工作時間超長。這是典型的“產能問題”，而互聯網解決的是“渠道問題”。互聯網、O2O，只能讓本來工作就很忙的醫生，變得更忙，卻收益微薄。
而要解決“產能問題”，需要靠新技術。于是，陳寬和他的小團隊，在極其艱苦的環境中，扎根在四川的醫院放射科，不斷和放射科的醫生們進行臨床的實驗，改進技術。2016年1月，AlphaGo 出現，人工智能被迅速炒熱，順便也帶火了人工智能在醫療行業的創業潮。
2014年底，陳寬決定停下博士學位，回來創業的時候，無論是他的同伴，還是他的幾位諾獎獲得者老師，都勸他繼續把博士讀完，再另做打算。但他堅信人工智能一定有會爆炸式的發展，只是不知道什么時候會發生，他要趕在這個行業爆炸前，有一些鋪墊和積累。
陳寬向雷鋒網介紹說，醫療是一個非常小的、鋒利的圈子。具體到推想想要切入的影像領域，全國最主要的三甲醫院放射科主任，基本是在一個微信群里，做的好和或者做的不好，會快速在群里傳開，要進這個圈子非常困難，但反過來一旦切進去之后，擴展很快。
而陳寬在四川的那段“艱苦歲月”，讓推想干成了這兩件事：完成了“鋪墊”，也進入了“圈子”。
具體在產品層面，推想主要的工作可以分為三部分：
智能 CT 輔助篩查產品（AI-CT）
在影像醫療領域，CT 是一個大的趨勢，所有的東西都能看清楚，但拍一次有300多張影像，一個醫生看下來，非常消耗時間和精力。國家在盡量推廣 CT 的使用，但必須解決的一個問題就是需要大量的醫生來“看片”。陳寬認為，人工智能就是一個解決的辦法。
在早期肺癌篩查中，推想的智能 CT 以其并行運算能力，能夠挖掘肺癌的核心特征點，判斷不同序列影像是否存在疑似癌癥的特征。通過與醫生診斷對比，智能 CT 輔助篩查產品能夠提升肺癌篩查的效率，同時人工智能對半實性與磨玻璃結節等早期肺癌征兆展現出了更好的敏感性，能夠幫助放射科醫生提升診斷的準確率。
* 智能 CT 輔助篩查產品（AI-CT）界面
智能 X 線輔助篩查產品（AI-DR）
由于成本較低，X 線始終是基層醫院篩查的第一手段，但就目前來看，影響力在降低，很多病兆，通過 X 線不容易看出來，特別像磨玻璃結節。但是，在通過人工智能技術增強后，很多原來人眼分辨不出來的東西，機器能分辨出來。
推想科技的智能 X 線輔助篩查產品能夠對心胸部位的20多種不同病灶進行判斷，既可以幫助體檢醫生迅速篩檢出存在病灶的影像，又可以在門診住院病例的診斷過程中迅速標識出病變位置。尤其在肺結節檢測上，表現突出，在合作醫院試用過程中檢測出數例險些被遺漏的肺癌病例，為放射影像診斷的質量提供了保障。
陳寬預測，很多人一開始覺得 X 線會被淘汰，但在結合了人工智能技術之后，它的作用和價值還是無可替代的。
* 智能 X 線輔助篩查產品（AI-DR）界面
深度學習科研平臺(AI-Scholar）
推想的智能深度學習科研平臺集成深度學習核心算法與功能，擁有穩定的GPU運算能力，每秒可處理和運算超過100張高清醫學影像 Dicom 數據。科研平臺包含超過50種深度學習業界前沿的核心算法，可以利用集成好的算法合并、拼接定制符合實際應用場景的深度學習模型。即使是沒有編程背景的醫生，經過培訓也可以熟練掌握和完成深度學習建模，讓前沿專業的深度學習建模更大眾化。
整體而言，在內部測試的肺癌篩查中，面對早期征兆，推想的產品能夠輔助醫生將漏診率降低40% 以上，尤其對于磨玻璃結節——沒有明確邊緣，肉眼很容易漏掉的部分。但這部分非常危險，早期有59%的可能變成肺癌。
在未來，除了影像醫療方面，影響癌癥的另一個因素是基因，推想科技也將在基因方面進行整合，共同輔助醫生提升診斷的準確性。
目前，推想團隊由 100 多人組成，每一個新入職的員工，都必須要深入醫院開發、實驗，駐扎至少三個月，跟醫生保持實時互動、反饋，快速得到臨床需求和檢驗。
推想共完成兩輪融資，總額超過6000萬，天使輪投資方為英諾天使基金以及臻云創投，A輪為紅杉資本、廣發信德-廣發證券，天使輪投資方本輪繼續跟投。
此外，推想經過了兩年多的產品、渠道積累，目前正在進行商業化試水，并積極開拓全球市場，現已在日本建立了事務所，歐洲、美國等地也在進行洽談。
在AI+醫療影像這個場景中，玩家其實不止推想一個，比如國內還有 DeepCare、圖瑪深維、雅森科技等其他創業公司，以及匯醫慧影、醫眾影像、醫渡云等涉足硬件的影像云服務廠商等，面對同行的競爭，陳寬說：
我個人覺得是一件好事，我們也很愿意在一個充分競爭的行業里面保持領先的狀態，不管是對于我們還是對于行業來說，都是會有幫助的。當然我也會持謹慎的態度，我并不覺得所有的這些號稱自己在做影像人工智能的團隊，都在真正做這個事情。我不希望有一些不靠譜的團隊進來把這個市場搞亂了，沒什么產品，也沒有通過臨床的驗證，更沒有獲得很好的產品反饋，有些甚至連國家認證都沒有，這對于我們整個行業來說，是非常負面的影響。
而他認為，如果推想能夠在競爭中保持領先狀態，一定依靠的是扎根在醫院，直接得到醫院、醫生的反饋，清楚地知道產品在臨床應用時的優勢與劣勢。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
