臨床應用是檢驗醫學AI技術的唯一標準

醫院場景眾多，企業不可能針對每一個場景都去開發AI產品。所以，企業必須有所取舍，并在選擇發展方向時遵循某些原則——企業必須從臨床應用出發去開發AI產品。

“我們不太可能對針對某一臟器或某一系統中的某種單一疾病去開發產品，因為那不是臨床真實的場景，我們很難想象，AI應用只會“認識”某種疾病，我們的AI需要對疾病的認識具備一定的廣度，這才是臨床應用級別的技術、產品?！彼谓菰谡劦?。

臨床痛點和真實的應用場景，是醫學AI研發的目標和源動力。

以CT領域為例，當大家都在忙于識別“肺結節”這類特異性疾病時，希氏異構看到的是該領域更為核心的需求：一是不同級別的醫院由于醫技能力、經驗的不同，CT影像質量存在很大差異；二是，如何識別病變區域，并且更好地重建病變區域的影像；我們從這兩個角度出發，解決的是臨床實際的問題。如果我們總在糾結于某一種疾病的識別，或許會偏離臨床的需求，畢竟，同一個部位、臟器會有多種病變發生的可能，只有從根本上、從廣度上解決問題，臨床才會真正接受。

希氏異構非常強調臨床的真實需求?！斑@幾年AI的‘故事’太多，現在有能力的企業，需要拿出‘真東西’給大家看看。希氏異構不僅能拿出兼顧不同領域的AI應用技術，同時也愿意基于這些技術開發創新性的AI+醫療設備。畢竟，這才是臨床能快速應用的東西。”

“拿出真東西是關鍵，AI泡沫下有黃金”。

作為一家最早從事消化領域的AI研發企業，目前，希氏在消化內鏡AI領域的研發成果覆蓋全消化道，涉及包括腫瘤、息肉、萎縮性病變、潰瘍類病變、糜爛性病變、血管病變等多類別百余種疾病。

在未來幾個月，希氏將推出針對多種不同光源下的內鏡AI早癌識別技術；涉及的部位包括傳統消化內鏡到達的上下消化道區域和膠囊內鏡下展現的小腸區域。相關應用技術已經以多種醫療設備（消化內鏡AI實時影像判定儀、膠囊內鏡影像AI分析判定儀等）和云化服務產品呈現出來，并在該領域形成立體的AI產品方案。

AI的持續研發需要四點基礎

在明確AI的發展方向后，我們還需了解AI持續研發的需求，或者說要實現持續研發，AI需要哪些核心競爭力。宋捷認為，以下四種因素必不可少。

1、醫療基因

醫療人工智能是一個科技含量很高的領域，單單的AI科學家或是臨床專家都難以做好醫療人工智能。成功的企業需要其管理者對產業有著深厚的認識，如醫療細分領域的商業模式、產品需求。

沒有對這些細節的理解，企業就難以設計出符合醫生需求的產品，不了解醫療器械及數字系統的進入模式，就難以為產品開拓市場。這些都需要積累和總結，也是企業醫療基因的重要之處。

2、人工智能技術

AI應用技術研發乍看之下似乎門檻很低，一些數據加上云端算力，使用開源算法，就可以“開工”，但若是面對海量數據，要開發真正具有臨床應用價值的產品級技術，就必須具備真正的AI技術能力，這包括：超算能力、底層開發技術，以及應用端的AI芯片研發能力，這些是硬指標。

宋捷認為，獨立的超算中心應是人工智能企業的必要條件：一方面能提供強大的算力，縮短開發周期，另一方面能充分保障數據安全。

以希氏異構的超算中心“神農1號（I期）”為例，這個搭載了64個英偉達最新的TeslaV100 GPU，并行計算能力超過90％的超算中心，能夠將常規算力下15天的計算時間縮短至52分鐘。這對于需要進行幾十次計算的模型來說，無疑是極大的提升。

當然，類似的超算中心并不是簡單可以花錢買到的商品，而是需要企業結合自身的技術去搭建。

3、深度合作的醫院

企業和醫院常規的合作常常會伴隨數據安全、法律方面以及知識產權分割等風險。尤其是知識產權方面，任何前期忽視或有法律風險的做法。都可能在未來被他人扼住企業的咽喉。

所以，企業永遠不要奢望在沒有高級別醫療機構的深度參與下，僅僅靠一點所謂的“數據”就能做出有價值的產品。

如今，希氏異構和國內多家一流醫院深度合作，以華西醫院為例，雙方同時在六個領域開展了深度合作。

希氏異構合作基本要求很簡單：明確數據來源的合法性，確定未來AI技術的歸屬權，這種有效的保險機制是企業研發成果產品化的基本保障。

4、人工智能產品化

如果說去年人工智能熱在技術突破，那么今年的核心詞就是“落地”。如今已是深秋時節，新的一年即將來臨，隨之而來的將是AI“商業化”。

AI企業想要獨樹一幟，硬件化的能力必不可少，在現代商業化模式下，AI難以走信息化產品的老路，跟隨硬件進入醫院是一個值得思考的問題；正如希氏異構的產品，更多體現為醫療設備形態。

如今，希氏異構已經有6項產品進入三類醫療器械的報批流程，AI醫療產品講故事的時代將成為過去式，新的時代即將到來。

AI究竟為醫學帶來了什么？

對于醫學，AI是復制能力還是超越認知？這是很多人為之困惑的一個論題。

“一開始，我認為AI可以超越醫生對疾病的認知，然而在從事而AI的研究過程中，我發現現在談超越還為時過早，至少在未來幾年，AI需基于人類對疾病的認識復制醫生的能力。但總有一天，AI能發現一些人類未知的東西。”宋捷在演講中談到。

如今，AI的主要功能在于運用強大的算力去解決常規方法無法實現的共性提取，進而找出疾病與表型之間的相關性。不過，現在的AI離圖靈實驗下的智能還很遠。

宋捷認為，現在AI的發展需基于能力復制，融匯貫通后方能實現認知超越。然而，“超越”一定是在人類可以驗證的范疇內完成。AI爆發之時，研究人員將傾注大量精力于驗證。

以消化內鏡為例，AI的工作是分析患者消化系統的圖像，并嘗試從海量的圖像中找出共同之處，將其歸納為法則，再用機器來執行這些法則，并在醫生使用消化內鏡時運用驗證的法則幫助醫生實時分析影像。在這個過程中，AI復制了醫生的能力，提升了檢查效率，減少了漏診的風險，但AI不能解決內鏡專家自身看不明白的病癥。而這里的缺陷，便是未來AI發展的方向。

如今，AI已在醫療領域初露鋒芒，這項技術將成為打破傳統醫療行業壁壘的利器；這種壁壘的打破，將給醫療巨大市場帶來是一場浩大的革新。