對話依圖醫療方驄：全棧式AI技術是醫療產業升級的核心要素

兒科一直是依圖醫療發力的重點。

2017年9月，雷鋒網曾參加依圖醫療和浙江大學附屬兒童醫院（下稱：浙兒保）的合作儀式。那時候，雙方共同發布了兒童骨齡智能輔助診斷系統，成為行業內較早布局兒科領域的醫療AI公司。

今年2月，依圖和廣州市婦女兒童醫療中心（下稱：廣婦兒）及其他幾家機構研發的中文AI輔診系統在醫學科研期刊《Nature Medicine》上亮相。這項技術具有行業性意義，有了這項技術，計算機能夠通過NLP技術「讀懂」中文病歷，並進行初步診斷。

一個月後的3月26號，依圖醫療在北京舉行了發布會，這次的主角仍然是圍繞兒科——專門為兒科打造的智能醫療解決方案。

打開今日頭條，查看更多圖片

可以看到的是，依圖醫療在兒科領域的布局正在擴大。相較於原先一個病種的「單點優化」，依圖醫療副總裁方驄認為，兒科解決方案能夠「實現以兒童患者為中心的突破。」

會後，圍繞依圖醫療在兒科領域的進展，雷鋒網對方驄進行了一次採訪。

此次發布的兒科解決方案採用的是華為的全棧式雲和大數據底座。一周之前，在2019華為中國生態夥伴大會上，依圖醫療剛剛和華為聯合發布了智能醫療雲的戰略成果。

方驄對雷鋒網說，兒科智能解決方案的技術本身是成熟的，但是問題在於，怎麼讓技術之間實現融合，以及在技術之上「長出」針對於不同場景的應用，這個是最難的。

「如果要做兒科的全科，我們要覆蓋幾十種兒科常見病，大概要做6000個疾病的Schema，這是一件很難的事情。而且每個點上都要進行臨床驗證。每一個點都被認可了，才能做一個全科的診斷系統，解決全場景閉環的問題。」

具體來說，兒科解決方案的思路是「3+1」：通過依圖自己的AI文本技術、圖像技術和語音技術，以及構建的醫學知識圖譜，實現兒童醫療全場景的覆蓋。

診前，採用多模態信息與家長交互、實現智能導診

診中，基於海量數據訓練的兒科智能分層診斷模型和融合兒科醫生智慧的雲平台，評估兒童生長發育情況，對全科兒科疾病進行智能診斷

診後，賦能基層兒科，實現智能隨訪和智能轉診

方驄認為，所有的研發都是為了最後能把點狀的應用融合起來，從單任務到單疾病、單部位的進階，最後到以病人為中心的場景化的解決方案。它的底層技術架構一定要有上面說到的三項技術。「因為只有全棧式的多元異構的數據處理能力，才能夠切中醫療機構臨床診療的核心問題。」

值得一提的是上文提到的AI文本技術。方驄說到，2016年成立後依圖醫療就開始打磨NLP、計算機視覺等各項技術。「發在《Nature Medicine》上的成果只是最後』薄發』的那一剎那，其實為了這個瞬間，我們『厚積』了兩年的時間。」

在核心技術能力之外，該解決方案中還有一個數據資源池。這個數據資源池如果按照病種分，就是各個病種的單病種資料庫。如果按照使用用途來分，就是科研、臨床和運營資料庫。

至於具體應用，就是針對兒童在健康檢查和臨床診療的診前、診中、診後全部流程的全棧式應用。

上海長征醫院影像科的劉士遠教授曾在演講中提到，醫學影像AI模型的發展需要滿足臨床需求，多任務多病種研發是AI產品的目標。

方驄坦率地說到，依圖醫療是從單病種開始做，才意識到要做全科疾病。當時，依圖醫療的自然語言處理技術已經成熟，但是不知道應該切入的醫療方向是什麼。後來，在與醫院的實際溝通中發現，圍繞單病種的科研教學、臨床管理和臨床治療是醫院的實際需求。

2018年6月，依圖與華西醫院發布了兩項雙方合作研發的肺癌人工智慧成果：肺癌臨床科研智能病種庫，及肺癌多學科智能診斷系統。

「肺癌臨床科研智能病種庫」納入了華西醫院2009年至今收治的確診為肺癌患者的全周期脫敏臨床數據，利用AI技術，對影像數據、基因數據、病理數據、文本數據等非標化、非結構化的臨床數據進行清洗、處理。

方驄表示，一期工程錄入了3萬份全周期的肺癌病人資料庫，並且把數據提取精度提升到了99.3%。以往信息科要手動檢索尋找數據。現在通過單病種智能資料庫，關於肺癌病人的任何數據，大概分鐘級就可以搜集到，並且可以看到主訴、既往病史等多維度數據。「這些能力，對醫生來說，非常管用。」

「兒科全場景」的另一個關鍵詞是「兒科」。依圖醫療為什麼想要做兒科？

方驄說，當初選擇兒科切入是本著一個非常樸素的想法——解決兒科醫生短缺的問題。

從戰略層面來看，中國0到14歲的兒童有2.6億，中國的兒科醫生只有13.5萬，而且這個數字不斷變小，大概2600個孩子中國孩子能夠分配到一個兒科醫生。

方驄自己親身經歷過到兒科就診的過程，「平均等待時間七、八個小時」「24小時人滿為患」，「在那個氛圍里，你會覺得是做兒科醫生是最糟糕的一個職業，但又是最重要的一個職業。」

另外，由於兒童沒有準確表達病症的能力，因此被稱為「啞科」，要家長代為複述。這樣的學科特點也是人工智慧技術切入的一個非常好的場景。

從戰術層面來看，成人全科很難實現閉環，但兒科比較容易實現數據的集中和臨床的多中心。方驄認為，找出一個省里最有代表性的醫院，可以最大程度代表區域內所有兒童就診的環境，比如說依圖醫療的骨齡產品，從與浙兒保的合作開始以後，依圖醫療先後和北京、上海、陝西等地的頭部兒童醫院建立合作關係，目的就是為了讓數據豐富起來、更具有統計學上的意義。

而且，依圖醫療早期合作的幾家醫院，例如廣婦兒、浙兒保等醫院的級別和信息化評程度比較高。在原有的信息化基礎上進行AI應用的部署，難度就要小很多。

所以，「做兒科全病種看似很偶然，但背後有很多必然的因素。」

此前，劉士遠教授在演講中曾經說到，「醫療AI很火，但也存在被消費的情況，做企業的人也很辛苦。」

這是醫療AI行業從業者的直觀感受，因為直到現在，大家都沒有找到一條比較好的出路。方驄笑著對我們說，「很多記者朋友問我們，你們為什麼不做To C？為什麼先做To B，To B很累。」

一方面來看，依圖醫療是想利用AI醫療解決核心的醫療問題，選擇To B是必然的方向。

依圖醫療的策略在於，通過To B構建壁壘和黏性，再做To C。「肯定要等B端成熟以後再做。如果先做To C產品，等於是違背了我們改善醫療資源配比率的創業初心。」

另一方面，沒有急著做To C，方驄認為是有原因的。「走C端的前提是什麼？是B端能夠解決眾多的場景問題，病種的垂直應用都已經非常成熟，才能做到全科。To C的產品沒有太強的壁壘。作為一個創業公司，如果你的用戶量還小，又贏得了一些流量的話，很容易被大的公司吞併掉或者收購掉。」

在健康診療AI階段，依圖醫療和廣婦兒、廈門大學中山醫院和溫州市婦女兒童中心等多家醫院開始了貫穿整個兒科診療流程的合作。

以廣婦兒為例，廣婦兒的互聯網醫院已經上線，支持在線導診、挂號、AI問診等一整套線上醫療服務。到2018年12月，依圖醫療面向C端的產品「小依預問診」上線七個月，為超過7.7萬名用戶提供服務，系統的在線服務時長超過21萬分鐘；小依輔診產品在2019年第一季度的調用量也超過了3萬次。

除此之外，依圖醫療也計劃將健康檢查場景閉環。2018年11月22日，依圖醫療與愛康集團在兒童生長發育監測、高發癌症的篩查體檢領域展開合作。據方驄透露，未來，愛康國賓的幾家連鎖店將上線依圖醫療SaaS化的健康智能診斷系統，逐步在國內落地這款智能兒科雲平台。

除了B端、C端外，依圖醫療現在和G端的合作思路就是，依託於某一個特級貧困縣的縣人民醫院或者是以上級主管醫院為中心，利用AI的技術能力完成智能轉診、重疾早篩的工作，把因病致貧的情況降到更低。

方驄相信，在未來的1到2年里，服務更多場景的智能診斷方案會越來越多的湧現出來。因為點狀任務成熟以後，融合、賦能、共享必定是大趨勢。「AI能力的一個體現，是基於多中心、大區域、大樣本的數據，給出越來越精準的解決方案。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！