對話推想科技席渭齡：零門檻、可視化的AI科研平台，對醫生的科研工作意味著什麼？

近日，推想科技在北京發布了AI學者科研平台——InferScholar? Center，為醫生提供零門檻的AI科研能力。醫生可以把深度學習、影像組學以及文本數據處理相關的前沿技術應用到自己的臨床科研實踐中。

AI在醫療領域的應用是一大熱門，圍繞篩查、輔助決策等開發的AI產品層出不窮。這些產品在一定程度上，減少了醫生在臨床工作中的負擔。但是，醫生很忙，除了每天的臨床工作，他們還承擔著大量的學術科研任務。

推想發布的這款平台，主要定位於醫生的科研創新需求。科研平台能夠給醫生帶來哪些實際價值，其背後又有哪些戰略思考？就這些問題，雷鋒網與推想科技營銷總裁席渭齡以及科學家等人進行了一次採訪。

（推想科技營銷總裁 席渭齡）

臨床和科研，是醫院和醫生的兩個硬需求。

去年8月的一次論壇上，中南大學湘雅醫院院長孫虹明確表示：如果沒有國家自然科學基金的，沒有比較高的學術地位的，不管多有水平的醫生，在湘雅醫院都不能當科主任。科研在醫生進階過程中的分量可見一斑。

臨床科研，是循證醫學的需要，現在臨床上能達到的水平遠遠不能滿足人類對疾病的探索，對治療方案最優解的追求。對於醫生來說，一邊做臨床，一邊做科研，兩條腿往前走，醫療才能發展。

但是現實情況是，醫生大部分時間都在處理臨床問題，很難有時間去做科研。《中國醫生生存現狀調研報告》顯示，77%的醫生曾一周工作超50小時，更有24.6%醫生曾一周工作超過80小時。「

「過去我在傳統器械商的時候，CT只有一層圖像，20多年後，胸部掃描有300多層。技術的進步讓醫生對患者的疾病認知更清晰，但我也親眼看到醫生的負擔是如何增加的。」席渭齡是推想科技的營銷總裁，在此之前，她曾在飛利浦工作超過22年。

醫生做科研，一方面是缺乏時間，另一方面則是沒有技能。「很多時候，醫生並不是寫不出論文，而是缺乏數據處理的能力。這是制約醫生進行科研的重要原因。」

處理數據能力的短板成為醫療數據被閑置的一個重要因素。據美國臨床腫瘤學會（ASCO）統計，美國也僅有不到3%腫瘤患者的數據被結構化用於研究，剩下97%的數據都閑置在醫院的醫院信息系統（HIS）里或者病歷病案室中。

2017年深度學習的爆發，讓很多醫生開始利用一些新的技術來做科研。「我們發現臨床醫生有高質量的數據，也特別有想法。但是，醫生缺乏IT和數學技能來利用這些數據。」

這是因為，從事深度學習和影像組學研究往往需要具備紮實的代碼能力，以及全面的數學、統計、計算機工程基礎，甚至還需要認知科學的理論常識，形成這樣跨學科的知識體系往往需要多年的系統化訓練，也成為了深度學習和影像組學研究最高的門檻。但是，絕大多數醫療機構缺乏進行深度學習及影像組學研究的基礎設施和專業人員。

推想科技首席臨床科研合作科學家沈雲博士在AI學者科研平台InferScholar? Center的發布會上曾說，專家是AI開發與應用的核心力量，有沒有辦法讓醫生跨越編程的障礙、賦能醫療專業開發能力是AI的重要命題。

醫院和醫生有很強的科研需求，但醫學與IT的天然鴻溝，需要一個可以跨越不同話語體系、降低學習門檻的操作平台，讓AI可以成為臨床科研的有效工具。席渭齡說到，AI本身是一項通用技術，並不是專門由醫療派生的東西，把AI技術用在醫療領域時，兩者的結合非常困難。

因此，推想科技投入科研平台的研發——讓醫生「零門檻」、「全程可視化」的簡單易用的AI科研平台。

具體來看，推想發布的這款AI學者科研平台——InferScholar? Center，是軟硬體一體的醫學AI設備，有50種前沿的深度學習與影像組學演算法，可以用於醫學影像大數據管理與分析、數據標記、深度神經網路模型構建、影像組學特徵提取、組學特徵分析與機器學習模型構建等研究。

當然，這款平台也支持創建、修改、編輯模型源代碼的功能，讓具備代碼基礎的研究人員依據個性化的需求編輯預置模型代碼或者創建全新模型。

根據雷鋒網的了解，平台能應用於X線、CT、MRI、PET/CT、病理切片、消化內鏡等多種影像數據的深度學習與影像組學建模。除影像數據外，InferScholar? Center還能夠合併利用臨床結構化文本信息，研究各類醫學命題。

在具體操作上，醫生只需根據界面錄入相關數據，並對相應參數進行設置，即可完成準備工作。對於每一個參數的調整系統都會給出一個可視化輸出結果，醫生能根據預先結構優化已有模型。

完成準備工作後，平台會藉助成熟的演算法對醫生所給出的數據進行處理，醫生只需等待平台運行並給出相應結果即可。

推想的科學家表示，利用InferScholar平台研發的科研成果，都會有對應論文的產出。在論文中，AI科研平台會詳細闡述訓練數據集的採集方案、標註方案。同時也會闡述該研究成果利用InferScholar平台研究過程中使用的演算法方案，學者一般可以根據這些信息來複現場景。

除了保證科研成果的「可解釋性」，醫學數據的安全性同樣重要。InferScholar? Center考慮到了醫學臨床科研的安全性需求，採用軟硬體一體機的方式，直接交付到醫院，在與互聯網完全隔離的環境中工作，能做到數據不出院，保證醫院所有的科研數據、模型演算法、研究成果沒有泄漏的風險。

推想的科學家也表示，如果多家醫院進行協作科研，聯合使用InferScholar? Center平台，推想會在所有醫院都認同的情況下，提供區域性數據共享的解決方案。這些需求在產品上都能實現，更多取決於醫院本身的訴求。

2018年11月，推想科技成立「推想科技全球臨床科研合作學院」，沈雲博士加盟並擔任臨床科研合作學院院長及首席臨床科研合作科學家，主要負責醫療影像AI臨床科研的工作。

推想科技兩大科學家團隊——全球臨床科研合作學院（iCR）和另一個由科學家團隊組成的先進研究院（iAR）將圍繞InferScholar? Center，為平台上的醫療科研人員提供基礎模型以及臨床研究的各類開發、培訓、輔助等服務。「大家一起制訂研究方向，把方法論、工具交還給醫者，讓他們進行選擇與訓練，這就是定製化的科研服務。」

席渭齡說到，推想未來的戰略是，在保持產品與科研齊頭並進之外，思考如何能在更縱深的應用場景里發展。往更遠處看，這個AI科研平台就是未來推想和醫生科研的基礎。InferScholar? Center可以由醫生完全主導基於AI的醫學研究，未來會有更多研究轉化成產品，這樣可以更快地推動醫療技術、醫療事業的進步。

目前，推想的InferScholar? Center平台已在同濟醫院、長征醫院等頂級三家醫院得到應用。

今年三月，韓國的幾位醫學博士發表了一篇論文。研究表明，90%在研究期間發表的醫學影像AI演算法性能的評估實驗，都是為驗證技術概念的可行性而設計，沒有對AI演算法在實際臨床環境下的性能進行嚴格驗證。

在採訪中，席渭齡也提到了，臨床環境驗證是一個很重要的問題，沒有在臨床環境當中驗證，這個產品就不是真正可靠、有效。

說到臨床環境的問題，雷鋒網在推想公司的總部看到了一個有意思的現象：有兩間相鄰的辦公室，辦公室的名字很特別，分別是「神經外科」和「神經內科」。但這兩個辦公室並不是為醫生團隊準備的，而是兩位創始人的辦公室。工作人員跟我們說，「神經外科」是CEO陳寬的辦公室，「神經內科」則是COO王少康的。

也許辦公室的命名，只是兩位創始人的一種幽默感和自嘲。但在某種程度上來看，也多多少少能反映創始人內心的一些東西。陳寬一直堅持的是「從臨床中來，到臨床中去」的理念，在此前的一些採訪中，他曾說會讓技術研究人員輪流呆在醫院，每天跟醫生一起工作，通過臨床案例去了解醫生的需求。

比起一兩年前「取代醫生」的論調，如今的技術人員愈發尊重醫生的工作流程和工作需求。2018年，與推想有合作關係的醫院應用AI技術在RSNA上的投稿數量只有6篇，但是，截止到2019年3月26日，投稿量已經超過100篇。席渭齡說，這些論文全都是在醫院真實的臨床環境當中做的。AI科研平台「就是為了讓AI產品得到臨床驗證，能夠證明它的可靠性、有效性。」她還笑著說，「今年我們曾和沈雲博士開玩笑，讓他們投到150篇的論文。」

陳寬曾表示，醫療行業任何商業模式都建立在產品能在臨床上發揮價值的前提下，只要做到這一點，商業化不是太大問題，推想在做的就是為這些醫院提供更好的體驗，提高產品黏性。

在醫療AI的盈利模式尚不明朗之時，與醫生進行科研合作、進一步加深雙方的默契和緊密度，是一條可行的道路。關於AI科研平台的商業模式，席渭齡在採訪中說到，「我從來沒有懷疑會缺少商業模式。否則，我不會跳出工作過22年的飛利浦，如果說真的有風險的話，那就是產品是不是真的符合醫生的需求，醫生是不是願意用。如果他願意用，就一定會付費。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！