刘凯是上海某三甲医院的放射科主治医师，平均每天经由他审核的普放、CT、MR的影像片子多达300-400例，有时仅上午审核就要超过200例。从上午8点到中午12点，一共240分钟，算下来平均每个病人的诊断时间只有1分钟。刘凯需要在这一分钟内对图像进行肉眼扫描，稍有不慎，就有可能错过病变，耽误最佳诊疗时机，继而威胁到病人的生命。
| |||||||||||||||||||||||||||
这就是当下医疗领域的缩影，放射科医生属于稀缺资源，每天需要写上百份诊断报告，人工肉眼诊断又存在大量不确定因素。近两年来，无数人工智能企业试图改变医疗影像这个行业。
2014年底，陈宽杀入医疗领域，创办推想科技，运用深度学习技术在医生影像诊断中提供辅助性筛查方案。目前，与推想科技合作的大型三甲医院在50家左右，部分医院的使用率和点击率能达到80%。在医生漏诊率达30%的磨玻璃结节诊断上，推想科技的漏诊率可降低到10%以下。
前医生靠肉眼与非结构化影像之间的对决，随着辅助医疗的介入，战场在悄然改变。
AI与医疗相结合
2014年年底，陈宽放弃了芝加哥经济和金融双博士学位，带着奖学金和拼凑的几十万归国创业。
这一年，他26岁，AI+医疗影像还不为大众所知。两年后，谷歌研发的AlphaGo完败李世石，人工智能在全球引起广泛关注，同类型的创业公司相继蓬勃而出，百家争鸣。
在芝加哥大学读博士期间，陈宽主要学习AI在金融经济领域的运用，两位导师James Heckman和Lars Hansen都是诺贝尔经济学奖获得者。陈宽曾利用AI模型预测奥巴马的连任，也尝试过预测股票等项目，但一直没找到能够真正解决行业痛点的场景。
直至2014年8月某次会议上，陈宽在展示AI模型时，一位放射科医生提出如果把技术用在医疗影像的辅助诊断上，将会非常方便。因为他们每天需要看大量的影像做出诊断，难免会有漏诊，这个技术可以帮助他们避免很多重复性工作，提升效率。
2015年，陈宽决定以临床情景为核心，从胸部影像入手。在胸部CT中，早期肺癌会表现为实性结节、磨玻璃结节、半实性结节。其中磨玻璃结节有59%的概率会恶化成肺癌，但其影像看上去非常淡薄，稍不注意就可能被忽视。陈宽推出一款辅助筛查产品，通过深度学习和运算，判断影像中是否存在疑似肺癌的特征。
当时X光正处在下坡阶段，相比于三维的CT，X光在二维层面有很多病灶都很难解读，并且研发效果不理想，包括医生、团队内部纷纷反对投入一款夕阳产品。
「毕竟它是在全国范围内检查量最多，影响范围最大的」，陈宽考虑到受众和社会使用程度，坚持研发X线辅助筛查产品。最后大家用AI和人工筛查作对比发现，AI在X光上能看到人眼都看不到的东西。曾有一位患者，医生判断其双肺未见明显异常，结果AI把病灶标了出来，双方争执不下，建议患者去照CT，一查果然是肺癌。
「我相信可以解决很多X光造成的漏诊，一部分人为造成的漏诊可以通过AI的手段来减少」， X光线下，不同器官的影像会重叠在一起，之前就发生过有医生因为膈肌阻挡，而忽视了膈肌后面结节的情况。这种情况人眼难以发现，但是AI就能找到。
除此之外，AI还能追踪病灶发展变化，判断之前治疗效果是否有效。有些细小结节的变化通过人眼很难发现，但是通过AI可以计算结节的长度和大小变化等等，给下一步治疗方案提供建议。
为了让产品能够在不同医院跑通，陈宽团队在研发过程中解决了两个问题：
首先，提升鲁棒性（在一家医院的模型是否在另外一家医院可以使用，保持比较好的准确率）。
推想科技原来在四川省人民医院做的模型，放在其他医院并不适用，一方面由于之前买不起服务器，数据量有限，另一方面每个医院的诊断方案标准不一，造成了过度学习四川的方案，出来的模型不精准。
解决这个问题，要从源头上寻找数量最大、最优质的数据让模型去学习。在有一定知名度后，推想科技会选择更有代表性的医院进行合作，融合北京、上海、广州地区优质医院数据，同时集合飞利浦、通用电气等不同设备数据，让模型学习不同变量和不同情况，这被陈宽称之为「最笨的方法。」
除了这种笨方法之外，由于地缘优势，推想科技的深度学习专家是和医生坐在一起的，一旦出现异常变量，马上和医生沟通，然后修改吻合到模型算法当中。
第二，解决产品的易用性和有效性问题。结合医生的临床路径，要将产品嵌入医生工作流程中。解决的前提是要把医生的使用方法摸透，考虑到所有的可能性。比如，影像进来到医生做完诊断一共需要多长时间，如果产品不能在5秒钟之内把所有结果呈现出来，那一定是某个环节出了问题。
据陈宽透露，目前大部分医院可以实现一秒之内呈现结果，医生只需要点一下按钮。但即使这样，依然需要培养医生的使用习惯。「大部分医生觉得每天看片子很累，但已经习惯这种累的状态，不想再学习其他方法了。」推想科技产品负责人俞静说。
敲开医院的大门
「你以为你是谁，还来忽悠我？脑子被门挤了的人才会和你们合作，赶紧滚！」砰的一声，门猛烈的关上。
陈宽被推搡到门外。他在树荫下静静地站了一个小时，反复给自己打气，一会儿还要精神抖擞地去下一个医院。
「医院是个很封闭很保守的组织，市面上甚至全球都没有成熟的先例情况下，让他们去尝试或接受新物种是非常困难的」，推想科技想要打开市场，与医院关系的建立和维护必不可少，前期需要利用他们的影像数据验证技术的可行性，后期还需要市场推广和销售。
但陈宽经常被扫地出门。2015年，他一个人带着2个实习生，在没有任何医疗背景的情况下，接连碰壁。从2015年初到5月，一直在被拒绝，团队见了100位主任，有95位对他们说「不」。
推想科技联合创始人兼COO王少康分析，医院在国内属于稀缺资源，求大于供，因此医院掌握绝对话语权，如何取得他们的信任成为关键。
在跑了几十家医院后，四川省人民医院终于愿意敞开大门，陈宽格外珍惜这次机会，将办公室从深圳搬到四川，开始了第一代模型的搭建。
当务之急，是学会医生的语言。陈宽团队没有医疗知识储备，何种是肿瘤，何种是正常结节，需要从零学习。他们就天天坐在放射科，看医生如何看片子，做诊断，然后把医生的诊断写成技术语言。
其次还要建立医生的信任。王少康抓着春节、十一、五一假期跟主任一起加班，亲手将第一批代码连接到服务器后，进行整理数据和模型运算，经过三四个月的时间终于取得了医院放射科医生的信任，「其实在医院里，他能给你腾出一块地，无偿地让你去做研究，已经是非常大的支持」。
据陈宽介绍，目前，推想科技的技术人员的看片子水平可以媲美大医院放射科的实习生。因为他们的办公室就是医院，每天和医生们一起上下班，工作就是写代码和看片子。
2015年寒冬将至，推想科技第一版相对成熟的模型做出来了，本来准备从实验室过渡到医院应用层，但后来由于种种原因，没有落实。陈宽带领小伙伴寻找到了国内门诊量排名前五位，日门诊量达2万人的武汉同济医院。
(来源：投资潮)
京公网安备 110105001605号