谷歌AI医疗大动作？揭秘科技巨头的未来医疗蓝图，这些公司值得关注！
谷歌加速AI医疗领域布局，通过技术创新及合作战略，目标是利用人工智能技术改善医疗服务质量。这一举措引领了该行业的发展方向，关注的重点企业将有机会在智能化医疗进程中受益。
医疗净化哪家强？专业服务，打造智慧医院！
这篇文章介绍了某家专注于医疗净化系统的现代化服务商，该企业以应对医疗感染为核心，通过研发、设计、施工和维护服务，为客户创造洁净、安全、智能化的医疗环境，并同时提供相关设备和耗材销售。主营业务全面覆盖了整个医疗净化产业链。
AI医疗：能加速吗？三大专家看法揭示行业真谛
尽管AI医疗应用备受关注，但据东方证券王丽颖和银河证券朱琦的观点，其短期内实现显著增长的潜力较小。然而，国泰君安林隆鹏则指出，该领域仍存在较大的投资机会。
🔥NVIDIA医疗微服务开启智能医疗新时代，AI如何革新诊疗全过程？🚀
NVIDIA在GTC 2024大会上发布医疗微服务NIM，结合AI技术如医学影像分析和自然语言处理，助力药物研发、深化医学影像解读和基因组学分析等多个医疗领域，通过智能化辅助实现全程诊疗，提高效率与准确性。国内外医疗机构已积极引入AI技术优化医疗服务，如北京天坛医院的“龙影”系统和复旦大学中山医院的影像AI平台，未来人工智能在医疗领域的应用前景广阔。
苏州：中国AI热浪中心？医疗AI巨头飞利浦的押注与机遇
文章讲述了飞利浦大中华区首席执行官何国伟眼中苏州作为中国AI产业热土的形象，以及公司在该领域的布局和发展。何国伟刚刚获得AI金奖，并强调医疗是AI的第一应用场景，中国将成为全球AI健康医疗革命中心。飞利浦通过展示“星云医学影像人工智能平台”参与苏州政府举办的博览会，展示了其在医疗健康领域运用AI技术的解决方案。飞利浦自1891年发展至今，在AI领域进行持续投资和研发，并与众多医疗机构合作以确保临床安全可靠。中国作为全球AI产业的重要市场，政策鼓励与企业创新共同推动行业发展，尤其是在医疗AI方面显示出巨大潜力。苏州工业园区作为聚焦人工智能的重点开发区，集聚了大量相关企业和高产值，显示了AI在当地的发展热度。
平安智慧医疗如何突破CDSS个性化用药难题？一揽子解决方案让2型糖尿病治疗更个性化
文章讲述了人工智能在医疗领域的应用，从计算机辅助诊断到CDSS的发展，以及其在提升诊疗效率和减少医疗事故方面的贡献。然而，现有的CDSS存在数据同步困难导致建议滞后、个性化能力不足的问题。平安智慧医疗通过整合临床指南和案例，推出了智能辅助诊疗系统AskBob，在2型糖尿病领域实现了个性化的诊断和用药推荐，这得益于其从疾病诊疗全流程出发的战略、强大的技术背景以及与顶级医院的合作保证了数据质量。平安智慧医疗的算法平台如赛飞AI在提升模型质量和训练速度上也发挥了关键作用。
腾讯AI医疗窘境
腾讯出了款AI显微镜，市场一片哗然。AI被认为是新时代解放劳力型工作，提高工作效率、服务质量的最佳手段。所以，当医疗和AI结合，国内外医疗资源紧张的“毛病”有了治愈的曙光，只是医疗系统自上而下的AI化变革并非一朝一夕能完成，时至今日医疗产业的AI化仍需花时间、花精力、花财力去推进。在这样的市场大势下，腾讯、阿里、百度、谷歌、微软等科技巨头在智能医疗产业取得的一丝成效，都是医疗产业整体AI化的重要组成部分。但每一份成果从科学研究到成品试验以及落地应用都面临层层考核和价值审视，相当于给大科技巨头设立了医疗产业AI化的“减速带”。就腾讯AI Lab推出的智能显微镜而言，智能显微镜的研发在一定程度上缓解病理诊断流程存在的手工依赖性强、自动化程度低的问题。但从另一价值层面（专业度）来说，这套智能显微镜系统仅能起到辅助作用，还远未达到能替代病理医生的程度。市面上其他AI医疗产品多被定位于“助手”的位置，但这不妨碍腾讯、阿里、谷歌、微软等科技巨头继续在AI医疗领域深挖掘，因为医疗业内已经达成共识：医疗系统的进一步优化需要AI。医疗需要AI医疗产业需要AI毋庸置疑。随着互联网科技的进步医疗系统必然需要与时俱进，更重要的是国内医疗资源短缺和失衡的问题迟迟未能得到缓解。一来，不同省份或城市，医院、医生、医疗设施资源分布不均，AI则可缓解医疗资源短缺问题。生活中有一个现象：在小城市里，病情严重的病人医生往往会建议转院治疗。这主要是由于，国内医疗资源分配不均，优质的医疗设备和医护资源大多集中在发达城市与地区，所以小地方的病患只能到大城市医治。从医生数量分布来看，我国医生数量分布极不平衡，高质量的医疗团队主要集中在经济较发达地区。《中国卫生和健康统计年鉴2019》数据显示，山东省的执业（助理）医生数量为29万人，排名全国第一，而后广东省27.6万人、河南省23.6万人、江苏省23.3万人。医院资源供需也是严重失衡。从根据国家卫计委数据，截止至2018年11月底，我国共有医院32476个，其中三级医院仅有2498家，占7.69%；然而，三级医院就诊人数(截止至2018年11月)却达到16.46亿人次，占全国总人次的50.97%，医疗资源供需明显不匹配。二来，这些年医疗数据量急剧增长，按传统方式处理起来耗时耗力耗金钱，而借助智能运算可以准确、迅速处理数据难题，压缩处理时间和人力成本。IDC Digital预测，截至2020年医疗数据量将达40万亿GB，是2010年的30倍。同时，未来数据生成和共享的速度迅速增加将会导致数据的加速积累，面对庞大的医疗数据量，人们只能借助计算机智能运算进行甄别和处理。再有，智能运算除了可以高效分析医疗数据，帮助医生进行诊断并发现病症规律提出参考治疗方案之外，也可以在短时间内、在海量信息中完成数据的收集、整理，形成电子病例数据和电子健康数据。三来，在人口老龄化加剧以及长期、慢性疾病数量增长的情况下，大健康市场对医疗资源的需求不断上升，造就了对AI医疗的巨大需求。据有关调查，60岁以上的老年人的平均余寿中，约有二分之一至三分之二的时间处于各种慢性病的状态，患各种疾病的老年人比例高达60%-80%。而在病人多、医生少的条件下，人工智能有能力减轻临床医生的负担，提升医疗诊断效率。由此，AI医疗具有很大市场。据前瞻产业研究院统计数据，2015中国人工智能市场规模突破100亿元；2016年同比增长26.3%达到141.9亿元；2017同比增长52.8%至216.9亿元；2018年中国人工智能市场规模增速高达56.3%。预计2015-2020年复合年均增长率为44.5%，预测2020年中国人工智能市场规模达710亿元。而今，在AI技术的日渐完善，以及市场需求的催促下，医学影像识别、智能辅助诊疗、药物研发、医疗机器人成为热门研发领域，“AI+医疗”也已成为头部科技企业的必争之地，阿里健康、腾讯、百度等科技巨头积极布局AI医疗产业。腾讯急建“医疗城堡”马云曾直言“中国下一个首富在大健康领域”，而“地主”更有希望延续“地主”地位。消费互联网时代，腾讯凭借社交、游戏和投资稳坐互联网巨头宝座，而今赛道更换，产业互联网成为腾讯发展方向，也就避不开对医疗产业的探索。2018年腾讯进行组织架构的调整，增设云与智慧产业事业群（CSIG），旨在依托云、AI等技术创新，打造智慧产业升级方案，探索用户与产业的创新互动，助力零售、医疗、教育、交通等产业数字化升级，同时协助企业更智能地服务用户，构建连接用户与商业的智能产业新生态。目前，腾讯在零售、医疗、教育、交通等领域都颇有建树，其中AI医疗关乎消费者生死存亡，所以更引人注目。早在2012年，O2O概念火热，医疗行业初步触网。腾讯基于强大的流量入口优势，与全国数千家医院达成合作，推出微信预约挂号、缴费、候诊等线上服务，解决线下挂号、候诊、缴费时人群拥挤的问题，优化医生、医院、患者之间的连接与服务。再有，2017年互联网医疗企业丁香园、春雨、杏仁、平安线下诊所遍地开花。腾讯与医联、基汇资本合作推出的互联网+医疗健康平台“企鹅医生”也积极在线下建立企鹅诊所，开展企鹅医生线上线医务服务。以上阶段，腾讯在医疗产业的探索依旧是落在优化用户服务质量上，真正将AI落到医疗诊治层面是在腾讯成立AI实验室，接二连三推出AI医疗产品并成功服务于医生、医院之后。2017年，腾讯聚合了AI Lab、优图实验室、架构平台部等多个顶尖人工智能团队，推出首个应用在医学领域的AI产品腾讯觅影。经过多年蛰伏，腾讯觅影专注的AI影像和AI复诊领域，可以说已经获得了专业人士的认可。在应用成效上，目前“腾讯觅影”利用AI医学影像分析辅助临床医生筛查早期肺癌、早期食管癌、眼底疾病、结直肠肿瘤、宫颈癌、乳腺肿瘤等疾病。而且，其阅片能力已经能精确定位3mm以上的微小肺结节，检出率≥95%。腾讯在医疗大健康领域的布局不仅局限在研发AI医疗产品和系统上，还热忠于投资。据网络公开统计数据，腾讯投资轮次及次数分布情况如下：天使、Pre-A轮和小资金量战略投资总共7次，A轮-C轮共31次，C+轮及之后为3次。投资范围包含了丁香园、微医、卓健科技、医联、好大夫等互联网医疗独角兽，还有以特殊人群行为管理和人工智能为基础的健康科技公司量子健康QTC Care、提供医疗人工智能解决方案的森亿智能等等。在不断进行AI医疗产品研发和大规模的投资下，腾讯之于医疗大健康的成本投入也在持续增长。关于腾讯投资医疗产业的数额，早在2018年就超200亿元，腾讯整体营收成本也处于上升态势。腾讯财报显示，2019年腾讯营收成本持续上升，第四季度更是以近600亿元创下历史新高，尽管最近三个季度的营收在保持增长，但毛利润却基本持平。至于腾讯AI医疗商业化何时成熟，腾讯副总裁丁珂曾答到：商业不是腾讯医疗的第一步。或许从组建开始，“腾讯觅影”就被指定在目前不考虑盈利的位置。但腾讯智慧产业事业群为医疗、交通、教育等不同产业提供定制解决方案将会产生很大的销售、开发成本，势必会影响其整体的利润。而且，第一步不考虑，那第二步呢？AI医疗前期的投入能否收获同样的回报，还是个未知数。综上，腾讯通过自建和投资等方式在医疗大健康领域进行了不少探索，在这过程中，付出了高投入的代价也遇到了一些挫折，但终归有收获。那年，腾讯觅影发布会当天，马化腾在朋友圈发了六个字：一小步，有希望。AI抗疫，危机与转机共存腾讯医疗的“有希望”传递到了今年疫情的防控中。2020年新冠肺炎疫情“黑天鹅”突袭，至今为止全球疫情还肆虐中，而在防控疫情的过程中AI的应用非常广泛，从大数据监控、辅助医疗影像筛查到智能体温测量如影随形。对于腾讯、阿里、百度等开展AI医疗的企业来说，疫情是危机也是转机，AI医疗技术和产品在疫情得到了进一步的检验和普及。疫情来势凶猛，国内外基础防疫和应急体系受到挑战，大量的防护物资出现供应缺口、基层医护人员紧缺问题凸显，困扰着医疗系统的高效运营。经此一疫，人们看清了医疗产业的薄弱点也看到了AI医疗带来的希望。阿里达摩院上线基因测序AI算法，提高效率的同时还可精准分析病毒变异情况；同时，达摩院的医疗影像AI在武汉火神山、郑州人民医院等168家医院上线，诊断病例超过29万，极大程度上降低了医师的工作量。腾讯则与钟南山院士团队达成合作，共同成立大数据及人工智能联合实验室，目的是以大数据及人工智能攻坚流行病、呼吸疾病和胸部疾病的筛查和防控预警。此外，“腾讯觅影”AI影像医疗和腾讯云技术的人工智能CT设备，也在湖北多家医院部署协助医生对新冠肺炎进行诊断，提供辅助诊断参考，提升工作效率。疫情期，AI影像医疗被委以重任是对AI医疗的肯定也是对其背后研发公司的认可。疫情爆发前，AI影像医疗技术已走过四、五个被市场检验的年头。一方面，AI医学影像用于简化帮助医生发现微小病灶、快速得出量化指标这一流程。另一方面，AI医学影像与医师协作的方式大幅提升检查效率，缩短了医师看影片的时间从而减轻其工作量。除了AI医学影像技术在疫情期间得到了检验之外，线上医疗服务的重要性进一步体现出来。疫情期间，宅在家的人们对健康的关注度随之升温，线上问诊人数激增。丁香医生、平安好医生、阿里大健康、百度医疗、腾讯医疗等医疗平台用户纷纷上涨。腾讯医典的医疗信息访问量超过6亿；腾讯健康码已被超过300个县市的9亿用户使用，累计访问量达80亿次；平安好医生平台访问人次达11.1亿，APP新注册用户量增长10倍，APP新增用户日均问诊量是平时的9倍，相关视频累计播放量超9800万。总而言之，疫情在全球肆虐，为 AI 医疗技术提供了施展的空间，让医疗 AI 价值在抗疫中得到检验，也让广大的基层医院认识到了AI的用途和优势，客观上扩大了AI医疗的影响力，从而加快相关医疗产品落地，一定程度上解决了医疗 AI 企业产品落地难和营收爬坡难的发展瓶颈。BAT再战智能医疗在国内，但凡新领域、新风口、新改革都少不了 BAT的角逐战。这两年，BAT三家做出了从消费互联网向产业互联网的战略调整，在医疗产业也一副你追我赶的情形。一直以来，阿里有医药电商、百度有医疗大数据，医疗AI被认为是腾讯在医疗领域弯道超车的机会。阿里健康2019财年报告显示，96.49%的营收来自于医药电商相关业务。可见，阿里健康则紧紧围绕着医药建立自身生态已相对完善。而在腾讯医疗健康版图中，迟迟未涉及到医药环节，显然在医药领域已落于阿里之后。再有，在AI医疗领域，腾讯与阿里的研究进度相差不大。在腾讯觅影取得突破的AI医疗影像环节，阿里巴巴达摩院也推出了CT 影像识别算法、 AI 系统、AI医生等等。目前， 阿里CT 影像识别算法，大大缩短了 CT 影像分析时长；AI 系统更是在浙江、河南、湖北、上海、广东、江苏、安徽等 16 个省市的 170 家医院落地，诊断超过 34 万临床病例。那年，在医疗事件后，用户百度医疗搜索的信任度一落千丈，为改变医疗搜索窘境，百度对医疗搜索团队进行优化调整，整体裁撤百度移动医疗事业部，并提出：集中资源将医疗业务重点布局在人工智能领域的目标。而今，百度医疗又显生机。百度作为互联网用户的知识查询入口具有先天优势，在疫情期间百度搜索流量增长率超过30%，医疗方面的搜索问询量更是同比增长35%，颇为亮眼的用户数据，彰显了百度医疗的医疗数据实力。值得关注的还有，早在2018年百度就开始做医疗影像，不仅成立AI创新业务部（百度灵医），还成功发布3款医疗AI产品：AI眼底筛查一体机、智能分导诊、CDSS辅助诊断系统。参与AI医疗角逐的似乎不止腾讯和阿里、百度三家，连华为也上了。2020年4月3日，华为云宣布启动全球抗疫行动，用云计算和AI等技术，携手伙伴帮助全球客户共克时艰，而在本次全球抗疫行动中，华为云将免费开放AI医疗服务和相关云服务。关于华为AI医疗实力，华为云全球市场总裁邓涛直言：“华为云前段时间在中国联合伙伴运用云、AI等创新技术抗击疫情，在AI辅助CT影像诊断、药物筛选、在线教育、远程办公等方面积累了一定的实践经验。不可避免的是，随着ATB的深挖掘，AI医疗规模、技术迅猛发展，数据安全性和隐私问题也越来越凸显。对于用户而言，数据是一个敏感词，在数据安全和隐私方面，相关部门还未能制定相应的法律法规来合理地解决医疗数据应用问题，大部分用户在公开使用个人医疗数据方面持着反对意见。而且，医学影像还存在数据孤岛问题。对于医院而言，医疗数据是资产难谈开放，不同医院之间的医疗数据往往不互通，导致相关研发受限，企业难以盈利。医疗数据是AI医疗重点也是痛点，在数据问题还没得出解决办法之际，AI医疗的发展又面临2020年整体性的经济衰退的挑战。王兴曾表示：“2019年可能会是过去十年里最差的一年，但却是未来十年里最好的一年”，这一言论，在宏观经济上已得到了证实。国家统计局公布的一季度宏观经济数据显示，今年一季度国内生产总值206504亿元。受疫情影响，一季度GDP同比下降6.8%。虽然，在线医疗、AI医疗等领域因疫情获得了用户、市场的检验，但在经济大环境恶劣的情况下，AI医疗自然无法独善其身。众多企业布局AI医疗，这场医疗市场混战会越来越精彩，但眼下AI医疗还未站稳脚跟，商业化之路尚不明晰而且经济大环境走下坡路，2020年各大科技企业对于AI医疗的投资也会有影响。AI医疗企业以往的道路难行，未来的道路也难行……小结对于整个医疗产业而言，AI或许是对抗医疗技术落后、资源分布不均、医师资源短缺的华山一条路。但当疫情被控制，用户对AI医疗一时的热情退去，相信唯有真正能为医院、医生和患者带来价值的AI产品才能脱颖而出。而在残酷的BAT追逐战中，唯有技术、服务双领先的企业才能永久生存，摘取桂冠。对于腾讯医疗而言，与“医疗首富”的距离还需要跨越技术、服务、医疗数据、市场政策等不少拦路虎。当前，AI医疗的探索和投入依旧像是一个无底洞，或许坚持到最后就是胜利。文/刘旷公众号，ID：liukuang110
一键管理多病种，AI影像医疗的「爱迪生魔盒」解决方案来了？
医院应用AI影像医疗面临多厂商硬件选择导致效率低下的问题。GE医疗推出"爱迪生魔盒"整合AI技术，解决了多病种工作需求，通过统一接口和管理平台，实现了AI应用的一次部署、集中管理和生态开放。该平台已与多家AI公司合作，提供包括肺癌筛查在内的多种解决方案，并在腾讯云和创新工场的支持下发展云服务。GE医疗的资源丰富，有望促进医疗AI的实际场景和数据深化学习。
影像科刘再毅教授自述：为什么我是AI医疗的「旁观者」？
如今，随着AI医疗发展，医工交叉——这个由来已久问题也延伸到这块新兴的土地上。隔行如隔山，这对于IT界和医疗界来说尤其贴切，当双方团队共同打造一个产品时，面临着话语体系不同、评价方式不同、谁来主导等诸多问题。 目前这个市场还处于初期，各路玩家相继入场，产品仍处于科研摸索期。相对于蜂拥而入的AI公司来说，愿意参与进来并且拥有丰富经验的医生专家是更加稀缺的资源。那么什么阻碍了他们？当医生想要参与时，他们考量什么、在意什么？ 广东省人民医院放射科刘再毅教授称，“医生没有多少动力做研究，现在做科研的很少，就像是‘异类’，我做这个纯粹是兴趣驱使。”2016年，其课题组基于影像组学构建列线图（nomogram）对结直肠癌淋巴结转移术前预测的结果发表在临床肿瘤学领域顶级期刊《J Clin Oncol》上。“我们做的项目离传统的影像诊断越来越远，需要多个学科的交叉融合”，他补充道，“很多医生对人工智能感兴趣，但真正做的很少”。这不仅需要医生从繁忙的临床中抽出时间，“搜集数据需要大量资金，与AI创业公司合作又不是那么简单。” “这都不是那么简单的”是雷锋网AI掘金志与刘再毅交谈2个多小时内出现频率最高的句子。他表示，医工合作对双方都有很高的要求，一是要有共同的目标；二是有很好的合作机制，协调如何把利益最大化；三是双方团队质量都要高。 “医生与创业公司的要的东西不一样，说得好听点就是各取所需，说得不好听就是道不同不相为谋”，他说。 以下为刘再毅的口述。 「你让我写代码，这不是见鬼吗？」 在我们科室，目前还没有智能诊断系统这样的东西。目前确实有很多产品在往临床上推。但智能影像方面，目前国内还没有一款很成熟的产品。之前，媒体有报道一些产品在医院落地，我打听过一些，医生的评价也不是很好。也就是说，智能影像诊断方面还没有一个好的落地应用案例。 很多公司的产品交互很差，用起来非常繁琐。他们工科会说，我写两行代码就可以搞定了。你让我写代码，这不是见鬼吗？所以工科思维一定要转变，深入到临床一线，看我们究竟需要什么。 至于数据方面，影像只是很小一方面，我做影像也发了很多文章，但不觉得影像是最重要的，换言之，影像虽然重要，但不是唯一，要结合其他临床信息。我们做信息挖掘时，要结合病人的基因、病理、血液实验室检查等信息。比如病人在ICU，还会考虑结合患者心电图检测信息、电解质、血氧饱和度等诸多动态信息。 目前，很多公司只做图像识别、筛查，大部分集中在肺部，为什么？因为肺有天然的对比，大家都挑了一个容易攻克的方向做。虽然在临床中确实可能减少一些工作量，但这是很小的应用场景。 以肺癌为例，我们平常在医院看到的很多病例，大部分是复查的，一些三期、四期病人的肺部有很多转移灶，合并渗出、肺不张等，计算机方法很难实现自动对比，一定要人工对比，如果计算机看完还需要医生重新确认一遍，还不如自己看呢。至于很小的肺结节，医学界有个指南，建议了怎么处理，比如发现之后，3个月、半年分别复查；根据倍增时间多久等情况判断是恶性还是良性？不可能刚发现肺结节就做手术的，这不得了。 肺结节筛查是很好的开始，但目前还有很多问题，系统可以有假阳性，可以误判，这可以由医生来把关，但漏病灶的后果是很严重的。最重要的是，如何得到监管部门的认可？国家批准之后，其临床应用的责任才能理清，否则出了问题，谁来负责任？计算机？还是批准软件的人？还是采购的人？还是医生？ 另外，病人就诊时，肺结节检出只是临床诊疗过程很小的一部分。我们看一个胸部的片子，看了肺之后，还要看淋巴结、骨格等，很多公司的系统只能检出肺结节。患者来医院就诊，如果医生只是把肺结节检测结果给他，没有报告同一份影像图像其他合并的影像诊断，是要负责任的，因为在临床上做检查偶然发现肿瘤也是常见的。 所以，这种系统用在体检中心还可以，但体检中心的市场能有多大？ 「说实在的，我还找不到与AI公司合作的方式」 做医学图像挖掘，医生与AI创业公司的合作是必不可少的，但一定要以医生为主导来做，公司负责后续的产品化。其中最关键在于：要解决什么样的临床问题。 我是做研究的，思路与公司可能不太一样，双方都是要提升诊断率，差异就在于具体聚焦在什么地方？科研解决的是悬而未决的问题，而AI公司是要打造一个产品解决实际问题，双方目标不一样，我觉得很多东西不是想象的那么简单。 从科研的角度来讲，目的在于提出一个临床假设，并证明。比如我想通过影像数据挖掘判断某种疾病的愈后好不好或判断疗效，在这种情况下，我会搜集病例，用某些方法验证，最后得到一个结果。至于结果如何，我们并不知道，创业者的想法跟我们肯定完全不一样。 有公司找我合作，说实在的，我还找不到合适的方式，如果要合作，一定是深入的交流，其中需要有人起到桥梁、翻译的作用。比如深度学习的很多概念我们临床医生搞不懂，但同时工科的人也多半不懂什么叫预后，甚至不知道这样做的意义何在。 医学上很多问题和其他领域不一样，比如阿里要调研用户的购买习惯，这种数据多得不得了，但医学上很多疾病数据很少，一个单位可能仅有一两百病例符合标准。我想没有一家医院敢说有几千例这样的复合标准的图像。我们医院有数万病例，但基于不同的疾病、检查方式、研究目的区分之后，数据一下子就变得很少了。 工业界和学术界的合作，对双方都有很高的要求：一是有共同的目标；二是有很好的合作机制，协调如何把利益最大化；三是双方团队质量很重要，缺一不可。 如果我与创业公司合作，最关心的他们的人员构成和数据来源。 做医学数据挖掘，一定要有医疗背景的专家，他能起到桥梁作用，把临床问题转换为技术问题，让IT团队实现；同时，做技术的没有接触过医学，可能不明白人体分为几个系统、每个系统由什么组成、有哪些脏器，更不要说疾病了。我知道很多医院做的事情是把数据提供给公司，这个方法确实可行。但如果要真正挖掘，一定要深入，不是一方简单地提供数据，一方简单地提供算法，双方直接应该有深度的交流、沟通，共同发现问题，解决问题。 国内最常见的合作方式是医院提供数据，公司来分析，双方共享成果或是公司卖软件给医院。但我认为这样的合作不长久，目标不同，长期以往，估计会分道扬镳。我觉得目前的合作，肯定得以医生为主导，靠医生发现临床问题。但跟创业公司这么说，他们肯定不乐意，我的算法很先进，凭什么你做主导？所以我不是很愿意跟他们合作，我们自己有团队，我们团队做的东西在国际上是某些研究方面是很靠前的。如果我们没有团队，也没办法。除此之外，我也考虑过，跟创业公司合作，他们是否愿意配几个人给我，专门负责某个项目，我想这是不可能的事情，怎么可能呢？ 还有的医院与公司合作打造出的产品，以专利授权的形式给了公司，这对医生有吸引力，但我没尝试过，没想过转化，这样很分散精力。我关心的是公司有没有好的范例，医生是否真正获得了收益，无论是以股份、顾问费等形式。但公司愿意给吗？ 创业公司很难请到一个真正专业的医学人士，去了以后怎么做项目？除非公司能跟十几、二十多家医院合作了一个临床设计，但仅把各个项目的医学语言翻译成工科语言，工作量就相当大；其次，医生如何在里面起到真正的作用，这是很难定义的。 虽然现在市面上有AI公司与医生合作做一些事情，但在大部分情况下，他们的研究是小规模研究，但应用到临床的东西，需要前瞻的多中心试验验证，这是一个很漫长的过程。况且，图像只是很小一方面，只有深入去做，潜心做临床研究，才有可能得到好的结果。 「单从软件应用角度讲，我们开发的比他们还好用」 现在的AI公司都在拼算法，虽无可厚非，但如果没有实际的或重要的原创目的，这个算法有什么用呢？ 我们平常的研究，关键在于临床设计，要以临床研究的方法来设计和评价应用，因为临床研究要有符合临床的研究标准，算法再先进，没有数据支撑，没有好的验证也是很难发好文章的。今年《Nature》和《JAMA》发了两篇AI医疗相关文章，一个是眼底病相关的，一个是做皮肤病的，虽然都用到了深度学习算法，但并不是多先进的技术，它们的特点在于数量大，有十几万个病例的数据。 我们最近在做肺癌、结直肠癌等几个肿瘤的研究，关注疗效评估方面，预测预后效果，评价治疗方案好不好。如果有明确的问题和高质量的数据，需要算法把有用信息挖掘出来，这种情况下，算法能起到重要的作用。实际上，有时候我们并不需要很炫的算法，常规的方法就能解决问题。 在我们的项目中，用到的还是传统的统计学方法，也借鉴了一些数据挖掘技术，比如深度学习。与创业公司不太一样的是，我们关注更偏临床目的，基于这个问题，再去组织材料、找方法，创业公司想做的是产品，比如做病灶的检出，但对于我们组来说检出没有任何价值，因为发不了好的paper。 我们的算法能力不及创业公司，我对于学生的要求就是用成熟的技术，进行二次研发、创新之后应用，目的只有一个，就是解决我们的问题。我可以说我们组的文章质量和数量算是有一定地位的，单从影像因子来说，我们发表在《临床肿瘤杂志》的文章是目前为止，全球范围内影响因子最高的，并且还是发表于临床肿瘤领域的顶级期刊，得到临床的认可，因此我们的研究很有自己的特色。 有些公司说他们有一千个特征，我说我有一万个特征、两万个特征都可以，目前，我们正在研发一个新的特征，这是影像组学界没有报道过的，是我们借鉴了其他领域的一些理论、概念，移植到医学领域，这是我们自己的创新。 我认为很多智能医疗公司的产品是华而不实的。单从软件的应用角度看，我们开发的比他们的还好用，但是确实没有他们界面做得炫，我的目的不是为了卖产品，而是为了好用。 有些公司说他们有一千个特征，我吹牛说我有一万个特征、两万个特征都可以，目前，我们研发了一个新特征，这是影像组学界没有报道过，是我们借鉴了信息学领域的一些理论、概念，移植到医学领域，这是我们自己的创新。 我们做研究的动力来源于喜欢，这与公司完全不一样，当然我也想发更多更好的文章，但没那么急，我没有压力去变现，不会很激进地做事情，即使做不好也不影响我的生存。有些创业公司拿到几千万、几亿的风投，一下子得到那么多钱，我也很羡慕，但我现阶段没有这样的实力，也没有这样的想法。说不定有一天，我的团队强大了，我也会去创业。 「医疗数据非常稀缺，非常宝贵」 我在研究过程中发现：影像数据的质量和数量很难兼顾，很难找到满足要求的数据。除此之外，还要结合病人的其他信息来判断，比如实验室检测、病理标本等，这更是增加了难度。 我们现在做的一个项目，需要一些临床检测项目数据，像基因、血液等相关检查数据，预计能拿到500~600例可用的数据，但投入起码是上百万，这需要科研基金来支撑，医院和病人都不可能负担这个成本。 正因为难以获取基因、病理等方面数据，所以一大波创业公司才蜂拥进入影像领域，他们的很多研究是基于影像信息判断和推断基因、病理和临床信息情况，这是一种可行的方式，但还是需要很多数据去验证。 医疗数据非常稀缺，非常宝贵。 现在很多医院的PACS系统做得很好，尽管存在影像标准化的问题，至少有图像，但很多数据是没有的，比如病人做了检查、手术、治疗之后走掉了，没有完整的随访机制，没有后续数据评估临床疗效和预后等数据。我们自己做研究，要花很大力气搜集整理这些数据。...
🔥揭秘GTC大会‘中国元素’！AI医疗风口下，押哪只股票能闪耀？ETFPE低位，科创创业50迎来抄
本文聚焦于英伟达GTC大会中的中国AI医疗公司，探讨了AI如何通过分析手术视频和记录手术过程来节省医生精力的可能性。同时，文章指出双创龙头ETF的估值处于历史低位，为投资者提供了配置性价比高的机会。