在医疗领域，一定是以临床实践的结果来衡量一款AI产品是否优秀，是否能够帮助到医生，是否能够帮助到患者，是否能够帮助到医疗机构，而不只是看其中某一个方面的具体数字指标。
撰文
刘燕
技术实力该如何评估比较？
拆解来看，目光多半要聚焦在测试比赛、论文发布、行业案例到项目招投标PK，但在算法水平看起来越来越趋同的今天，小数点之后的识别率比拼，反而不在于技术本身。
这一点，依图科技一直看在眼里。「99%识别率的算法和99.99%的算法，区别在于可解锁的应用场景。」依图科技创始人朱珑曾撰文提到。
以计算机视觉入手拓展到自然语言处理的技术路线之外，依图选择着重突破两大行业方向——安防和医疗健康。
两年前，依图科技成立了独立子公司挺进医疗行业。
很显然，整个就医环节仍有很多待解的痛点，这给了市场足够多的想象空间。新技术门口总是挤满一波轰然而上的变革者，一边是对变化的渴望，另一边是难跨越的行业门槛，从在线医疗、移动医疗到数字健康，创新者的窘境反复上演。
再一次迭代，医疗又成为AI行业的「兴奋剂」。根据公开数据统计，近两年时间至少已经有超百家AI医疗公司，而热门应用医学影像吸引其中半数企业，原因就在于放射学科掌握80%以上的医疗大数据，是疾病诊断的入口。
但还是那些老问题，一切最难点还要回到解决临床科室面临多学科数据的挑战上。「而未来AI真正重要的应用场景也在临床科室。」依图医疗总裁倪浩说。
不难理解，医疗AI直面临床实践，所有的AI产品最终都要接受临床的考验。
在大家都还在谈算法的时候，这家AI公司要到医疗行业深处，研究行业和数据标准的问题。
算法是基础，不能忽视，但「翻译问题」的能力很重要——
如何理解医生的临床痛点，把医生的需求翻译成计算机领域的需求？
如何在算法的基础上搭建具体产品？
如何根据临床医生的反馈不断调整算法？
「很多因素都会影响产品的最终表现，尤其是在医疗领域，一定要以临床实践的结果来衡量一款AI产品是否优秀，是否能够帮助到医生，是否能够帮助到患者，是否能够帮助到医疗机构，而不只是看其中某一个方面的具体数字指标。」
为了避免训练用的数据集、标注人员和方法的差异带来的波动，依图医疗选择不再特别强调敏感性、特异性等标准，而是瞄向医生对AI产品生成的结构化报告的采纳率。
这既是一个最直观的效果对比，也更贴近医疗行业规则——只有医生认可你的报告，才有价值。根据倪浩的说法，从依图肺癌影像智能诊断系统医院的临床实践应用中看，结构化报告的直接采纳率是92%。
6月中旬，依医院推出首个基于多维临床数据智能治理的医疗大数据AI应用——肺癌临床科研智能病种库，以及全球首个肺癌多学科智能诊断系统。
在中国卫生信息与健康医疗大数据学会会长金小桃看来，「这是AI医疗从科研走向临床的标志」，而对依图医疗而言，这是撬动行业的支点。
当我们提问依图是一家典型的AI技术公司吗？
倪浩坚定说：「依图医疗其实不是一家AI公司，而是医疗公司。我们目前在做的也不只是单纯的某一点的技术研发，而是希望将人工智能技术与临床实践深度融合，将临床专家的诊疗经验融入AI产品，打造具备临床价值的『MDT医生』，这是一个很难很难的过程，也需要相当长的一段时间。」
以下为机器之能对依图医疗总裁倪浩的专访，做了不改变原意的编辑：
当时我们在医疗领域的专业程度相比今天是天差地远，只想到要专注于做产品，但没有想到产品之外的一些事情。
年，也就是公司创办四年后，依图成立了医疗子公司，这个决定背后有哪些思考和目标？
有点机缘巧合。我大学是先学医后学计算机，从阿里出来之后就打算创业，只不过当时想去做C端的移动医疗。
年是一个比较好的年份，那时候深度学习在安防领域不管技术还是商业模式都被验证了。从个人兴趣和医疗领域问题的严峻程度来看，我认为医疗方向存在的不是「痒点」而是明确的「痛点」，所以我们当时就在想要去做医疗的人工智能。
当时这个领域里也没什么玩家，大家对这个领域都还处于比较懵懂的状态，所以做市场的第一个进入者挺好的，尤其是针对这些明确的痛点，人工智能技术也能够发挥比较大的价值空间。
我们刚开始想做的那件事和现在的方向，几乎没有变化，我们一医院优质数据跟顶级医生合作，做高质量的算法模型，医院去，给到基层医生，赋能基层，就这个思路，我觉得到今天也没变。
我们看到很多创业公司专注在AI医疗，或是一个计算机视觉公司把技术应用到包括医疗在内的领域，但单独成立一个子公司的不算特别多，对吗？
对，现在有几类玩家。BAT这一类，主要是在做投资收购或是成立部门做。其实在创业公司里做医疗方向的，基本上确实没有像我们这样花这么大力气去做的。
一开始你们就成立子公司，这个决定挺有意思。
这是因为当时认识到安防跟医疗是完全不同的两个领域，它们之间的领域知识是有一些可借鉴性，也都算是比较专业的toB的领域，但行业差异巨大。我们当时的考虑是，从公司的专业度来看，需要由一家独立公司去运作。
所以依图不是要做一个典型意义上的AI技术公司？
我们认为，依图医疗其实不是一家AI公司，而是医疗公司。依图医疗在做的也不仅仅是做一系列的AI产品，更是要基于AI产品矩阵，提升医疗体系的运行效率及诊疗规范性，同时把顶级诊疗机构的诊疗能力赋能到基层，提升基层医疗机构的诊疗能力，缓解当前中国最为急需解决的优质医疗资源短缺及分布不均的问题，让更多基层百姓享受到技术进步带来的诊疗体验提升。
我们目前在做的也不只是单纯的某一点的技术研发，比如影像判读，或者自然语言处理，而是希望将人工智能技术与临床实践深度融合，将临床专家的诊疗经验融入AI产品，打造具备临床价值的「MDT医生」，这是一个很难很难的过程，也需要相当长的一段时间。
明确成立医疗公司之后，你做出最重要的决定是什么？为什么那样做？
一个非常重大的决定是将这家公司开在杭州。由于过往工作的关系，我当时对杭州这个城市的认知比较深入，比较而言，杭州是一个创新氛围比较强的城市。
拿医院举例，医院在全国排到前20名，医院资源整体上还是不如上海等准一线城市，但是他们对新技术、新事物的开放程度，医院的专家们所不及的。这是我们这类创新创业公司非常需要的土壤和环境，到现在看，也仍然是很重要的决定，这使我们不少工作能以一个比较快的速度推进下去。
刚开始开展医疗业务时，有哪些挑战、如何解决的？
刚开始其实我们把困难分成两种，一种叫想象中的困难，第二种叫事实中碰到的困难。
想象中的困难医院为什么要跟我们合作？你又要拿数据，还要他花时间在这件事情上，然后我还什么都给不了他，比如知识产权。但在实际接触中，想象的困难倒不是困难，这跟当时的决定把公司开在杭州很有关系。
比如，我们起步的时候就敲医院放射科主任龚向阳教授的合作，他医院、医院的痛点，他觉得这个方向的创新性很好，所以抱着很开放的心态跟我们合作了。所以，想象中的困难一开始没有成为真正的难题。
没有想象过的困难，但在现实中碰到的困难的地方是，当时我们在医疗领域的专业程度相比今天是天差地远，只想到要专注于做产品，但没有想到产品之外的一些事情，比如产品上市前还有CFDA报批流程。
AI类医疗产品的报批上市，进度情况是怎样的？以前药品最慢，医疗器械会好一点，这种政策方面的门槛会对依图等公司产生多大的挑战。
报批速度有提升。不过，AI医疗类产品中，中国还没有发出一张证来，就是还没有任何一个公司拿到证，但是国家的支持力度蛮大。美国FDA已经批了两款产品，虽然是小产品，就是不是像肺癌那么大的一个产品，但已经报批了，所以我认为国内也会加速。
AI产品落地临床首先必须要懂临床路径，符合临床使用场景；其次，产品要能够和医生的工作流密切结合；然后有很好的人机交互方式。
你们的第一个客户是谁？是订单层面的合作还是开发了自己的解决方案或产品销售出去？
那个时候什么都没有，团队也只有我跟郑永升两个人。医院待了挺长时间，看医生怎么读片子，还拍了一些现场观摩视频，然后再去反复研究这些视频，针对专业流程去琢磨用技术怎么去解决其中的问题。也就是，从临床中去看实际痛点，然后再来设计产品，而不是先有产品的。
我们快速学了很多这个领域的专业知识，我制定的目标就是跟客户交流的时候，不让他们觉得我们外行，你要会行话，你得能跟上他们的认知。另一方面，我们比较强的技术功底以及信守承诺的做事方式，也打下了之后快速拓展业务的基础。
现场观摩或者说去弄懂行业规则的过程持续了多长时间？
我们7月份成立，9月开始动手开发放射影像产品。其实我们中间也做过一些调整，我们做事情要想的比较清楚一点，不需要百分百清楚，但是得弄懂六七成，然后开始就要积极试错。
这个项目的完成是公司产品化的一个重要节点吗？
其实现在还不能说完成，只说阶段性的成果已经达到了商业化程度。一个非常重要的时间节点在年的2月。
我们在年9月底10月初开始开发产品，到12医院开始试用，然后到第二年也就是年2月，效果就出来了，但这只是第一阶段做病灶的检出，也就是计算机来找病灶这件事情。那时候央视听说我们做的这件事，而且是发现科室使用效果比较好以后决定去采访，这是当时一个标志性的事件，我们把这段时间叫第一代肺癌诊断。后面我们的第二代又引入了随访，历史影像对比等功能，到第三代就开始引入良恶性判断。
从拿订单到真正可以向行业提供可实施的解决方案，中间有哪些门槛需要迈过去？
想要让AI产品落地临床，并不仅仅只是技术过关这么简单，依图的算法一直都是世界级的，在全球最权威的人脸识别算法测试FRVT中已经连续2年夺冠。
AI产品落地临床首先必须要懂得临床路径，符合临床使用场景；其次，产品要能够和医生的工作流密切结合；然后有很好的人机交互方式，敏感性、特异性等基础指标必须过关，能够解决医疗机构遇到的某些问题。
在业务方向上，依图医疗是选择了不同的疾病方向一个一个去突破吗？
我们明确在肿瘤、心脑血管和儿科这三个方向。我们选择事情的逻辑就是：
第一要有可做的事情，这个阶段太早期了，做的事情要看性价比，也就是做这件事情之后是不是能让更多人受益，对公司来说也意味着市场越大，第二是对临床医生有真正的价值。
这两点非常关键。所以我们做肿瘤的原因很简单，就是因为现在像肺癌、乳腺癌、结直肠癌等疾病国家都在鼓励早期筛查，早筛查意味着它进入到体检体系里了，这个量就会比门诊大很多。心脑血管一直是在国家医保范围内，基本上是医保负担里面最沉重的一块。儿科的痛点很明显，儿科医生缺口又非常大，加上我自己也刚有了小孩，有非常切身的体会。
具体的典型痛点是什么？
其实产品思路都是从一线医生日常工作中来的，针对他们做设计。因为说白了，主任不会去看简单的常规性片子。印象比较深刻的细节是，一个试用我们产品的医生说，以前他一瓶眼药水几天就用完了，因为老是对着电脑看片子，眼睛干涩，一天看片子要持续到晚上8点左右。
我们这套系统用起来之后，他说他的眼药水能用挺长时间，并且基本上在下午4点钟能看完了。这是他们对于变化的直观感受，这种来自医生的反馈对我和我们团队的正输入，也就是激励作用还是蛮大的，医院用我们产品更打动人。
医疗行业对AI技术的认识是什么？这些年有哪些明显变化吗？
这个过程确实是渐进的，反正一个新事情出来的时候，一般可能只有10%的人会投入进去，可能80%的人观望，还有10%的人是非常激烈地反对。今天这个比例已经变得非常明显了，就是现在我觉得至少有50%的人是很支持它，也许那10%反对的人还没变，但是支持的人已经变得非常多了。不管是放射科的大佬还是全国医疗行业各个领域的意见领袖，他们现在在各个公开场合几乎都不谈别的，只谈AI。
但也不得不说，现在有个现象是，一些比较急功近利的AI创业公司，为了让宣传数字好看把敏感性设置得很高，造成假阳性增多，反而成为医生工作的负担。
为了保证病灶不漏掉，比如说原来这个片子只有2个病灶，为了不漏掉，他找出22个，其中20个是假阳性，这会让医生的负担加重，也就是说，医生要把这20个都看一遍，把那些假病灶去掉，只留下2个，这就是一种负担。
对我们来说，我们还是希望让医生真正从技术创新的产品中受益，所以我们专门做了一些降低假阳性的模型，我们在肺癌筛查里面有十几个模型，这是其中之一。这可以让医生不用做更多工作，直接采纳我们的结果。所以，我们讲的数字是超过90%的片子不再需要医生改动，也就是可采纳片子结果的比例，我们认为，这是对医生临床工作比较直接的帮助。
这个比例具体是多少？
这个数字一直有提升，现在是在92%左右。
老谈算法就是外行，内行都得看数据，这里面一个核心问题是，算法跟数据都很重要，但数据今天可能是更能建立壁垒的事情。
以肺结节检测为例，医院不同部门想要的结果应该是不同的，作为公司来说，对实现产品有什么具体要求？
你说的很对，我们以前的产品是做给放射科的医生用，然后他们的工作其实是只写我看见了什么，不做判断。到呼吸内科时，或是到肿瘤科的时候，他最