0
在2018年的商湯人工智能峰會上，商湯醫(yī)療正式對外亮相。
與大多數(shù)搭建在已有底層系統(tǒng)的AI公司不同，商湯最大的特點是“平臺化”。而這種策略，意味著前期更多的資源投入，以及后期更快的成果產(chǎn)出。
推出兩年多以來，商湯的醫(yī)療又有哪些新的故事？這些故事又能為醫(yī)療AI行業(yè)帶來哪些新的氣息？
“以前我們經(jīng)常講‘研究推動產(chǎn)品，產(chǎn)品推動商務’，這通常是在一個新興技術剛剛出現(xiàn)的時候，因為這時市場還不知道你能干什么；等到市場逐漸對技術有了一定程度的認知之后，就應該反過來‘由商務驅動產(chǎn)品，產(chǎn)品驅動研究’，形成一個良性循環(huán)。到了這個階段，就需要企業(yè)認真思考幾個經(jīng)典戰(zhàn)略問題：‘客戶是誰？痛點是什么？你有什么方案？’”
張少霆在接受雷鋒網(wǎng)采訪時，介紹了自己對商湯醫(yī)療AI戰(zhàn)略的思考。而這些思考的結果，也體現(xiàn)在了商湯醫(yī)療今年對外透露的成果：產(chǎn)品上，新推出了心臟冠脈、肝臟等診斷方案；學術上，探索聯(lián)邦學習在醫(yī)療數(shù)據(jù)隱私上的可行性以及數(shù)據(jù)標注噪聲等方面的研究。
一個好的醫(yī)療AI產(chǎn)品該滿足哪些特征？
中華醫(yī)學會放射學分會主任委員金征宇教授在今年WAIC商湯企業(yè)論壇上表示，人工智能影像產(chǎn)品有四個標準：功能易用性、效果魯棒性、臨床專業(yè)性、應用多樣性。
商湯科技副總裁、商湯研究院副院長張少霆向雷鋒網(wǎng)表示，金征宇教授的標準是從醫(yī)生的需求角度出發(fā)，而要落實醫(yī)生的需求，醫(yī)療AI的工作要做好兩方面：研發(fā)高精度的算法、開發(fā)適應工作流的產(chǎn)品。
在今年的WAIC商湯企業(yè)論壇上，商湯科技CEO徐立說到，要解決長尾行業(yè)應用的實踐，不能只聚焦在頭部的應用當中。人工智能不能只有一個亮點、解決一個核心的問題，真正要做到效率的提升，需要解決大量的細節(jié)問題。
醫(yī)療AI行業(yè)就是一個典型的長尾應用行業(yè)，不同的部位、不同的疾病、不同的診療環(huán)節(jié)當中，都存在著可以使用AI技術提升效率、提高準確度以及提升能力的場景。
但是這些不同的應用場景，很難抽象出一個或幾個通用模型來解決問題。醫(yī)療AI行業(yè)的長尾特性，就使得像行業(yè)剛剛起步階段，各家公司紛紛投入大量人力，針對某一個問題標注大量數(shù)據(jù)來訓練模型，并且通過大規(guī)模落地醫(yī)院打磨產(chǎn)品的開發(fā)方式難以持續(xù)。正是因為這個原因，新應用的推出往往較慢。
順著這個思路，從兩年前開始，商湯就提出了“工具鏈”的概念：用AI算法迭代AI算法，生產(chǎn)更多的模型。
張少霆說到，“去年，我們的商用模型數(shù)量超過研究員的數(shù)量，這也是‘解決長尾問題’這個思路下的產(chǎn)物?！?/p>
另外，長尾場景的另一個問題則是，很多場景很難找到大量的經(jīng)過高質量標注的訓練數(shù)據(jù)。在解決小樣本以及噪聲標注的問題上，商湯也有了一些成果。
“最近我們有幾個研究性成果可以應對多中心數(shù)據(jù)的差異性，以及不同標注粒度的混合監(jiān)督等問題。從算法層面，我們主要做了這兩個維度的努力，以解決長尾場景。”
從應用擴展來看，去年，針對臨床醫(yī)生的實際痛點和商湯本身的戰(zhàn)略邏輯，商湯正式推出了SenseCare??智慧診療平臺，該平臺由兩大引擎驅動：高并發(fā)三維渲染能力及可拓展的臨床AI應用。
簡單理解來說，SenseCare??智慧診療平臺的兩個引擎可以類比于提供電力的發(fā)電機，其標準化和模塊化的設計則像插座和插頭，各個臨床科室的AI應用則可以理解為一個個用電的機器。
隨著這些AI應用不斷豐富，就可以自由組合，形成適合不同地區(qū)、不同等級、不同專業(yè)方向的醫(yī)院的覆蓋診斷、治療及康復的完整工作流的智慧醫(yī)療解決方案。
在這次WAIC上，除了展示原有的肺部、骨腫瘤、病理幾大應用，商湯還推出了心臟冠脈的診斷產(chǎn)品，今年下半年即將推出肝臟疾病的診斷產(chǎn)品。
“提到影像AI，大家都會想到那幾個標準化的產(chǎn)品：肺結節(jié)、骨齡、乳腺這些診斷軟件，而且各自獨立。但介于不同的醫(yī)院、科室和醫(yī)生對診療流程中各個環(huán)節(jié)的需求存在差異，因此對醫(yī)療AI產(chǎn)品的訴求也就各不相同?！?/p>
以結節(jié)為例，早篩的醫(yī)院和腫瘤醫(yī)院差別較大。早篩主要關注小結節(jié)敏感性，腫瘤的診療要看一定尺寸以上結節(jié)的生長速度。同理，做穿刺和做切除的醫(yī)生，關注點也不一樣。
因此，這就要求醫(yī)療AI公司做好兩個點：一方面用算法能力解決長尾問題，另一方面，增強平臺的擴展性，縮短新應用的開發(fā)和部署時間。
而這樣的思路，也是商湯“平臺化”的映照：當智慧醫(yī)療平臺作為基礎設施為一家醫(yī)院整體賦能時，需要盡可能地滿足多個科室的需求，同時兼顧未來的可擴展性，減少進行單點產(chǎn)品的采購成本，避免重復性建設。
今年，張少霆代表商湯參與編寫了由人民出版社出版的《新基建：數(shù)字時代的新結構性力量》中與智慧醫(yī)療相關的內容。
他表示，編寫的過程讓自己有機會站在更宏觀的角度來思考，當政府把醫(yī)療人工智能作為未來十年社會基礎建設的一部分的時候，企業(yè)應該拿出什么樣的產(chǎn)品和方案，來滿足基礎建設的需要。
“平臺化”的思路，并不是商湯一家獨有。
例如，醫(yī)療器械的三大領頭羊，從兩年前就開始部署數(shù)字化醫(yī)療應用的大平臺：西門子的Teamplay、GE醫(yī)療的Edison以及飛利浦的神飛云，通過自研應用以及在行業(yè)里尋找合作伙伴的方式，給自身增添更多的豐富性。
除此之外，像英偉達的Clara平臺也依照這個思路進行布局。
對于巨頭們的這一思路，總部在美國的深透醫(yī)療創(chuàng)始人宮恩浩就解釋到，美國醫(yī)院的IT部門非常保守，行動遲緩，他們不愿意同時和十幾家公司合作來改進IT設施。因此，相對來說，marketplace是一個比較理想的解決方式。
此外，雅森科技CEO陳暉曾向雷鋒網(wǎng)表示，平臺化轉型的一個原因是，各家都希望用更多的數(shù)據(jù)創(chuàng)造更多的產(chǎn)品形態(tài)。
但是，商湯與其他器械類企業(yè)的“平臺化”戰(zhàn)略區(qū)別在于：一個“內生性”較強，一個“開放性”更足。
整體看來，商湯的平臺化戰(zhàn)略需要需要企業(yè)對行業(yè)有更深的理解，能夠站在全局的角度來審視客戶的流程痛點。但是，從另一個角度看，這也會對企業(yè)提出更高的要求：從不同醫(yī)院客戶的眾多需求中，分辨出具有普適性的需求。
受制于B端客戶細碎的需求，ToB公司給人的一個感覺是辛苦的項目制模式。因此，在醫(yī)療這樣B端屬性明顯的行業(yè)里，創(chuàng)業(yè)公司需要追求“高復用率”，進而降低產(chǎn)品的邊際成本。
對于這樣的實際情況，張少霆認為，“算法可以多線同步進行，但產(chǎn)品需要經(jīng)歷開發(fā)、落地驗證、迭代優(yōu)化的過程。要做一款較完備的落地產(chǎn)品，即便在我們這樣一個平臺型架構上，半年的時間也是比較正常的周期?！?/p>
然而，做平臺產(chǎn)品的企業(yè)，最關鍵的還不在于架構的設計，而是在于對業(yè)務的梳理和收斂。
張少霆說到，商湯醫(yī)療會在SenseCare??智慧診療平臺上做更多滿足“基礎設施”標準的產(chǎn)品，盡量避免純定制化的內容，因為一個完備的產(chǎn)品需要時間的調研和打磨。當價值點滿足大多數(shù)醫(yī)院的需求，我們才會考慮。
除了復盤一年里商湯醫(yī)療的產(chǎn)品，張少霆還花了比較多時間談論公司在學術上的成果。
畢竟，商湯被稱為中國AI博士密度最大的學術基地。
而這一次，他們瞄準了醫(yī)療數(shù)據(jù)安全——這是一個老生長談的話題，但也是一個老大難的問題。
金征宇教授在演講中也談到，“AI在醫(yī)學領域的應用還存在著很多倫理、隱私、信息安全問題亟待解決。AI研究需要從純商業(yè)利益驅動提升到公共政策驅動，接受政府、社會的監(jiān)督。
實際上，關于醫(yī)療數(shù)據(jù)安全的信號，一直在不斷釋放。
2018年4月，國家衛(wèi)生健康委發(fā)布《關于印發(fā)全國醫(yī)院信息化建設標準與規(guī)范（試行）的通知》，對二級及以上醫(yī)院的數(shù)據(jù)中心安全、終端安全、網(wǎng)絡安全及容災備份提出要求。
至此之后，多項監(jiān)管政策不斷落實到醫(yī)療行業(yè)，國家對醫(yī)療行業(yè)網(wǎng)絡安全高度重視——無論從醫(yī)院、基層醫(yī)療機構信息化建設，還是當前發(fā)展火熱的“互聯(lián)網(wǎng)+醫(yī)療健康”、“醫(yī)療大數(shù)據(jù)”，都在強調落實做好網(wǎng)絡安全工作。
在張少霆看來，數(shù)據(jù)安全應該分為兩個維度：
首先，產(chǎn)品在醫(yī)院落地后，日常數(shù)據(jù)如何保持安全性；其次，基于多中心大數(shù)據(jù)的算法開發(fā)，能否遵守數(shù)據(jù)不出院的嚴規(guī)。
針對第一個問題，商湯醫(yī)療去年提出的一個方法就是高并發(fā)且可交互的遠程三維數(shù)據(jù)渲染，保證數(shù)據(jù)不出數(shù)據(jù)中心、不離開醫(yī)院，但仍可以像本地工作站一樣分析數(shù)據(jù)。
第二個維度，為推動AI的應用規(guī)范，商湯科技在去年成立了AI倫理委員會，并在今年6月與上海交通大學清源研究院聯(lián)合發(fā)布《AI可持續(xù)發(fā)展白皮書》。白皮書的一個論證重點是：怎樣在嚴格管控的前提下進行算法開發(fā)，既要避免出現(xiàn)“一管就死”也要避免“一放就亂”。
“我們一方面在看國際的經(jīng)驗，同時也要關注國家的政策，通過一些準則的制定，幫助國家把AI產(chǎn)品數(shù)據(jù)規(guī)范慢慢理順?！?/p>
對于醫(yī)療數(shù)據(jù)安全，除了政策層面的約束，其實在技術層面也有不少的方法，比如說聯(lián)邦學習。
2016年，谷歌提出了針對手機終端的聯(lián)邦學習，微眾銀行AI團隊則從金融行業(yè)實踐出發(fā)，關注跨機構跨組織的大數(shù)據(jù)合作場景，首次提出“聯(lián)邦遷移學習”的解決方案，將遷移學習和聯(lián)邦學習結合起來，為解決多中心數(shù)據(jù)孤島的問題提供了一個很好的解題思路。
但是，張少霆也坦言，在醫(yī)療行業(yè)，傳統(tǒng)的聯(lián)邦學習方法需要聯(lián)動多家醫(yī)院，進行不同中心點之間的通信，這樣的環(huán)境很難部署。如果由企業(yè)端去發(fā)起，難度很大，而是更應該由監(jiān)管方自上而下地推動。
考慮到傳統(tǒng)聯(lián)邦學習的弊端，在今年入選ECCV的一篇論文中，商湯提出了基于分布式生成對抗網(wǎng)絡(GAN)的結構來實現(xiàn)。
在傳統(tǒng)的方式里，參與方最后會得到一個具體的任務模型，比如一個腦腫瘤的分割模型。而商湯提出的方法則是通過生成對抗網(wǎng)絡的博弈式學習，最后得到的是一個數(shù)據(jù)生成器，可以生成近似真實的腦腫瘤的醫(yī)學圖像。
商湯的一位研究員給我們打了一個比方：數(shù)據(jù)生成器的學習過程有點像給嫌疑人（原始數(shù)據(jù)）畫像，畫像師（生成器）從沒見過嫌疑人，但通過多個目擊證人（各中心鑒別器）的反饋描述，最后畫像師（生成器）畫出了和嫌疑人相似度很高的畫像。
從這個過程中，商湯方法就能學習到數(shù)據(jù)生成器。與此同時，生成器可以生成訓練數(shù)據(jù)，形成大數(shù)據(jù)庫，供下游的具體任務模型使用，使模型可以不再依賴多中心原始數(shù)據(jù)也能持續(xù)擴展改進。
值得注意的是，生成器有一定程度的終身學習能力，來應對實際應用中可能出現(xiàn)的動態(tài)變化的多中心環(huán)境。比如在學習過程中，不斷有新的中心加入或某些原有中心退出的情況。
“這種方法有很大的想象空間，可以說為解決所有醫(yī)療AI模型開發(fā)和驗證中不可避免的數(shù)據(jù)倫理問題提供了一個全新的思路。對機器學習算法類公司來說，有了數(shù)據(jù)之后，就可以生成數(shù)據(jù)集，而且不涵蓋任何的安全信息和隱私信息；對監(jiān)管方來說，直接收集醫(yī)院的數(shù)據(jù)也有很多隱患。但是生成模型就可以幫助監(jiān)管方動態(tài)地生成數(shù)據(jù)庫，幫助進行算法的橫向評估、后續(xù)迭代?！?/p>
當然，張少霆也表示，目前這個算法仍是進行“探索性”的工作，短期內還不會將其商業(yè)化。
今年，是醫(yī)療AI行業(yè)最好的一年。
細數(shù)一下上半年，已經(jīng)有三款醫(yī)療AI產(chǎn)品獲NMPA的批準，頂層設計不斷成熟，國家也陸續(xù)出臺了相關政策鼓勵AI產(chǎn)業(yè)發(fā)展，推動AI技術與產(chǎn)業(yè)的深度融合和落地應用。
進入2020年，“新基建”的建設步伐開始加快。
北京、福建、河南、云南、廣東、江蘇等多地已經(jīng)發(fā)布2020年重大項目投資計劃清單。據(jù)不完全統(tǒng)計，目前各地關于“新基建”的投資計劃規(guī)模合計已超40萬億元。
去年世界人工智能大會期間，張少霆在接受《澎湃新聞》采訪時表示，如果未來人工智能發(fā)展得像水電煤一樣，在生活的方方面面、各個環(huán)節(jié)都能降低具體某項事情的成本，使大家都能夠用上，這會是商湯期望看到的現(xiàn)象。
客觀看來，在社會和行業(yè)的綜合利好下，以“醫(yī)學影像AI”為代表的醫(yī)療AI行業(yè)，還有非常多的新故事可以講述，這就需要醫(yī)療AI公司們，在學術和產(chǎn)品上集思廣益，貢獻更多的新思路和新方法。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
