人類健康的道路上，醫(yī)療和醫(yī)藥，是亙古不變的濟世良方。隨著健康中國戰(zhàn)略和《健康中國2030》的落實，大健康產(chǎn)業(yè)將引領(lǐng)我國新一輪經(jīng)濟發(fā)展浪潮。

前沿領(lǐng)域創(chuàng)新，則是帶動這股浪潮的核心力量。

如何從歷史節(jié)點中找尋機遇，探尋醫(yī)療與科技的結(jié)合點，并在合適的時點實現(xiàn)商業(yè)化落地？

在今年的醫(yī)療科技高峰論壇上，19位醫(yī)、產(chǎn)、研、投的行業(yè)領(lǐng)袖，分別從醫(yī)學(xué)影像AI、AI制藥兩大賽道出發(fā)，為行業(yè)的發(fā)展提出自己的真知灼見。

四院院士、國際頂會主席、頂級三甲醫(yī)院科室主任、投資界大咖...無論是嘉賓級別，還是議題的多元程度，都是近年來的最高水平。

以下是本次大會的精彩回顧：

潘毅：用第三代人工智能，助力生物醫(yī)學(xué)大數(shù)據(jù)研究

作為上午場的開場嘉賓，潘毅教授以《人工智能在生物醫(yī)學(xué)工程中的應(yīng)用》為題，進(jìn)行了開場報告。

他提到，生物醫(yī)學(xué)已經(jīng)進(jìn)入大數(shù)據(jù)和AI時代，但有很多問題值得反思：每天產(chǎn)生海量數(shù)據(jù)，但處理數(shù)據(jù)的水平并不高，主要原因就是計算機科學(xué)家不懂生物，生物學(xué)家不懂編程，最后產(chǎn)出的成果質(zhì)量也比較差。

潘毅教授認(rèn)為：“對于生物學(xué)家而言，假設(shè)投入幾百萬成本提升研究工具，而最后的結(jié)果改進(jìn)微乎其微，就會讓研發(fā)工具的計算機科學(xué)家得不到認(rèn)可?！?/p>

而人工智能技術(shù)，可以應(yīng)用于人類生命研究和健康管理的多個階段。潘教授著重分享了第三代人工智能技術(shù)的前景與應(yīng)用。他表示，第三代AI系統(tǒng)，是把第一代的知識驅(qū)動和第二代的數(shù)據(jù)驅(qū)動結(jié)合起來，構(gòu)造更強大的AI，其關(guān)鍵之處就是知識嵌入、多模態(tài)數(shù)據(jù)融合及結(jié)果解釋。

潘毅教授分享了關(guān)于“多模態(tài)數(shù)據(jù)融合”的最新研究，將研究實體如基因、RNA、蛋白質(zhì)、微生物、代謝物、通路以及病理和醫(yī)學(xué)影像數(shù)據(jù)，用不同層次的網(wǎng)絡(luò)來表示，從而可以使用計算方法來探索生物實體之間的潛在關(guān)系。

任峰：在失敗率極高的制藥行業(yè)，AI大有可為

第二位演講嘉賓是，英矽智能首席科學(xué)官任峰博士，他的演講題目是《人工智能加速纖維化藥物研發(fā)》。

十天之前，英矽智能的全新靶點和新分子結(jié)構(gòu)的候選藥物，成為有史以來，首個進(jìn)入臨床試驗階段的AI輔助研發(fā)創(chuàng)新藥。

演講中，任峰博士詳細(xì)介紹了IPF項目的研發(fā)細(xì)節(jié)，以及英矽智能的Chemistry 42、PandaOmics和InClinco三個AI平臺的實際作用。

任峰表示：“AI在新藥研發(fā)上可以做很多事情，例如擅長找到蛋白靶點，或者針對已知靶點進(jìn)行老藥新用，甚至是用在很多‘快跟’項目上。大家對于AI新藥研發(fā)的想法應(yīng)該更加深遠(yuǎn)，今天想到的新藥分子、新的靶點都還只是一小步，接下來還需要向端到端發(fā)展。"

郭天南：診斷準(zhǔn)確率超90%的AI+蛋白質(zhì)組學(xué)技術(shù)

任博演講之后，接下來西湖大學(xué)特聘研究員郭天南，以《AI賦能的蛋白質(zhì)組大數(shù)據(jù)助力精準(zhǔn)醫(yī)療》為題，發(fā)表了演講。

郭教授的演講主要分為六個部分：

第一，什么是蛋白質(zhì)組學(xué)；

第二，蛋白質(zhì)組學(xué)在臨床的最新技術(shù)進(jìn)展；

第三，蛋白質(zhì)組學(xué)大數(shù)據(jù)的新概念，以及AI發(fā)揮的作用；

第四，AI助力甲狀腺結(jié)節(jié)的診斷；

第五，AI在尿檢中實現(xiàn)新冠肺炎分類；

第六，將蛋白質(zhì)轉(zhuǎn)化為Tensor的多維矩陣新概念。

郭教授表示：“AlphaFold2使用AI技術(shù)在蛋白質(zhì)結(jié)構(gòu)預(yù)測上取得突破性進(jìn)展，但此研究的更大價值將在蛋白質(zhì)組學(xué)中展現(xiàn)。想象一個戰(zhàn)場，需要不同的兵種和武器，它們的性能就是蛋白質(zhì)結(jié)構(gòu)。要贏得一場戰(zhàn)斗，需要知道各種士兵和武器的數(shù)量、性能、運行及修復(fù)方式，以及所有軍力在整個作戰(zhàn)系統(tǒng)中的互動，這個過程就是蛋白質(zhì)組學(xué)。這就是蛋白質(zhì)結(jié)構(gòu)預(yù)測和蛋白質(zhì)組學(xué)的關(guān)系?！?/p>

演講最后，郭教授還重點介紹了一種新的蛋白質(zhì)組大數(shù)據(jù)的展示形式的研究——怎樣將蛋白質(zhì)組數(shù)據(jù)轉(zhuǎn)化成為Tensor的多維矩陣。

“張量可轉(zhuǎn)化為視頻，每個像素就是某個蛋白質(zhì)的一個多肽片段，平鋪后可以得到一副有規(guī)律的、就像宇宙的圖像，呈間隔分布，每個間隔都是一個分子單位。”

宋樂：AI新藥研發(fā)面臨的三大挑戰(zhàn)

上午的第四位演講嘉賓是百圖生科首席AI科學(xué)家、ICML 2022大會主席宋樂，他演講的題目是《用人工智能賦能新藥研發(fā)》。

宋樂博士提到，大家在憧憬AI可以在新藥發(fā)現(xiàn)展現(xiàn)巨大作用的同時，還有三個問題要提前考慮。

第一，對一種疾病有足夠了解，就要對身體每個器官，不同細(xì)胞的不同作用，細(xì)胞之間的通性有足夠了解，這會是一個非常復(fù)雜的網(wǎng)絡(luò)，需要獲取分子在細(xì)胞膜上接受、在細(xì)胞里互相調(diào)控，細(xì)胞里的蛋白質(zhì)基因表達(dá)等等很多種信息。

第二，需要面對包括基因測序、表觀組，蛋白質(zhì)表達(dá)、蛋白質(zhì)代謝，組織層面、機理層面等不同維度、多尺度數(shù)據(jù)的融合處理難題。

第三個挑戰(zhàn)，是人與人的層面，AI模型藥物分子或靶點發(fā)現(xiàn)過程中，數(shù)據(jù)分析與試驗往往是兩波人，他們之間想法有時候比較沖突，有時候溝通比較久，缺乏一個非常高效的系統(tǒng)，將預(yù)測、模型輸出和試驗系統(tǒng)進(jìn)行整合，加速迭代。

圓桌論壇：AI制藥是一場技術(shù)革命，找到閉環(huán)是關(guān)鍵

上午的最后一場，進(jìn)入了“AI新藥投資人討論”環(huán)節(jié)，這是國內(nèi)關(guān)于AI新藥研發(fā)的投融資和下一步發(fā)展的頂級討論。由阿里健康投資部執(zhí)行董事秦禎主持，出席圓桌的四位頂級投資人分別是：

高榕資本合伙人楊昆、深創(chuàng)投執(zhí)行總經(jīng)理、健康產(chǎn)業(yè)基金投資部總經(jīng)理周伊；邦勤資本總經(jīng)理&創(chuàng)始合伙人劉明宇。

圍繞AI新藥研發(fā)產(chǎn)業(yè)的發(fā)展現(xiàn)狀和資本傾向，深創(chuàng)投執(zhí)行總經(jīng)理周伊先發(fā)表了自己的看法。

他認(rèn)為，AI制藥剛剛起步，通過AI制藥技術(shù)來發(fā)現(xiàn)的分子或者靶點，還沒有得到臨床的驗證。如果后續(xù)更多的案例可以跑通，大家對AI的信任度和依賴性會越來越高?！拔也幌Ｍ鸄I制藥也像AI醫(yī)學(xué)影像一樣，大起必然會有大落。對創(chuàng)業(yè)者來說，AI制藥是一個不錯的選擇，但不要太著急，做藥本來就慢，還是需要跨過很多坎。”

邦勤資本總經(jīng)理劉明宇認(rèn)為，“如果新工具是一場技術(shù)革命，就有可能顛覆傳統(tǒng)的游戲規(guī)則。AI制藥目前還需要一定突破口，去驗證和傳統(tǒng)的思維方式的差異，但AI制藥的‘工具’屬性更強?！?/p>

圓桌對話中，四位投資人還討論了AI制藥高風(fēng)險的問題。

對此，高榕資本合伙人楊昆表示，對于AI制藥的前景和風(fēng)險，需要從產(chǎn)業(yè)閉環(huán)的角度來看問題。以AI診斷為例，在臨床中有實際作用，但其商業(yè)化表現(xiàn)在中美各異。而AI制藥的試金石會來得更快。

目前很多AI研發(fā)藥物處于臨床前期階段，一旦進(jìn)入臨床階段，會面臨兩個問題。首先，進(jìn)入臨床階段意味著企業(yè)將進(jìn)入新藥公司估值體系；其次，AI篩選出來的分子對比科學(xué)家研究出來的分子效果幾何有待驗證，新藥研發(fā)天然有一定失敗率，也將對行業(yè)和企業(yè)造成一定影響。未來兩年，AI制藥企業(yè)可能迎來“上天”和“落地”的分化。

阿里健康投資部執(zhí)行董事秦禎總結(jié)道：生物計算，更多會從靜態(tài)預(yù)測往動態(tài)方向走，AlphaFold2是一個三維結(jié)構(gòu)的構(gòu)象的截圖，未來對它的預(yù)期會從照片變成錄像，真正看到蛋白如何運動。

另外，從蛋白質(zhì)的預(yù)測到RNA二級結(jié)構(gòu)，現(xiàn)在還有三級結(jié)構(gòu)，把它的結(jié)構(gòu)和運動連接在一起，這也是一種趨勢。

第三，干濕實驗數(shù)據(jù)結(jié)合，要不斷地有閉環(huán)，有新的真實實驗數(shù)據(jù)，再反哺到算法里面去，這也是大家期待看到的AI制藥趨勢。

蕭毅：醫(yī)學(xué)影像AI已有頭部效應(yīng)，三個價值將得到驗證

在醫(yī)學(xué)影像AI分論壇的開場報告中，上海長征醫(yī)院影像科的蕭毅教授發(fā)表了題為《醫(yī)學(xué)影像AI發(fā)展的變量與新動能》的演講。

蕭毅表示，隨著對疾病診療認(rèn)識的增加，醫(yī)學(xué)影像人工智能產(chǎn)品也進(jìn)一步橫縱結(jié)合，往更深更廣發(fā)展,而完整的解決方案才是真正服務(wù)于臨床的好的產(chǎn)品。

蕭主任以目前行業(yè)內(nèi)較為領(lǐng)先的幾家AI公司為例，分享了它們在臨床、科研方向上的布局。

但是，醫(yī)療AI依然面臨商業(yè)化難題，“ AI頭部企業(yè)現(xiàn)在還有著失血之痛，沒辦法進(jìn)入醫(yī)保，頭部AI公司即便已經(jīng)完成IPO，也處于只流血、無輸血、不回血的商業(yè)斷鏈的窘境。”

不過，放眼未來，在分級診療的大背景下，基層醫(yī)療機構(gòu)的服務(wù)需求將快速增長。與此同時，三類證陸續(xù)下發(fā)，頭部公司充分展現(xiàn)良好的臨床、經(jīng)濟和社會的價值后，醫(yī)療AI企業(yè)將迎來新的創(chuàng)業(yè)命題和新的增長周期。

張笑春：方艙共享醫(yī)療體系，是大勢所趨

張笑春主任是廣州婦女病兒童醫(yī)療中心影像部負(fù)責(zé)人，現(xiàn)任中國醫(yī)療器械行業(yè)協(xié)會方艙醫(yī)療分會主任委員。

她表示，5G+AI+腦機接口等新技術(shù)的革新，已經(jīng)讓現(xiàn)在的醫(yī)療生產(chǎn)關(guān)系發(fā)生了巨大的改變。張笑春主任著重分享了“方艙共享”醫(yī)療模式的建設(shè)成果。

她認(rèn)為，后疫情時代，醫(yī)療執(zhí)業(yè)人將開啟怎樣的醫(yī)療模式？一定是建立具備某種功能或者組合多種相關(guān)功能的移動智慧共享集成的功能載體，也就是方艙共享醫(yī)療體系，這是大勢所趨。而醫(yī)生、科學(xué)家、企業(yè)家、政府職能管理者，要有一切工具皆為我所用的心態(tài)，要有駕馭高級智能工具的能力和信心。

袁進(jìn)：以前我們談眼科人工智能，今后要談智能眼科

作為分論壇的第三位講者，中山眼科中心副主任袁進(jìn)教授在近幾年積極帶領(lǐng)團隊完成超高分辨率OCT、眼科多模態(tài)成像系統(tǒng)等眼科新型成像設(shè)備的設(shè)計與評價，以及眼科人工智能診斷云系統(tǒng)等智能分析技術(shù)的開發(fā)。

在演講中，袁進(jìn)教授表示，AI產(chǎn)品的研發(fā)有三要素：算法、算力和數(shù)據(jù)。而數(shù)據(jù)是至關(guān)重要。

為了方便研發(fā)人員進(jìn)行產(chǎn)品開發(fā)，中山大學(xué)中山眼科中心將金標(biāo)的眼底數(shù)據(jù)集進(jìn)行了全球公開免費發(fā)布，命名為iChallenge。目前，全球已經(jīng)有2000多個團隊利用該數(shù)據(jù)集開發(fā)了臨床AI應(yīng)用。

袁教授認(rèn)為，以前行業(yè)談?wù)摳嗟氖茄劭迫斯ぶ悄?，現(xiàn)在這個概念應(yīng)該擴大為“智能眼科”：以人工智能，以及5G、可穿戴、高清成像技術(shù)、新一代機器人等新時代的技術(shù)，融合到臨床上應(yīng)用，打造真正的智能眼科，而不僅僅局限于眼科人工智能這樣的概念。

目前，袁教授團隊正在與深睿醫(yī)療合作，推進(jìn)一個全天候、多場景、交互式的視覺功能導(dǎo)航系統(tǒng)，打造一個對低視力和盲人的全新智能視力輔助系統(tǒng)，以改變這類人群的生活質(zhì)量。

李育威：醫(yī)療AI產(chǎn)品未來商業(yè)化的確切道路

下午的第四場演講嘉賓是科亞醫(yī)療首席科學(xué)家李育威，他演講的題目是《從臨床需求出發(fā)-AI產(chǎn)品的商業(yè)化之路》。

在上午的演講中，有投資人曾提到醫(yī)學(xué)影像AI的商業(yè)化難題，而作為我國醫(yī)學(xué)影像AI三類證產(chǎn)品的首證企業(yè)，科亞醫(yī)療也是做過最多醫(yī)療AI產(chǎn)品商業(yè)化探索的先驅(qū)者之一，在演講中，李育威博士對于醫(yī)療AI產(chǎn)品的研發(fā)、臨床驗證與合規(guī)性落地、物價審批與商業(yè)化模式進(jìn)行了介紹。

李育威博士表示，作為行業(yè)的頭部企業(yè)，回顧科亞醫(yī)療過去幾年的發(fā)展，其實特別像整個醫(yī)療AI的進(jìn)化史，我的感受有兩個：一，不容易；二，幸運。

“最早在2016年我們就開發(fā)了深脈分?jǐn)?shù)的核心算法，當(dāng)年年底已開始進(jìn)入臨床試驗，之后從2018年進(jìn)入藥監(jiān)局創(chuàng)新醫(yī)療器械特別審批通道，到2020年初正式獲批，落地時間周期大大超出了我們作為科研人員的意料；”

“而幸運也是同樣的原因，我們有幸成為了填補國內(nèi)醫(yī)療AI產(chǎn)品監(jiān)管落地空白的第一家獲批企業(yè)，從零開始和監(jiān)管部門，尤其和藥監(jiān)局一起探索出怎樣才能讓我國醫(yī)療AI產(chǎn)品落地，讓科亞積累了深厚的醫(yī)療AI產(chǎn)品商業(yè)化經(jīng)驗，懂得如何從最開始就圍繞醫(yī)療AI產(chǎn)品商業(yè)化，進(jìn)行有針對性的產(chǎn)品設(shè)計、數(shù)據(jù)及算法研究到臨床應(yīng)用的落地。”

黃峰：傳統(tǒng)影像設(shè)備公司，要學(xué)會“修路”和“通車”

下午的第五位演講嘉賓是東軟醫(yī)療首席科學(xué)家黃峰博士，他的演講題目是《AI助力解決醫(yī)療痛點問題的路徑探索》。

黃峰博士表示，大家對于傳統(tǒng)影像設(shè)備公司的人工智能應(yīng)用，最多的概念是自動擺位、快速重建、低劑量CT成像等等圍繞設(shè)備的人工智能應(yīng)用，但是如何能夠進(jìn)一步滿足用戶的臨床需求？

基于醫(yī)療AI的落地、商業(yè)化、醫(yī)療資源不足和分布不均勻等問題和現(xiàn)狀，東軟醫(yī)療研發(fā)了一個平臺MDaaS，致力于連接醫(yī)療設(shè)備和醫(yī)療影像數(shù)據(jù)，從而服務(wù)于醫(yī)療生態(tài)的各方，并對從設(shè)備到醫(yī)療機構(gòu)、政府、科研機構(gòu)、患者等所有利益相關(guān)方進(jìn)行整合。

具體來說，黃峰博士認(rèn)為MDaaS主要做兩件事，修了路和通了車。

修路是指，MDaaS在內(nèi)部搭建了幾個不同場景的平臺服務(wù)，包括面向基層的醫(yī)療機構(gòu)智能影像公有云平臺NeuMiva，面向?qū)？苹膊〉闹悄茉\斷和分級診療的腦卒中平臺e-Stroke和肺部疾病平臺eLungCare。

通車是指，實現(xiàn)生態(tài)鏈互聯(lián)互通，把設(shè)備、醫(yī)療服務(wù)提供者、患者、政府、科研機構(gòu)和第三方服務(wù)提供者連在一起，實現(xiàn)數(shù)據(jù)互通互聯(lián)，以及人工智能產(chǎn)品應(yīng)用。

IEEE Fellow圓桌對話：做高水平的學(xué)術(shù)研究和產(chǎn)學(xué)研的對話機制

醫(yī)學(xué)影像AI分論壇的IEEE Fellow圓桌對話，由雷峰網(wǎng)(公眾號：雷峰網(wǎng))和圖像計算與數(shù)字醫(yī)學(xué)國際研討會（ISICDM）聯(lián)合主辦。由南方醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院的馮前進(jìn)院長主持，出席的各位嘉賓分別是：

蔣田仔，中國科學(xué)院自動化所研究員、IEEE Fellow；

周少華，中國科學(xué)技術(shù)大學(xué)講席教授、IEEE Fellow；

李純明，電子科技大學(xué)電子工程學(xué)院教授、IEEE Fellow；

彭漢川，東南大學(xué)腦科學(xué)與智能技術(shù)研究院創(chuàng)院院長、IEEE Fellow；

鄭冶楓，騰訊天衍實驗室主任、IEEE Fellow。

在當(dāng)天的對話中，六位嘉賓的討論主要以治學(xué)和產(chǎn)學(xué)研融合兩個層面展開：

關(guān)于治學(xué)層面。蔣田仔教授認(rèn)為，大家都希望做高水平科研，但什么是高水平科研是一個認(rèn)識過程，每個人的標(biāo)準(zhǔn)可能不一樣，同一個人在不同的時期也不一定一樣。蔣田仔教授從本科到博士都是數(shù)學(xué)專業(yè)，在2000-2010年的十年里基本都在從事臨床基礎(chǔ)研究，發(fā)表了一些高水平，但無法解決臨床現(xiàn)實問題。在申請973項目時確定以臨床需求為切入點，做對學(xué)科和社會有意義的研究，這樣的論文才會體現(xiàn)其真正的水平和價值。

對于這個想法，周少華教授給予了認(rèn)可，他表示："在西門子醫(yī)療工作時，是誤打誤撞才有幸進(jìn)入了這樣的研究，做的很多問題都來自于臨床，醫(yī)學(xué)影像的學(xué)術(shù)研究，從臨床問題切入是一個比較好的途徑，臨床問題是許多重要問題的來源?！?/p>

李純明教授也認(rèn)為：“醫(yī)學(xué)影像的技術(shù)研究不能迷信某一種技術(shù)，例如大家對深度學(xué)習(xí)的研究非常多，在很多領(lǐng)域都應(yīng)用得很好，但也不能什么問題都用深度學(xué)習(xí)解決。最終要看能不能解決實際問題，滿足臨床需求，而且切實幫助醫(yī)生提高工作效率，造?；颊摺！?/p>

各位學(xué)者討論的第二個話題是產(chǎn)學(xué)研如何實現(xiàn)融合。

彭漢川教授認(rèn)為，醫(yī)生有很多實際的工作痛點，都可以由工科人來解決。例如，醫(yī)生需要把接觸到的數(shù)據(jù)樣本或者臨床樣本記錄下來，這就需要一些順手的標(biāo)注工具。因此，在十幾年前，彭漢川教授就開發(fā)了一套工具，讓醫(yī)生能夠有效對三維數(shù)據(jù)進(jìn)行快速標(biāo)注。

作為騰訊天衍實驗室的負(fù)責(zé)人，鄭冶楓博士也從產(chǎn)業(yè)角度，介紹了自己開發(fā)主動脈瓣膜微創(chuàng)置換手術(shù)導(dǎo)航系統(tǒng)的經(jīng)驗。他表示，在不掃X光、不打顯影劑的情況下，準(zhǔn)確找到瓣膜位置相當(dāng)困難。也正是在和醫(yī)生交流后，甚至是穿上鉛衣到手術(shù)室觀摩之后，才有了導(dǎo)航系統(tǒng)的建設(shè)思路。

最后，馮前進(jìn)院長也作了總結(jié)，他認(rèn)為，不同的觀點需要充分表達(dá)，這是一個論壇的價值所在。醫(yī)學(xué)影像分析是一份跨界的工作，需要研究者們從實際的臨床問題出發(fā)，不斷優(yōu)化方法和結(jié)果。相信，五位IEEE Fellow的治學(xué)經(jīng)驗，也一定能為國內(nèi)的青年學(xué)者指明一條清晰的成長路徑。

由于篇幅有限，GAIR 2021醫(yī)療科技高峰論壇的嘉賓演講與圓桌對話精華，后續(xù)將會單獨推出，敬請期待。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。