AI究竟为医学带来了什么？医学AI究竟是复制能力还是超越认知？

临床应用是检验医学AI技术的唯一标准

医院场景众多，企业不可能针对每一个场景都去开发AI产品。所以，企业必须有所取舍，并在选择发展方向时遵循某些原则——企业必须从临床应用出发去开发AI产品。

“我们不太可能对针对某一脏器或某一系统中的某种单一疾病去开发产品，因为那不是临床真实的场景，我们很难想象，AI应用只会“认识”某种疾病，我们的AI需要对疾病的认识具备一定的广度，这才是临床应用级别的技术、产品。”宋捷在谈到。

临床痛点和真实的应用场景，是医学AI研发的目标和源动力。

以CT领域为例，当大家都在忙于识别“肺结节”这类特异性疾病时，希氏异构看到的是该领域更为核心的需求：一是不同级别的医院由于医技能力、经验的不同，CT影像质量存在很大差异；二是，如何识别病变区域，并且更好地重建病变区域的影像；我们从这两个角度出发，解决的是临床实际的问题。如果我们总在纠结于某一种疾病的识别，或许会偏离临床的需求，毕竟，同一个部位、脏器会有多种病变发生的可能，只有从根本上、从广度上解决问题，临床才会真正接受。

希氏异构非常强调临床的真实需求。“这几年AI的‘故事’太多，现在有能力的企业，需要拿出‘真东西’给大家看看。希氏异构不仅能拿出兼顾不同领域的AI应用技术，同时也愿意基于这些技术开发创新性的AI+医疗设备。毕竟，这才是临床能快速应用的东西。”

“拿出真东西是关键，AI泡沫下有黄金”。

作为一家最早从事消化领域的AI研发企业，目前，希氏在消化内镜AI领域的研发成果覆盖全消化道，涉及包括肿瘤、息肉、萎缩性病变、溃疡类病变、糜烂性病变、血管病变等多类别百余种疾病。

在未来几个月，希氏将推出针对多种不同光源下的内镜AI早癌识别技术；涉及的部位包括传统消化内镜到达的上下消化道区域和胶囊内镜下展现的小肠区域。相关应用技术已经以多种医疗设备（消化内镜AI实时影像判定仪、胶囊内镜影像AI分析判定仪等）和云化服务产品呈现出来，并在该领域形成立体的AI产品方案。

AI的持续研发需要四点基础

在明确AI的发展方向后，我们还需了解AI持续研发的需求，或者说要实现持续研发，AI需要哪些核心竞争力。宋捷认为，以下四种因素必不可少。

1、医疗基因

医疗人工智能是一个科技含量很高的领域，单单的AI科学家或是临床专家都难以做好医疗人工智能。成功的企业需要其管理者对产业有着深厚的认识，如医疗细分领域的商业模式、产品需求。

没有对这些细节的理解，企业就难以设计出符合医生需求的产品，不了解医疗器械及数字系统的进入模式，就难以为产品开拓市场。这些都需要积累和总结，也是企业医疗基因的重要之处。

2、人工智能技术

AI应用技术研发乍看之下似乎门槛很低，一些数据加上云端算力，使用开源算法，就可以“开工”，但若是面对海量数据，要开发真正具有临床应用价值的产品级技术，就必须具备真正的AI技术能力，这包括：超算能力、底层开发技术，以及应用端的AI芯片研发能力，这些是硬指标。

宋捷认为，独立的超算中心应是人工智能企业的必要条件：一方面能提供强大的算力，缩短开发周期，另一方面能充分保障数据安全。

以希氏异构的超算中心“神农1号（I期）”为例，这个搭载了64个英伟达最新的TeslaV100 GPU，并行计算能力超过90％的超算中心，能够将常规算力下15天的计算时间缩短至52分钟。这对于需要进行几十次计算的模型来说，无疑是极大的提升。

当然，类似的超算中心并不是简单可以花钱买到的商品，而是需要企业结合自身的技术去搭建。

3、深度合作的医院

企业和医院常规的合作常常会伴随数据安全、法律方面以及知识产权分割等风险。尤其是知识产权方面，任何前期忽视或有法律风险的做法。都可能在未来被他人扼住企业的咽喉。

所以，企业永远不要奢望在没有高级别医疗机构的深度参与下，仅仅靠一点所谓的“数据”就能做出有价值的产品。

如今，希氏异构和国内多家一流医院深度合作，以华西医院为例，双方同时在六个领域开展了深度合作。

希氏异构合作基本要求很简单：明确数据来源的合法性，确定未来AI技术的归属权，这种有效的保险机制是企业研发成果产品化的基本保障。

4、人工智能产品化

如果说去年人工智能热在技术突破，那么今年的核心词就是“落地”。如今已是深秋时节，新的一年即将来临，随之而来的将是AI“商业化”。

AI企业想要独树一帜，硬件化的能力必不可少，在现代商业化模式下，AI难以走信息化产品的老路，跟随硬件进入医院是一个值得思考的问题；正如希氏异构的产品，更多体现为医疗设备形态。

如今，希氏异构已经有6项产品进入三类医疗器械的报批流程，AI医疗产品讲故事的时代将成为过去式，新的时代即将到来。

AI究竟为医学带来了什么？

对于医学，AI是复制能力还是超越认知？这是很多人为之困惑的一个论题。

“一开始，我认为AI可以超越医生对疾病的认知，然而在从事而AI的研究过程中，我发现现在谈超越还为时过早，至少在未来几年，AI需基于人类对疾病的认识复制医生的能力。但总有一天，AI能发现一些人类未知的东西。”宋捷在演讲中谈到。

如今，AI的主要功能在于运用强大的算力去解决常规方法无法实现的共性提取，进而找出疾病与表型之间的相关性。不过，现在的AI离图灵实验下的智能还很远。

宋捷认为，现在AI的发展需基于能力复制，融汇贯通后方能实现认知超越。然而，“超越”一定是在人类可以验证的范畴内完成。AI爆发之时，研究人员将倾注大量精力于验证。

以消化内镜为例，AI的工作是分析患者消化系统的图像，并尝试从海量的图像中找出共同之处，将其归纳为法则，再用机器来执行这些法则，并在医生使用消化内镜时运用验证的法则帮助医生实时分析影像。在这个过程中，AI复制了医生的能力，提升了检查效率，减少了漏诊的风险，但AI不能解决内镜专家自身看不明白的病症。而这里的缺陷，便是未来AI发展的方向。

如今，AI已在医疗领域初露锋芒，这项技术将成为打破传统医疗行业壁垒的利器；这种壁垒的打破，将给医疗巨大市场带来是一场浩大的革新。