CCV对话清华大学：AI＋医疗如何进行商业破冰？

近日，创世伙伴资本CCV合伙人梁宇出席了在清华大学举办的“中国AI创新者论坛”，并在“AI与医疗革新”圆桌论坛担任主持，与清华大学统计学研究中心副教授俞声、清华大学生物医学影像研究中心研究员赵锡海进行了一场关于AI+医疗的讨论。

俞声副教授任职清华大学统计学研究中心，研究电子病例分析，医学术语识别、医学图谱知识建设。赵锡海任清华大学医学院生物医学影像研究中心的研究员，专攻医学影像的开发、临床应用、产业转化，从事心脑血管技术研发和临床运用研究，同时任长庚医院影像科医生，从临床医生的角度与大家分享了对AI技术的看法。接下来便是两位嘉宾与主持人的精彩分享：

主持人（梁宇）：行业里说有了电子病例，可以把医疗处方下沉到下层医院，这一认知正确吗？现在进展到哪个程度呢？

俞声：这个认知和方向我相信一定是对的。电子病例是数据，但又不是我们在人工智能中所谈论的数据。电子病例分两类，一类是编码型的，相对好用一些，包括疾病诊断、手术编码等等。还有一些属于诊疗细节，真正涉及到医生整个的诊疗经验和知识，这方面是以自由文本的形式记录在病例里的。这只是用来作为存储用的数据，和机器学习中要使用的数据形式差别很大。这个过程是漫长的，首先需要从自由文本中识别有什么医学概念，以什么形式提到，提到疾病时患者是确诊还是来排查，或者有家庭病史等，怎样有效把原始数据、自由文本转化成机器可以学习的数据，才能谈电子病例，形成人工智能辅助系统，去把上级医院医生的经验集成后下沉。

关于现在所处的阶段，是处于医学信息学基础设施建设阶段，这一点中文和英语世界差距还是比较大的。例如心电，一般认为是波形，其实要做这个任务，仍然涉及到病例里面对心电各种症状诊断描述的不统一性。这些在英语圈里面比较好用一些，我常用的大数据，术语发展有30年了，现在有几百万个医学相关的概念，几千万条医学术语。在美国做医学语言处理是相对容易的。我回国以后发现，中文的积累是非常少的，我们做电子病例分析，需要先补完中文的医学术语库的建设，打好了基础才能在上面更好的发展。

主持人（梁宇）：俞老师，您的研究方向是什么？从电子病例往前突破的话，有哪些近5年能够看得见的应用？

俞声：我首先意识到了医学信息学基础设施的缺失，是对医疗人工智能发展的重大障碍。我目前在做医学术语的提取工作，自动识别和补全，建立能够应用于医疗人工智能和电子数据分析的术语库。另外，我在做医学知识图谱的建设，我们不太喜欢把所有变量都仍到一个大模型里直接预测结果，而是希望要预测某一个疾病时，依照它的知识关系去提取相应的变量，再去建模。我们在去年年底测试了第一批用于电子病例的中文医学术语，效果喜人，希望今年年底可以实现。

赵锡海：人工智能真正应用到临床，第一个要面临的问题，就是有人工智能的产品放在旁边，医生为什么不用？根源在于没有嵌入现在医疗活动常用的系统，医生看图像时还放一个工作站，人工智能帮助我节省时间，现在是浪费我的时间。人工智能产品只有嵌入现有的医疗设备和系统中，才能让医生得到更好的体验。

主持人（梁宇）：谢谢赵老师。确实，如果真的让医生不是面对十个系统，而是能用一个系统解决所有问题，才是真正有意义的技术突破。恰恰这些技术只是涌现了出来，还没关注到如何降低医生重复性劳动的投入，这也是阻碍AI走向医院的一个巨大障碍。

前段时间到三四线城市去了解医疗现状，社区诊所像便利店一样多到无法想象，走5分钟就能看到一个小诊所，100-200平米的房间里挤着五六个人挂盐水，守着一个大夫。而这样的诊所全国大约有100万家，有大量人口是在这种医疗环境看基础医疗，连最基本的验血都做不到，因为验血设备对于这样的诊所来说太贵了。单凭大夫看一下舌苔，判断这个病人发烧，建议吊盐水；病人口述脑袋疼，医生建议吊盐水——这样的粗糙诊断每分每秒都在发生。

我们也投了两家技术+医疗的项目——数坤科技和云呼科技。首先，AI影像今年会进入大规模商业化，而数坤科技解决了最根本的问题——好医生供给不足的时候，AI来发挥作用。他们选择了心脏科+AI影像为切入点，并逐步延伸至颅脑和神经系统，打造未来的“数字医生”。这样的创业项目毫无疑问会受到投资者的青睐，创世伙伴资本CCV领投了数坤2亿元的B轮投资。

云呼则是以基层医检为突破点，利用技术整合下沉医疗资源。通过云呼科技的平台进行医检，相比于传统渠道至少缩短一半检验周期，同时降低20%的医检成本。目前云呼已经对接北京、浙江、福建、河南、湖南、江西、江苏等地上千家医疗机构，累计服务达数十万人次。

我们寄希望于AI等技术应用释放重复劳动，平衡优质的资源。如果仅做商业判断，AI在高线城市和医院中完成落地，作出好的商业应用示范，逐渐下到三四五线城市，解决资源不平衡的问题，这样的创业方向大有可为。