深度解析：AI赋能循证医学，爱特曼正在打造怎样的Hippo产品？

近日，爱特曼(Atman)与全球领先的医药健康企业赛诺菲实现强强联合，开启合作共赢。双方深入探索循证医学方面的智能应用，联合打造中英双语的人工智能辅助医疗信息平台。该产品最终形式是以SaaS方式提供给所有的药企客户，目前产品内部代号为Hippo（并非最终产品名）。

那么，作为一款由爱特曼主导产品研发过程，并且独立进行商业化运营的产品，Hippo是如何获得国际知名药企青睐的？它的产品、商业、开发模式究竟是怎样的？它的应用价值和应用场景又是什么？让我们一起窥探这一产品背后的逻辑。

（Atman Hippo 功能演示）

一

Hippo的命名由来？它的应用场景如何落地？

Hippo的命名来自于两个英文单词的共同前缀，其中之一是医学之父希波克拉底（Hippocrates）；另一个是人类大脑中负责学习和记忆的海马体（Hippocampus）。使用这个名字，我们希望Hippo作为负责学习和记忆的中枢，建立起数据与数据、用户与数据以及用户与用户之间的链接，帮助用户提升效能，加速创新。

目前，Hippo的应用场景主要是科研工作者，是面向真正的医学专家，通过提升他们的工作效率来加速创新。但我们同时相信，未来有效的医学知识会不断地传递给大众。越来越多的科普工作者，也可以通过他们的努力让每一个人获益。同时，由于生物医学本身不受人类语言的约束限制，所以专家产生的价值天然就是全球化的价值。

二

什么是循证医学？它的重要性在哪里？

循证医学（EBM），意为“遵循证据的医学”，又称实证医学。其核心思想是医疗决策应在现有最好的临床研究依据基础上作出。然而，循证医学不同于传统医学。传统医学是以经验医学为主，即根据非实验性的临床经验、临床资料和对疾病基础知识的理解来诊治病人。循证医学强调任何医疗决策应建立在最佳科学研究证据基础上。说白了，循证医学就是要言之有据。

医学科学研究过程中的成果都是建立在前人研究的基础之上，甚至可以说，医学文档中每一句话都应该有相应的出处，应当能找到最接近的证据支持。所以，追踪、管理、分析这庞大的证据链条是科学研究必要的工作。

不仅是严肃的科学研究需要循证医学，日常医学应用如自我诊断、养生保健、科普教学也都需要询证的思维。中国目前有360万的执业医生，而人群总数却有十多亿。大多数人遇到寻医问诊的场景，会通过搜索、论坛、道听途说等自我问诊的方式来解决。然而，目前大多数渠道给出的建议都比较随意，以讹传讹，缺少证据支持，甚至有些人故意创造扭曲的证据来达成其他目的。因此，培养“听者询证，言者有据”的意识会有效改善中国的医学健康环境。

三

Hippo在循证医学方面产生哪些价值和目标？

Hippo产品是一个创新型的集医学证据监测、信息提取、处理、分析及报告生成于一体的一站式解决方案，从产品的功能线条上主要有三大块：化繁为简、启发洞见、协作创新。

化繁为简：Hippo将多种不同语言的医学文献、期刊、会议内容收录，并且自动追新。同时基于优异的医学翻译引擎，用户可以轻松实现跨语言检索。基于深度学习的信息抽取引擎负责对数据进行阅读和信息提取。用户不需要通读全文就可以了解文章核心内容，轻松实现语义检索，大幅提升工作效率。根据检索的过程自定义监测策略，系统将不断监控行业进展及竞品动态，实时将用户关心内容推送到用户指定的PC端或移动端。基于证据监测策略及信息检索结果，任何人可以轻松构建属于自己的、团队的及企业的动态证据知识库。

启发洞见：Hippo重点研发和增强了知识图谱、阅读理解和机器写作技术。对于人类已经掌握的知识原理，通过知识图谱技术在庞大的文献中提取数据实例，帮助每一个用户扩展思路，触类旁通。对于用户无法明确表述的想法，通过阅读理解技术，从非结构化数据中找到最相关的信息并推荐给用户，点亮用户想法。最终，通过爱特曼擅长的机器写作技术，将各种思路、洞见、证据以文字或图表方式呈现给用户。

协作创新：在知识过载的时代，单兵作战很难应对瞬息万变的科学进展及市场环境，医学社群的力量是推动创新不可忽视的重要一环，但是现有的协作模式已经不能满足新的需求。Hippo允许组织（企业、部门）或个人自由组织协作群组并赋予相应的安全权限，收集群体沟通交流中产生的灵感，利用知识体系进行扩展和探索性发掘，并将结果反馈给群组。通过AI技术，将群体数据有效管理和利用起来，发掘大量的潜在价值。

四

赛诺菲与爱特曼如何开展创新合作？

赛诺菲和爱特曼的合作从产品模式、商业模式、开发模式三方面都进行了开创性的创新。

（一）不是以往大企业和创业公司之间简单的定制开发，而是联合双方优势资源进行的产品研发。

定制开发的模式，双方的诉求不一致，创业公司不舍得把真正的好东西都拿出来，毕竟技术创新要困难的多，今年卖完了明年买什么？大企业则希望最小的投入获取更多的功能，这导致合作双方同床异梦，真正有效的成果不多。

联合开发则不同，双方的合作的目标是为了产生同一个有价值的产品。为了创造这个产品，有技术的投技术，有资源的投资源，有人的投人，有钱的投钱。和赛诺菲的这个合作，爱特曼投入了一个精英的研发团队，团队的成员中有做过必应（Bing）中超大规模系统架构设计的，有专注自然语言处理的，有浸淫机器学习多年的，有丰富应用前后端设计经验的。而赛诺菲也投入了20多人的医学团队，成员来自多个专业领域，他们在应用场景、数据规范、产品体验等多个环节对产品进行贡献。

（二）这款产品不是为了某一家药企定制研发的，而是真正面向市场的产品，无差别服务所有药企客户。

为某家企业定制的产品，虽然有更明确的受众，但是实际上却有很多的弊病。第一、受众群体的样本太小，非常容易受到个人的好恶影响，导致产品偏离真正的价值方向；第二、为某家企业定制的产品，定制烙印非常明显，不利于推广，也不是社会资源的有效使用方式；第三、即使是被定制的这家公司，由于当下商业环境、技术环境变化非常迅速，过度定制化的产品在升级换代的时候也有巨大的困难。

基于由于以上这些考虑，联合开发的这款产品，是由爱特曼主导产品研发过程，并且独立进行商业化运营的产品。在产品功能的选取和优先级设定上，会优先考虑药企客户的通用需求；在未来产品的发展方向上，会将更多的商业伙伴融入到研发环节中来，把他们的诉求迭代在产品中，并最终形成一款博采众长的科研平台产品。

（三）爱特曼的团队本身更擅长系统架构和信息产品研发，坚持开放、安全、创新这三个要素。

传统医药企业开发信息技术相关的项目，会按照功能点划分出若干子项目，然后分包给若干供应商。这在医疗企业信息化的进程当中，起到了一定程度按需开发、迭代探索的作用。但是，也产生了很多弊病。第一是缺乏系统性，开发的每个功能都是独立存在，联合起来不能构成整体的效果。第二是安全漏洞，虽然每一个开发的软件都有自己的安全合规要求，但是整体却有巨大的安全漏洞。例如，A软件的某个结果，需要填入B软件的系统中，可能很多人为了工作效率的提升，就会通过短信、纸条、照片以及直接邀请外人操作的方法快速完成。第三是阻碍持续创造，因为历史开发的软件无法维护，并且会以沉默成本的方式约束新功能的研发方向。

而爱特曼的团队本身更擅长系统架构和信息产品研发，在产品开发的过程中，开放、安全、创新这几个要素贯穿整个产品，乃至公司整个产品的研发周期。毕竟，若说软件开发的经验，有谁比来自微软的团队更加系统、更有沉淀呢？

开放：产品开发过程中不是闭门造车，而是和客户一起迭代打磨，医学团队的专家也会参与到我们的周会月会中来，共同探讨产品的内容。这个习惯在我们研发世界冠军的机器翻译产品时也是贯穿始终的。另外，在不久的未来，我们会开放系统应用层的接口，以及开源部分智能应用，让更多的人能够和我们一起加速医学创新，创造新的应用，解决医学应用的多样性问题。我们相信，软件系统在被创造出来的那一天就有了自己的生命，成长、进化、智能、高效也是这个生命体本身的发展方向。

安全：数据安全问题是所有医药企业最关注的问题。同时数据获取也是科技企业最为关注的问题，毕竟巧妇难为无米之炊。这对矛盾如何调和？其实，真正的信息科技企业关注的并不是药企本身的数据内容，而是如何从真实数据中学会“学习的能力”。爱特曼用团队擅长的数据获取和处理能力构建了庞大的开放数据源，并从开放数据中提炼学习的能力。然后，把这个学习能力（通过智能应用）单向推送给客户，让客户既能实现一致的数据和应用使用体验，同时，私有数据也始终没有离开客户的数据安全边界。

创新：我们并不预设用户的需求是怎样的，事实上医学客户的应用需求一定是多样的，也只有多样性的应用才能带来医学行业真正的创新。我们维护起数据层和体验层的管理、开放应用层的开发。这样，对客户多样性的应用就不需要重新造轮子，而只需要关注最重要的应用是如何的。这个应用可能是KOL的挖掘，可能是文献的发现，也可能是某些化合物的属性预测，或者是某种机理的假设验证等等。

写在最后

制药行业看起来非常美好，实际上是一个竞争艰巨，有时候甚至是封闭的舞台。另一方面，制药公司或许是地球上最保守的组织，复杂单一的研发基础和固化的组织结构阻碍了研发的进程。人工智能以及机器学习带来的变革，让公众对制药行业实现创新的期望变得如此之高。爱特曼将不断致力于探索医疗人工智能领域的技术创新和应用突破，加速实现人工智能在医疗行业的巨大价值。

关于 Atman

爱特曼 (Atman) 成立于 2016 年，是一家聚焦医学领域的人工智能创业公司。目前在北京和苏州两地设有办公室。公司由来自微软亚洲研究院及微软搜索技术中心的资深专家创建。公司的核心业务包括智能医学翻译、医学写作机器人、知识图谱以及其他创新型医学智能业务。

Atman 自主研发的医学机器翻译引擎在 WMT2019（世界机器翻译比赛）生物医学赛道中取得了第一名。由 Atman 自主研发的医学写作机器人是目前已知最早商用于知名药企的解决方案。

公司的主要服务客户涵盖了 40 多家 MNC 药企、中国本地明星药企，和若干 CRO 企业，其中包括世界 TOP5 的知名药企。

- - - - - - - - END - - - - - - - -