深度 | 追求0.01%突破 vs 看重臨床效果，AI公司與醫生合作的“利益點”在哪裡？
一個月的時間裡，AI醫療影像圈內兩個“世界冠軍”相繼誕生。
7月14日，阿裡雲ET以89.7%平均召回率打破國際權威肺結節檢測大賽LUNA16記錄，得世界冠軍；8月7日，科大訊飛的重磅喜訊又鋪天蓋地傳來，
LUNA，全稱為LUng Nodule Analysis，是肺結節檢測領域權威的國際評測，隨著國內AI公司蜂擁進入智慧肺結節篩查領域，這項評測也成為各大公司演算法實力近身肉搏的場合。“這個比賽和高考成績一樣，不能作為一個系統整體水準和應用能力的唯一標準，但是在缺乏更有效的綜合評估標準（像himss的電子病歷應用評級水準）之前，可以作為一個核心客觀評價指標來看。
但細細斟酌，會發現一個問題：演算法能力的提升是IT界追求的進步，當AI進軍傳統的醫療行業，這0.01%級別的提升是否還是值得道賀的突破？
“我根本不關注公司的這些演算法，我關注的臨床效果。”一位元影像科主任告訴雷鋒網。一個是日新月異的IT界，
當下，AI公司與醫院以科研合作的形式共同開發AI產品是通用的打法。
所謂“科研合作”，科大訊飛馬文君告訴雷鋒網，
除此之外，更多是基於發展階段的定義。
早在2016年，科大訊飛便與安徽省立醫院合作，共建醫學人工智慧聯合實驗室，探索AI技術在醫學領域的應用。馬文君表示，AI技術在醫療領域的應用是從2014年或2015年開始的，AI界關注的東西與臨床有一定差距，
朗通醫療是一家專注于打造智慧輔助診斷系統的公司，以全科醫學為核心，輔助各個專科臨床診斷。此前，公司與浙江大學邵逸夫醫院、浙江大學申報成立了一個省級重點實驗室——浙江省精准醫療中心，
初創公司宜遠智慧在這條路上甚至走得更遠，“本質上，我們就是畫一個圓，團結一切可以團結的力量，與不同醫院（醫生）進行科研合作。”宜遠智慧成立於2017年4月，目前與南方醫科大、港大醫院等多家醫院展開科研合作，公司CEO吳博稱，先與醫生開展科研合作，或者以醫學切入進來，是現階段必須做的，能實打實給醫療行業帶來改變，該走的路必須走。
中國科學院自動化研究所研究員田捷表示，如今AI醫療雖然很火，但AI在醫學上的應用畢竟處於探索階段，很難取得效益。這時候，如果AI公司把AI公司把前景看得太好或想借此盈利很難，因為輔助診斷的法律法規和標準還不太清楚，所以這需要長時間的培育和足夠的資金支撐其從科研到產品的轉換，同時轉換時間可能比較長。
“科研作為切入點，兩者合作，對於產品成熟也更加有效，如同互聯網剛起來時一樣，我覺得馬雲說得很有道理，不能當飯吃，還不能打醬油，只是調味品，如果公司抱有很大盈利希望的話，很難與醫院長期合作，不利於真正有效的產品培育和發展。”他告訴雷鋒網。
AI公司與醫生之間如何求同存異？世界一定屬於少數人，我希望找到真正優秀、聰明的團隊跟我一起做這件事。
誰願意提供給我一台數位病理切片掃描器，我就願意提供切片和專業知識配合AI分析。
我本身有清洗後的醫療資料和資料人才，要讓我拿資料出來，AI公司能提供我什麼？工資嗎？至少是我現在工資的雙倍我才可能考慮，但一個創業公司又負擔不了這個。
……
在問起“想與什麼樣的AI公司合作？目的是什麼？”時，每位醫生各執己見，更多是基於自身的情況做出的回答。但若問AI公司相同的問題，答案可能是大同小異：做出牛逼的產品，然後賣出去。
醫生與AI公司訴求不同，如何求同存異，一起做事呢？
求同：找契合點朗通醫療徐哲稱，醫院希望借由深度學習、精准醫療等項目提升醫院的形象；衛生局希望與AI公司合作，未來能真正提升醫生的能力；具體到醫生，他們的訴求就是做課題、發文章，對職稱有説明，這需要高品質、有價值的資料，“這時，AI公司與醫生之間就有了契合點。”一個AI產品的開發少不了的也是高品質、有價值的結構化資料。
“醫生並不關係你用了哪個系統，更希望瞭解系統結構化後的資料，對他的課題有什麼價值。”“有的醫生跟我們說，‘你們的資料太棒了，以後發表文章，就要把你的資料拿來用’”
除此之外，據徐哲介紹，有的醫生並不以課題為目的，而更在意臨床效果的提升。“在急診科，智慧輔助系統對防止誤診漏診的作用很大，醫生非常願意把他們的臨床經驗灌輸進去。”
對此，科大訊飛馬文君深表贊同，“醫生分為兩類：學術型醫生和臨床類醫生，前者對論文有強需求；後者不關注論文，真正的臨床療效、應用驗證是強需求。”“發論文和賺錢都是功利，還有很多大專家有更高的追求。”
據馬文君介紹，隨著肺結節智慧篩查的流行，讓原先難以操作的一些科研專案變得容易起來，這些大都是IT專家一直不太關注的問題，“機器學習只關注召回率、假陽性多少，而醫生關注更多指標，假陰性率、假陽性率等。”
拿肺結節漏診率為例，在此之前很難統計，需要統計經過病理診斷金標準後確診為肺癌的肺結節患者的歷史病例，才能確定其漏診，在醫療界沒有公認的數值。而如今在SaaS區域平臺上，有更客觀的樣本，可以進行大規模分析統計其漏診率。除此之外，還湧現出一些新興的研究方向，比如肺癌預測、區域流行病學分析等。
存異：可以協調“AI公司是需要收入的，課題意義不大，企業都養不活，要課題幹嘛。”徐哲的這番話反映了AI公司與醫院的根本分歧，前者為了錢，後者不能碰錢，該怎麼好好做朋友？
徐哲稱，這也是可協調的，辦法就是“都做一點”。
據他介紹，其智慧輔助系統能提升基礎醫院的能力，“國家衛計委已經發了文，專門對此進行研究。”“衛計委和扶貧辦已經跟我們簽了協議，如果能成功的話，可能獲得1200~2000萬的專案基金。”
對此，田捷博士表示，做醫療的AI公司，應做好打長期持久戰的準備，這個行業需要培育過程，待相關法規和標準逐漸成熟，才能逐漸取得效益。“但短期來說很難實現，所以這是持久戰。”
智慧醫療創業中，誰是主導？“謹慎歡迎。”
這句精准的描述與三甲醫院資訊中心主任悟空（網名）的背景很契合，在雷鋒網問起醫生對於AI的態度時，他如是回答。“大多數醫生對AI還不是很瞭解，因為工作很忙，忙著看病了。”
華山醫院病理科醫生祝迎鋒也現身說法，他表示，“目前我們都處於觀望狀態，這種專案太費精力了。醫生通常沒有這麼多時間來做這樣的事情。”
南方醫科大學副教授劉再毅告訴雷鋒網，“我不是創業，我是從研究角度看，臨床問題比什麼都關鍵，演算法有多好不重要，重點在於臨床設計。”“很多公司都在比拼演算法，我覺得這也很好，但是你有沒有一個實際的原創目的？我為什麼要用這樣的演算法？實際上我們有些時候，也不需要很炫的演算法，如果我用常規的方法都能夠解決這個問題，演算法是不重要的。”
現階段，他們或其所在的單位都沒有參與AI醫療專案中，都處於“謹慎歡迎”的狀態，這取決於“跟AI公司合作能不能得到我想要的東西”。
據悟空介紹，其所在醫院與AI公司的合作持歡迎態度，除考慮聯合科研能減輕醫生的工作強度外，醫院早期參與，能避免AI公司走彎路。“比如肺結節早期篩查對於有經驗的醫生來說意義不大，他們更關注診斷完後，臨床治療環節。”而如果真正與AI公司合作，更希望大學牽頭。“他們有一定的科研經費，還有資源能用，對於機器學習來說，單個醫院的資料量不夠，每個醫院的治療方案也不太一樣，如果大學牽頭搞區域性的，樣本量大，廣泛程度好。”但醫院並不會主動牽頭做這樣的事情，“醫院時間主要用在治病和醫療管理，很少主動做，除非有國家的科研專案。”
而在方向選擇上，更希望打造智慧輔助診療系統，能解決基層很多問題，推動分級診療，“讓基層知道某個病發展到什麼程度基層可以搞定；什麼程度需要大醫院專家干預。”“我對商業不瞭解，不知道推廣價值怎麼樣，但對於基層醫生診療水準的提升，對於分級診療的推廣是有幫助的。”
對此，田捷博士表示，醫院與AI團隊的合作時，醫生更關注工科團隊是否理解其需求，“工科做了所有的事情，對臨床的事情不太瞭解，往往成了盲人摸象。”因為，他認為AI公司與醫院合作過程中比較重要的問題是AI團隊與醫院的溝通，關鍵在於能不能解決臨床需求。AI團隊對醫療的醫療需求有基本瞭解，甚至團隊中有醫療背景的人，同時醫院也招一些工科背景的人，人員上有一些交叉的話，往往會事半功倍，取得更好效果。“所以我覺得合作的關鍵在於溝通上，溝通的品質決定合作的成敗。”
這讓雷鋒網想起一個類似的問題：醫療機器人的創業中，醫生與技術人員誰是主導？對此，加拿大斯喀徹溫大學機械工程系高級工程設計工程實驗室主任、加拿大工程院院士Chris Zhang認為，“醫療機器人行業初期創業時，醫生是主導，技術人員是就提出問題來思考，相對被動。”初期創新是發散的，所有的問題來自於醫學和醫學專家，但是如果有了突破而要創辦一個公司時，就應該以企業為核心，去市場分析、包括難點、成本等。
“本質上，我們就是畫一個圓，團結一切可以團結的力量，與不同醫院（醫生）進行科研合作。”宜遠智慧成立於2017年4月，目前與南方醫科大、港大醫院等多家醫院展開科研合作，公司CEO吳博稱，先與醫生開展科研合作，或者以醫學切入進來，是現階段必須做的，能實打實給醫療行業帶來改變，該走的路必須走。中國科學院自動化研究所研究員田捷表示，如今AI醫療雖然很火，但AI在醫學上的應用畢竟處於探索階段，很難取得效益。這時候，如果AI公司把AI公司把前景看得太好或想借此盈利很難，因為輔助診斷的法律法規和標準還不太清楚，所以這需要長時間的培育和足夠的資金支撐其從科研到產品的轉換，同時轉換時間可能比較長。
“科研作為切入點，兩者合作，對於產品成熟也更加有效，如同互聯網剛起來時一樣，我覺得馬雲說得很有道理，不能當飯吃，還不能打醬油，只是調味品，如果公司抱有很大盈利希望的話，很難與醫院長期合作，不利於真正有效的產品培育和發展。”他告訴雷鋒網。
AI公司與醫生之間如何求同存異？世界一定屬於少數人，我希望找到真正優秀、聰明的團隊跟我一起做這件事。
誰願意提供給我一台數位病理切片掃描器，我就願意提供切片和專業知識配合AI分析。
我本身有清洗後的醫療資料和資料人才，要讓我拿資料出來，AI公司能提供我什麼？工資嗎？至少是我現在工資的雙倍我才可能考慮，但一個創業公司又負擔不了這個。
……
在問起“想與什麼樣的AI公司合作？目的是什麼？”時，每位醫生各執己見，更多是基於自身的情況做出的回答。但若問AI公司相同的問題，答案可能是大同小異：做出牛逼的產品，然後賣出去。
醫生與AI公司訴求不同，如何求同存異，一起做事呢？
求同：找契合點朗通醫療徐哲稱，醫院希望借由深度學習、精准醫療等項目提升醫院的形象；衛生局希望與AI公司合作，未來能真正提升醫生的能力；具體到醫生，他們的訴求就是做課題、發文章，對職稱有説明，這需要高品質、有價值的資料，“這時，AI公司與醫生之間就有了契合點。”一個AI產品的開發少不了的也是高品質、有價值的結構化資料。
“醫生並不關係你用了哪個系統，更希望瞭解系統結構化後的資料，對他的課題有什麼價值。”“有的醫生跟我們說，‘你們的資料太棒了，以後發表文章，就要把你的資料拿來用’”
除此之外，據徐哲介紹，有的醫生並不以課題為目的，而更在意臨床效果的提升。“在急診科，智慧輔助系統對防止誤診漏診的作用很大，醫生非常願意把他們的臨床經驗灌輸進去。”
對此，科大訊飛馬文君深表贊同，“醫生分為兩類：學術型醫生和臨床類醫生，前者對論文有強需求；後者不關注論文，真正的臨床療效、應用驗證是強需求。”“發論文和賺錢都是功利，還有很多大專家有更高的追求。”
據馬文君介紹，隨著肺結節智慧篩查的流行，讓原先難以操作的一些科研專案變得容易起來，這些大都是IT專家一直不太關注的問題，“機器學習只關注召回率、假陽性多少，而醫生關注更多指標，假陰性率、假陽性率等。”
拿肺結節漏診率為例，在此之前很難統計，需要統計經過病理診斷金標準後確診為肺癌的肺結節患者的歷史病例，才能確定其漏診，在醫療界沒有公認的數值。而如今在SaaS區域平臺上，有更客觀的樣本，可以進行大規模分析統計其漏診率。除此之外，還湧現出一些新興的研究方向，比如肺癌預測、區域流行病學分析等。
存異：可以協調“AI公司是需要收入的，課題意義不大，企業都養不活，要課題幹嘛。”徐哲的這番話反映了AI公司與醫院的根本分歧，前者為了錢，後者不能碰錢，該怎麼好好做朋友？
徐哲稱，這也是可協調的，辦法就是“都做一點”。
據他介紹，其智慧輔助系統能提升基礎醫院的能力，“國家衛計委已經發了文，專門對此進行研究。”“衛計委和扶貧辦已經跟我們簽了協議，如果能成功的話，可能獲得1200~2000萬的專案基金。”
對此，田捷博士表示，做醫療的AI公司，應做好打長期持久戰的準備，這個行業需要培育過程，待相關法規和標準逐漸成熟，才能逐漸取得效益。“但短期來說很難實現，所以這是持久戰。”
智慧醫療創業中，誰是主導？“謹慎歡迎。”
這句精准的描述與三甲醫院資訊中心主任悟空（網名）的背景很契合，在雷鋒網問起醫生對於AI的態度時，他如是回答。“大多數醫生對AI還不是很瞭解，因為工作很忙，忙著看病了。”
華山醫院病理科醫生祝迎鋒也現身說法，他表示，“目前我們都處於觀望狀態，這種專案太費精力了。醫生通常沒有這麼多時間來做這樣的事情。”
南方醫科大學副教授劉再毅告訴雷鋒網，“我不是創業，我是從研究角度看，臨床問題比什麼都關鍵，演算法有多好不重要，重點在於臨床設計。”“很多公司都在比拼演算法，我覺得這也很好，但是你有沒有一個實際的原創目的？我為什麼要用這樣的演算法？實際上我們有些時候，也不需要很炫的演算法，如果我用常規的方法都能夠解決這個問題，演算法是不重要的。”
現階段，他們或其所在的單位都沒有參與AI醫療專案中，都處於“謹慎歡迎”的狀態，這取決於“跟AI公司合作能不能得到我想要的東西”。
據悟空介紹，其所在醫院與AI公司的合作持歡迎態度，除考慮聯合科研能減輕醫生的工作強度外，醫院早期參與，能避免AI公司走彎路。“比如肺結節早期篩查對於有經驗的醫生來說意義不大，他們更關注診斷完後，臨床治療環節。”而如果真正與AI公司合作，更希望大學牽頭。“他們有一定的科研經費，還有資源能用，對於機器學習來說，單個醫院的資料量不夠，每個醫院的治療方案也不太一樣，如果大學牽頭搞區域性的，樣本量大，廣泛程度好。”但醫院並不會主動牽頭做這樣的事情，“醫院時間主要用在治病和醫療管理，很少主動做，除非有國家的科研專案。”
而在方向選擇上，更希望打造智慧輔助診療系統，能解決基層很多問題，推動分級診療，“讓基層知道某個病發展到什麼程度基層可以搞定；什麼程度需要大醫院專家干預。”“我對商業不瞭解，不知道推廣價值怎麼樣，但對於基層醫生診療水準的提升，對於分級診療的推廣是有幫助的。”
對此，田捷博士表示，醫院與AI團隊的合作時，醫生更關注工科團隊是否理解其需求，“工科做了所有的事情，對臨床的事情不太瞭解，往往成了盲人摸象。”因為，他認為AI公司與醫院合作過程中比較重要的問題是AI團隊與醫院的溝通，關鍵在於能不能解決臨床需求。AI團隊對醫療的醫療需求有基本瞭解，甚至團隊中有醫療背景的人，同時醫院也招一些工科背景的人，人員上有一些交叉的話，往往會事半功倍，取得更好效果。“所以我覺得合作的關鍵在於溝通上，溝通的品質決定合作的成敗。”
這讓雷鋒網想起一個類似的問題：醫療機器人的創業中，醫生與技術人員誰是主導？對此，加拿大斯喀徹溫大學機械工程系高級工程設計工程實驗室主任、加拿大工程院院士Chris Zhang認為，“醫療機器人行業初期創業時，醫生是主導，技術人員是就提出問題來思考，相對被動。”初期創新是發散的，所有的問題來自於醫學和醫學專家，但是如果有了突破而要創辦一個公司時，就應該以企業為核心，去市場分析、包括難點、成本等。