陳寬，人工智能醫療平臺推想科技的創始人兼CEO，他就讀于美國芝加哥大學，先后師從四位諾貝爾獎得主，攻讀金融學預測模型與智能化建模專業并榮獲經濟學與金融學雙博士學位，與行業大牛一起做過很多高深的研究。然而他現在卻致力于讓高深莫測的AI技術下沉，幫助優質的醫療資源和醫療診斷技術回到基層，讓更多的人受益。

7月6日，由創業黑馬主辦的“2018中國獨角獸峰會”在京舉行，陳寬在演講中表示，AI醫療在降低漏診誤診率、分級診療、醫保控費、衛生經濟等方面都能產生巨大的價值。正如他在去年接受「紅杉匯」專訪時所言：

我其實希望最終大家忘掉我們這個公司的存在，推想科技變成了隱身幕后的智慧醫療解決方案的一部分，就像我們現在去醫院看病，不會專門提到放射科里有一個CT機、X光機一樣。

——陳寬推想科技創始人、CEO

以下是演講部分要點摘錄：

?優質醫療資源不足，不僅僅存在于中國，它其實是一個世界性的普遍問題。

?抄襲、模仿、數據安全、隱私保護等方面的很多問題來自于缺乏統一的行業標準。

?魯棒性（Robustness)、安全性和易用性是一個臨床級別的AI產品的必要條件。

?人工智能可以幫助優質的醫療資源、醫療診斷技術下沉到基層，最終進入千家萬戶。

人工智能已經在各個領域開花結果，包括安防、新零售、自動駕駛，以及我們推想科技所在的領域——醫療健康。它在不同行業解決著不同的問題，我認為AI在醫療領域的發展，對人類未來的影響非常深遠。

優質醫療資源不足是世界性的普遍問題

AI在所有行業的落地，所面臨的第一個問題，并不是關于技術本身，而是關于它在該領域到底能解決什么樣的問題。在此，我們需要回顧一下，醫療行業的現狀。醫療問題并不僅僅存在于中國，它其實是一個世界性的普遍問題。

首先要面對的就是優質醫療資源不足的問題。在國內，很多醫院都人滿為患，很多病人都得不到好的診療服務。雖然國外的醫院不是如此，但是國外的醫療服務非常昂貴。

比如一個肺部的CT影像，一個醫生可能需要很長時間才能看完。正常的肺和早期病變的肺差別非常細微，普通人去看CT根本沒有辦法分辨出來，就算是一個有多年診療經驗的醫生，也很有可能會因為疲勞發生漏診和誤診的現象。

針對這個問題，人工智能就是很好的解決方案。除此之外，人工智能在醫療行業還有很多應用場景，比如我們所在的醫學影像和輔助診斷環節。

2015年，推想科技剛剛成立的時候，世界范圍內其實只有兩家企業在真正做醫療AI、醫療深度學習和醫療影像。到2018年，很多醫療AI公司如雨后春筍般涌出，學術界和產業界也有越來越多的探索者。

2015年剛進入醫療深度學習領域的時候，我在谷歌上搜索了一下“深度學習”這個詞，那時只搜到了一篇文章，是我的母校——美國芝加哥大學的一個日本教授寫的，叫做《虛擬神經網絡和醫學影像》，那時候他都不把自己設定在深度學習領域。現在，大家也可以去搜索一下，基本上就可以看到學術界、產業界的幾萬篇文章。從這點看，醫療深度學習領域已經獲得爆發性的發展。

醫療AI領域缺乏統一的行業標準

但是任何風口行業，包括醫療AI在內，都會出現一些問題。

比如，目前很多所謂的專家系統，魚目混珠，說自己是深度學習。再比如，大量的抄襲與模仿，就像推想科技最早做的肺結節產品，后來就出現了大量仿制品。還有數據安全問題，病人的隱私也不能得到很好的保護。這些問題，歸根究底還是因為沒有一個統一的行業標準，沒有人規劃什么樣的產品才是一個好的AI產品。

醫療AI發展到現在，在推想科技以及業內所有企業的努力下，人工智能其實已經融入到醫生日常的診療路徑之中了。

我認為好的AI產品，必然要經過臨床實驗的反復打磨，根據醫生的需求不斷迭代。它需要有優質的老師、數據源、數據標準以及深度學習模型。在這個過程中，需要反復練習修復。

我認為，AI產品的評判標準主要體現在以下三個方面：

?魯棒性。一個好的AI產品一定要能在不同的醫療領域、醫療環境里，還能保持相對較高的穩定性和準確性。所以，魯棒性極為重要。

?易用性。AI的價值，在于幫助人類釋放出更多的產能，如果AI產品的使用非常麻煩、非常復雜的話，就沒有用。

?安全性。AI產品的使用，一定要在保證整個醫療系統安全的情況之下進行。

所以，我認為魯棒性、安全性和易用性是一個臨床級別的AI產品的必要條件。

AI技術能把優質的醫療資源帶入千家萬戶

到目前為止，我們的幾條行業線都已經開始陸續落地到產業。其中一個AI產品上線的時候，我們遇到一個案例。

醫生看完肺部影像之后，醫囑是：雙肺未見明顯異常。但我們的產品在識別肺部影像時，圈出了一個異常的點，醫生說可能是假陽。后來，推薦那個病人做了后續檢查，發現是癌變。AI在識別病灶上對醫生的幫助確實很大。

除了肺部產品之外，我們在乳腺、骨頭、心臟、肝臟也都在做相應的產品研發。到目前為止，推想科技的產品每日完成肺癌輔助篩查近13000例。AI已經是全世界最大的診斷體系之一。推想科技的產品已經在世界范圍的近150家頂級三甲醫院落地，所在地包括美國、日本、歐洲等。

我國目前在推行分級診斷，其中對基層醫院的要求是：基層醫院必須有能力找到早期病變。但矛盾就在于，早期病變對漏診率的要求越低，對診斷能力的要求就越高。基層醫院往往醫療設備與醫療資源的狀況也比較差，AI醫療可以降低早期病變的漏診概率，把疾病診斷提前，為患者爭取時間，提高治愈率，將給社會帶來巨大價值。人工智能可以幫助優質的醫療資源、醫療診斷技術下沉到基層。

人工智能最終能在不同行業產生不同價值。在醫療行業，人工智能在分級診療、醫保控費、衛生經濟等方面都能產生巨大價值，這也是整個行業未來需要努力的方向。

到目前為止，推想科技已經逐漸成為醫療行業中全場景、全類型醫療機構服務平臺。我們希望，最終人工智能技術能把優質的醫療資源帶入千家萬戶。