AI在各个垂直行业深入的时候，跟本行业的结合可能是现在的难点，在医疗这种需要专业的领域更是艰难。
创业家&i黑马讯（常皓靖）11月23日，由创业家&i黑马主办的第11届创业家年会在京举行，汇医慧影副总裁王捷获得黑马TOP10奖项。
在现场，王捷发表题为“AI赋能·全周期诊疗”的演讲，就医疗AI的发展趋势、应用进阶以及商业落地分享了自己的思考。
以下为王捷的演讲实录，经创业家&i黑马编辑：
感谢创业黑马的邀请，今天气氛非常热烈。
我给大家分享一下医疗AI的发展趋势、应用进阶、商业落地，以及我们在做和要做的事情。
AI在这几年是一个非常热的话题，图像识别效率的提升带动了各个行业的应用。
在医疗里面，包括像IBM沃森，以及很多公司做的事情，整体来说分成两类：
第一类，对于图像的处理。具体来讲，医疗影像，平时去医院拍的片子，比如说CT、核磁，骨科、动脉、眼底。
第二类，文字的处理或者语义处理。简单来说，对病例的分析，病例进行结构化处理之后，形成一个结构化的数据库。
目前来看，IBM沃森走的是第二条路，语义或者文义的整理。相对来讲，AI在图像处理上取得的成就更大，而且已经应用到了医院的诊断过程当中。
简单说一下AI的算法、算力、数据。
算法方面，没有大的差异。但相较于自动驾驶、图象识别来讲，医疗的数据量会相对小一些。
算力方面，大家也是大同小异。我们在积极地跟一些硬件厂商合作，帮助他们开发一些适用于医疗AI的硬件。
数据方面，医院是个相对封闭的系统。在过去这些年，互联网和移动互联网的浪潮并没有给这个行业带来大变化，医院的信息化的进程是从这几年才开始的。但是AI目前在给它带来一些变化，原因是结合AI，医疗数据、影像数据真正能够发挥作用。这也在倒逼医院把它存量的影像数据经过脱敏的处理之后，做出能够跟AI结合、赋能诊断的产品。这是包括医院在内的行业正在发生的比较大的变化。
从整个产品的维度来讲，我们可以看到三个阶段：
第一个阶段，经验时代：人工诊断+传统CAD。医疗是个高度依赖于经验积累的行业，医学院的学生也比其他的学科要苦一些，要学5年，甚至8年。
第二阶段，智能筛查时代：AI1.0。我们已经可以通过图像识别的方法，让机器、计算机、算法，做一些普通医生需要花精力来做的事儿，有两方面的意义：
一是，我们的医疗资源相对少，影像科医生的工作负荷大，每天可能需要看几百张片子，而且大部分是重复劳动。智能筛查可以让影像科医生的状态，从一个小学生变成阅卷老师。
二是，医疗资源分布不均，标准化的产品可以帮助到影像科医生相对薄弱的区域，给出更加有效的诊疗。
第三阶段，智能决策时代：AI2.0。我们可以在一些病种上，在量化的问题上，给医生相比之前用经验自己测量判断更加精准的治疗方案，这也是我们目前在做的事情。
举个例子，我们在1.0时代，有胸部的、肺部的、骨折的影像识别产品，这些都是实际在医院当中应用的，目前全国合作的医院大概有800家，里面有接近400家的三甲医院。从准确率来说，已经比较高了。人的工作状态是会变动的，精神状态，疲劳程度，各方面的经验积累不同，这些维度上都会有一些变动，但机器会处在一个稳定的水平。
精准诊断，更多的是针对于患者，尤其是在你的病患数据积累之后，我们可以给出一个更加精确的诊断方案，往精准医疗的方向走。
分级诊疗，有助于解决医疗资源分配不均的问题。
举一个2.0的例子。我们和301医院合作发布了主动脉夹层的AI产品。这个产品对医生最大的价值，是在主动脉缺口的测量上面，能够给出比人更加准确的方案，让时间大大缩短。过去一个非常有经验的医生大概要5、6个小时来做手术，但这个系统大概在10-20分钟之内就可以完成。
大家知道，医疗的病种非常多。我们希望在重点病种的深入之后，可以在多病种上有所突破。当然，我们目前产品线也是比较丰富的。
医生对医疗AI的接受程度或者期待度还是比较高的，我们现在也在全国范围内大部分的医院，尤其是好的三甲医院，开始介入和对接产品了。
AI在各个垂直行业深入的时候，跟本行业的结合可能是现在的难点，在医疗这种需要专业的领域更是艰难。现在在国内，没有医学和计算机结合的专门人才培养和科研体制，但海外在医学影像处理、医学和计算机的交叉学科上，有非常高的储备，而我们整个团队就脱胎于斯坦福大学的癌症研究中心，有非常好的海外技术背景。
我们希望跟中国的医疗病例结合，最终可以在诊疗、医院效率、医疗资源分配方面做出一点点贡献。谢谢大家！
匿名用户
