推想科技陈宽： AI医学影像单笔最高融资，这家公司如何打动了医院和资本？丨超级物种

超级物种

目前以人工智能领衔的科技力量，正从应用、技术、基础等层面不断渗透医疗健康市场。国内近四年AI医疗的240多起融资案例，便可见一斑。与此同时，我们发现国内正雨后春笋般生长出一批颇具规模的科技医疗企业，他们将会对国内医疗的变革，甚至中国医疗的国际地位转变起到什么样的影响？

为此，品途《四百味》特别企划“超级物种”专题，通过应用和实践的线索，去发掘这些已经或即将成为医疗“超级物种”的科技企业，并记录这些新兴力量正如何撬动中国医疗。

刚刚完成B轮1.2亿元融资的推想科技，推倒了传统的互联网产品开发模式，先听医生“吐糟”，再开发、优化产品，把企业产品变成了医生们参与研发的“智能宝宝”。

文丨杨亚茹

编辑丨尹磊

从去年3月阿尔法狗打败李世石开始，资本加速逐利人工智能。周鸿祎说现在做创业的要没个深度学习、人工智能，都不好意思出来混。

不光是做创业的，就是BAT也在卯足了劲抢滩市场，“AI医疗”成了新一轮的角力场，其中的医疗影像更是热门赛道。从2013年到今年上半年，AI医疗应用层的86起融资事件中有31%发生在医疗影像类公司，占比第一。

9月21日，扎根医疗影像的推想科技完成了1.2亿元B轮融资，是国际医学影像人工智能行业内最大规模的单笔融资。为什么资本会一窝蜂地涌进医疗影像行业？

AI离不开大数据，而医疗数据存储量中有90%来自医学影像，我国医学影像数据的年增长率是30%。庞大的数据库，是吸引人工智能公司选择进入该领域的原因之一。

选最接近医疗痛点的场景去尝试

有人说，资本判断的不是行业趋势，而是时间点，判断机会在哪个时间点才是关键。创业者中，有一小波走在资本的时间点之前，有一大批跟在那个时间之后，推想科技属于前者。

在AI还未通过围棋撼动人类技艺和生产力的2015年初，陈宽就已经创办推想科技，并在次年开始了和四川省人民医院、武汉华中科技大学附属同济医院的合作。

2012年，陈宽和朋友做了TwiThinks的深度学习技术项目，开始接触人工智能和大数据，一边看到了人工智能取得更大突破的可能，一边攻读芝加哥大学经济与金融双博士学位。

2014年暑假，陈宽回国寻找适用于人工智能大数据的场景，在听了一位影像科医生的想法后放弃学位，投身创业，2015年初成立推想科技。“当时我看到这个领域，我觉得完全符合人工智能发挥作用的假设，人工智能一定能在这里全面落地。”

在进入医疗影像行业之前，陈宽看了安防、农业、金融多个场景。“我在金融看到了很好的应用效果，但是我感兴趣的是把这些顶级的技术放在更贴近生活的场景里，去解决更民生的问题。”陈宽说这是支撑他当时找场景创业的动力。

在深圳的一次闭门会议上，陈宽展示了自己的智能算法和图像识别模型后，一位影像科医生的一个问题——“这技术能不能做成医疗影像的辅助诊断产品？”——激起了他对医疗行业的兴趣，了解之后，发现这个领域有“非常非常实在的痛点”。

“当时看医疗领域，觉得最大的不同就是世界上都没有谁在技术上验证过这个事的可行性，我必须去冒险，去验证这个领先性的场景，反正我年轻，我愿意尝试。”陈宽的整个2015年几乎都是在验证场景。

在验证过程中，他发现了这个行业的更多痛点和更多不同。

行业产能不足，医院大门“难进”

经济学出身的陈宽更喜欢从整个行业去看产品所处的产业链和价值体系，“我觉得有一点特别关键，医疗是非常典型的产能不足行业，虽然有很多的互联网手段都在解决医生分布不均的问题，但却解决不了好医生太少的问题。”

陈宽拿滴滴举例子，市场上有很多空车都闲着，滴滴把空车调动起来就有市场了。“我国8万影像科医生面临十几亿老百姓放射影像的诊断量，工作压力非常大，培养优秀医生的周期又非常长，”陈宽告诉品途《四百味》，“在这样一个产能不足的行业，恰恰是人工智能发挥大作用的地方。”

“门庭若市的病人，汗牛充栋的信息”——是影像科的真实写照。影像科需要熟悉各器官解剖结构、掌握X线片、CT、MRI等不同医学影像诊断能力的专业人才，国内招收医学影像专业本科生的80余所高校输出的人才远跟不上影像科室的增长速度。

有数据显示，大三甲医院一年产生的影像数据在10T以上，全部通过人力阅片，医生疲于应付大量的冗余信息，直接导致他们在处理信息时可能会忽略部分重要信息。

庞大的数据库是人工智能落户医疗影像的基础，也是企业进入这个行业的第一个门槛。

“数据一直在涨，量大到医院的接口已经没有办法在有效的时间内抽取数据做分析，但这是一个很闭塞的场景，数据都躺在库里，基本没人用。”

智能影像公司如何获取这些看似无人问津的数据呢？

一般来说，创业公司会寻求与医院“合作”，四川省人民医院是与推想科技达成合作的第一家医院。

“医院很重视学术的环境，他们对新的东西感兴趣也愿意听，但是肯合作的却没有，”年轻又没有医疗背景，聊了三、四十家医院后，陈宽和他的团队把房子租在了四川省人民医院旁边，每天跟医生上下班，放假一起加班，随时沟通，用了三个月时间终于达成合作。

相处过程中，医疗场景的与众不同也充分显现。“比如我们刚去医院，机器是没法接近的，这是任何深度学习开发都非常忌讳的，深度学习本身是一个爆炸性发展的领域，每天都有新东西，把机器隔绝起来，就是跟先进技术隔绝起来，而且我们每研发一个新技术要写进医院系统都要经过层层审批。”

同时，陈宽越来越发现这是一个高标准的领域，不可能让医院降标，医院需要非常稳定的IT环境，不能宕机，不能出问题，只能企业提高对自己的要求去适配医院。

“虽然这对快速迭代、快速写算法的我们来说是冲击，但是跟整个医院系统共生开发的产品，也才能很好的用到这个场景。”

到2015年10月左右，陈宽团队花200多天进行的场景验证完成，摸索出深度学习技术与医疗影像结合、完全不同于其它行业的应用方法，推想科技的第一版产品出炉。

产品思路倒着来，从医生“吐槽”入手

“就包括现在，我们的团队还是大部分扎在医院，很多产品的功能也都是医生提出来，我们去做，相当于直接在客户那儿开发产品，这跟传统互联网产品的开发模式完全不一样。”

既然跟传统做法不一样，那就倒着来，大量跑、大量碰壁，慢慢摸索。推想科技最终将研发产品定位在影像科，也是在听了众多医生“吐槽”之后。

陈宽说：“我刚进到医院，就想做医学影像人工智能，但这是一个庞大的系统，不同的医生给我的说法完全不一样，有人说X光要被淘汰，有人说很有意义，有些大三甲欢迎AI产品，有些又说不会考虑用，千人千嘴，但说的都很有道理，我们最终就尽量总结一个共性去做，进入做影像科，再细化到胸肺，具体到看结节。”

数据显示，由于肺癌早期没有任何临床症状，目前约75%的肺癌患者在诊断时已属于晚期，死亡率占所有恶性肿瘤死亡人数的18%，是世界上发病率及死亡率最高的恶性肿瘤，每年死亡人数达140万。所以，肺癌的早期诊断十分重要，部分国外医院也在尝试使用人工智能基于深度学习开发的算法，但中国医院走得更靠前——人工智能已经进入影像科工作流程，开始帮助病人实现早诊早治。

推想科技研发的智能医疗影像系统包括智能CT辅助筛查系统(A.I.-CT)、智能X线辅助筛查系统（A.I.-DR）、深度学习科研平台(A.I. Scholar) 等多种人工智能产品，已在上海长征医院、武汉华中科技大学附属同济医院、大连大学附属中山医院等数家医院影像科上线试用。

对影像科医生，传统的做法是针对一个病人的300多张影像翻来覆去看最多15分钟时间，越是早期的症状也就越容易被漏掉，在整个影像科中，医生们80%的工作是重复繁琐的，集中在对早期症状的筛查中，效果还不好，只有20%的工作是在做有效的病症确认，人工智能取代的是前面重复繁琐的工作。

“我们要把医生诊断效能前移，但是剩下20%的有效工作我们没法替代。”陈宽解释到。

对产品，从胸肺细化到发现大小不同和各种性质的结节并且量化，难度已经很大。医生到底用不用产品，不只取决于量化的精确度数值，医生最在乎的是不要漏诊的同时假阳性也要低。因此，不论敏感度小于还是大于90%，只要找错一次，或者操作麻烦，又或者找到一堆假阳性肺结节，他们都会弃用。

在推想，产品设计必须提高每个纬度的标准，在医生使用过程中再去发现是否有不完善的地方，然后去快速迭代产品，目的是把医生从花费大量时间发现病变的劳动中解放出来，将更多的精力放在疾病的鉴别诊断方面，并与临床结合提供更多的治疗建议。

“产品上线后，医生的使用率和评价是我们检验工作的唯一标准。”陈宽补充称。

武汉华中科技大学附属同济医院放射科主任夏黎明说：“看一张肺部CT，推想科技的CT‘阿尔法狗’只需5秒钟；对于三毫米以内的小病灶，人肉眼很容易遗漏掉，它却容易识别，给病人的诊断多加了一道保险。”

“肺结节我们还在继续完善，疾病总是千变万化的，在优化的同时，我们也在复制体系。”陈宽告诉品途《四百味》，因为经常听医生们“吐槽”阅片时很容易漏掉骨折病人，肺结节做完之后，推想科技下一个研究场景就是骨折，还有神经、心脏等场景。

这个行业离大浪淘沙不远了

今年5月，全球顶尖人工智能开发商大会GTC （GPU Technology Conference）在美国圣何塞举行，陈宽带着他的产品在会上做了50分钟的主题演讲，《福布斯》在24小时内两次报道了推想科技，这让陈宽自己也感到吃惊。

“其实美国一直在讨论AI医疗的场景，他们没想到中国一个突然冒出来、都没听过名字的公司，好像做得还不错。”陈宽笑着说道，“中国在AI医疗领域，是走在世界最领先位置的，很多顶级的资深专家，也都是华人。”

回到医疗领域，任何一个掌握话语权的医院本身就是一个很强势的机构，他们需要的是满足他们需求的特殊团队，巨头进入反而束手束脚、施展不开。

留给创业者的机会有，资本也造好了风口，不少迎着风口做短线推广的强营销公司也想掰块市场蛋糕。对他们来说，把产品卖出去不难，但是产品不容易被持续使用，最终留下的还是做产品长线的团队，医院喜欢的也是能解决行业难题的创业企业。

“我相信可能在一年左右，会出现一个大浪淘沙的过程，不太靠谱的团队会慢慢沉静下来，剩下不管是推想一家，还是有两三家，这些就是在这个行业里稳扎稳打，真的能解决医生一些问题的企业。”

陈宽觉得现在的AI在医疗行业，更多像是一个噱头，好像是一个值得炫耀的东西，“我想以后大家谈到影像科，不会再强调说我有个AI技术，就像有X光就有CT，而不是说我装了个CT，像个发明一样。”

让人工智能成为中国的影像科一项主流的技术，辅助医生工作，“把品牌逐渐融到影像主流路径，很多人可以不知道推想，但我们在为医院的基础设施提供大量服务，”这是陈宽希望未来三到五年内发生的事，也是推想科技的发展目标。

对话陈宽：

医院需要稳定、安全的提供商去解决问题

四百味：有一种观点认为人工智能会取代医生，您怎么看？

陈宽：我原来在芝加哥大学的一位经济学导师，2000年的诺贝尔奖得主，他有一个非常重要的理论——人的技能是非常多元性的，任何一个职业本身做的事情，其实也可能是多元和丰富的。回到影像，任何一个影像科医生，包括一个影像科室本身做的事情也是很多元的。

影像科一些年纪比较大的医生，因为盯影像的时间实在太久，头都晕，他们80%在做重复性的工作，20%可能去做一些具有创造性的工作，这部分工作需要大量联想能力，可能他们以前没有见过某个场景，但通过自己的推理和想象，就能够找到这个疾病的根源，这就是用人工智能大数据永远没法取代的。我们只是让优质的产品技术进来，取代掉80%重复繁琐的劳动，让医生做更多高、精、值的工作。

四百味：越来越多的人投身医疗行业，这个行业对不同条线的入局者们有没有什么统一的标准？

陈宽：我觉得医疗行业是一个非常讲究品牌信任地方，这是为什么我开始找医院合作的时候那么困难，而现在找医院合作又很容易的原因。坦白说，你没有建立医院信任之前，就很难切入这个圈子，一旦建立了好的口碑，又有好的案例，跟更多的医院有合作，在完善产品，也在获得更好的训练数据来优化我们这个模型，这些都会变得越来越容易，成本也越来越低。

医院筛选产品也很简单，哪个产品、哪个服务提供商是最低风险，同时还能帮助医院做事，医院就去选它，他们感兴趣的不是什么AI，而是关心能不能解决他们领域的问题，他们不会去有意选择一个创新性的，或者没有听过名字的东西，他们要一个很稳定、安全的提供商，去解决问题。

四百味：您觉得在AI医疗赛道会出现BAT级别的独角兽吗？

陈宽：我从个人的角度来看，更多不是太关注最终哪家公司会成长成像BAT的这种级别，我们更应该说AI这个新技术是不是有一天真正能够做到主流的诊疗路径里面，大家都能很自然地使用它来提升诊疗准确率和效率，到时候，在那样情况的背后，再看是否会有一些非常成功的企业或者团队。

丨丨丨丨