专访宜远智能：高举科研合作大旗，在AI医疗界「画圆」的初生犊

本篇文章4025字，读完约10分钟

在阿里天池医疗ai大赛第一季的名单中，怡园智能以0.806的成绩排名第二，加州大学以0.815的成绩领先，北京大学以0.780的成绩排名第三，清华大学、复旦大学、浙江大学、上海交通大学等国内高校以及ge、UIH等医疗设备制造商参加了比赛。

出人意料的是，排名第二的结果大大增加了首席执行官吴波的信心。“我们认为在肺结节的智能筛查领域没有机会。只有当我们参与进来时，我们才知道我们的新成员还有机会。”对于今年4月刚刚成立的怡园智能，他说:“这是对算法的肯定，最重要的当然是算法实用性的体现。”此外，与名单上单打独斗的选手不同，怡园智能与香港浸会大学和南方医科大学合作参加了比赛，相关模型在南方医科大学附属医院进行了测试。“关键在于跨境一体化”。

这种联盟的理念不仅体现在竞争中，也体现在公司的主要业务方向上。“本质上，我们是在画一个圈，团结一切可以团结的力量，与不同的医院(医生)进行科研合作。”

到目前为止，成立四个月的公司已经与香港大学深圳医院、南方医科大学附属医院和复旦大学附属中山医院的科研团队进行了合作。该项目涵盖了骨科智能诊断、皮肤病智能筛查和肺结节筛查等领域。在具体的合作细节方面，公司负责模型，而医院/医生负责临床问题的定位和数据标签的解释。

“算法公司比数据公司更有价值”“算法还是数据，这是个问题？ゥ

至于哪个算法比数据更重要的问题，人工智能界一直争论不休。在智湖上，名叫“香亮”的朋友获得了最高的支持率。“我非常同意数据比算法更重要！虽然我们可以说这两者同等重要，但如果你是一名资深的机器学习和数据挖掘研究员，你永远不会隐藏他们对数据的渴望。当然，设计一个好的算法对他们来说很容易，但好的数据却不容易得到。”具体到人工智能医学领域，与算法人才相比，数据也是一种稀缺和抢手的资源。

然而，从公司利益的角度来看，吴波给出了相反的答案:“算法公司比数据公司更有价值”。

quora工程副总裁Xavier amatriain在今年年初的美国人工智能年会(aaai-2017)上说，对于小公司来说，数据量很小，获得标记数据需要额外的成本。小公司不能堆积数据，所以选择专注于优化算法通常比选择专注于获取数据更有效。当然，一方面，小公司需要不断积累数据。对此，吴波评论说，“它赢得了我的心！”

“毕竟，医疗数据很难像互联网数据那样具有集中收集的马太效应，像素级和冗余的医疗数据标签需要极高的专业水平和成本。算法是我们最能发挥主观能动性的部分。”他说。

如果你了解怡园智能的特点，你不会对吴波的观点感到惊讶。"经过我们的评估，公司的优势在于算法."吴波说，对于怡园智能在阿里天池医疗大赛中的第二名，他告诉雷锋。(公开号码:雷锋。许多团队的不同之处在于成千上万个地方的不同。甚至froc位置的0.001水平也意味着至少20个可疑结节位置被正确判断。因此，如果你的froc指数与他人或你自己相比可以提高0.01，这意味着你在数百个可疑结节位置上更加准确。这也是一个非常现实的问题。“在我们看来，医疗保健没有这样的互联网基因，互联网公司是企业家驱动的，而智能医疗保健更多的是R&D驱动的，或者有必要采取研发。”

其算法优势自然可以归因于其创业团队的背景。吴波在清华大学学习。他曾是爱立信的高级研究员，英国利兹大学的博士后研究员，以及香港浸会大学的博士。他的搭档刘凯是他的老师，香港浸会大学博士，腾讯数据平台高级算法工程师；另一位合伙人武玉曾是腾讯数据平台ai的算法工程师。吴波曾经说过，“其他公司很难找到人工智能模型人才。就连我们的实习生都是来自伯克利、香港科技大学和香港大学的顶尖深度学习者。他们背后还有大量的教授和国家千人计划的合作伙伴。正在备份。”

与更注重算法相比，吴波认为获取医学数据可能不像想象的那么困难。甚至，“获得”本身也可能站不住脚。“拥有”让位于“共享”是不可阻挡的趋势，医学数据也是如此。但是共享的本质不是所有权共享，而是访问(访问/使用权)共享。我们不要求所有的医疗数据，但我们想使用它。”此外，他补充说，“数据也是用户或国家的性质。”

与数据相比，在吴波看来，坚实的结果更重要。他认为，知识产权不仅在娱乐或游戏中很重要，在医疗领域也很重要，因为医疗领域更多的是由知识产权驱动的。一旦一种疗法或产品从学术成果中诞生，后续产品在落地和商业化后将更加可行。

因此，怡园智能公司以“科研服务/合作”为旗帜，寻求与不同医院/医生的合作。“许多公司声称正在制造产品，而付诸行动是一个科学研究课题。这不能走捷径。”吴波告诉雷锋。“坦率地说，这就是办法。我不做产品。我们团队的产品基因和经验非常丰富。我们总是把产品和平台放在我们心中的重要位置。不过，在现阶段，我们以话题的形式切入。”

“我们的团队有学术背景，有自己的学术追求。对于以前的cade来说，在科研服务方面与医院的合作或在科研方面与数据的合作仍然是一个更安全和保险的问题。”他说。

医学数据非常稀缺和珍贵。因此，当人工智能公司与医院/医生结盟时，选择通常掌握在后者手中。广东省人民医院影像科刘再义教授曾经说过，在选择人工智能公司时，他会仔细考虑:医生能成为主导因素吗？这个团队优秀吗？你愿意给我几个人吗？无独有偶，深圳市第二医院影像科的蒲主任也曾表示，与ai公司合作时会考虑团队素质，是否以医生为主导？这是大多数医生在与工程团队合作时想要的。

关于谁来领导的问题，吴波说，“科研合作医生带路，但不是领导工业化。这取决于医生是否有“企业家精神”，否则他们可以完全将专利授权给合作伙伴。”

据该公司合伙人刘凯博士介绍，该公司在面部皮肤问题识别方面取得了“惊人的成绩”，面对护肤和敏感护肤市场，“吸引了众多美容行业的大公司前来洽谈合作”。

能投入多少钱，能得到多少工作。在这种游戏风格下，商业公司的“项目”成了一个学术“课题”，双方的投资和收入都少了“铜臭”，那么为什么创业公司要继续呢？换句话说，什么是商业模式？

早在今年3月公司成立之前，吴波就曾说过:“通过最近对大量医药上市公司的研究，我发现牛更多地依赖于布局而不是单一产品。”目前，怡园智能不关注单一产品，而是画一个圈，团结一切可以团结的力量，与不同的医院(医生)进行科研合作。

他认为，通过与医院合作，智能地分析某些疾病的医学图像，可以获得比目前任何人都多的数据。通过集中数据，他们可以很好地构建一个人工智能系统，你所构建的应该足够好，这样你就可以进入一个良性循环，随着时间的推移积累更多的数据，并继续前进，最终创建一个不同的小企业。

“像国外的斑马和伊利西亚这样的标杆企业也在切入多种疾病。一些机器学习算法是通用的。您只需要使用不同的数据进行培训，就可以快速获得解决方案，这就是为什么机器学习在今天被如此迅速地接受。”他说。

吴波告诉雷锋。总的来说，公司的发展道路是明确的，从cade(计算机辅助检测)到cadx(计算机辅助诊断)到cadp(计算机辅助预测)。现阶段，以科研服务为切入点，商业周期会比较慢，所以模型团队和业务团队有精力做很多领域的工作，但他们仍然是医学领域的相关范畴。“我们将其分解为几个子问题，并分阶段向前推进。”

聚焦资本，公司目前的行事风格是:一方面，实施融资；一方面，它与医院合作提供服务。“融资正在稳步进行。目前，一些强大的医疗团体已经实施了ts。与此同时，一些朋友的资金暂时减少，因为对方不了解医疗保健和人工智能，教育成本高。”吴波说。

“我们做了这么久，发现没有想象中的钱。”吴波告诉雷锋。毕竟，与医院的合作涉及生产、教育和研究，它们可以分担费用。他认为，从本质上来说，未来的医学人工智能是tob的事，其本质在于你要做多少钱和你能做多少工作。如果你有1倍的资金，你可以收到2倍的订单，你可以赚取0.5倍的利润。“托博的生意非常有利可图。将来，它会增加一点收入。”

从长远来看，吴波说:“我们将尝试不同的方式，看看什么样的收费模式可能出现在该行业，但tob业务永远不会改变，服务将出现。”它要么绑定到硬件，要么是独立的软件系统，所以你可以尝试不同的充电方法。他认为医疗保健不同于网络产品，可以在3~6个月内推出。据估计，最终能够提升的收入状况将需要一年半到两年的时间。“但这并不意味着所有人都在烧钱，tob的业务必须如此。有很多机会可以筹集资金。”

不管商业模式是什么，它最终都离不开医学和医疗的实质性问题。“关键是真正解决医疗问题，形成医疗知识产权，并解决产品包装、用户体验和性能问题。”

“旧方法不够漂亮。”许多在人工智能医学领域努力工作了一段时间的人或多或少都表现出困惑或悲观的态度，甚至有人说人工智能泡沫一旦泛滥就会破灭。飞利浦大中华区临床科学部高级主任周振宇表示，与十多年前一样，人工智能医疗关注的是纯粹的数据驱动结果，如发现的100个肺结节的百分比，这对临床知识来说并不算太多。巨大的价值；科达讯飞智能医疗事业部医学影像产品负责人马文俊告诉雷锋。“如今的智能图像与前几年的网络医疗非常相似。大家都蜂拥而至，但下一步该怎么做是个问题。”易慧惠英说:“总的来说，智能影像诊断真正深入到临床诊断。目前，该行业试图与医生合作进行科学研究或提高效率，但要真正提高诊断率仍有很大差距。”

然而，吴波对此不屑一顾，并对这一人工智能突破充满信心。他认为过去医疗领域的旧方法不够漂亮，每一步都不够好，整体不能满足大家的期望。“以肺结节筛查为例，每个人都认为几家大工厂已经尽了最大努力，但至少从竞争结果来看，新兴企业做得更好。”

他认为，即使检测到一个肺结节，也能达到更好的水平；经过检查、分类，良性和恶性判断有望逐一突破。如果每个环节的准确率提高10%，整体效果可能会好得多。

当然，他补充说，“我们仍然需要取得更多的成就来证明我们的想法是正确的。”

雷锋原创文章。严禁擅自转载。详情请参考转载说明。