“一系列探索未知的過程，科研和看病融會貫通的過程，在我看來就是醫(yī)學最大的魅力之一。”中國工程院院士寧光曾談到。但理想與現實的差距時常有之，并非每個醫(yī)者都愿意或有余力投入科研。

現實比常人看到的更加殘酷�！吨袊�醫(yī)者生存現狀調研報告》顯示，77％的醫(yī)者曾一周工作超50小時，24．6％的醫(yī)者曾一周工作超過80小時。

然而科技卻一直在進步，過去無法診斷的病癥現在找到了突破性的路徑，過去粗略的單層X光片現在已被數百層影像所代替……一切都朝著好的方向發(fā)展。

那么問題出在了哪里？

診斷需AI支持，科研同樣需AI支持

在飛利浦呆了22年的席渭齡對此由為感嘆，她見證了飛利浦從初級影像CT到現在最為先進的Brilliance iCT這一跨時代變革——成長的是越來越清晰的成像技術，不變的是醫(yī)者有效的工作時間。

“隨著單一診斷影像層數的不斷增多，醫(yī)者閱片工作量越來越大。但醫(yī)者的閱片效率并沒有太過明顯的提高。技術的發(fā)展不均勻給為醫(yī)者帶來了越來越多的壓力�！毕�渭齡感慨到。

“但臨床并非醫(yī)者發(fā)揮價值的唯一途徑，醫(yī)療作為一門經驗學科，醫(yī)者更希望能將更多的時間用于經驗整理與對未知可能的探索，并將其梳理成論文，以供更多志同道合者交流學習�！�

所以，席渭齡離開了老東家飛利浦，來到創(chuàng)業(yè)公司推想科技擔任營銷總裁，這并非倒退，而是對開拓新技術，對解放醫(yī)者價值的一種嘗試。

“過去在傳統(tǒng)器械行業(yè)的時候，CT只有一層圖像，20多年以后的現在，胸部掃描有300多層。盡管技術的進步也在不斷提升成像質量、成像速度，降低造影劑的使用，但歸根結底，這些工作都是讓醫(yī)者能夠夠深刻的認識到患者的疾病，卻對降低醫(yī)者的工作負荷沒有太大幫助。”

“而推想的人工智能輔助診斷產品正在不斷為影像醫(yī)者減負，如今他們甚至考慮到了醫(yī)者臨床以外的創(chuàng)造，希望能讓更多的醫(yī)者加入到醫(yī)學人工智能的科學研發(fā)過程中，為醫(yī)療創(chuàng)造更多的價值�！�

AI學者科研平臺幫助醫(yī)者探索數據之中的秘密

近日推想科技推出的AI學者科研平臺——InferScholar Center是一款集軟、硬件一體的醫(yī)學人工智能專用設備，可用于醫(yī)學影像大數據管理與分析、數據標記、深度神經網絡模型構建、影像組學特征提取、組學特征分析與機器學習模型構建等研究，可應用于X線、CT、MRI、PET／CT、病理切片、消化內鏡等多種影像數據深度學習與影像組學建模。

除醫(yī)學影像數據外，InferScholar Center同時還能夠合并利用臨床結構化文本信息，研究各類醫(yī)學命題。

醫(yī)者可通過InferScholar Center構建專屬AI進行研究，為AI注入醫(yī)學“溫度”。醫(yī)學專家可自主選擇孵化AI的數據、模式、邏輯、參數等，將讓AI更加契合醫(yī)療業(yè)務特性，并從臨床角度獲得更多科研成果。

InferScholar Center所孵化的AI，不止是一個獨立的、冷酷的、陌生的機器，而是醫(yī)者可駕馭、可理解的助手。

其模型研究和孵化工具，可廣泛應用于腫瘤、心血管、神經系統(tǒng)、呼吸系統(tǒng)等疾病影像檢查的智能化、精準化研究，尤其是對于疾病早期診斷、治療監(jiān)測、預后預測的影像人工智能研究具有重要價值。

這一產品的推出順應了醫(yī)者當下的需求：越來越多的醫(yī)學研究者不僅希望使用AI產品，也希望結合自身的醫(yī)療大數據和臨床經驗優(yōu)勢，進行AI方面的自主臨床研究。

然而，從事深度學習和影像組學研究往往需要具備扎實的代碼能力，以及全面的數學、統(tǒng)計、計算機工程基礎，甚至還需要認知科學的理論常識，形成這樣跨學科的知識體系往往需要多年的系統(tǒng)化訓練，也成為了深度學習和影像組學研究最高的門檻，從一定程度上限制了深度學習和影像組學作為新一代醫(yī)學大數據分析方法論在不同學科領域的傳播與推廣。絕大多數醫(yī)療機構缺乏進行深度學習及影像組學研究的基礎設施和專業(yè)人員。于是，更加智能化、簡單易用的臨床科研助手呼之欲出。

在具體操作上，醫(yī)者只需根據界面錄入相關數據，并對相應參數進行設置，即可完成準備工作。對于每一個參數的調整系統(tǒng)都會給出一個可視化輸出結果，醫(yī)者可對根據預先結構優(yōu)化已有模型。

在完成準備工作后，平臺將借助成熟的算法對醫(yī)者所給出的數據進行處理，醫(yī)者只需等待平臺運行并給出相應結果即可。

在安全方面，InferScholar Center充分考慮了醫(yī)學臨床科研的安全性需求，采用軟硬件一體機的方式，直接交付到醫(yī)院，并且可以在與互聯網完全隔離的環(huán)境中工作，做到數據不出院，保證了醫(yī)院所有的科研數據、模型算法、研究成果均無泄漏風險。

此外，推想科技兩大科學家團隊——全球臨床科研合作學院（iCR）和先進研究院（iAR）將圍繞InferScholar Center，為平臺上的醫(yī)療科研人員提供基礎模型以及臨床研究的各類開發(fā)、培訓、輔助等服務。

推想科學家團隊成員有的在醫(yī)學臨床領域有深厚的積累，還有掌握最領先的人工智能技術、并頗具建樹的年輕科學家，兩者密切配合，依托InferScholar Center展開以臨床客戶服務為核心的科研工作，將最前沿的人工智能技術應用到臨床研究，從而覆蓋醫(yī)學臨床科研的全流程，與用戶共同挖掘臨床科研價值。

科研仍是當下醫(yī)療AI發(fā)展的主旋律

2012年至今，人工智能技術已經經過了幾十次的迭代，現有產品雖能滿足特定疾病下醫(yī)者的需求，但對于整個醫(yī)療領域的貢獻，依然只是滄海一栗——我們亟需更多醫(yī)生參與到醫(yī)學的探索與人工智能技術的開拓之中。

但是，人工智能技術與醫(yī)療之間的鴻溝一直困擾著相關從業(yè)人士，兩門學科各有的深度為其結合增加了不少難度。一直以來，人工智能專家們不斷地向醫(yī)學跨越，而推想正嘗試反其道而行之，讓醫(yī)者走向人工智能。

對此，席渭齡滿懷信心：“我從飛利浦來到推想，正是看中了人工智能商業(yè)化的可能。這一技術的商業(yè)化將不同于以往技術的商業(yè)化，我們將從中看到更多顛覆式的模式�！�

如今，推想的InferScholar Center平臺已在同濟醫(yī)院、長征醫(yī)院等頂級三家醫(yī)院得到應用，這是一個很好的開端，醫(yī)者或許將不再被繁瑣的數據整理分析所束縛。在AI的支持下，全醫(yī)科研的年代或許即將來臨。