推想科技創始人陳寬
剛剛完成B輪1.2億元融資的推想科技， 推倒了傳統的互聯網產品開發模式， 先聽醫生“吐糟”， 再開發、優化產品，
文丨楊亞茹
從去年3月阿爾法狗打敗李世石開始， 資本加速逐利人工智慧。 周鴻禕說現在做創業的要沒個深度學習、人工智慧， 都不好意思出來混。
不光是做創業的， 就是BAT也在卯足了勁搶灘市場， “AI醫療”成了新一輪的角力場， 其中的醫療影像更是熱門賽道。 從2013年到今年上半年， AI醫療應用層的86起融資事件中有31%發生在醫療影像類公司， 占比第一。
9月21日， 紮根醫療影像的推想科技完成了1.2億元B輪融資， 是國際醫學影像人工智慧行業內最大規模的單筆融資。 為什麼資本會一窩蜂地湧進醫療影像行業？
AI離不開大資料， 而醫療資料存儲量中有90%來自醫學影像， 我國醫學影像資料的年增長率是30%。
有人說， 資本判斷的不是行業趨勢， 而是時間點， 判斷機會在哪個時間點才是關鍵。 創業者中， 有一小波走在資本的時間點之前， 有一大批跟在那個時間之後， 推想科技屬於前者。
在AI還未通過圍棋撼動人類技藝和生產力的2015年初， 陳寬就已經創辦推想科技， 並在次年開始了和四川省人民醫院、武漢華中科技大學附屬同濟醫院的合作。
2012年， 陳寬和朋友做了TwiThinks的深度學習技術項目， 開始接觸人工智慧和大資料， 一邊看到了人工智慧取得更大突破的可能， 一邊攻讀芝加哥大學經濟與金融雙博士學位。
2014年暑假，
在進入醫療影像行業之前， 陳寬看了安防、農業、金融多個場景。 “我在金融看到了很好的應用效果， 但是我感興趣的是把這些頂級的技術放在更貼近生活的場景裡， 去解決更民生的問題。 ”陳寬說這是支撐他當時找場景創業的動力。
在深圳的一次閉門會議上， 陳寬展示了自己的智慧演算法和圖像識別模型後， 一位元影像科醫生的一個問題——“這技術能不能做成醫療影像的輔助診斷產品？”——激起了他對醫療行業的興趣，
“當時看醫療領域， 覺得最大的不同就是世界上都沒有誰在技術上驗證過這個事的可行性， 我必須去冒險， 去驗證這個領先性的場景， 反正我年輕， 我願意嘗試。 ”陳寬的整個2015年幾乎都是在驗證場景 。
在驗證過程中， 他發現了這個行業的更多痛點和更多不同。
行業產能不足， 醫院大門“難進”經濟學出身的陳寬更喜歡從整個行業去看產品所處的產業鏈和價值體系， “我覺得有一點特別關鍵， 醫療是非常典型的產能不足行業， 雖然有很多的互聯網手段都在解決醫生分佈不均的問題， 但卻解決不了好醫生太少的問題。 ”
陳寬拿滴滴舉例子， 市場上有很多空車都閑著，
“門庭若市的病人， 汗牛充棟的資訊”——是影像科的真實寫照。 影像科需要熟悉各器官解剖結構、掌握X線片、CT、MRI等不同醫學影像診斷能力的專業人才， 國內招收醫學影像專業本科生的80余所高校輸出的人才遠跟不上影像科室的增長速度。
有資料顯示， 大三甲醫院一年產生的影像資料在10T以上， 全部通過人力閱片， 醫生疲于應付大量的冗餘資訊， 直接導致他們在處理資訊時可能會忽略部分重要資訊。
龐大的資料庫是人工智慧落戶醫療影像的基礎，也是企業進入這個行業的第一個門檻。
“資料一直在漲，量大到醫院的介面已經沒有辦法在有效的時間內抽取資料做分析，但這是一個很閉塞的場景，資料都躺在庫裡，基本沒人用。”
智慧影像公司如何獲取這些看似無人問津的資料呢？
一般來說，創業公司會尋求與醫院“合作”，四川省人民醫院是與推想科技達成合作的第一家醫院。
“醫院很重視學術的環境，他們對新的東西感興趣也願意聽，但是肯合作的卻沒有，”年輕又沒有醫療背景，聊了三、四十家醫院後，陳寬和他的團隊把房子租在了四川省人民醫院旁邊，每天跟醫生上下班，放假一起加班，隨時溝通，用了三個月時間終於達成合作。
相處過程中，醫療場景的與眾不同也充分顯現。“比如我們剛去醫院，機器是沒法接近的，這是任何深度學習開發都非常忌諱的，深度學習本身是一個爆炸性發展的領域，每天都有新東西，把機器隔絕起來，就是跟先進技術隔絕起來，而且我們每研發一個新技術要寫進醫院系統都要經過層層審批。”
同時，陳寬越來越發現這是一個高標準的領域，不可能讓醫院降標，醫院需要非常穩定的IT環境，不能宕機，不能出問題，只能企業提高對自己的要求去適配醫院。
“雖然這對快速反覆運算、快速寫演算法的我們來說是衝擊，但是跟整個醫院系統共生開發的產品，也才能很好的用到這個場景。”
到2015年10月左右，陳寬團隊花200多天進行的場景驗證完成，摸索出深度學習技術與醫療影像結合、完全不同於其它行業的應用方法，推想科技的第一版產品出爐。
產品思路倒著來，從醫生“吐槽”入手“就包括現在，我們的團隊還是大部分紮在醫院，很多產品的功能也都是醫生提出來，我們去做，相當於直接在客戶那兒開發產品，這跟傳統互聯網產品的開發模式完全不一樣。”
既然跟傳統做法不一樣，那就倒著來，大量跑、大量碰壁，慢慢摸索。推想科技最終將研發產品定位在影像科，也是在聽了眾多醫生“吐槽”之後。
陳寬說：“我剛進到醫院，就想做醫學影像人工智慧，但這是一個龐大的系統，不同的醫生給我的說法完全不一樣，有人說X光要被淘汰，有人說很有意義，有些大三甲歡迎AI產品，有些又說不會考慮用，千人千嘴，但說的都很有道理，我們最終就儘量總結一個共性去做，進入做影像科，再細化到胸肺，具體到看結節。”
資料顯示，由於肺癌早期沒有任何臨床症狀，目前約75%的肺癌患者在診斷時已屬於晚期，死亡率占所有惡性腫瘤死亡人數的18%，是世界上發病率及死亡率最高的惡性腫瘤，每年死亡人數達140萬。所以，肺癌的早期診斷十分重要，部分國外醫院也在嘗試使用人工智慧基於深度學習開發的演算法，但中國醫院走得更靠前——人工智慧已經進入影像科工作流程，開始説明病人實現早診早治。
推想科技研發的智慧醫療影像系統包括智慧CT輔助篩查系統(A.I.-CT)、智慧X線輔助篩查系統（A.I.-DR）、深度學習科研平臺(A.I. Scholar) 等多種人工智慧產品，已在上海長征醫院、武漢華中科技大學附屬同濟醫院、大連大學附屬中山醫院等數家醫院影像科上線試用。
對影像科醫生，傳統的做法是針對一個病人的300多張影像翻來覆去看最多15分鐘時間，越是早期的症狀也就越容易被漏掉，在整個影像科中，醫生們80%的工作是重複繁瑣的，集中在對早期症狀的篩查中，效果還不好，只有20%的工作是在做有效的病症確認，人工智慧取代的是前面重複繁瑣的工作。
“我們要把醫生診斷效能前移，但是剩下20%的有效工作我們沒法替代。”陳寬解釋到。
對產品，從胸肺細化到發現大小不同和各種性質的結節並且量化，難度已經很大。醫生到底用不用產品，不只取決於量化的精確度數值，醫生最在乎的是不要漏診的同時假陽性也要低。因此，不論敏感度小於還是大於90%，只要找錯一次，或者操作麻煩，又或者找到一堆假陽性肺結節，他們都會棄用。
在推想，產品設計必須提高每個緯度的標準，在醫生使用過程中再去發現是否有不完善的地方，然後去快速反覆運算產品，目的是把醫生從花費大量時間發現病變的勞動中解放出來，將更多的精力放在疾病的鑒別診斷方面，並與臨床結合提供更多的治療建議。
“產品上線後，醫生的使用率和評價是我們檢驗工作的唯一標準。”陳寬補充稱。
武漢華中科技大學附屬同濟醫院放射科主任夏黎明說：“看一張肺部CT，推想科技的CT‘阿爾法狗’只需5秒鐘；對於三毫米以內的小病灶，人肉眼很容易遺漏掉，它卻容易識別，給病人的診斷多加了一道保險。”
“肺結節我們還在繼續完善，疾病總是千變萬化的，在優化的同時，我們也在複製體系。”陳寬告訴品途《四百味》，因為經常聽醫生們“吐槽”閱片時很容易漏掉骨折病人，肺結節做完之後，推想科技下一個研究場景就是骨折，還有神經、心臟等場景。
這個行業離大浪淘沙不遠了今年5月，全球頂尖人工智慧開發商大會GTC （GPU Technology Conference）在美國聖約瑟舉行，陳寬頻著他的產品在會上做了50分鐘的主題演講，《福布斯》在24小時內兩次報導了推想科技，這讓陳寬自己也感到吃驚。
“其實美國一直在討論AI醫療的場景，他們沒想到中國一個突然冒出來、都沒聽過名字的公司，好像做得還不錯。”陳寬笑著說道，“中國在AI醫療領域，是走在世界最領先位置的，很多頂級的資深專家，也都是華人。”
回到醫療領域，任何一個掌握話語權的醫院本身就是一個很強勢的機構，他們需要的是滿足他們需求的特殊團隊，巨頭進入反而束手束腳、施展不開。
留給創業者的機會有，資本也造好了風口，不少迎著風口做短線推廣的強行銷公司也想掰塊市場蛋糕。對他們來說，把產品賣出去不難，但是產品不容易被持續使用，最終留下的還是做產品長線的團隊，醫院喜歡的也是能解決行業難題的創業企業。
“我相信可能在一年左右，會出現一個大浪淘沙的過程，不太靠譜的團隊會慢慢沉靜下來，剩下不管是推想一家，還是有兩三家，這些就是在這個行業裡穩紮穩打，真的能解決醫生一些問題的企業。”
陳寬覺得現在的AI在醫療行業，更多像是一個噱頭，好像是一個值得炫耀的東西，“我想以後大家談到影像科，不會再強調說我有個AI技術，就像有X光就有CT，而不是說我裝了個CT，像個發明一樣。”
讓人工智慧成為中國的影像科一項主流的技術，輔助醫生工作，“把品牌逐漸融到影像主流路徑，很多人可以不知道推想，但我們在為醫院的基礎設施提供大量服務，”這是陳寬希望未來三到五年內發生的事，也是推想科技的發展目標。
對話陳寬：醫院需要穩定、安全的提供商去解決問題四百味：有一種觀點認為人工智慧會取代醫生，您怎麼看？
陳寬：我原來在芝加哥大學的一位經濟學導師，2000年的諾貝爾獎得主，他有一個非常重要的理論——人的技能是非常多元性的，任何一個職業本身做的事情，其實也可能是多元和豐富的。回到影像，任何一個影像科醫生，包括一個影像科室本身做的事情也是很多元的。
影像科一些年紀比較大的醫生，因為盯影像的時間實在太久，頭都暈，他們80%在做重複性的工作，20%可能去做一些具有創造性的工作，這部分工作需要大量聯想能力，可能他們以前沒有見過某個場景，但通過自己的推理和想像，就能夠找到這個疾病的根源，這就是用人工智慧大資料永遠沒法取代的。我們只是讓優質的產品技術進來，取代掉80%重複繁瑣的勞動，讓醫生做更多高、精、值的工作。
四百味：越來越多的人投身醫療行業，這個行業對不同條線的入局者們有沒有什麼統一的標準？
陳寬：我覺得醫療行業是一個非常講究品牌信任地方，這是為什麼我開始找醫院合作的時候那麼困難，而現在找醫院合作又很容易的原因。坦白說，你沒有建立醫院信任之前，就很難切入這個圈子，一旦建立了好的口碑，又有好的案例，跟更多的醫院有合作，在完善產品，也在獲得更好的訓練資料來優化我們這個模型，這些都會變得越來越容易，成本也越來越低。
醫院篩選產品也很簡單，哪個產品、哪個服務提供者是最低風險，同時還能幫助醫院做事，醫院就去選它，他們感興趣的不是什麼AI，而是關心能不能解決他們領域的問題，他們不會去有意選擇一個創新性的，或者沒有聽過名字的東西，他們要一個很穩定、安全的提供商，去解決問題。
四百味：您覺得在AI醫療賽道會出現BAT級別的獨角獸嗎？
陳寬：我從個人的角度來看，更多不是太關注最終哪家公司會成長成像BAT的這種級別，我們更應該說AI這個新技術是不是有一天真正能夠做到主流的診療路徑裡面，大家都能很自然地使用它來提升診療準確率和效率，到時候，在那樣情況的背後，再看是否會有一些非常成功的企業或者團隊。
龐大的資料庫是人工智慧落戶醫療影像的基礎，也是企業進入這個行業的第一個門檻。
“資料一直在漲，量大到醫院的介面已經沒有辦法在有效的時間內抽取資料做分析，但這是一個很閉塞的場景，資料都躺在庫裡，基本沒人用。”
智慧影像公司如何獲取這些看似無人問津的資料呢？
一般來說，創業公司會尋求與醫院“合作”，四川省人民醫院是與推想科技達成合作的第一家醫院。
“醫院很重視學術的環境，他們對新的東西感興趣也願意聽，但是肯合作的卻沒有，”年輕又沒有醫療背景，聊了三、四十家醫院後，陳寬和他的團隊把房子租在了四川省人民醫院旁邊，每天跟醫生上下班，放假一起加班，隨時溝通，用了三個月時間終於達成合作。
相處過程中，醫療場景的與眾不同也充分顯現。“比如我們剛去醫院，機器是沒法接近的，這是任何深度學習開發都非常忌諱的，深度學習本身是一個爆炸性發展的領域，每天都有新東西，把機器隔絕起來，就是跟先進技術隔絕起來，而且我們每研發一個新技術要寫進醫院系統都要經過層層審批。”
同時，陳寬越來越發現這是一個高標準的領域，不可能讓醫院降標，醫院需要非常穩定的IT環境，不能宕機，不能出問題，只能企業提高對自己的要求去適配醫院。
“雖然這對快速反覆運算、快速寫演算法的我們來說是衝擊，但是跟整個醫院系統共生開發的產品，也才能很好的用到這個場景。”
到2015年10月左右，陳寬團隊花200多天進行的場景驗證完成，摸索出深度學習技術與醫療影像結合、完全不同於其它行業的應用方法，推想科技的第一版產品出爐。
產品思路倒著來，從醫生“吐槽”入手“就包括現在，我們的團隊還是大部分紮在醫院，很多產品的功能也都是醫生提出來，我們去做，相當於直接在客戶那兒開發產品，這跟傳統互聯網產品的開發模式完全不一樣。”
既然跟傳統做法不一樣，那就倒著來，大量跑、大量碰壁，慢慢摸索。推想科技最終將研發產品定位在影像科，也是在聽了眾多醫生“吐槽”之後。
陳寬說：“我剛進到醫院，就想做醫學影像人工智慧，但這是一個龐大的系統，不同的醫生給我的說法完全不一樣，有人說X光要被淘汰，有人說很有意義，有些大三甲歡迎AI產品，有些又說不會考慮用，千人千嘴，但說的都很有道理，我們最終就儘量總結一個共性去做，進入做影像科，再細化到胸肺，具體到看結節。”
資料顯示，由於肺癌早期沒有任何臨床症狀，目前約75%的肺癌患者在診斷時已屬於晚期，死亡率占所有惡性腫瘤死亡人數的18%，是世界上發病率及死亡率最高的惡性腫瘤，每年死亡人數達140萬。所以，肺癌的早期診斷十分重要，部分國外醫院也在嘗試使用人工智慧基於深度學習開發的演算法，但中國醫院走得更靠前——人工智慧已經進入影像科工作流程，開始説明病人實現早診早治。
推想科技研發的智慧醫療影像系統包括智慧CT輔助篩查系統(A.I.-CT)、智慧X線輔助篩查系統（A.I.-DR）、深度學習科研平臺(A.I. Scholar) 等多種人工智慧產品，已在上海長征醫院、武漢華中科技大學附屬同濟醫院、大連大學附屬中山醫院等數家醫院影像科上線試用。
對影像科醫生，傳統的做法是針對一個病人的300多張影像翻來覆去看最多15分鐘時間，越是早期的症狀也就越容易被漏掉，在整個影像科中，醫生們80%的工作是重複繁瑣的，集中在對早期症狀的篩查中，效果還不好，只有20%的工作是在做有效的病症確認，人工智慧取代的是前面重複繁瑣的工作。
“我們要把醫生診斷效能前移，但是剩下20%的有效工作我們沒法替代。”陳寬解釋到。
對產品，從胸肺細化到發現大小不同和各種性質的結節並且量化，難度已經很大。醫生到底用不用產品，不只取決於量化的精確度數值，醫生最在乎的是不要漏診的同時假陽性也要低。因此，不論敏感度小於還是大於90%，只要找錯一次，或者操作麻煩，又或者找到一堆假陽性肺結節，他們都會棄用。
在推想，產品設計必須提高每個緯度的標準，在醫生使用過程中再去發現是否有不完善的地方，然後去快速反覆運算產品，目的是把醫生從花費大量時間發現病變的勞動中解放出來，將更多的精力放在疾病的鑒別診斷方面，並與臨床結合提供更多的治療建議。
“產品上線後，醫生的使用率和評價是我們檢驗工作的唯一標準。”陳寬補充稱。
武漢華中科技大學附屬同濟醫院放射科主任夏黎明說：“看一張肺部CT，推想科技的CT‘阿爾法狗’只需5秒鐘；對於三毫米以內的小病灶，人肉眼很容易遺漏掉，它卻容易識別，給病人的診斷多加了一道保險。”
“肺結節我們還在繼續完善，疾病總是千變萬化的，在優化的同時，我們也在複製體系。”陳寬告訴品途《四百味》，因為經常聽醫生們“吐槽”閱片時很容易漏掉骨折病人，肺結節做完之後，推想科技下一個研究場景就是骨折，還有神經、心臟等場景。
這個行業離大浪淘沙不遠了今年5月，全球頂尖人工智慧開發商大會GTC （GPU Technology Conference）在美國聖約瑟舉行，陳寬頻著他的產品在會上做了50分鐘的主題演講，《福布斯》在24小時內兩次報導了推想科技，這讓陳寬自己也感到吃驚。
“其實美國一直在討論AI醫療的場景，他們沒想到中國一個突然冒出來、都沒聽過名字的公司，好像做得還不錯。”陳寬笑著說道，“中國在AI醫療領域，是走在世界最領先位置的，很多頂級的資深專家，也都是華人。”
回到醫療領域，任何一個掌握話語權的醫院本身就是一個很強勢的機構，他們需要的是滿足他們需求的特殊團隊，巨頭進入反而束手束腳、施展不開。
留給創業者的機會有，資本也造好了風口，不少迎著風口做短線推廣的強行銷公司也想掰塊市場蛋糕。對他們來說，把產品賣出去不難，但是產品不容易被持續使用，最終留下的還是做產品長線的團隊，醫院喜歡的也是能解決行業難題的創業企業。
“我相信可能在一年左右，會出現一個大浪淘沙的過程，不太靠譜的團隊會慢慢沉靜下來，剩下不管是推想一家，還是有兩三家，這些就是在這個行業裡穩紮穩打，真的能解決醫生一些問題的企業。”
陳寬覺得現在的AI在醫療行業，更多像是一個噱頭，好像是一個值得炫耀的東西，“我想以後大家談到影像科，不會再強調說我有個AI技術，就像有X光就有CT，而不是說我裝了個CT，像個發明一樣。”
讓人工智慧成為中國的影像科一項主流的技術，輔助醫生工作，“把品牌逐漸融到影像主流路徑，很多人可以不知道推想，但我們在為醫院的基礎設施提供大量服務，”這是陳寬希望未來三到五年內發生的事，也是推想科技的發展目標。
對話陳寬：醫院需要穩定、安全的提供商去解決問題四百味：有一種觀點認為人工智慧會取代醫生，您怎麼看？
陳寬：我原來在芝加哥大學的一位經濟學導師，2000年的諾貝爾獎得主，他有一個非常重要的理論——人的技能是非常多元性的，任何一個職業本身做的事情，其實也可能是多元和豐富的。回到影像，任何一個影像科醫生，包括一個影像科室本身做的事情也是很多元的。
影像科一些年紀比較大的醫生，因為盯影像的時間實在太久，頭都暈，他們80%在做重複性的工作，20%可能去做一些具有創造性的工作，這部分工作需要大量聯想能力，可能他們以前沒有見過某個場景，但通過自己的推理和想像，就能夠找到這個疾病的根源，這就是用人工智慧大資料永遠沒法取代的。我們只是讓優質的產品技術進來，取代掉80%重複繁瑣的勞動，讓醫生做更多高、精、值的工作。
四百味：越來越多的人投身醫療行業，這個行業對不同條線的入局者們有沒有什麼統一的標準？
陳寬：我覺得醫療行業是一個非常講究品牌信任地方，這是為什麼我開始找醫院合作的時候那麼困難，而現在找醫院合作又很容易的原因。坦白說，你沒有建立醫院信任之前，就很難切入這個圈子，一旦建立了好的口碑，又有好的案例，跟更多的醫院有合作，在完善產品，也在獲得更好的訓練資料來優化我們這個模型，這些都會變得越來越容易，成本也越來越低。
醫院篩選產品也很簡單，哪個產品、哪個服務提供者是最低風險，同時還能幫助醫院做事，醫院就去選它，他們感興趣的不是什麼AI，而是關心能不能解決他們領域的問題，他們不會去有意選擇一個創新性的，或者沒有聽過名字的東西，他們要一個很穩定、安全的提供商，去解決問題。
四百味：您覺得在AI醫療賽道會出現BAT級別的獨角獸嗎？
陳寬：我從個人的角度來看，更多不是太關注最終哪家公司會成長成像BAT的這種級別，我們更應該說AI這個新技術是不是有一天真正能夠做到主流的診療路徑裡面，大家都能很自然地使用它來提升診療準確率和效率，到時候，在那樣情況的背後，再看是否會有一些非常成功的企業或者團隊。