看图说话：给AI撬动医疗找个支点

编者按：本文来自微信公众号“金沙江创投”（ID：GSR-Ventures），作者林仁俊、张清；36氪经授权发布。

我们相信，医疗纵然传统保守而又复杂多变，但不断进步的生命科学技术结合颠覆性的信息技术浪潮，会不断创造奇迹。金沙江关注AI在医疗领域的应用，我们始终相信，只要找到支点，我们撬动的不仅仅是一个行业的革新与进步，而是人类生命与健康的宏大主题。本文作者林仁俊（Richard Lim）为金沙江创投董事总经理；张清为金沙江创投合伙人，专注于医疗健康、生命科学和新科技交叉领域。

回顾医疗和生命科学的基本层面，绕不开以下几个主题：

Therapeutics（治疗）-药物研发，医疗仪器，数字化治疗方案

Diagnostics（诊断）-“组学”研究，生物技术检测

Devices（医疗仪器设备）-生物医学工程创新

Services（医疗服务）-服务模式，类别创新

Platform（平台模式）-测序平台，数据存储平台等

每一个主题，都有指数级增长的数据数量和不同的数据类型。排列组合，产生复杂的模型。曾经，医生只通过望闻问切就需要得出结论（无论准确度和精确度如何）；而今，从问诊查体，可穿戴设备的数据到基因及微生物测序等，即使是专业的医生和科学家，也深感挑战巨大。医学教育、科研培训时限的延长不可持续，人脑处理信息的速度也难以跟上节奏，数据爆发的时代需要有新的工具。

今天，我们来谈谈图像识别的发力点。

2017年1月20日，新年伊始：Arterys的影像平台成为FDA批准的首例AI辅助诊断工具。这个从0到1的突破，无疑是AI应用于医疗领域的一针强心剂。Arterys通过学习1000例心血管病变的影像，实现了媲美于人类的诊断结果，且用时仅15s，远远少于一位医生所需的时间（30min-60min不等）。

同领域的创业公司还包括：Enlitic, Zebra Medical Vision, Butterfly, Curemetrix, Imagen等。从技术层面来说，静态、二维、电子化完善的放射科影像，作为机器学习应用的第一块试验田，并不出奇。但出色的临床试验结果、以及应用场景得到认可，市场教育初见成效，最终得到监管方的批准，的确是一个里程碑。

但同时，这个领域也有很多未知数。对于创业公司来说，不是单凭一个技术就可以改变行为模式。尤其是在算法开源、数据量相对可及的前提下，技术壁垒并不足以保证一个公司最终成长为独立的行业垄断者。

在应用场景上应有更多细节，让技术无缝衔接到每日的工作流程中。不改变医生原有的工作习惯，才能最终颠覆原本的工作流程。我们需要有全新的PACS系统，新型智能影像设备，规范的影像诊断报告，医生更多的精力会放在审核、复查、和病人沟通解释之中。更进一步，图像中的信息可以嵌入到病历中，自动生成一个初步的分诊意见，尽可能减少人为干预的步骤。

或者，可以在移动端应用医学影像识别，为医疗机构之外的医生或者患者提供现场的诊断建议。如同在amazon上用拍照购物，或者用aipoly vision去识别物体一样。斯坦福学者的科研也已经证实，当前对皮肤癌的诊断，机器可以学会金标准，得出和医生相似的结论。

图像识别在药物研发也有所贡献。代表的公司有Recursion Pharmaceuticals。

AI应用于药物研发有不少的尝试，这个领域中代表的公司有：Atomwise, Numedii, Numerate, TwoXar等。大多数是基于计算化学/计算生物(computational chemistry/biology)；通过对分子结构、化学属性的计算结合实验室的验证提高新药研发效率，或者通过分析病历，得出用药不良反应、药效的结果，可以挖掘新的适应症。

Recursion Pharmaceutical的方法略有不同。相对上述经典的分析角度，Chris（CEO）从细胞形态层面尝试分析药性和药效。一方面避免了庞大的测序结果分析以及数据存储，另一方面无需从散乱、非队列的临床病例中找寻规律，而是直观的利用AI，进行图像识别，从表达层面进行定性的分类。

AI在分析图像上已经相对成熟，算法和训练数据在不同的专业领域无需太多修饰。如果细胞表现出阳性反应，可以指导实验室进行更深入的通路分析。同时，可以设计临床试验，加速新药研发进程。随着图像数量的提高，AI能够读出更细致、实时的改变，对于新知识的产生大有裨益。

除了解读完整的图像外，还可以设想，单纯提取某个特征——颜色、纹理、形状（长短、面积、距离），通过物理的传感器，也可以将其扩大、翻译、投射到相应的临床特征上。而深度学习善于将按照时间、空间顺序不断出现的图像整合，寻找规律。这和疾病的发生发展过程也是吻合的。一张图将真正抵得上一千个字。

我们已有理由继续相信，单在图像识别领域，AI就可以做出喜人的成绩。技术成熟后，如何更多地应用于不同场景，提高效率、降低错误率、节省人力成本、改善体验……可以预见，近期将会有更多的探索，更复杂的模式，和更深远的价值。

其实，不仅仅是图像，医疗数据中还有文字（语言）、声音（语音）等，都有不断的惊喜出现。我们将在之后继续分享。也欢迎你与我们一同寻找支点，撬动未来。

我们是金沙江，助力下一个独角兽！BP通道：businessplan@gsrventures.cn