以下根据郭娜在钛坦白的分享实录整理：
大家好，非常高兴能够通过钛坦白这个平台跟大家认识，我是汇医慧影的郭娜。
汇医慧影成立于2015年，2年来我们在医疗信息化和人工智能进行了非常深入的布局。选择人工智能的契机是因为云计算与高性能计算GPU的发展，还有海量数据的存储，这些因素导致我们发现新一轮以数据为驱动力的医学影像革命变成了可能，像在汇医慧影更早之前的云计算Paas、Iaas到Saas平台的可能。同时我们看到像商汤、旷视这样通用级别的人工智能算法公司，以及像汇医慧影这样垂直到医疗行业的人工智能公司也开始崭露头角，其实都是在于新的技术解锁了新的需求。
医疗信息化是下一代AI实现的重要平台
回归到医疗AI，我认为有三个要素可以称为拉动人工智能的三驾马车：第一是对于数据的计算能力，比如说GPU的发展；第二是有效数据的增长，也就是可以深入计算的数据不断增长积累；第三就是数据科学家、人工智能科学家。而一个人工智能的垂直公司在这三个方面的实力也就决定了它的技术实力。
那大量的医疗数据是否是有效数据？是否能更好的跟临床诊断相结合？同时这些数据是否可以不断的进行结构化可采集、可计算？这些问题就变得非常重要。医疗信息化原来提供的是一个工具，能更好的解决效率问题，而今天当人工智能时代来临时，我们会发现医疗信息化不仅仅是一个工具，同时它将会成为下一代人工智能得以实现的一个非常重要的平台。也就是说，什么样的工具得出的数据是更容易采集的；是更能帮助计算机得出精准诊断？那就是医疗信息化，它在今天变得非常重要，而且非常的迫切。
医疗信息化需要更结构化、标准化、统一化
我们纵看全球人工智能的发展，可能美国、澳洲、欧洲整个数据的结构化、统一性和有效性是远远高于中国的。
比如说德国，他们国家所有的影像报告结构化程度已经非常高了，所以从数据的采集到传输整理，包括到数据信息化的整个链条当中，数据是更加有效、更加易于计算的，于是当他向人工智能发展的时候其实阻力和中间的一些坑会更少。
再比如澳大利亚，我举一个非常简单的例子。当澳大利亚的救护车接到病人的时候，病人所有的数据就已经开始在救护车里面的信息系统里面录入，当救护车到达医院的时候，救护车上的信息就可以通过蓝牙或其他方式传输到医院急诊室里所有的设备上，这样直接实现了信息化的无缝对接，也就实现了治疗的有效性和时间的节约。
这样的场景其实对我们国家的医疗信息化现状来说，我们还有一个非常长远的路要走。因为我们国家的医疗信息化公司虽然非常多，但标准不够统一，包括所有的接口、到每家医院具体的实施，每家医院做很多个性化localization的改进，导致医疗信息化在我们国家依旧其实还有很大的进步完善空间，方向是更结构化、更标准化、更统一化。
医疗信息化的完善会为医疗AI做铺垫
中国的医疗行业其实赶上了一波非常重要的人工智能技术革命，因为我们国家的人口多，医疗数据非常丰富，中国的病种情况跟国外也不一样，大家都非常期待医疗人工智能在中国落地。但我们忽然发现，医疗信息化成为了人工智能领域的暗礁。也就是更好的信息化平台能够解决整个临床数据的结构化和统一化，而当它解决的时候其实就已经为医疗人工智能做了一个巨大的铺垫。
非常有意思的是，我们看到的信息化在整个临床需求中是下一代软件升级本身的必然需求，而当信息化遇到人工智能这波浪潮的时候，就会出现人工智能赋能性的信息化。当人工智能像人脑这样更多的去帮助医生解决临床问题的时候，那么信息化解决的不光是效率问题，还能让整体信息流更好地形成人工智能的基础和数据来源，所以我相信这一波人工智能和信息化的相互结合带来了新一波医疗信息化的产业升级，包括下一代软件的升级。
人工智能与医疗信息化如何结合？
中国整体医疗信息化的产值现在在按照每年11%到15%的速度在复合增长，我们认为人工智能的再次兴起给信息化本身命题也带来了新的想法。举个比较简单的例子，我们现在在跟很多顶级医院在合作人工智能的时候，如果要采集有效数据，那么这些有效数据会通过刻在光盘中或者拷到硬盘上，然后再拿出来进行标注，再提供给像我们这样的算法公司来进行计算，过程当中被浪费掉的时间和人力其实非常宝贵，因为我们知道医生已经每天非常忙了。
在这个过程中被浪费掉的时间和精力就使得人工智能的推动速度非常慢，而且使得一个非常好的契机因为信息化的相对落后产生了非常多问题。虽然我们是一个人工智能公司，但是我们还是会不断在医疗信息化进行大量的投入，进行产品和平台的研发，为了让医生在整个工作的流程中有一个自我解放的工作环境，同时这样的数据又能够有效的进一步进行智能算法、人工诊断，然后真正的将所有数据形成知识。
所以最近我们也在关注一些好的医疗信息化公司，他们是真正参与到了信息化过程中。我觉得这一代新革命其实还是蛮有意思的，原来我们医生是医生，开发软件的工程师是工程师，大家相互不理解对方的需求，而且有些时候做出来的东西还有蛮大gap。但新一代的信息化将更多的专家系统和知识系统，更多的技术包括自然语言理解、语音／语义识别、数据结构化技术、精准勾画技术等融入到信息化的升级版本。
AI在医疗影像书写的应用
比如我们在写影像报告的时候，影像报告就可以自然实现结构化，同时在书写的时候，通过自然语义的算法可以更好的提示医生如何在这个报告当中能更精准地写出信息，包括帮医生去纠错。
汇医慧影其实提供了大量这样信息化的技术来让诊疗过程变得更便捷，而这一块其实在我看来也是医疗人工智能来帮助信息化进行升级的，所以很难看到医疗信息化和医疗人工智能完全是分裂的两个领域，相反其实他们彼此的相互助力和相互渗透是一个必然趋势，也是一个必然落地方式之一。
汇医慧影也和科大讯飞在合作，比如在我们的一些影像云平台上，原先大家手写的报告现在可以通过科大讯飞的智能语音来写。其实我觉得可能背后的技术是人工智能的技术，但实际上解决的还是医疗信息化效率问题。而解决了基本的HIS、PACS、LIS包括EMR之后会有更多的升级版本，这些升级的版本更多考虑到医生的实际需求，更多解放医生的时间，给医生更好的使用体验，我觉得潜力、需求和价值还都是巨大的。
影像报告将更数字化、移动化、智能化
我觉得更多信息化技术的参与可以更好的帮助病人去了解自己的健康状况。比如原来传统的胶片大家是打出来的，污染环境并且携带不便，像我们现在推出数字智能胶片也是医疗信息化当中非常重要的组成部分。
首先我们实现了所有的病人不需要再第二次去医院拿片子，全部都变成数字化、移动化和智能化的影像数据、电子报告。
其次是信息化所有的专家系统。比如说肺腺癌，可能病人看到但不知道该怎么理解的时候，在上面一点击就可以看到什么叫肺腺癌，以及后续的一些病历都会通过信息化的手段跟进。病人二维码一扫就可以得到他的数字智能胶片，不光拿到胶片，还可以针对上面的病症病种看更多的解释。
真正的医疗信息化会带来关怀
我觉得真正下一代的信息化不光是对医院效率提升，而是通过信息化，通过人工智能这些看似非常科技的词给病人、给医生带来更多的价值关怀，这是我觉得医疗信息化在下一代软件升级中最大的价值和意义。
所以我们所谈的人工智能并不是取代人，并不是说取代医生，而是让我们的医生可以摆脱更多繁杂的工作，我们病人可以少进医院拿片子等待排队。通过信息化的东西可以一站式服务，可以更高效的了解自己的身体，可以更高效的健康管理，这是信息化真正解锁的新需求。比如说我们说共享单车可以满足城市小年轻人每天多睡十分钟，从地铁再到公司然后骑车进行，我觉得这是信息化能带来很多看似非常传统，但其实又有很多想象力的地方。
以上是我简单做一些抛砖引玉，这也是我们现在做人工智能的一些分享和心得了，也欢迎大家能够一起讨论。我相信这一轮的人工智能是第四次工业革命的开始，也非常高兴的能够看到我们中国在这一轮的人工智能竞赛中有机会参与。并且由于我们中国数据的特殊性，使得我觉得中国在这一次人工智能的竞赛中是有特殊地位的。汇医慧影能够参与其中，其实也有非常多的困难，不光是落地的困难，也有技术的困难，但是整体来说我们也愿意尽自己公司的力量能够更好的来推动这一次变革，谢谢大家。
钛坦白群友互动：
1、刚您也提到数据是很贵的，特别是对于人工智能来说，训练模型需要大量数据。不知道郭总在这方面有什么建议，有什么经验分享给大家？
郭娜：我们看到比如像商汤在过去的两年当中标注了十亿的人脸数据，所以整体来说人工智能对数据量要求是比较大的。但是到了医疗影像这个领域有个特殊性就是医疗影像本身十年前就存在有CAD这样的算法，就是所谓的计算机辅助诊断。所以医疗影像本身的特殊性是在有了长期积累的同时还需要进行一定的数据重新分割建模，包括特征提取。在这个算法当中，一方面有更新的人工智能CNN算法，也有传统建模的方法，所以两者相结合，其实是可以将数据的需求相对的降低到一定幅度。
2、似乎人工智能在医疗中大多只能针对单病种进行模型训练。请问郭总会优先选择哪些病种呢？
郭娜：选择训练的话，市面上比较成熟的是像肺部的CT、X光，包括乳腺这些。十年前的CAD也是在这个地方率先来做的，所以在这些领域，从经验，从数据的丰富性以及人员整体的经验来说是相对更容易产生突破的。但是现在也开始逐渐对更多的病种来进行涉猎了，我觉得跟每个创业公司的基因有关系，你的优势算法是弥散型的还是算更小的结节。另外也是根据整个的市场规模和最后整个产品化、场景化落地的需求来最后定义。
我认为，目前用人工智能算法对疑难病症进行突破的难度还是比较大的，比如说像肺小细胞癌、对照式浸润式肺腺癌，这些数据可能在一个医院都只有一两百例有效数据。其它病种，相对来说数据量是更丰富的，拿计算机来计算就更为方便，像这样的数据或病种一些公司会优先入手来做的吧。
最简单的是医疗数据是比较大的，比如像乳腺数据是4000×4000的，而不像我们人脸数据10×10是比较小的，另外整体的医疗数据CT也好，核磁也好，他们是一个三维数据。而我们平常看到正常的人脸数据可能是一个二维数据，CT进行计算重建之后是一个三维数据，所以整体计算模型也是三维的计算模型，这本身就带来了很大的建模难度。同时又因为大家一定相对的懂医了，到底这个地方是肺结节还是正常的，一定是要有正确勾画和理解的。所以医疗影像最大的难度在我看来是一个跨学科的东西，大家对于各个学科都要有很好的理解和掌握，才能够去确定这个问题如何进行有效解决。
这块在我看来其实是有非常大的价值的，未来其实一方面是人工智能能够代替掉非常多简单重复的工作，另外一方面对于人来说，跨学科的知识领域和视野也将会成为有非常竞争力的Kaiyun官方网站app登录
结构方向。可能就是懂医的会去搞投资，搞投资的又反过来需要非常懂人工智能，所以一定是一个多元多背景的知识结构才能帮助我们更好的去定位和理解问题，同时提出的问题和解决的问题可能才会更有价值。
