正文
超高识别率背后的艰辛
推想科技在长征医院取得的成果令人振奋，但在国内愿意拥抱新技术的医院却还是少数，大部分的医院目前还在观望阶段。
“用人工智能来解决医疗领域的一些问题，其实现在还是一个相对早期的阶段，或者说才刚刚开始。大家已经感觉到人工智能是第四次工业革命，是一个巨大的机遇。有很多公司在从事这个工作。而对于医院或者医生来说，只有部分人看到前景，觉得是个值得关注的领域。可惜进行工作和探索的医生目前还是少数，大多数还在观望阶段。”刘士远说。
陈宽在回国创业的初期也遇到了同样的问题，他告诉澎湃新闻：“其实创业路上遇到很多挑战非常正常，最开始给我最大压力的，反而不是技术上的问题。更多的是当时去医院谈合作，遇到的医生并不接受。这让我无事可做。”
除了传统观念对新技术尚不认可外，另一个拦路虎来自数据。对于推想科技来说，为了让自己的模型变得更精准需要和国内一流的医院合作；另一方面，如何保证数据安全也需要考虑。在与医院合作上，推想科技利用智能X线辅助筛查产品（AI-DR）、智能CT辅助筛查产品（AI-CT）和智能深度学习科研平台（AI-Scholar），与北京协和医院、上海长征医院、武汉同济医院进行了合作。
据刘士远介绍，目前由他本人牵头的上海市多中心肺癌筛查研究，正在对上海40岁以上上海居民进行肺癌数据统计和筛查。该研究中的6千多例的低剂量肺部结节的数据经过脱敏后，“喂”给了机器。所谓脱敏指的是将病人的个人信息抹去，只留下机器需要的内容。借助这样的研究和精准的数据，机器在后期的肺癌识别准确率上才有了较大的提升。
对于机器来说，能拥有科研用研究数据进行训练其实相当幸运。因为更多时候，来自于医院临床诊疗的数据更多、更复杂，却不是很有用。这样一来，就需要医生进行输入机器前的精准标记。这对于医院医生来说是一件非常艰苦的过程。因为每个病人的图像按照正常保存的话，都有二百张以上，甚至有的可能有四五百张的图像。
“这些图像需要有人认真的一张张去看、去过滤，看完了以后里面有病灶、有异常再去标记出来，还要确保标记正确，过程非常辛苦。我们有经验的主治医生看一个病人，可能最起码要半个小时以上，你再想想如果要标记6000例病人，我们得花多长时间。有些医生需要坐电脑前面非常长的时间，看得眼花头晕的，还得保障正确率。”刘士远说。他还以小孩子的教育做比喻，解释了数据标记阶段的辛苦。“这其实就像年轻妈妈带孩子，最后孩子考上了耶鲁、剑桥，外人看到了最终结果，却不知道过程艰辛。这个产品在医院上线的时候，大概一秒钟就能看出病人的病症，但是实际前期需要做大量的细致工作。”
AI让医生看片不累，还能平衡医疗资源
俗话说磨刀不误砍柴工。尽管前期数据的标记和输入需要花费大量的时间和精力，但训练好的模型却能给医院的诊疗效果带来巨大的提升。首先是解放了许多医生的劳动力。用机器替代医生对医疗影像进行识别，可以减少医生看片的时间，从而解放了更多医疗资源。让医生能有更多地精力放在与病人沟通上。
