会议主题：推想科技
会议时间：2017年5月2日 下午
会议地点：北京国贸三期大酒店
主持人：欢迎来到推想科技/人工智能精准医疗平台的发布会的现场。
首先有请北京推想科技有限公司创始人兼CEO陈宽先生发表大会致词与主旨演讲。
陈宽：首先，非常感谢各位来到我们推想科技的发布会，也是在节后的第一天冒着炎炎夏日就过来，我在这儿欢迎大家的到来。
我过去做推想科技两年半的时间，做了不下几百场PPT的演讲，每一场我讲的都是深度学习，讲的是人工智能，今天我想稍微发生一些变化，我不讲人工智能，也不讲深度科技，我讲一讲我们推想科技从何而来，为何而来，以及我们将要到哪里去。
首先简单介绍一下我们推想科技一个发展的历程，在2012年期间我是在美国芝加哥大学修读经济学和金融学的双博士，那个时候非常荣幸我的几位导师都是诺贝尔奖的得主，从他们身上我学到了再简单、再抽象、再精炼的数学模式，其实它也是可以帮助我们更好的去解释，去模拟，去预测，甚至去干预我们现实社会当中的一些实际发生的现象。
于是，在博士期间我其实就非常感兴趣知道，一些新兴的人工智能的模型，包括一些新型的机器学习向深度学习如何可以在经济以及政治领域发挥作用，当时比如说2012年的时候我就跟几位麻省理工的小伙伴一起用深度学习模型加上机器模型预测当年奥巴马和候选人谁能当选总统，年我们就预测出来是奥巴马能当上总统。
我自己感兴趣深度学习还能在哪一些地方发生它的价值，于是带着这样一个问题，我就回到国内开始博士期间搜集创业的一些机会，那个时候我觉得做技术的人，很多时候就会陷入一个怪圈，比如说我的技术可能天下无敌，解决什么问题都可以，但是往往你抱着这样一个心态去创业，去寻找模式的时候，你可能会发现，你的技术可能最基本的问题都解决不了，什么问题都解决不了。
所以我们就觉得说既然要做这个事情，就必须能够跟行业结合的非常紧，所以这个阶段我就跟各行各业人去沟通、挖掘他们的需求，了解他们的痛点。那个时候我沟通的行业非常多，包括银行、政府、保安等等，其中我做PPT演讲的时候，我拿出一个脸像识别做一个演示，演示结束之后有一个放射科医生走过来，说你做的脸像识别非常有价值，但是能不能帮助我们放射科医生解决这么一个问题，就他提出来使用深度学习这样一个技术帮助放射科解决问题，我就走访各家医院，我发现这样一个需求是真实存在的，也是一个痛点，既影响了医生工作也影响了患者的幸福。
我当时在2015年初的时候就带着我的小猫一起从美国回到了国内，开始了我自己全职的推想之类。2015年初跟现在的情况不太一样，现在大家非熟悉深度学习，都听说过人工智能的一个变革，但是在2015年初的时候，其实在医疗行业几乎没有什么人谈论机器学习，也没有人谈论深度学习，很多医院对新的技术特别感兴趣，但是真正愿意投入大量的时间和精力做合作的医院非常有限。所以在那个期间，我走访了非常多的医院，从北上广包括各大省会城市顶尖医院，走访了非常多的医院，但是，愿意合作的医院是比较少数的。直到2015年差不多5月份的时候，我就成功的说服了四川省人民医院这也是我们第一家合作医院就全面的开始跟我们有一个合作。当时，我们的资源也比较有限，也不像现在有这么多伙伴在支持我们，我们两三个人两三把枪所有人进入到了这个医院当中，在医院周围我们租了一个特别破的公寓，两三个人每天跟医生一起上班，一起下班，一起加班，一起解决医院里面IT出现的问题，跟大家打成一片，很多时候就是说，可能包括假期的时候，可能大家都在放假，医院其实也是急诊也是继续开着，我们就跟着医生一起在加班。
这个过程我觉得是非常漫长，也是非常痛苦的，基本上跟工作的环境也不太好，但是，就是在这样一个过程当中我们才逐渐摸索出了深度学习非常前沿的技术，非常先进的概念，我该怎么样在医院相对比较传统，相对比较保守，相对比较注重安全、隐私的一个独特的IP环境里面生根发芽并且产生价值，我们发展到今天，其实这样一种精神，这样一种经验对我们来说帮助也是非常非常大。
有了四川省人民医院初步的经验，初步成果之后，我们就开始逐渐的发展，到2016年1月份阿法狗的出现也让深度学习逐渐走入大众的视野，所以发展的速度也是越来越快，从2014年到2017年间我们非常荣幸能够跟在座各位北京协和、武汉同济、上海长征能够有一个深度的合作，2016年1月份的有一个英诺公司咱们投资，所以我们发展的速度也是越来越快。
这个过程当中，随着我们做的越来越深入，我们自己本人的身份也在发生比较大的变化，最开始我是带着一个技术回到国内的技术人员，我其实感兴趣知道深度学习这样一个技术，能够在什么样的一个方面，什么样的一个场景底下发挥价值，这个其实更多的是一个科研的问题，因为当时并没有太多的成果出现，所以我就希望在科研、学术上首先先突破这样一个问题。刚开始合作的时候我们的身份是作为深度学习科学家这样一个身份。
做往下我们发现要让这样一个技术在临床当中产生价值，要让更多人能够因为这个技术而受益，我们就必须去深入到医疗这个行业当中，去帮助医生，甚至就是说让医生的诊断变得更加的准确，更加的高效。于是，我们的身份其实就从深度学习科学家的身份就逐渐的走向了医生助手这样一个角色。
但是再往下我们发现，随着我们做的越来越深入，我们的身份其实又再一次发生了变化，又发生了什么样的变化呢?其实我们的身份就再次提升成为了设计者，也就是说我们跟在座包括各位专家一起，我们一起来构思未来放射可领域影像科医生如何借助深度学习学习人工智能技术帮助我们完成更加精准的诊断，以及诊疗服务，以及怎么样更好的帮助患者。所以我们的身份就从深度学习科学家逐渐发展成为医生的助手，再往下我们其实就慢慢的变成了一个设计者的身份与各位专家一起设计未来放射影像的模式。
在这个过程当中，我们都感兴趣知道说，像咱们推想科技的这些产品到底是如何能够帮助影像的模式，怎么样能够重新的塑造和优化影像诊断的过程。所以这个就回到了我们这次产品发布会的主角，产品发布会主角就是产品本身，但是我个人觉得发布会这个说法，其实并不是十分准确，因为发布会其实就意味着我的产品研发到了一定阶段，我把这个成果推出去，之后我接下来再开始下一个阶段的研发然后再推，但实际上这并不符合咱们深度学习时代产品的一个发展的规律。其实，深度学习的这些产品，任何时候随着数据量的增加，都在自我的演化，自我进化变得越来越准确，变得越来越符合咱们医生使用的习惯。所以看我们推想科技的产品，昨天、今天、明天其实它都在自我进化，自我的去变成更加符合咱们医生的一个应用的条件，所以，如果说我们就把今天咱们产品的一个形态做一个切分，我们节来看一看咱们推想科技今天产品的形态，就是我们今天所为大家展示的。
首先，我们第一产品线做的AI—DR，也就是X光的智能辅助诊断。对于不是非常了解影像诊断的各位朋友，我就简单的介绍一下，X光其实就是通过X线照射就把我们身体当中密度反映出来，医生就根据影像当中不同的密度，之后再找出影像当中的一些问题。X光虽然是一个二维的图像，看上去好像比较简单，比较容易，但是实际上因为它的信息量有限，因为它是一个二维的图像，所以其实很多的医生会很容易错过上面一些比较疑难症状，很多症状非常难在X光当中反映的非常清晰，我们希望通过我们智能诊断的功能来帮助医生更好的找到X光当中这些比较疑难的症象，比如说我们点开预测，推想产品就会标中X光当中比较疑难的症象帮助医生完成下一步的诊断，我们AI—DR产品就是在辅助医生更好找到X光当中比较疑难的症象，特别是对偏远地区的医生使用我们这款产品，就可以去提升他们的一个诊断的结果。
AI—DR是我们第一款产品线，也是最频繁的模式，再往下还有是用AI—CT来完成，对于不太了解CT的朋友们我来介绍一下，实际上CT诊断的原理跟X光是比较接近的，都是使用X光的一个穿透，但是，它成像出来的就是一个三维的图像，这是一个肺部，这个就是三维肺部的柱状体，我们可以很清晰的看到肺中的这些症象，这个CT也是我们国家推荐的，原因就是CT看的三维的影像非常全，用CT来看比较容易看到肺部当中的问题，X光当中很多信息就损失掉了。所以咱们病人更加适合做CT的筛查，但是对于医生来说，其实咱们在看CT的时候，我们的工作量就大大的增加了，为什么这么说呢?比如说一个正常的肺部，我们照一个1.25毫米扫描，往往照下来差不多250张到300张的影像，一个正常放射科医生在看肺部的时候，很多先看左边的肺从上往下先看一遍，之后再从下往上看一遍，然后可能还会改变色差重新的再左边拉一遍右边再拉一遍，所以可能看一个影像下来，可能基本上就是300张看三四次，基本上就是一千多张的影像就有可能，我的工作量就是这么多。
大家可以再注意看，比如说二维的影像当中有很多白色点，从纯粹二维影像当中很难区分这些白色点到底是一个正常血管，还是一个结节也就是俗称肺癌早期的症状，看白色的点有可能是结节，有可能是血管，很多时候医生需要来回拉动才能确定。我们推想科技的系统就是快速帮助医生找到肺当中的症象，比如说红色的就是快速帮助医生标注出来的结节，大家可以看这个结节是多么先，这个就是医生明天的工作就是在看这样一种结节。同时，快速的把肺部当中所有的结节就列到最左边这边，这个时候可以很方便的看到这些结节。
同时，大家可以看到这个例子，比如说这个结节是一个非常淡的，非常小的，很容易就错过的一个症象，恰恰是这种结节，就是我们所谓的这种结节有点像晚上看天边的一朵云，这种结节非常容易在诊断当中看漏，但它恰恰又是恶性率非常高的结节，在国内有59%结节都有可能额变成肺癌，这种结节恰恰是肉眼看的时候容易漏过的，很多医生说可能鼠标一划就划过了这一页就错过了这个结节，我们的产品可以帮助医生找到很多早期的症象，这个就是我们的AI—CT可以帮助医生更快速、准确的找到肺部这一块的症象。
同时，我们点击这个结节就可以快速的生成一个结构化的报告，并且根据结节的大小和形态，我们会推荐咱们专家共识当中的一些建议，就是接下来随访、诊疗到底该怎么进行，这个就是我们完成的产品帮助医生完成工作。
我们在做的过程当发现很多医生并不仅仅只是希望把深度学习学在临床诊断当中，很多时候他们也希望参与到深度学习科研工作里面，但是深度学习作为一个前沿的技术，很多时候其实你要做深度学习的科研，做深度学习的研发需要大量的编程能够，这个对于我们自己都是一种挑战，对于一般的医生来说更加困难，在这个基础上根据医生的反馈，我们推想科技开发出了第三条产品线人工智能AI—Shorle，让医生一键完成深度学习的建模，原本需要写几万行的程序，但是现在直接通过鼠标点击就可以增加减少神经网络的结构，同时可以调整底下的参数，可以很快的改变深度学习网络的一些基本的内容。点底下的运行就可以非常快速的开始深度学习的建模，也就是说，可能就是一个完全不知道怎么样写程序的医生也可以通过这样的模式来完成深度学习初期建末的过程。在运算的过程当中模型也会反馈出大量的数据，大量的内容，我们就可以通过非常奸计的数决可视化的形式可以看到深度学习模型当中所运算的工作。
所以在这款产品上，我们的丁武就是希望能够帮助不懂得写程序的医生，我们也能够参与到深度学习的建模过程当中，也能够优化深度学习在临床当中的工作。
我们产品定位就是希望帮助医生降低漏诊率，提高工作效率。在这个过程当中，我们内测的结果也是显示我们的产品可以降低医生的漏诊率超过50%，特别是在一些比较疑难的结节上，同时我们希望产品可以提升医生诊断效率，内测的结果也是医生使用和不使用我们产品，诊断CT的速度可以由3倍的区别，最后我们希望可以解放深度学习的技术，让更多医生参与到深度学习的建模中，完成一键式深度学习建模和预算。
最后我说一下我们推想科技的愿原，其实我们的产品和团队针对不同人也是不一样，很多人去过英国、美国，知道在国外的医生是一群非常受尊重，收入非常高，生活质量非常高的一群人，但只有回到国内以后我们才知道医生是多么辛苦，每天应对的这些患者是多么的多，而且每天的工作压力是那么庞大，而且在临床工作以外还要再进行科研才可以继续往上走，其实咱们的医生非常辛勤，非常辛苦的一群人。我们希望通过我们的产品来帮助这些医生能够提高工作的准确率，提高工作的效率，提高生活和工作的质量。
在座的所有人曾经都作为患者的分参与到诊疗流程当中，咱们也知道在中国看一次病多么不容易，可能排队要排很长时间，而且因为医生的数量有限，所以可能服务的质量也会打折扣，甚至在一些偏远地区合适的诊疗服务都享受不到，难免发生漏诊，我们这个产品对患者来说象征着更多的健康和生活，象征着健全美满家庭。
在医疗体系来说，推想科技不再只是一个先进的技术，不再只是一个先进的产品，我们的定位就是希望能够把一些最先进的医疗的技能能够复制出来，提供给一些非常偏远的，享受不到特别好医疗质量的这些偏远地区的医疗机构，我们就是把医疗的技能复制出来再进行再分配。所以我们的产品对于不同的人可能有不同的意义。
最近比较流行的一本书也是提到人类进化的过程，就是从人到智人，再到比较先进的超人，以后人都会使用各种各样的手段来提升我们的工作效率，使用各种智能化的产品来让自己的能力得到放大，我们推想科技在智能化的浪潮当中，我们希望实现的目标就是帮助医生从医逐渐进化成智能，未来的医生更多的是利用我们的技术，用最先进的技术放大诊疗的能力提供更好的诊疗服务，我们推想科技就是希望帮助所有医生从医到智医发展的过程。
随着推想发展的路程，我们发现有很多人对我们有所支持，所以我觉得推想科技，推想这样的概念不仅仅限于推想科技几十号人，几百号人，在关键时候支持我们的专家、投资人，包括节我们一起来探索这个市场的友商媒体等等，都是在帮助医生来完成医到智医演化的过程，推想的历史已经过去了，推想的未来和在座各位一起来创造，我的演讲到此为止，希望和大家一起推想未来，谢谢!
主持人： 感谢陈宽先生的精彩发言。 下面让我们掌声有请中华放射学会候任主任委员，北京协和医院放射科主任金征宇先生为大会发表主题演讲。
金征宇：尊敬的各位投资人，各位女士朋友们大家下午好!今天来到这儿进行演讲，原来我做了一版PPT，后来我发现好像我针对的群体有点不太对，我这个人一定要知道你们想听什么，今天不用PPT了，临时改了一个想法，我来说评书。
非常感谢陈宽先生和推想邀请我来参加这么一个会，他给我预备了一个座，我刚才说三寸讲台我特别喜欢有一个讲台扶着，我就想陈宽走来走去，我说这个谁发明的呢?乔布斯，乔布斯就爱这么走来走去的带着麦克，大家想一想这一口苹果是谁咬下去的呢?图灵咬下去的，今天我们讲AI，肯定大家都知道这个人，最后说他是自杀，到底是自杀还是他杀，不知道。反正苹果上有氰化物，氰化物就是号称牙里放一点就能死人的东西，他咬了那么一口，大家知道就是图灵咬的，图灵是人工智能之父。当然，还有一个人也得提一下，就是冯诺一曼，好像还有一个俄国人，这三个人都是人工智能的佼佼者，这个冯诺一曼当时要和图灵合作，两个人阴差阳错没有合作到一块，都有非常不错的成绩。
说到图灵我想说几个问题，大家看看它的所有思路跟别人不一样，从三岁开始跟人家不一样，8岁时候解一个方程式连考官都觉得莫名其妙，意思就是说你的思路如果要跟别人完全一样循规蹈矩的话，你就不可能突破。他是由于解了纳粹德国的密码而驰名历史的，但是，就是因为他开始从小的时候就有一个跟人家思维不一样的东西，当时考官就说了，你把这么复杂的方程式过程解一解，他说不出来，他说我不知道这个是怎么弄出来，但是我只知道结果，你说他是奇人，人家一直评价他叫匆匆而来，匆匆而去，就像其他的非常伟大的一些人，我们都知道他们都是历史上很难说明他们为什么存在。像达芬奇，大家说不知道他爸爸妈妈是谁，不知道他从哪来的，达芬奇是从村里来的只此而已，不知道从哪来的但是他的发明创造有500多项，包括第一个飞机和潜水艇以及很多药物都是从他那儿来的。
我们如果要创新，就像李克强总理提的创新还是创新，发展还是创新，三个创新，没有创新这个社会就没法发展。基于这一点创新是非常重要，人工智能也在创新之列，所以说这个设想非常了不起。
具体到刚才讲了推想发展过程，我可以简短的鉴证一次，第一次见到陈宽的时候还是一个学子模样，我给他提了很多意见，现在再听下来就顺耳多了，他知道要干什么了，开始来的时候完全是他的一个思路告诉我要干什么，这是不行的，你知道刚才说图灵为什么出名呢，是因为二次世界大战战争需要他破译那密码，他破译了才成功。如果没事，现在也不打仗，你非得设一个密码，你要它干什么呢?没有有。意思就是一定要走进去，刚才他说了现在通过这一年多时间他走下去了，当然，我觉得他走的还不够，可能还得走的更多，你要深刻的知道什么是你的需要，医疗AI，但是需要在哪一些方面，要解决哪一些问题，跟我谈，跟他谈等等，谈很多才能够了解，不是一个人去谈，要很多人去谈。刚才说了，一九三几年图灵就开始做这项工作了，但是实际上在医学上应用AI也有很长时间了，刚才我坐在这儿想，起码15年到20年前，CAD就开始了，为什么没有成功?第一个可能是没有出现图灵那样的人，第二个社会的发展和工业化、产业化和经济是同步的。我们的计算机当时没有足够的强大，我们没有出现领军人物，没有社会需求，就没有成功，CAD那个时候有很有名的公司，后来就没有了，那个时候CAD简直不得了。但是，就没过几年慢慢就淡出我们视野了。
这次为什么说，你要跟推想合作呢?所以我有几个想法，一个是从第一次我们见到这个人就觉得他有朝气，如果都像我这样的人去谈，根本不行。不是说我思想不行，我的精神，你说我有经验这是夸我，世界上所有事都是双刃剑，我的经验是一个优势，我知道哪一个地方要摔跟头，但是缺点是我认为这个地方不能下，他不知道这个事，不知道恰恰是它的优点，人家说图灵是袋鼠一样跳跃式的，恰恰我这种人岁数大了，腿也不行，跳不起来，思想也跳跃不过去，我很难突破自己，但是只有年轻人才有活力，才有思想去跨越自己、超越自己，没有超越是不可能有创新的，这是第一点跟他们合作是有可能的。
第二个他听的人劝告，不像有些90后就觉得自己什么都行，他不听别人的劝告一意孤行，那样很难得到一个最好的结果。
第三个他团队的结构。这个人是学经济的，经济就得算数，图灵是学数学的，跟数字打交道的人是很容易在计算机方面有成就的。因为他想的是数字，但是，我要给你一点忠告，医学比使图灵破译密码还要复杂，人太复杂了，如果说，破译密码是百件制、千件制的，那么他就是万亿以上的参数，人这个东西太复杂了。所以，还要不断的完善，就像刚才你说的非常好，不能作为一个像别的时候产品发布阶段性成果，要不断的完善。DepeLear是非常重要的，我们在座的同志里面有时候可能不知道我们这个圈里面，我们有一个全世界最Top的叫ISSR，全世界不超过一百个人，全是业内我们这个专业里面最顶尖的医生和协会的领袖，还有就是企业界的大佬CEO，他们就是从四年前开始，他们就开始这方面的探讨，直到去年达到一个很高的高峰，说明大家都看好这个东西。AI的发展谁也不知道未来，大家都知道这是一个方向，这是一个让人不知道结果的方向，才更有吸引力。但是我觉得中国的市场和西方的市场还有区别，中国有13亿人，人口众多，刚才陈宽也说了，他回来才发现我们的工作模式这么不一样，比如说马云在我们这儿成功了，希望到世界推广是很难的，有这么多劳动力其这电动车送饭吗?而且到现在为止，西方世界对他们质疑，养活了一批送餐送饭的小哥，但是把零售业完全打垮了，这对于一个社会到底是好还是不好。
刚才我们说，是不是当时好多人说到，我有AI以后不用医生了，我觉得奥还是对这个持怀疑态度，刚才陈宽说了这个东西，你还要继续深度学习，医学不光是一个科学，AI是纯科学，计算机真是科学。但是，看病的过程，我把它说到一半是科学，一半是社会学。到现在为止比如说癌症的病人，为什么同一个方法去治疗同一个病，结果就不一样呢?所以我刚才说人是一个很复杂的东西，我现在不能断言，有人说认不是被病死的，是被吓死的。你给他这么一折腾，比如说今天我看到一个大家可以去看看，在医学里面大家都知道降血压降血脂，哈佛医学院最近有一个文章完全推翻了血脂的概念，说胆固醇对人有利，降血脂是完全错误的，是某些企业为了自己的利益去造成，大家知道大肥肉不敢吃，肥肉不吃是错误的，为什么这么多女孩子不孕呢，没有胆固醇怎么怀孕呢，这个就是自掘坟墓，胆固醇对人有利，原来说是低密度脂蛋白有益的，这个也是错误的。网络上就像警察和强盗一样，说不强调强盗怎么不好，就说警察到那儿干预产生了重大的错误，所以等于就是胆固醇就像警察一样，他其实是灭火了。科学是在不断发展的过程，尤其人是一个非常复杂的过程，这么典型的血脂的问题，现在居然被发明者原来是上了Time封面，几十年以后开始完全颠倒。
我们不能断言现在AI就是大的成功，或者说的失败，我们只是说人类长河里面的一部分，我相信它是对人类的发展有益处的，但是，霍金先生最近也说了，AI很可能葬送人类，当你控制不了它的只有，它不断的复制发展，很难有一种物种把人类灭绝掉，能够灭绝人类的只有人类自己，就是利用AI灭绝人类，我相信在咱们的控制之下还是有能力做好的。
说了这么多，在座的无非是几种人，第一，投资人投资投对了。第二，你们想来看看能不能加入推想的不要犹豫了，加入吧。第三，来打探消息的，你们要做成功AI的公司跟陈宽一样走下去，一定要去和接触你走的路一样的，不走这条路，不去结合，不去跟医生结合，不看需求是肯定要失败的，因为我们相当一部分公司在办公室里想出大烙饼来，对社会一点都没用，想做就必须沉下心去，到基层去看什么是它的需求，这样才能获得成功，谢谢大家!
主持人：谢谢金主任。接下来有请华中科技大学同济医学院附属同济医院放射科主任夏黎明教授发表讲话。
夏黎明：尊敬的金主任，尊敬的各位媒体朋友，各位投资人大家下午好!
感谢陈宽的邀请，刚才金主任学识渊博懂得很多，从宏观方面进行了演讲。我作为一个医务工作者，从我们跟推想公司的合作来谈谈我个人对人工智能的感受。
在讲之前，我想我们刚才的视频也讲了，现在我们医疗工作非常的繁重，每一天大量的工作，在医改以后，我们的价格要下降，他们利润更多，我们同济医院在全国有七千多张病床，我们门诊量在1.5万到2万之间，我们每天进行影像检查的人是大几千，CT一天要做1500个，CT里面的诊断，刚才我看视频里面还有我们陈总也跟大家介绍了，尤其我们胸部的CT，它的信息量特别大，比如说讲胸部CT五高度有20公分，个子高的，可能扫描的范围更长，一个病人至少要200多张图片，甚至300多张图片，一张图片我们要去观察人员从左边到右边，观察我介绍那一项，我们就是一张图片3秒钟的时间看完一个病人，我看最起码要十几分钟到半个小时，我们工作的时间这么短，有限的时间去完成很难。所以年轻医生整天在那里抱怨工作量大，没有好好休息，我们经常也是开玩笑，整天拿着图片看也有疲劳的时候，我们有时候开玩笑，我说让我整天八个小时，十个小时看一个美女我也审美疲劳，所以这个工作量非常大。
我们医院有要求，今天做的病人24小时内必须出报告，尤其我们可能还有盲区，有一些看不到的。所以我们在想，我们作为工作的管理工作者，我们靠医院给我们买设备，给我们进多人，让医生培训，提高他们的水平，只能这样。这样需要很多的金钱，需要很多的时间，所以在2015年我们的陈总他这个团队就到我们科室去跟我交谈，他说他们要做人工智能，做深度学习，但是我们也知道，在上个世纪90年代，我们也做这个及及的辅助诊断，那个时候刚才金主任也讲了，它的生命力很短，他是基于人体的支持，我们描述病灶是什么大小，打分进行诊断，这个诊断是建立在人的基础上。但是后来陈总跟我们介绍，现在的深度学习是有人工的网络系统，是会学习的，会增长知识的，这是一点。
第二，这个里面知识是基于像数水平的，我们的图像像数分辨率越高，是组成图像最基本的单位，这个比较科学。陈宽的团队都是美国的名牌大学，我们当时对他很有信心，我们真正合作在去年5月份，到10月份我们就看这个软件，我们看了11万张的X光片，看了三千多份CT，我们当时的结果应该是X光片找到病灶的正确率是92%点多，CT是95%点多，当时我们感觉到很惊奇，这么短的时间它的识别能力非常强。所以我们当时感觉这个很有前景，所以给我们的印象，它的速度快，刚才我们讲了，我们看一个人的CT，从肺间到肺里需要十几分钟到半个小时，我们的设备需要5秒钟，这个时间大大缩短，这是一点。
第二个对小的病灶，我们三毫米以内人肉眼很容易遗漏掉的，但是它的电脑、计算机识别能力比较强。
第三个方面，比如说有一些病灶密度高我们容易看到，密度比正常稍微高一点点，这个时候人肉眼识别比较困难，但是计算机去识别比较容易。所以我们觉得，从我们初步的感觉是相当不错的。另外，我们也经常隔一段时间交流提出我们的想法，比如说我们需要你把病灶的体积能不能测量，面积、密度的变化，还有打了药以后对比剂强化的程度怎么样，这个跟我们诊断提供信息，他们在逐步在我们考虑以后，逐步在让工人实现不断的完善。所以，这个是我对初步合作的体会。但是我们现在仅仅是一个开始，现在第一步是寻找病灶，这只是我们的第一步，我们最后医生既要找到病灶还要诊断，他到底是什么病，这才是我们的目的，是肿瘤要开刀还是干什么，所以我们希望人工智能深度学习今后既要找到病灶，第二个要诊断它到底是什么病。现在我们的研究主要在胸部，因为我们知道胸部是我们病变最多发的一个部位，我们知道空气五买很多，肺里面小结节非常多。第二个就是体检普查，我想在座的各位做检查，首先是照胸片，今后病灶的性质判断是一个方面。
第二个胸部扩展到其他的部位。
第三个要从X线CT扩展到磁共振甚至别的影像检查里面，这是我们所期待的。当然有可能的话，我们不断对并杂进行良性恶性的鉴别，才有可能诊断这个病恶性程度到底有多高。这个跟精准医疗有关系，同样是一个肿瘤或者一个肺癌，它的愈后不一样，所以我们要个体化的诊断，个体化的治疗，这个对我们提出更高的要求，如果到了那一天，真正真度学习人工智能就是医生的好帮手。
我想这一天不会很遥远，那一天的到来就是人工智能的春天，谢谢!
主持人：非常感谢夏主任的精彩发言。下一位演讲嘉宾，中华放射学会副主任委员，上海长征医院放射科主任刘士远先生由于无法来到现场，他为我们特意录制了视频，请大家欣赏。
刘士远：尊敬的各位专家、各位同道各位朋友，非常抱歉由于其他会议冲突的原因不能来捣毁一现场，在这里预祝推想科技这次产品发布会取得圆满成功!
其实，人工智能这个概念并不是一个新鲜词，20年前一些搞计算机的专家就有过合作，当时他们请我为肺癌做一个专家诊断，我来给肺癌做一些诊像，根据我定义的诊像把它做成一个系统，计算机系统根据我定义的诊像判断病灶是良性还是恶性，后来证实这个方法开始有一定准确率，但是到一定程度以后没法提高，因此就没有继续下去，其实各个厂家在临床工作当中跟我们合作，包括厂家设备里面也带了一些软件，目的也是让临床工作当中能够更容易的发现病变，更容易的对病灶定量。当然，这些CAT解决了一些问题，包括对于一些小病灶的发现，包括对于一些病灶形态的分析和病变。但是，大多数的CAT耗时比较长，常规临床应用存在很大的难度，当然，对于人工智能其实引起我更大的兴趣，或者说重燃我的兴趣机会当然是从阿法狗战胜李世石，当时我就在好奇这一场人机大战之所以计算机能够成功，到底是什么原因，我就去研究它，知道它是基于深度学习的神经网络，在大数据的基础上形成了一个模型，我就在想，以这个作为一个基础，如果应用于医学影像有可能会获得同样的突破，我要求年轻医生留意这方面有没有人做这方面事情，去年全国年会上推想科技陈宽在全国年会上介绍了推想的一个想法和背景。
我觉得推想从事的是基于像阿法狗那样，基于深度学习，基于医学影像发现病变的一个探索，我觉得他们很有想法，很有朝气我们一拍即合我想做这方面的科研和探索，希望能够通过推想科技和我们的合作，能够把深度学习与人工智能研究形成产品，能够解决目前我们临床上工作压力大，难以满足现在医学形象大负荷工作需求和矛盾，我们从去年开始和推想科技合作。
基于深度学习人工智能发展速度也超过我的想象，其实从2015年开始大家关注这一块，很多公司投入下去。但是形成的产品现在进入临床的使用，据我所知推想科技的产品，已经在同济医院已经上一线使用，而且取得了比较好的效果。
说起来，其实深度学习的展望，说展望其实一般来说就觉得展望好像还没有落地，没有实现的叫展望。其实作为这一块基于深度学习的影像产品，应该说它已经是落地的，已经进入了临床。我想说是基于现在这么快的发展速度，未来会有什么样的前景，我们都知道基于深度学习的三个基本要素，一个是它的学习的方法，第二个取决于我们计算机硬件的发展水平，第三个其实最重要的是整个大数据的数量和质量。
当然，对于未来，一个是从科技公司来说，怎么样把神经网络和计算机计算能力发展的更好，这两个能力进一步的提高，我相信人工智能水平会进一步的增强。计算机就像孩子一样，孩子是一张白纸，你学什么他就会掌握什么。比如说现在的病灶发生了以后，是不是对病灶局部进行处理，能不能看到细微的诊象，这些东西就直接决定着我们影像学习的产品能不能成为一个聪明的，高准确率这么一个靠谱的产品。因此说，影像基于深度学习的影像产品，未来的决定因素从医生的角度来说，数据的量和数据的质量非常关键，数据量越大，质量越好产品会越来越聪明。当然，从目前长征医院有六千多例多中心筛查的结果和合作来看，通过我们标记形成的模型，目前已经达到了85%以上，这种结果还是很让我们兴奋，我相信也是随着设备硬件的发展，随着神经网络进一步的进化，随着数据量进一步的增加，准确性、敏感度还会进一步的提高。
人工智能在长征医院目前是一个现在进行时的状态，我们输入人工智能就有很多的关键词，很多的一些新闻会跳上来，大家也有很多的争论，包括人工智能未来的前途，甚至有的会说会不会取代医生，未来到底会扮演一个什么样的角色。我的观点是人工智能本身是社会的进步，科技发展带给我们的一个福利，带给影像科医生的福利，人工智能的发展不会取代影像科医生，只会成为影像科医生好的帮手，或者成为我们不用吃饭，不用喝水，不用上厕所，24小时可以连头转，帮助我们进行一些基础整理工作的好助手。
因此，我相信广大医学影像工作者也是非常欢迎人工智能的产品，早一点成熟面试，早一点常规投入临床使用，这样一个是可以通过人工智能产品对临床图像进行过滤，帮助放射科医生完成前期的图像处理工作，这是第一个。
第二个可以对影像科医生到避免我们犯低级错误，人工智能产品随着进化的速度，有可能敏感度和准确性越来越高，但是再高还是要通过医生的签字才能够发挥作用，才能够起到法律效应，本身医疗的文书是法律文书，从伦理角度，从医疗法律规范的角度也需要我们签字才能生效。基于深度学习的人工智能的影像产品越好对影像科帮助越大，再好也是我们影像科医生的助手，我相信取代或者不取代影像科医生这本身也是一个伪命题，其实没有必要讨论，我们将来享受科技发展带给我们的便利，享受科技发展带给我们工作效率和工作质量的提高，是未来的一个必然的方向。
祝推想科技人工智能产品越来越聪明，祝推想科技公司发展越来越壮大，祝推想科技未来合作伙伴医生朋友越来越多，希望未来临床应用越来越广。
主持人：最后一位演讲嘉宾，也是我们推想科技的第一位投资人，中国青年天使会会长，英诺天使基金创始合伙人李竹先生，请大家掌声欢迎。
李竹：尊敬的各位老师、各位专家、媒体界朋友大家下午好!
我母亲和我姐姐都是医生，我在医生边长大的，今天从金老师身上我也学到了创新和努力，我发现金了事选合作伙伴跟我们天使投资人选创业者特别像，年轻有朝气，听的进别人意见，还能把大家忽悠过来跟他一块干。所以我想不管金老师这样的行业里面的泰斗，还是像我们这些天使投资人，我们都跟陈宽，跟创业者一样有一颗年轻心，比如说我们都穿着牛仔裤。
今天，其实我想从天使投资人角度跟大家分享一下我们对人工智能这个领域的一些看法，其实，医疗是人工智能应用的其中一个领域，但是从整个社会的发展来说。我们是怎么来看待人工智能，我们认为人工智能实际上是给人类社会带来新的转折期。其实是让人们有了一种能力，可能能从空俯瞰这个世界，会利用大数据人工智能的人能看到别人看不到的东西，比如说最简单就是你们看的医疗影像上面有一些结节看不清楚的，我们过去20年其实天使投资人都在投资互联网和移动互联网，从1999年泡沫开始，在过去的几十年，所有的上市公司其实都在构造一个新的数字世界，比如说最早的新浪搜狐把报纸杂志数字化，这些公司就上市了。优酷土豆把隐私数字化，阿里巴巴把货币数字化，腾讯是把人的关系数字化，这是最厉害的，1万亿人民币的市值，数字化是过去几十年创业的主题。
移动互联网为我们带来了什么?首先，第一个我们使用所有的这些数字世界，访问这些数字世界变得更加简单，这要感谢乔布斯，乔布斯的苹果手机发明了没有键盘的手机，连老太太都能用，我父母现在80多岁了，用手机用的很好，用Pad用的很好，感谢乔布斯更加简单，让我们跟数字世界能够对话。
另外我们的生活更加方便，移动互联网让出行，我们要叫一个外卖，买一个衣服都可以手机上来完成。另外一个我们更简单、更方便、更加便宜，所有东西的成本大幅度下降，信息更加对称，世界是平等的，这是移动互联网带来的方便。
为什么说人类社会简单了呢，因为人工智能给我们带来的是另外一个东西，第一个让我们的生活更加美好，其实人工智能的很多应用让我们整个社会所有的物资的生产成本大幅度降低了。
从工厂工业机器人进行个性化的定制和生产，还有我们这些年轻人可能不愿意再爬到高楼上刷玻璃，不愿意爬到高压塔上剪修电线，这些都用飞行机器人来完成，实际上会让我们的生活越来越美好。另外一个让人的自身更加强大。
我们在过去中国传统的小说里面讲到千里眼，顺风耳都在想象人有很能力，但这些超能力将来都会在我们的身上实现。比如说AR和VR，我戴上AR的眼镜就可以看到广发的肖雪生，人变得千里眼，看到任何人都不会忘记，每天穿上人工智能机器人的装饰，我们可以一小时行走20公里，这个都是很快会实现的，甚至现在还有人机桀口加强米个人的记忆力，人会变得更加强大。
还有一个就是让我们整个的生活变得更加轻松。就过去几十年，这么多创业公司营造了一个数字世界，但是也给我们造成了很大的一个负担，大家同时生活在数字世界和现实世界中，数字世界中有大量的信息，其实90%都是没有用的，人工智能能把我们需要的，把我们愿意看的东西推给我们，比如说现在包括比如说今日头条这样的，其实已经在大量利用人工智能。包括弟弟这样的，他能保证一辆车最快的到达我们面前，都用了人工智能的技术。实际上人工智能对生活的改变，对每个人的自身，对社会的改变有更高的高度，也有一些预测，过去有很多人做的工作将来可以用人工智能来代替，甚至会超过一半。我觉得说替代可能还太早，但是确实对很多工作能带来非常大的帮助。
当然，能替代这个工作大家算了一个帐，大概是移动互联网整个产业的上千倍，未来BAT万亿的公司一定会出现在人工智能领域，我们第一眼看到陈宽，我们记得那个是在去年，在年32之前最后一个星期大年29见到的陈宽，我们跟陈宽应该说是有缘，我们有了陈宽这个例子，春节之前我们又接着上班，我们希望再碰着一个陈宽，结果我们碰到了四五个陈宽，那一周我们又投了四五家公司。大部分都是人工智能的，那个时候海外的一些人回来探亲，我们在春节之前递上一份红包，他们非常愿意接受，这次回去过节的时候心里暖暖的，估值不重要。只要有人支持干事过了春节就重新启动了，人工智能是一个大行业，我今年继续加大这个方面的投资力度。
我们现在基金规模也到了20亿，人工智能是我们最重要的一个投资分享。
这是从投资角度的一个发展历史从2001年开始一直到现在，前面所有的波折都跟经济周期有关系，人民币收紧或者碰到海外金融危机都会碰到一些波折和打击，曲线是我模拟出来的，跟前面PPT有点像，前面那个PPT是说现在创新发展的速度已经超过了摩尔定律呈现指数级的发展，我认为我们整个投资方向会出现非常大的进步，既然要有那么多的公司能达到BAT的规模，一定会有大量的钱投进去支持它，所以在将来我认为最值得投资的就是人工智能或者人工智能的应用，还有包括文化创新，因为人工智能会让整个社会的生产成本大幅度的降低，那个时候大家买东西都很便宜了，买房子、吃的、穿的，跟共产主义社会一样，就是按需分配，你想要你肯定能得到。其实中国不缺土地，雄安现在也开了，北京附近又得到很大的缓解。
未来人如何让自己更强大这是需要购买的，让自己更愉悦需要购买的，如何让自己更健康，这是需要购买的。所有人工智能领域里面比较看好几个方向，包括人工智能应用到金融、无人驾驶和法律等很多领域，但是在这里面医疗一定排在前两位的，医疗健康本身就是一个巨大的行业，都是万亿级的行业，我们认为人工智能医疗人工智能这个皇冠上的一颗明珠，为什么人工智能一下起来了，其实有很多原因，包括刚才金老师说的90年代搞计算机辅助治疗，那个时候我们也搞过，我是学CAD的。我们是计算机辅助设计，计算机辅助医疗我也懂一点，其实就是用人工智能，用专家系统搞一堆规则，那个时候计算机计算能力不行，但是现在随着计算能力的提高，随着大数据的积累，中国到今天已经是大数据积累最快的一个国家。我们每天都在产生大量的数据，我们的出行、餐饮，在美团上叫个外卖，包括我们在医院里面看病这是一个基础，有了这个基础才有今天人工智能的一个爆发，这里面包括机器学习，自然语言理解逐项处理和人机交互是四个最关键的技术，这里面可能像图像、积习学习都跟医疗这方面都有很大的关系。所以在这些应用领域里面我们认为医疗是一个最大的行业。
比如说一些应用，这是一个外骨骼机器人，原来以色列的一个公司出的外骨骼机器人，残疾人穿上它的以后以后可以跑马拉松，外骨骼机器人可以提供非常强的助力，也可以让残疾人恢复行走，包括日本的一些公司，中国现在也开始有公司做这件事情，这是手术机器人，现在手术机器人医生可以远程操控做手术，比如说这是血管、组织、脂肪都能清晰的分辨出来，所以在将来我们现在包括各个地方的医疗条件不平衡的条件，有了人工智能设备会得到一个非常大的缓解。
这也是我们投的一个公司，大家一看这个哭泣的小孩旁边放了一个很小的薄片，其实是体温计，你贴在他腋下可以检测它的体温，晚上就不用起来了，包括女士要备孕或者想避孕都可以测生命周期，其实医院本身就有体温计，但是从来没有连续的测过人的体温，从体温能看到每个人吃了退烧药以后体温的变化，其实不同的病体温变化不一样，不同的药也不一样，这个后面有非常多的作用。
特别神奇的是右边这张图是马上要在美国顶级医学杂志上发表的，这也是我们要投的一个公司。这张图大家看到这个红线是流感疫情的曲线，蓝线就是我们测到儿童体温的曲线，他们选了5万个儿童，发现他们发烧的周期正好提前流感30天，小孩跟外面接触不多，但是这是在过去我们没有测连续体温数据的时候也不知道的，没有那么大的数据量也没有办法感受到。所以我们其实可以预测流感的发生，这就是人工智能和大数据的一个威力。
医生+人工智能等于完美，这个就是推想科技在做的事。现在人工智能替代医生要说这句话为时尚早，确实，其实有很多各个方面的问题，包括专业性的问题，包括法律上的问题。如果人工智能替代医生可以提高很大的效率，人工智能需要人反复训练和学习，同时需要人反复操作，这一类的东西把人工智能运用上去是最好的，当时读片，24小时有那么多的片子产生让大夫读片，比如说开车要去学驾驶，最后还要反复的开车，其实人工智能在这些领域里面能够起到非常大的作用，像刚才上面的黄点可能医生当时没有看出来，但是用推想的找到了，降低了误诊率，用CT一看果然有肺癌。所以在这里面我想推想科技已经开始真正应用到临床，应该很快会拿到CSDA，这样给医院带来生产效率大幅度提升，同时能挽救很多人的生命。
我们天使要投一些能够让人类社会、人类生活更美好的东西，能够让年轻人改变未来得东西，这是我们要投的。就像我刚才举的例子，推想科技是医疗智能化时代其中的一颗明珠，我们确实能看到推想科技一步步起来的，我当时第一次见到陈宽的时候，其实跟金老师的看法类似，年轻有朝气，但是我觉得他们的成长包括今天在台上的演讲，我觉得我们看到的年轻人有无限的可能性。不管我们这些做投资的，我们用钱来投票，还有下面的媒体朋友用你们的话语来投票，我们要支持推想这一类的公司，这是推动社会进步和向上的一类公司。
最后，不管是我们这些天使投资人，还是我们后面的这些做A轮的广发、红杉这样的投资人，我们都在用我们的钱来把这些创业者联结在一起，帮助他们发现未来，因为确实我们现在每年投90多家公司，这里面有很多人工智能公司，我们希望这些创业者能够互相沟通，互相合作，确实有很多公司都在这个领域里面来做，大家互相学习才是推动社会进步的最根本的动力。
谢谢大家!
主持人：请李竹先生留步，今天我们嘉宾云集，接下来有请推想科技首席市场官夏晨博士，与推想科技创始人兼CEO陈宽先生，携各位嘉宾上台，与大家共同讨论在大医改的环境下，人工智能的机遇与挑战。讨论环节："大医改环境下，人工智能的机遇与挑战"。
借此机会我们讨论一下大医改条件下人工智能的机遇与挑战，首先介绍一下参加讨论的几位投资人，李竹先生，英诺的创始合伙人，接下来是真云创投合伙人祝晓成先生、广发的总经理肖雪生先生，最后是陈宽。
现在随着分级诊疗，其实医院和整个医疗系统包括医疗行业都越来越感受到一些新的挑战，也想请各位从各自的角度谈一谈，你们观察到在大医改背景下属于人工智能的机遇和挑战，首先邀请李竹总。
李竹：现在分级诊疗包括大的趋势是一个大的趋势，这样会带来医疗人才的缺乏，很多人跑到北京看病其实都是外地的，跑到大医院，小病也跑到大医院去，在基层如何把医疗条件加强人工智能是一个非常好的方式，除了推想做的医疗影像，还有包括人工智能做分诊。
祝晓成：其实这个题目是在医改大环境下，但是我们其实看到医疗包括人工智能科技类的发展，其实一直在迭代的过程当中，我们前几年接触了很多，我们曾经看到过一个项目职业是从直肠结肠角度，用软件的方式，建模的方式，大量的数据建模之后判断里面的结肠癌就不需要做肠镜这些，这样能提高准确度等等，这个项目后来我们看到它暂时没有做起来。
同样远程医疗也一直在这个过程当中发展，有各种各样的模式在做，所以到了大医改环境下，北京改了没多长时间，老百姓知道的只是没有挂号费了，有一个服务费，药费好像有一些便宜，可能住院的可能有不同的感受，但是我在想，更深层的东西，这些科技类的东西怎么辅助医疗资源的下沉，甚至家庭医生制度形成，可能就是从医生端得到更大的好处，用户脑老百姓看病能够不用到处乱跑，这个人工智能还是科技能起到更大的作用，更重要的是基层医院的缺乏，这里面更好的解决这些问题。
肖雪生：我们广发证券还有一个基金叫医疗并购基金，我们手上有一些医院，所以对医改的问题我们体会比较深，医改的实质就是医生的收入水平用什么来体现，患者要求便宜，医生想要便宜一点，最后就是成本谁来担的问题，改来改去就是利益如何分配，两者是矛盾的，需要有一个人，需要有一个主题来承担这一部分的成本，人工智能可以解决部分的问题。医生工作明面上的工资是很低的，5到6年学下来，三年到医院换科室，前七八年都领不到什么工资的，它的这个培养的过程又是非常慢的。
但是刚才说了有一些人工智能的方式，能够加快一个医生的培养过程，让医生借助人工智能手段的话，我想医生的培养就会变得更简单，医生的工作会变得更简单，这样的话，医生的顾忌就没有那么多，相对来说矛盾就会减轻很多，人工智能最大的机会实际上是怎么来解放医生，怎么来帮助医生的工作变得更简单，包括刚才说的推想做的产品，影像学里面的也好，也有达芬奇的也好，这些都是怎么样尽量解放医生的工作，让医生变得更简单，它的培养过程没有那么长，我们主要看准了这个方向上会有很大的设会价值和使用价值，所以我们非常看好人工智能在医疗领域的一些应用。
主持人：接下来请陈宽总来分享一下。
陈宽：医疗行业在发生着一个大的变化，我们大型放射设备的价格也在调低，刚刚演示了CT和X光，很多国家检测推荐使用更加良好的CT，所有的问题当中降低了大型设备的价格，经济学一下子就知道一下子检查的人数可能会变得更多，对国家来说当然是一件好事，我们能把疾病找准，能换来更多人的健康和幸福，但是问题就在于说没有这么多好的医生来诊断这么多的影像，其实这个始终是一个特别大的一个问题，我觉得人工智能的机会可能第一个就是在于这个地方，我们能够帮助医生更好的去完成这么庞大的一个工作量，而且随着咱们人口收入的增加，其实大家首先关注的问题就是健康和娱乐，所以健康这件事情是随着咱们社会的发展或者需求会变得越来越大，这个我觉得也是一块。
刚刚其实肖总也提到了咱们改革的过程当中，政府是希望整个医疗的成本往下降，同时，咱们老百姓也是希望诊断的质量能够有所保证，但是现在这两者又是一个矛盾的，没有足够的收入来保障的话，医生诊疗的量跟不上。所以这个环节当中，就咱们医生的收入没法保障，我觉得我们人工智能产品的机会也在这儿，我们应用人工智能来放大医生的生产力。这样的话，每一个病人可能获得的诊断更便宜、质量更高，但同时医生的工作量反而可以降低，同时又能获得更高经济收入，这个是人工智能需要发展的方向，以及它能产生最大的价值所在。
主持人：感谢各位嘉宾的分享，咱们比较关注的是早期创业公司，我们评价一个归四的时候看重哪一些?您对医疗行业人工智能商业模式有哪一些看法和建议呢?
祝晓成：首先，我觉得这个问题还是蛮普遍性的，不一定是医疗领域，但是结合医疗领域，我觉得我们还是讲医疗领域，第一我觉得数据的或许，或者说高质量数据的获取。因为其实从现在来讲，过去两年我们看了那么多项目，或者说整个行业对这个方面的认知越来越明确，或者说更明白了。其实反而是谁有本事快速到医院合作，在这个基础上合作数量越多有可能跑的越快，有可能跑到别人前面去了。
我们这两年投了基于基因筛查之后的精准医疗，从推想这边来讲跑的早，跑的快，有足够强的号召力，把团队弄得更强，这一点从投资来讲本身一开始就很关注，我们当初看陈宽，肯定也是在看他有没有这方面的能力，这是第一个方面。
第二个方面还是要有对接产业资源的一些能力，就是说，现在更多从医院下沉，医院可能不是唯一的，可能有大医改条件下的医联体，包括一些地方的比如说上海这些地方在做一些改革，他们出现一些新的主题，这些主题比如说怎么形成第三方的医疗中心，大数据中心，怎么形成社区医院的林东，这里面其实我觉得也有可能是一个合作的方向，这些你们能不能快速的获取这样的资源对接进去，所以我想这是从合作的角度怎么拓展。
还有一点就是更多的在看后面能不能刷别的病，能够在其他的病种当中能不能拓展，同时能不能延伸到比如说我们讲所谓的医疗健康管理等等。现在很多创业团队从各个地方切入，这些我们都会关注。
第二个问题，AI本身是一个工具，后面怎么样叠加，或者构筑技术壁垒或者说商业壁垒，这一块的话，就是要多思考，要去多努力。资本一定是一个重要的力量，资本能够对接加速，包括政府资源应该注意，国家现在在政策层面、资金层面有非常大的倾向性和支持，这些东西要利用好，我觉得可能会事半功倍，大概是这样的。
李竹：其实今天医学界的嘉宾已经把答案都说了，第一是年轻，第二个是找个诺贝尔学奖的导师。第三个能够承受失败，敢于失败。年轻如果要是做大数据和人工智能，搞深度学习算法的，你说这个人35岁以上，你说他对深度学习有多深的了解我基本上不认同，深度学习算法这几年才被广泛应用的，陈宽他们年纪更好有朝气，一听确实懂，确实符合逻辑，所以一定要年轻。现在有很多做传统医疗的公司，一看都是一些大叔跑来说我要做深度学习学习，基本上一看就是不靠谱，属于传统类的。
第二个就是说技术要好，陈宽有诺贝尔学奖的导师，在美国也得过人工智能的大奖，其实就是说技术要好。作为人工智能的应用开始能切入到一个具体的医院和产品里面去，首先人家听的是技术。刚才夏老师说一听这个是诺贝尔学奖学者得主的来了，技术好了，下一个阶段竞争就进入一个得接地气，得把数据整合起来。其实我知道陈宽他们弄这些数据怎么样整合在一起还是花了很多精力，这不是一个简单科学家能干的事，必须接地气，陈宽推想已经结合了这么医院都是全国门诊量排在前面的医院，推想在这方面我认为是领先，接了地气之后，后面来的人继续再好，没有用。推想自己在不断的演进，我们要看这个项目就是年轻有技术还能接地气。
第二个问题我有两点建议，第一个必须人工智能用在To B的方面比To C更有潜力，现在BAT都在搞人工智能，To C方面有大量的数据，这一点To B应用不一样要接地气，你说让腾讯阿里去干不现实，包括百度前两天说无人驾驶开放了，那要接地气去干，所以跟BAT竞争要想成为一个很伟大的公司，从To B的业务去做靠谱。
第二个国际化，将来技术创新一定是全球性的，而不是说只做中国，过去的创新有文化的限制，所以我特别期望有一天推想这样的技术能用到全世界。
主持人：有两个问题想请问肖总，广发应该比较注重后期的投资机构，您为什么看重了推想科技?
肖雪生：广发是从PE起家的，我们2008年成立的，实际上广发在2011年，2012年赶上全民PE的时候，我们在2011年在进行我们行业的专业化，券商直投有些完全不分这个行业，就看哪一个能不能上市，能上市就投进去，那个时候我们就意识到PE的泡沫太重了，从企业家职，行业演变规律来选择一些项目。同时我们那个时候也在往前期项目去做，所以这几年在券商基金里面我们往前期走的比较多，比较成功的。包括我们投资银行部的有关TMT的项目也是做的比较好的，这个跟我们也有相关性。所以我们实际上在各个领域前期阶段都有一些我们的行业投资经理跟行业研究员去设计，所以对于AI的理解，对人工智能的理解来说，他们也是一直盯着。关于人工智能的研究和跟踪我们也是跟了很久，确实有一些行业发生大的变化，整个计算能力易发生深刻变化，还有整个逻辑思维发生的变化，两个变化促使更智能化，实际上计算机的出现，信息化数字化本身就是智能化，只不过现在到智能化的阶段，随着运算能力的提高，随着感知到认知的变化，实际上更高层次的信息化和智能化而已。所以我们觉得这个确实是没有问题的。
主持人：对人工智能这个行业从长期角度来看你有什么样的想法?
肖雪生：因为人工智能行业确实当时陈宽跑我们这边的时候，他说他在金融领域尝试过搞AI，但是我很认同刚才李总讲的，人工智能现在还没有完全深入到神经网络到感知认知领域的理解方面，还没有进化到那么快，还是先到感知层面反复的层面，就能定量化反复学习的层面可能容易实现突破，但是金融领域有很多特别是投资，很多东西是定性的，定新的东西多，反复的东西少，但是在医疗影像我觉得比较靠谱一点，因为他是反复比对的。我们现在看到很多比较成功或者突破技术方面，也都是在两个相似度很高的一些图像、照片，比更人能识别出来，筛选出来，这个东西一看医疗影像就是这个东西，看那么多影像，发现出它的不同点区别出来，因为看的多了，可能真的比人更容易出来，所以我们觉得在AI这个领域，确实在医疗影像领域可能是最先实现突破的。
主持人：接下来想问一下陈宽，刚刚祝总提到了几个深度学习、医疗影像、人工智能需要面对或者解决的几个课题，包括怎么样让产品更丰富，怎么样把产业链延伸更加广，怎么样需求更多更好的合作伙伴，陈宽做一个回应。
陈宽：刚刚其实都提到做这个行业，人工智能这个技术本身就是一个工具性的行业，来辅助这个行业里面的人效率、准确率工作方式的提升，最重要的一点就是接地气扎进去，这边我分享一个我们早期开始做的一个故事，当时我们刚进入四川省人民医院几个月时间，两个月过去之后我们跑通了我们的模型，根据当时的情况就做了一版出来，一看那个结果准确率99.9%，当时我第一感觉我们公司可能明年就可以上市了。后来一想准确率如果这么容易上去，所有人都可以做出来，后来我们仔细观察，仔细梳理，最后发现我们做错了一个非常基本的问题。基本就是在于说我们对于医院的AD系统的不了解，医院里面所有系统之间的数据打通，数据的互联是有背后的一套逻辑在里面，但是这个逻辑非常复杂。咱们医院里面不同科室的人，可能任何一个科室都没有办法把这个问题说清楚，当时我们就说不太了解这些生态，不太了解数据流动的过程，最终就做错了一件很基本关联性的问题，所以当时就闹出了这么大的乌龙。
我觉得最关键的就是说能够深入到这个行业里面了解包括咱们在座的专家，了解跟日常写报告的医生面临的痛点，了解IT系统当中所有不同的生态，如何跟生态当中不同的人打交道，我觉得这个其实都是我们做人工智能的这些人面临的最大的挑战。在美国、英国学这些专业的时候，基本上把数据清理的很干净，拿出来很不错的模型发表文章，但是真正进入这个行业的时候就会发现太多的细节都有可能造成模型可能跑不出效果，或者跑不出一个很好的效果。所以这个环节当中我觉得真的能够扎进去，深入进去，而且能够跟咱们的用户一起来成长。
主持人：感谢各位嘉宾，请各位嘉宾表达一下对推想科技未来的期望。
李竹：特别希望推想科技能够为更多病人带来更精确的诊断，能够走出中国，走向全世界。
肖雪生：希望真的实现推想科技让医生的工作变得更简单、更方便，从而造福于更多的患者。
祝晓成：推想未来像英特尔一样，能不能像推想在咱们医疗领域能够无处不在，这是一个最大的期许和期望。
主持人：感谢各位! 主持人：感谢各位嘉宾的精彩讨论，接下来有请所有嘉宾，(与推想科技的管理层)，共同上台，为推想科技/人工智能精准医疗平台的生命之树注入推想生命之源。
再次感谢现场所有朋友的参与与聆听，发布会到此结束。我们下次再见。台上合影，大会结束。
---(结束)
|
