近期，雷鋒網AI掘金志邀請數(shù)坤科技副總裁劉建，做客雷鋒網公開課，以“醫(yī)療影像AI的應用價值探討”為題，對影像AI的商業(yè)化背景、數(shù)坤科技的布局情況、以及行業(yè)的未來發(fā)展路徑做了解析。

后續(xù)將有更多課程上線，添加微信公眾號  醫(yī)健AI掘金志  報名聽課，或收看本節(jié)課程視頻回放

劉建做了7年的放射科醫(yī)生、在醫(yī)療行業(yè)任職14年，對于醫(yī)療行業(yè)的技術需求具有充分的了解。他認為，醫(yī)療行業(yè)的實際用戶有兩類：一類是真正的用戶（決策者），一類是使用上的用戶。一個產品能不能有生命力， 首先要符合既能滿足使用用戶的需求，還要滿足決策用戶的要求。

滿足這兩點要求的解決方案就是人工智能化?！爸挥蠥I化，我們的場景才能自動化，報告才能結構化，完成標準化后，才能把人力成本大大的降低?！?/p>

以數(shù)坤研發(fā)的——CTA- CoronaryDoc冠脈AI產品為例，從掃描后處理、病灶量化AI檢測分析、到判斷疾病程度輸出結構化報告、甚至膠片的打印都可以實現(xiàn)自動化，醫(yī)生僅需要負責審查糾錯。

劉建認為，影像AI發(fā)展到現(xiàn)在只是1.0階段，2.0時代的影像AI應該能夠為臨床診斷產生新的數(shù)據(jù)，這些數(shù)據(jù)可以對原來的疾病進行高于形態(tài)的判別，在風險預測、預防，乃至最后的療效評估等環(huán)節(jié)，均可以發(fā)揮價值，對影像的幫助也應實現(xiàn)多任務處理，解決過去一個人只能看一類片子的問題。

以下為劉建演講全文內容，雷鋒網做了不改變原意的編輯

今天介紹的內容是醫(yī)療影像AI應用價值，副標題是影中萬象，數(shù)蘊乾坤，影像學包含了整個臨床醫(yī)學的所有內容和學科，最終將臨床內容數(shù)據(jù)化，因此在影像學內蘊藏著很多數(shù)據(jù)。

我畢業(yè)于首都醫(yī)科大學，師從放射界的大咖李坤成教授，做腦部這方面的神經影像，在宣武醫(yī)院工作7年，然后到GE。在GE我是從應用培訓開始，到教育培訓管理，直至2018年加入數(shù)坤科技，主要負責市場醫(yī)工結合和戰(zhàn)略方向。

臨床從業(yè)7年，醫(yī)療行業(yè)工作14年，加起來21年。所以今天我分享一下在工作中的體會。

分享的內容主要是三個方面：

1、從醫(yī)工的視角理解影像AI價值；

2、數(shù)坤科技的影像AI布局，以及臨床應用實例和未來進展；

3、從我個人的視角看待影像AI的發(fā)展前景。

醫(yī)工結合對影像AI的價值

這個問題之前，首先回顧一下醫(yī)療客戶和普通用戶的區(qū)別。to B模式和to C不太一樣，有兩類的客戶，一類是 “決策者”，還有一類是終端使用者。

這兩類客戶的需求和視角完全不同。產品實際是終端用戶在用，但是決策者才是真正的用戶，所以一個產品能不能有生命力， 首先要符合既能滿足使用用戶的需求，還要滿足決策用戶的要求。

接下來看看醫(yī)院里誰最能用上AI產品，這是原來億歐智庫里的一個調查?？梢钥吹狡鋵嵥械膽枚技性趦煞矫妫?strong>一個是疾病風險管理，另一個是醫(yī)學影像。

這兩個應用場景公司數(shù)量最多，那就代表調查中的應用公司就做得很好么？

AI技術涉及的領域非常多，包括計算機視覺、機器人、自動駕駛、自然語言處理，情感計算和語音識別。

其實，影像AI大部分都集中在計算機視覺，也就是現(xiàn)在積極推廣的人臉識別技術，有些醫(yī)學影像分析實際也是基于這個技術。

首先，醫(yī)學影像遵循了醫(yī)學的特征，它是邏輯歸納、循證應用的一門科學。

第二，醫(yī)學影像是一個標準化的數(shù)據(jù)，它很早的在國際上用DICOM形式標準化了，這樣才能保證我們在圖像視覺上可以做很多的數(shù)據(jù)標注。因為只有標注標準化了，我們才能運用深度學習技術。

第三，大家可以看到，大部分AI產品是應用在放射科，再有一部分就是眼底和病理。乳腺、核磁、前列腺以及胸部的這些應用，都是在放射科領域。為什么放射科是技術和商業(yè)落地的最好的選擇之一。

為了實現(xiàn)放射科的自動化，幾大廠商一直在努力，但是真正要解決這個問題，還要考慮放射科的診斷以及復雜的過程。所以真正要解決問題就需要AI化，只有AI化，場景才能自動化，報告才能結構化，完成標準化后，才能把人力成本大大的降低。

經濟利益最簡單的是機器本身，是不是時間可以更快：掃描時間更快，檢查時間更快。檢查的病人越多，收益就越多。不管是從放射科帶來的收益，還是讓患者入院后得到的收益是雙重的，所以加快檢查時間是他們非常關注的。

臨床利益

臨床利益分兩塊：第一個是針對病人，如果速度很快是不是病人就能較快預約，并進入下一個流程當中，

第二個是對學科的建設，是不是能提高科研能力、學科地位，最后才是醫(yī)學的診斷和輔助治療。

我們可以看到，決策者關注的角度和使用者是不一樣的。

那么使用者能關注什么呢？使用者是關注影像行業(yè)本身的應用價值。

不外乎這么幾方面：精準診斷、疾病檢出、良惡性鑒別、療效評估等等，還有就是減負。

在一些大醫(yī)院里，影像醫(yī)生的負擔非常重，不僅要處理大量的影像診斷任務，而且還要快速處理，因為我們知道病人是等不起的。

疫情發(fā)生以來，大家可以看到，病人短時間、大量地涌入醫(yī)院后，沒有發(fā)生擠兌現(xiàn)象，AI在這樣的情況下發(fā)揮了非常重要的作用：

首先，快速檢出病灶，減輕了影像科的負擔，讓病人快速得到確診，進行隔離或進行下一步檢測，直接減少病人跟其他人的接觸時間。

其次，就是輔助科研，醫(yī)學影像一直是由形態(tài)學慢慢向功能學轉化。這里面就決定了會有定量數(shù)據(jù)，而定量對于下一步的精準治療非常有幫助。定量能幫助我們對腫瘤和卒中進行分期、分級，臨床上都可以給出不同的治療方案。

最后，報告標準化，大家可能沒有感覺，但是有一個概念“報告互認”，現(xiàn)在有一個問題是重復檢查、難以互認。

為什么底級醫(yī)院報告大醫(yī)院不認可，因為他的報告沒有結構化，沒有把所有真相都描述出來，可能會丟掉一些重要信息，臨床上會造成漏診，所以大醫(yī)院不相信，造成要讓病人必須再做一次檢查。

國家前幾年一直在推行結果互認，實際推行起來也是有些困難。

我相信隨著AI報告結構化以后，大家就能做到報告標準化，因為它在結構下每個地方都有提示，都有診斷要求和標準，這樣就能保證報告做到標準化。

通過疾病看到，將來應用場景最廣泛的儀器：第一個是CT、MRI掃描腦部；第二，因為缺血性心臟病是一個大病，CT對心臟的應用也會成為重要的場景；再就是由于肺癌高發(fā)，CT和肺的結合。我覺得這三個場景可能最優(yōu)先。通過上面的分析，影像 AI對我們的價值是如何呢？

首先是三甲醫(yī)院主要解決人力不足的瓶頸問題。

現(xiàn)在大家就診都喜歡去三甲醫(yī)院，而一級、二級醫(yī)院病人就診非常少，很多三甲醫(yī)院病例是做不完的。

我們做過調研，心臟的冠脈CT，他們的預約時間最長會到一個月。對于像一些頭頸CTA和腦部相關的這些，最長預約到三個月時間，所以里面最突出的問題就是檢查做不完。

對患者來說，患者最痛苦的就是等待預約時間長，醫(yī)院里預約時間最長的就是影像學檢查了。首先做的時候要預約，做完后報告等待還要時間，所以基本上影像檢查可能是很多醫(yī)院的一個重大的瓶頸。

第二個作用和價值是對基層醫(yī)院。

基層和三甲醫(yī)院是不一樣的，基層醫(yī)院是解決人能力不足問題。所以AI可以幫助醫(yī)生完成處理不了的病例，因為基層醫(yī)院的現(xiàn)實情況是一些醫(yī)生能力缺失，很多疾病看不全、或者不會看，所以這個層面AI能輔助醫(yī)生一起做醫(yī)療決策，更可能是提升醫(yī)生的診斷水平，提升醫(yī)院的診斷水平，也是報告標準化了才能留住病人。

另一方面，對患者來說，因為得到了一些標準化的報告，如果是復雜疾病，到上級醫(yī)院再去就診就避免了重復檢查，現(xiàn)在基層醫(yī)院設備檔次已經不是問題，真正的問題在于寫報告的能力提升。

如果報告達不到上級醫(yī)院要求，檢查就要重新再做一遍。所以AI可以幫助基層醫(yī)院去解決這方面的問題。

最后是針對所有醫(yī)院：解決目前醫(yī)生能力之上的問題。

第一個是做做不完的病歷，第二是診不會診的病例，第三個層次就是診不能診的病例。

我們設計產品應該從兩個維度去想：

第一、醫(yī)生為中心設計產品。把產品運輸?shù)焦ぷ鲌鼍爱斨?，再觀察醫(yī)生的工作場景使用習慣。同時觀察全流程是什么樣子，才能抓住醫(yī)生的痛點，最終是幫助醫(yī)生提高診斷效率和準確率。

第二、是以患者為中心設計產品。因為患者是我們醫(yī)生的最終客戶，提高患者就醫(yī)體驗才是產品設計的終點，如果患者沒有受益，只是醫(yī)生受益，產品實際上生命力也不強。

數(shù)坤影像AI

數(shù)坤公司2017年成立，2018年開始研發(fā)產品，選擇了比較獨特的冠脈CTA作為一個頭牌產品，2019年我們也取得非常好的成績，這是一個成績表。

如何看待這些醫(yī)學影像，理念或規(guī)劃是什么？

我們的愿景，包括價值觀，都是以患者為中心，著眼于重大疾病。中國最大的疾病其實是心腦，然后是肺，這三個是我們目前困擾中國人最大的三類疾病。

 我們從影像開始，逐漸過渡到臨床，打造更多的數(shù)字化醫(yī)生。

數(shù)字是AI的一個最大的特征，提供更多的數(shù)字化、多維的、定量的數(shù)據(jù)，不管對醫(yī)生還是對病人都非常有幫助。我們的場景現(xiàn)在側重于影像，慢慢向臨床或向健康管理場景進發(fā)。

現(xiàn)在的產品還是挺多元化的，我們列舉了有心臟影像的數(shù)字，頭頸、胸部疾病、腫瘤、胸痛中心和卒中中心，提到的胸痛中心和卒中中心是比較特殊的，可以看到中國目前為了提高效率，胸痛中心和卒中中心是一些三甲醫(yī)院必備的，而且是重點建設的兩個中心條件之一。

他們不同于專門影像科流程，胸痛中心和卒中中心有不同的工作解決流程，所以針對他們也提供了不同的方案。

下面是我們的單個產品，首先是明星產品“冠脈CTA- CoronaryDoc”這個產品是真正深入醫(yī)生場景當中，實際場景就是上面看到的掃描之后需要人工去做圖像和處理，做出很多三維圖像，再開始寫報告。

報告寫完以后還要審核醫(yī)生審核，中間參雜著膠片打印、報告打印環(huán)節(jié)。其實AI介入以后，我們把這所有的流程都給AI化了。

什么叫AI化？就是無需人工干預，從掃描到報告，覆蓋了全流程，我們稱Scan to Report。我們在掃描后的處理，整個過程都不需人為干預，可以直接生成想要診斷的數(shù)據(jù)，這個過程中，可以檢測到病灶，把病灶進行定量化，然后生成結構化報告。

同時我們也可以自動打印膠片，把打印習慣到個性化機器當中，就會自動輸出。所以我們整個的產品覆蓋了疾病場景的全流程，他在這個過程中就感覺應用特別順手。

因為這個場景是符合現(xiàn)在場景的，我們把這個場景完全自動化了，但是每個場景醫(yī)生都可以去審核或審校。

因而我們才真正達到醫(yī)生和AI輔助相結合的狀態(tài)，而沒把醫(yī)生拋在之外，不是報告一下都出來，醫(yī)生也不管。其實每個環(huán)節(jié)我們雖然都能自動化，但是我們都留給醫(yī)生去check，去審校，去檢查。

我們的產品運用了很多AI，一共有三層AI。我們用了三個步驟AI，第一是后處理的提取，第二檢測需要AI，還有判斷疾病程度，也需要AI，實際上我們還可以生成這種計劃報告打印膠片。

AI可以實現(xiàn)診斷效率的顯著提升，和穩(wěn)定性、一致性。這句話的理解，實際大家都有一些體會，上午精力充沛的時候，寫報告效率非常高，錯誤率也低，過了兩個小時以后，精力會快速下降，尤其到下午，錯誤率和漏診率會大幅升高。但AI不會存在這個問題，穩(wěn)定性一直平穩(wěn)。

再最重要的就是AI診斷準確性，這是很多人要問的問題。

AI準確性到底如何，我們也做了大量的多中心研究，目前得到的結果跟三甲醫(yī)院高年資醫(yī)生相近。所以我們可以看到這三個加起來，AI加醫(yī)生是遠遠優(yōu)于醫(yī)生的。

我們做多中心驗證目的是效率有沒有提升？診斷是否精準？是否有普適性？

我們選了全國共42家醫(yī)院，分布25個省區(qū)，選取1000例有金標準的病例，就是血管造影，也做了標準化的規(guī)矩或規(guī)則，里面所有都是三甲醫(yī)院的專家最后診斷為主。

做完這個標準以后，就得到上面的結論“AI的診斷性能和高年資醫(yī)生相近”。

胸部影像我們跟其他廠家的方式也不同。這里面其實叫“四合一”解決方案。

第1、最常見肺結節(jié)。找結節(jié)，是跟腫瘤相關的。

第2、非門控鈣化積分。他可以應用于早篩，篩查有沒有冠心病，不是確診，只是篩查的手段。鈣化積分越高，冠心病發(fā)生率也增高，這點在國外已經有大宗病例證實。

第3、肺氣腫。肺氣腫可以看看肺的變化。

第4、新冠肺炎的評估。

大家會問，為什么叫四合一，這不是四個單獨的東西嗎？實際上四合一是，一次CT掃描，就能得到四種結果，這對于病人是非常受益的，是非常好的AI手段，我們說兩分鐘可以做到，然后可以覆蓋四大類最大疾病，這是它的特點。

首先看肺結節(jié)，相關產品市面上有很多家，多的時候可能有上百家，因為入門門檻比較低，但是做得精做得好，也有一定難度。

第1、是不是快？第2、你是不是準？第3、你是不是有規(guī)范的報告？是不是可以做隨訪和對照？這些都是肺結節(jié)的一些要求。  

新冠肺炎這次發(fā)生的比較突然，我們也是在春節(jié)短短的20多天中，基于肺結節(jié)和肺炎原來的經驗基礎之上，快速迭代了這樣的產品，已經安裝在武漢中南醫(yī)院、武漢人民醫(yī)院、武漢中心醫(yī)院、武漢中醫(yī)院，還有雷神山醫(yī)院，發(fā)揮了非常大的作用。

數(shù)坤新冠肺炎AI產品特點

第一、快。因為疾病傳染性非常強，越快診斷越能避免病人和其他人接觸。我們2~3秒就可以解決病變的檢出。

第二、可以量化。因為疾病本身從第7版或第6版開始，已經分成輕型、中型、重型，還有極重型分級，不同分級給的方法是不一樣的。

所以在里面需要量化，這些量化人眼看不出來，沒法去評估，只能是大概的評估，每個人看的差異度太大，會造成有偏差。而機器本身在這方面有天然的優(yōu)勢，它能快速的檢出到并能測量病變的體積、密度和大小。

第三、前后對照。這非常重要。有的患者轉歸越來越重，有的轉歸痊愈，這個過程需要多次評價、多次評估，工作量對醫(yī)生來說非常大，用了機器以后，能快速、準確幫助到他們。

這是我們北京安貞醫(yī)院使用的應用案例，安貞醫(yī)院、阜外醫(yī)院都是我國冠心病的?？漆t(yī)院，病人非常多。機器可以快速把所有檢查項都給做出來，并且可以看到這些病變的檢測部位，告知病變程度。

在安貞醫(yī)院每天掃描量大約200個心臟，用了我們機器以后，極大改善了他們的工作勞動量。200多個病人一個哪怕是10分鐘、20分鐘，對他們來說壓力是蠻大的，而機器本身可以無間歇24小時為醫(yī)生工作。

對新冠肺炎的應用。我們做了一個布置，這發(fā)揮了非常大的作用。這個就是明顯關注疾病的一個轉歸變化過程，從輕度到中度后來又減輕了，所以能看到全程，可以自動去匹配前一次、后一次或下一次的檢查圖像，而且去定位，大大的減緩靠人工檢索對比對照的時間。

從使用者角度說明，使用起來幫助是非常大的，剛才也講，對于決策者他們關注點是不一樣的。

使用了AI以后，在沒有設備增加和其他任何條件不增加的情況下，冠脈的自然檢查量都大幅提升。這是我們不同醫(yī)院的結果，當然每個醫(yī)院提升的不一樣，經濟效益還是蠻可觀的。

當然這些經濟效益也不是AI產生的，但沒有AI，這些經濟效益就變得沉默或者沒有。所以，AI可以幫助CT發(fā)揮最大的價值。

目前看到，整個檢查過程中的瓶頸不是在掃描端，現(xiàn)在的機器非常高端，有128排、256排、還有512排很高端的CT。瓶頸在后處理和寫報告，只有用AI解決這部分問題，掃描另一端才能釋放，才能提升效率，增加流通量。

最典型的上海的一家三甲醫(yī)院，他們原來預約時間最長要一周。通過AI沒有任何其他設備人員變化情況下，現(xiàn)在預約時間可以改為兩天，他們院長對AI技術非常贊許，因為就可以把病人真正留在醫(yī)院中。

還有一家醫(yī)院，病人量并不多，在應用AI以后，原來隔天取報告，現(xiàn)在當天就能可以，上午做完，下午取報告。這對病人特別友好，有些病人千里迢迢來看病，就能直接把病看完。

如果隔天再取，他們還要住宿或再預約醫(yī)生，能大幅度提升患者滿意度。

而困難在于，這種報告不容易標準化，都是手寫模板，但結構化以后就好多了，上面是文字，底下是結構化內容。

CT/MR影像是由數(shù)字通過算法生成的圖像，這些圖像可以由AI解析出各種像素點的矢量大小，從而形成各種醫(yī)生想要的各種數(shù)據(jù)：大小、方向、位置、密度等這些定量化數(shù)據(jù)，并在此基礎之上行程結構化數(shù)據(jù)庫。

冠周脂肪與冠脈粥樣硬化斑塊在人體內是個脂肪生態(tài)代謝環(huán)境，所以通過測量冠周脂肪可以來預測冠心病發(fā)生概率以及心血管事件。

這是FFR-CT，它從原來形態(tài)學轉化功能學，中國市場做的廠家也有很多，并得到美國商保的支持，可以決定我們在放支架時候什么時候放、什么時候不放，尤其在臨界病變的時候。

再看斑塊，斑塊實際是做CT優(yōu)于DSA的一個最主要特征，因為斑塊一旦破裂，就會造成冠心病事件，人就會發(fā)生意外，所以中間斑塊的判別非常重要。

AI特別好的點在于，可以把斑塊具象化，或者剝離出來。對斑塊可以進行分析，包括面積、大小、程度等等，統(tǒng)統(tǒng)可以做數(shù)據(jù)化的分析，對個人的愈合或風險就能做很好的評估。

還有主動脈，主動脈夾層也是高血壓非常大的并發(fā)癥，如果得了，死亡率非常高。用AI可以快速進行三維重建變成構建，也可以做這種功能學的變化。

還有頭頸，不管解決的是形態(tài)學還是功能學。

過去傳統(tǒng)的工作方式就是人對圖像閱片，然后根據(jù)經驗做疾病的診斷。

其實AI的1.0，一些場景可以通過AI+人做一些協(xié)制，提供工作量，創(chuàng)造經濟價值，AI走到2.0時代，它能產生一些新的臨床數(shù)據(jù)。

這些臨床數(shù)據(jù)對原來的疾病能高于原來通過形態(tài)進行判別。其次，可以做預測評估，或者疾病的風險預測、預測預防，這非常重要，包括對療效進行預測，所以2.0是AI真正發(fā)揮重要能力的時候。

行業(yè)發(fā)展趨勢

因為全球的醫(yī)療設備上升通道已經變窄，它是依賴于這種技術的。目前來看，影像沒有發(fā)生突破性技術，所以影像技術都開始向數(shù)字化轉型。

所以醫(yī)療設備的智能化、物聯(lián)化、信息化，是他們最大的核心。可能形成一種設備上下游生態(tài)合作的狀態(tài)，尤其是GPS或AI廠家進行合作，是一個發(fā)展趨勢。

影像AI的預期價值

數(shù)字化影像和大數(shù)據(jù)庫

影像AI能把這個數(shù)據(jù)影像都讀懂，讀懂的前提是都變成數(shù)據(jù)了，所以我們可以做動力學的評估，做數(shù)字化的成像，把斑塊進行多維的結構，可以做脂肪代謝的生態(tài)評估。

這里面著名的雜志Circulation，還有柳葉刀，還有ECS都是在這方面做了大量的研究。

影像向解剖學向功能學轉化：

過去關注的都是人眼直接讀片，通過圖像像福爾摩斯一樣去分析，辨別、假想、推斷，從而做成邏輯化推理。

現(xiàn)在通過影像可以做功能學，這些是原來人不能做的，通過人眼不能看出血流變化。通過我們的算法，可以看血流信息的變化，層流的樣子，和分岔處的情況，可以對斑塊造成的層流和分流現(xiàn)象的關系進行分別探討。

疾病的風險預測

像主動脈虛擬支架，動脈瘤破裂風險，我們可以對動脈瘤進行破裂風險的血流動力學預測，紅點是容易破裂地方，在原來形態(tài)學很難發(fā)現(xiàn)，幾十年去研究是很難，但動力學功能學上就可以清楚的看清。也可以做組學來預測冠心病事件的發(fā)生率。

從影像向臨床轉化

影像是可以向多病種，從心、腦、肺，包括將來腹部進行全病種覆蓋。但是光服務影像不能解決全部的問題，還需要向臨床去做檢出、診斷、量化、治療、評估。

最簡單的一個實例，可以看到術前可以做診療規(guī)劃，把所有數(shù)據(jù)都測量出來；也可以做虛擬支架規(guī)劃，術中可以跟DSA做融合指導手術方案；術后可以去看哪個是薄弱點，不容易破裂和功能學追蹤。

所以AI是慢慢從影像向臨床不斷轉化、延伸、服務。其實是將來影像AI的重大發(fā)展，因此影像在臨床上的診斷作用是非常大的。

預防

冠心病高發(fā)人群非常多，是不是能做篩查，但是篩查帶給醫(yī)生負擔特別重。本身來說，大量的病人來以后，醫(yī)生是缺失的，這里運用AI以后，可以通過人工AI進行分流。

假如說做CT，陰性就非藥物治療，如鍛煉等；斑塊很小就一級預防，可以降脂；輕度病變內科治療，對臨界病變有FRCT可以看是不是應該放支架，或者是進行內科治療；

對嚴重病變我們可以做介入治療或手術治療，所以對于冠心病可以從猝不及防，到防患于未然。

而腦血管強調的是防治，將是未來AI的一大趨勢。因為腦血管病致殘性非常高，另一個特點是腦血管病轉診不容易，出血是不能轉診，因為風險很高；缺血發(fā)生很快，是進展性的，又來不及轉診，所以（腦血管病）大都是發(fā)生在二級，到不了三級。

這里就有矛盾，很多醫(yī)生不知道檢查方法是什么？或者能力缺失，包括康復也會缺失，這中間AI+醫(yī)療解決方案都可以做一些定量化，或者遠程幫助。

新冠肺炎診斷相對沒有那么復雜，但是真正的是早篩、精準、快速，也就是盡快建立起防控體系，對新冠肺炎很重要。所以，我們可以用CT做早篩——篩查階段；放到市屬發(fā)熱門診——做診斷階段；放到?？漆t(yī)院——做診治階段。

在北京像地壇、小湯山、佑安醫(yī)院都是這樣，我們通過AI提供早篩、診斷、救治、復診全鏈條閉環(huán)式輔助服務。大家也期望產品越來越豐富，從形態(tài)到功能，從影像到臨床，從非定量向定量，能走向風險預測或者更高的標準，現(xiàn)在的產品，實際就是樣的狀態(tài)。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。