19位行业领袖，共话医疗AI的技术革命与长期主义｜GAIR 2021医疗科技高峰论坛

人类健康的道路上，医疗和医药，是亘古不变的济世良方。随着健康中国战略和《健康中国2030》的落实，大健康产业将引领我国新一轮经济发展浪潮。

前沿领域创新，则是带动这股浪潮的核心力量。

如何从历史节点中找寻机遇，探寻医疗与科技的结合点，并在合适的时点实现商业化落地？

在今年的医疗科技高峰论坛上，19位医、产、研、投的行业领袖，分别从医学影像AI、AI制药两大赛道出发，为行业的发展提出自己的真知灼见。

四院院士、国际顶会主席、顶级三甲医院科室主任、投资界大咖...无论是嘉宾级别，还是议题的多元程度，都是近年来的最高水平。

以下是本次大会的精彩回顾：

潘毅：用第三代人工智能，助力生物医学大数据研究

作为上午场的开场嘉宾，潘毅教授以《人工智能在生物医学工程中的应用》为题，进行了开场报告。

他提到，生物医学已经进入大数据和AI时代，但有很多问题值得反思：每天产生海量数据，但处理数据的水平并不高，主要原因就是计算机科学家不懂生物，生物学家不懂编程，最后产出的成果质量也比较差。

潘毅教授认为：“对于生物学家而言，假设投入几百万成本提升研究工具，而最后的结果改进微乎其微，就会让研发工具的计算机科学家得不到认可。”

而人工智能技术，可以应用于人类生命研究和健康管理的多个阶段。潘教授着重分享了第三代人工智能技术的前景与应用。他表示，第三代AI系统，是把第一代的知识驱动和第二代的数据驱动结合起来，构造更强大的AI，其关键之处就是知识嵌入、多模态数据融合及结果解释。

潘毅教授分享了关于“多模态数据融合”的最新研究，将研究实体如基因、RNA、蛋白质、微生物、代谢物、通路以及病理和医学影像数据，用不同层次的网络来表示，从而可以使用计算方法来探索生物实体之间的潜在关系。

任峰：在失败率极高的制药行业，AI大有可为

第二位演讲嘉宾是，英矽智能首席科学官任峰博士，他的演讲题目是《人工智能加速纤维化药物研发》。

十天之前，英矽智能的全新靶点和新分子结构的候选药物，成为有史以来，首个进入临床试验阶段的AI辅助研发创新药。

演讲中，任峰博士详细介绍了IPF项目的研发细节，以及英矽智能的Chemistry 42、PandaOmics和InClinco三个AI平台的实际作用。

任峰表示：“AI在新药研发上可以做很多事情，例如擅长找到蛋白靶点，或者针对已知靶点进行老药新用，甚至是用在很多‘快跟’项目上。大家对于AI新药研发的想法应该更加深远，今天想到的新药分子、新的靶点都还只是一小步，接下来还需要向端到端发展。"

郭天南：诊断准确率超90%的AI+蛋白质组学技术

任博演讲之后，接下来西湖大学特聘研究员郭天南，以《AI赋能的蛋白质组大数据助力精准医疗》为题，发表了演讲。

郭教授的演讲主要分为六个部分：

第一，什么是蛋白质组学；

第二，蛋白质组学在临床的最新技术进展；

第三，蛋白质组学大数据的新概念，以及AI发挥的作用；

第四，AI助力甲状腺结节的诊断；

第五，AI在尿检中实现新冠肺炎分类；

第六，将蛋白质转化为Tensor的多维矩阵新概念。

郭教授表示：“AlphaFold2使用AI技术在蛋白质结构预测上取得突破性进展，但此研究的更大价值将在蛋白质组学中展现。想象一个战场，需要不同的兵种和武器，它们的性能就是蛋白质结构。要赢得一场战斗，需要知道各种士兵和武器的数量、性能、运行及修复方式，以及所有军力在整个作战系统中的互动，这个过程就是蛋白质组学。这就是蛋白质结构预测和蛋白质组学的关系。”

演讲最后，郭教授还重点介绍了一种新的蛋白质组大数据的展示形式的研究——怎样将蛋白质组数据转化成为Tensor的多维矩阵。

“张量可转化为视频，每个像素就是某个蛋白质的一个多肽片段，平铺后可以得到一副有规律的、就像宇宙的图像，呈间隔分布，每个间隔都是一个分子单位。”

宋乐：AI新药研发面临的三大挑战

上午的第四位演讲嘉宾是百图生科首席AI科学家、ICML 2022大会主席宋乐，他演讲的题目是《用人工智能赋能新药研发》。

宋乐博士提到，大家在憧憬AI可以在新药发现展现巨大作用的同时，还有三个问题要提前考虑。

第一，对一种疾病有足够了解，就要对身体每个器官，不同细胞的不同作用，细胞之间的通性有足够了解，这会是一个非常复杂的网络，需要获取分子在细胞膜上接受、在细胞里互相调控，细胞里的蛋白质基因表达等等很多种信息。

第二，需要面对包括基因测序、表观组，蛋白质表达、蛋白质代谢，组织层面、机理层面等不同维度、多尺度数据的融合处理难题。

第三个挑战，是人与人的层面，AI模型药物分子或靶点发现过程中，数据分析与试验往往是两波人，他们之间想法有时候比较冲突，有时候沟通比较久，缺乏一个非常高效的系统，将预测、模型输出和试验系统进行整合，加速迭代。

圆桌论坛：AI制药是一场技术革命，找到闭环是关键

上午的最后一场，进入了“AI新药投资人讨论”环节，这是国内关于AI新药研发的投融资和下一步发展的顶级讨论。由阿里健康投资部执行董事秦祯主持，出席圆桌的四位顶级投资人分别是：

高榕资本合伙人杨昆、深创投执行总经理、健康产业基金投资部总经理周伊；邦勤资本总经理&创始合伙人刘明宇。

围绕AI新药研发产业的发展现状和资本倾向，深创投执行总经理周伊先发表了自己的看法。

他认为，AI制药刚刚起步，通过AI制药技术来发现的分子或者靶点，还没有得到临床的验证。如果后续更多的案例可以跑通，大家对AI的信任度和依赖性会越来越高。“我不希望AI制药也像AI医学影像一样，大起必然会有大落。对创业者来说，AI制药是一个不错的选择，但不要太着急，做药本来就慢，还是需要跨过很多坎。”

邦勤资本总经理刘明宇认为，“如果新工具是一场技术革命，就有可能颠覆传统的游戏规则。AI制药目前还需要一定突破口，去验证和传统的思维方式的差异，但AI制药的‘工具’属性更强。”

圆桌对话中，四位投资人还讨论了AI制药高风险的问题。

对此，高榕资本合伙人杨昆表示，对于AI制药的前景和风险，需要从产业闭环的角度来看问题。以AI诊断为例，在临床中有实际作用，但其商业化表现在中美各异。而AI制药的试金石会来得更快。

目前很多AI研发药物处于临床前期阶段，一旦进入临床阶段，会面临两个问题。首先，进入临床阶段意味着企业将进入新药公司估值体系；其次，AI筛选出来的分子对比科学家研究出来的分子效果几何有待验证，新药研发天然有一定失败率，也将对行业和企业造成一定影响。未来两年，AI制药企业可能迎来“上天”和“落地”的分化。

阿里健康投资部执行董事秦祯总结道：生物计算，更多会从静态预测往动态方向走，AlphaFold2是一个三维结构的构象的截图，未来对它的预期会从照片变成录像，真正看到蛋白如何运动。

另外，从蛋白质的预测到RNA二级结构，现在还有三级结构，把它的结构和运动连接在一起，这也是一种趋势。

第三，干湿实验数据结合，要不断地有闭环，有新的真实实验数据，再反哺到算法里面去，这也是大家期待看到的AI制药趋势。

萧毅：医学影像AI已有头部效应，三个价值将得到验证

在医学影像AI分论坛的开场报告中，上海长征医院影像科的萧毅教授发表了题为《医学影像AI发展的变量与新动能》的演讲。

萧毅表示，随着对疾病诊疗认识的增加，医学影像人工智能产品也进一步横纵结合，往更深更广发展,而完整的解决方案才是真正服务于临床的好的产品。

萧主任以目前行业内较为领先的几家AI公司为例，分享了它们在临床、科研方向上的布局。

但是，医疗AI依然面临商业化难题，“ AI头部企业现在还有着失血之痛，没办法进入医保，头部AI公司即便已经完成IPO，也处于只流血、无输血、不回血的商业断链的窘境。”

不过，放眼未来，在分级诊疗的大背景下，基层医疗机构的服务需求将快速增长。与此同时，三类证陆续下发，头部公司充分展现良好的临床、经济和社会的价值后，医疗AI企业将迎来新的创业命题和新的增长周期。

张笑春：方舱共享医疗体系，是大势所趋

张笑春主任是广州妇女病儿童医疗中心影像部负责人，现任中国医疗器械行业协会方舱医疗分会主任委员。

她表示，5G+AI+脑机接口等新技术的革新，已经让现在的医疗生产关系发生了巨大的改变。张笑春主任着重分享了“方舱共享”医疗模式的建设成果。

她认为，后疫情时代，医疗执业人将开启怎样的医疗模式？一定是建立具备某种功能或者组合多种相关功能的移动智慧共享集成的功能载体，也就是方舱共享医疗体系，这是大势所趋。而医生、科学家、企业家、政府职能管理者，要有一切工具皆为我所用的心态，要有驾驭高级智能工具的能力和信心。

袁进：以前我们谈眼科人工智能，今后要谈智能眼科

作为分论坛的第三位讲者，中山眼科中心副主任袁进教授在近几年积极带领团队完成超高分辨率OCT、眼科多模态成像系统等眼科新型成像设备的设计与评价，以及眼科人工智能诊断云系统等智能分析技术的开发。

在演讲中，袁进教授表示，AI产品的研发有三要素：算法、算力和数据。而数据是至关重要。

为了方便研发人员进行产品开发，中山大学中山眼科中心将金标的眼底数据集进行了全球公开免费发布，命名为iChallenge。目前，全球已经有2000多个团队利用该数据集开发了临床AI应用。

袁教授认为，以前行业谈论更多的是眼科人工智能，现在这个概念应该扩大为“智能眼科”：以人工智能，以及5G、可穿戴、高清成像技术、新一代机器人等新时代的技术，融合到临床上应用，打造真正的智能眼科，而不仅仅局限于眼科人工智能这样的概念。

目前，袁教授团队正在与深睿医疗合作，推进一个全天候、多场景、交互式的视觉功能导航系统，打造一个对低视力和盲人的全新智能视力辅助系统，以改变这类人群的生活质量。

李育威：医疗AI产品未来商业化的确切道路

下午的第四场演讲嘉宾是科亚医疗首席科学家李育威，他演讲的题目是《从临床需求出发-AI产品的商业化之路》。

在上午的演讲中，有投资人曾提到医学影像AI的商业化难题，而作为我国医学影像AI三类证产品的首证企业，科亚医疗也是做过最多医疗AI产品商业化探索的先驱者之一，在演讲中，李育威博士对于医疗AI产品的研发、临床验证与合规性落地、物价审批与商业化模式进行了介绍。

李育威博士表示，作为行业的头部企业，回顾科亚医疗过去几年的发展，其实特别像整个医疗AI的进化史，我的感受有两个：一，不容易；二，幸运。

“最早在2016年我们就开发了深脉分数的核心算法，当年年底已开始进入临床试验，之后从2018年进入药监局创新医疗器械特别审批通道，到2020年初正式获批，落地时间周期大大超出了我们作为科研人员的意料；”

“而幸运也是同样的原因，我们有幸成为了填补国内医疗AI产品监管落地空白的第一家获批企业，从零开始和监管部门，尤其和药监局一起探索出怎样才能让我国医疗AI产品落地，让科亚积累了深厚的医疗AI产品商业化经验，懂得如何从最开始就围绕医疗AI产品商业化，进行有针对性的产品设计、数据及算法研究到临床应用的落地。”

黄峰：传统影像设备公司，要学会“修路”和“通车”

下午的第五位演讲嘉宾是东软医疗首席科学家黄峰博士，他的演讲题目是《AI助力解决医疗痛点问题的路径探索》。

黄峰博士表示，大家对于传统影像设备公司的人工智能应用，最多的概念是自动摆位、快速重建、低剂量CT成像等等围绕设备的人工智能应用，但是如何能够进一步满足用户的临床需求？

基于医疗AI的落地、商业化、医疗资源不足和分布不均匀等问题和现状，东软医疗研发了一个平台MDaaS，致力于连接医疗设备和医疗影像数据，从而服务于医疗生态的各方，并对从设备到医疗机构、政府、科研机构、患者等所有利益相关方进行整合。

具体来说，黄峰博士认为MDaaS主要做两件事，修了路和通了车。

修路是指，MDaaS在内部搭建了几个不同场景的平台服务，包括面向基层的医疗机构智能影像公有云平台NeuMiva，面向专科化疾病的智能诊断和分级诊疗的脑卒中平台e-Stroke和肺部疾病平台eLungCare。

通车是指，实现生态链互联互通，把设备、医疗服务提供者、患者、政府、科研机构和第三方服务提供者连在一起，实现数据互通互联，以及人工智能产品应用。

IEEE Fellow圆桌对话：做高水平的学术研究和产学研的对话机制

医学影像AI分论坛的IEEE Fellow圆桌对话，由雷峰网(公众号：雷峰网)和图像计算与数字医学国际研讨会（ISICDM）联合主办。由南方医科大学生物医学工程学院的冯前进院长主持，出席的各位嘉宾分别是：

蒋田仔，中国科学院自动化所研究员、IEEE Fellow；

周少华，中国科学技术大学讲席教授、IEEE Fellow；

李纯明，电子科技大学电子工程学院教授、IEEE Fellow；

彭汉川，东南大学脑科学与智能技术研究院创院院长、IEEE Fellow；

郑冶枫，腾讯天衍实验室主任、IEEE Fellow。

在当天的对话中，六位嘉宾的讨论主要以治学和产学研融合两个层面展开：

关于治学层面。蒋田仔教授认为，大家都希望做高水平科研，但什么是高水平科研是一个认识过程，每个人的标准可能不一样，同一个人在不同的时期也不一定一样。蒋田仔教授从本科到博士都是数学专业，在2000-2010年的十年里基本都在从事临床基础研究，发表了一些高水平，但无法解决临床现实问题。在申请973项目时确定以临床需求为切入点，做对学科和社会有意义的研究，这样的论文才会体现其真正的水平和价值。

对于这个想法，周少华教授给予了认可，他表示："在西门子医疗工作时，是误打误撞才有幸进入了这样的研究，做的很多问题都来自于临床，医学影像的学术研究，从临床问题切入是一个比较好的途径，临床问题是许多重要问题的来源。”

李纯明教授也认为：“医学影像的技术研究不能迷信某一种技术，例如大家对深度学习的研究非常多，在很多领域都应用得很好，但也不能什么问题都用深度学习解决。最终要看能不能解决实际问题，满足临床需求，而且切实帮助医生提高工作效率，造福患者。”

各位学者讨论的第二个话题是产学研如何实现融合。

彭汉川教授认为，医生有很多实际的工作痛点，都可以由工科人来解决。例如，医生需要把接触到的数据样本或者临床样本记录下来，这就需要一些顺手的标注工具。因此，在十几年前，彭汉川教授就开发了一套工具，让医生能够有效对三维数据进行快速标注。

作为腾讯天衍实验室的负责人，郑冶枫博士也从产业角度，介绍了自己开发主动脉瓣膜微创置换手术导航系统的经验。他表示，在不扫X光、不打显影剂的情况下，准确找到瓣膜位置相当困难。也正是在和医生交流后，甚至是穿上铅衣到手术室观摩之后，才有了导航系统的建设思路。

最后，冯前进院长也作了总结，他认为，不同的观点需要充分表达，这是一个论坛的价值所在。医学影像分析是一份跨界的工作，需要研究者们从实际的临床问题出发，不断优化方法和结果。相信，五位IEEE Fellow的治学经验，也一定能为国内的青年学者指明一条清晰的成长路径。

由于篇幅有限，GAIR 2021医疗科技高峰论坛的嘉宾演讲与圆桌对话精华，后续将会单独推出，敬请期待。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。