对话优图实验室郑冶枫：从西门子到腾讯，医疗 AI 如何突围？

雷锋网《AI掘金志》频道：只做 AI +「安防、医疗、零售」三大传统领域的深度采访报道。

过去两年，医疗影像AI领域掀起了一股人才回流潮。

多位海外华人专家陆续在国内机构任职，如沈定刚、周翔加盟联影智能，陶晓东坐镇讯飞医疗，周少华进入中科院计算所，徐晨阳加盟柏视医疗……

这有些出人意料，但又在情理之中。一方面，中国庞大人口基数创造出的丰富医疗数据资源，为医疗AI提供了充足的养料供给；另一方面，稀缺的医疗资源则为医疗AI扎稳根基创造了得天独厚的条件。这些条件，更易于他们全面释放在海外的积淀。

这些回流的人才里很多来自西门子美国研究院，包括周翔、徐晨阳、周少华，去年年初加盟优图实验室的郑冶枫也是其中之一。

从西门子到腾讯

作出回国的决定时，郑冶枫已经在西门子美国研究院工作了12年。

郑冶枫从美国马里兰大学博士毕业后就进入西门子美国研究院，从事智能医学影像分析方面的研究。期间，他发明了用于医学影像中器官快速检测与分割的投影空间学习法，并获得了2011年的爱迪生专利奖。

从外人的眼光来看，作为“GPS”之一，西门子是做医疗技术研究的理想之地，拥有最好的研究环境和设施条件。但作为局内人，郑冶枫有自己的烦恼：西门子本质上是一家硬件公司，而自己从事的是软件算法研究，战略地位难免被忽视；另外，作为在外企工作的华人，他隐隐感觉到自己的事业遭遇了天花板。郑冶枫想，也许是时候换个环境了。

正在这时，他接到了腾讯海外招聘负责人的电话，对方详细介绍了腾讯在医疗影像AI领域的发展规划，并邀请他加盟。

但面对腾讯的邀约，郑冶枫却犹疑了。“因为我的小孩还在上高中，按照我的人生规划，并不打算在这个时间点回国，也许晚几年会更加合适”，郑冶枫对雷锋网解释道。

更重要的原因是，他虽然对腾讯的医疗AI布局有所了解，但他并不清楚腾讯做这件事的决心有多大。毕竟当时很多人眼中的腾讯依然是一家互联网公司，“互联网公司的战略变化非常快，今天想做一件事情，也许明天就转型了”。

2017年11月15日，“首批国家新一代人工智能开放创新平台名单”正式公布，腾讯成为“医疗影像国家新一代人工智能开放创新平台”的担纲者。这彻底打消了郑冶枫的顾虑，他确信腾讯将在医疗AI领域持续投入。而在和腾讯高级执行副总裁汤道生以及优图实验室杰出科学家贾佳亚的沟通中，他也感觉到了腾讯的诚意和决心。

0 到 1 的突破

放下家庭的羁绊只身回国是个艰难的决定，但这还只是故事的开端。

郑冶枫回国时，优图实验室的医疗业务还一片空白，整个医疗AI团队只有他一枚“光杆司令”。当务之急是招人，先把团队组建起来。

腾讯的金字招牌在招揽人才方面很有优势。郑冶枫1月5日正式加入优图实验室，到6月份就组建起了一支十几人的团队，其中半数是海归博士，毕业于英国诺丁汉大学的李悦翔也是其中一员。作为团队重要成员，李悦翔为优图实验室的缺血性脑卒中辅助诊断系统和宫颈癌筛查系统等产品的研发做出了重要贡献。

在腾讯和西门子工作，对郑冶枫是两种截然不同的体验。在西门子，一切都非常缓慢从容，一个项目可能光立项就需要一年。而腾讯是典型的互联网风格，节奏非常快，“速度至少是以前的三四倍”。郑冶枫甚至还没来得及适应节奏变化，就开始马不停蹄地立项和走访医院了。

优图实验室在腾讯的角色是偏算法的部门，经常需要和产品部门打配合。郑冶枫的医疗AI团队主要配合的是常佳带领的腾讯觅影团队，觅影在前面做产品，优图在后方提供技术支持。项目选择上，两边通力合作经常展开讨论，有时候一星期要开好几次会。

2018年上半年，两支团队不断穿梭往返于北上广的顶级三甲医院，和医生沟通交流，了解医生的需求，并结合技术可行性确定产品方向。

人类疾病多如星辰，而优图实验室的医疗AI团队规模有限，产品方向上必然要做一些取舍。郑冶枫介绍，团队选择项目时主要有两个维度的考量：一是需求的迫切程度，主要看疾病的发病率和死亡率，两项数值越高说明技术带来的社会价值越大；二是技术的复杂程度，比如有些疾病对AI技术需求非常迫切，但囿于筛查手段的缺乏，项目也无法展开。

优图实验室并非觅影的唯一技术提供方，扮演相同角色的还有AI Lab。熟悉腾讯“内部赛马”机制的人难免会好奇，两者之间是否存在竞争？

郑冶枫表示，竞争是不存在的，因为需要探索的病种太多，根本做不过来。相反，双方会有分工，比如AI Lab最早做了食管癌筛查系统，随后又做了胃癌、结直肠癌筛查系统，都是消化道疾病，未来还会继续沿这个方向做下去，优图实验室则去开拓其他病种。

尤其是2018年9月30日之后，腾讯的组织架构进行了调整，To B业务基本并进了CSIG部门。“To B业务我们一般不用‘内部赛马’机制，而是大家合力对外。重组之后还会加强内部协调，有些技术难题会合作攻关”。

“腾讯觅影”正式发布以来，一共上线了6个病种的辅助诊断产品，其中有3个是优图实验室的医疗AI团队主导开发的，包括包括肺结节、眼科疾病和宫颈癌筛查。

郑冶枫介绍，团队的产品开发效率非常高，一般2-3个人负责一个病种，数据和标注到位后一个月就能出第一版产品，然后再以“小步快跑”的方式持续优化迭代。

产品矩阵升级

除了已经正式上线的三款产品，郑冶枫团队在乳腺癌和脑卒中领域的探索也取得了喜人的进展。

以乳腺癌为例，腾讯并非最先涉足乳腺癌筛查的企业，不过此前大多数竞品走的都是钼靶路线，而优图实验室另辟蹊径选择了超声路线。

和钼靶相比，超声有许多优势，比如对亚洲女性致密性乳房敏感度更高，且无放射性影响，可以覆盖育龄妇女。另外，超声设备在中国也更为普及，很多医院都有专门的超声科。

不过基于超声影像开发AI算法却是一条更加坎坷的路。一方面，超声检查是动态操作，影像形式为实时视频，非常考验算法的实时性。这并不容易实现，因为超声设备通常GPU比较低端甚至没有GPU。优图实验室的医疗AI团队花了很大力气才解决这个问题。

另一方面，超声检查的操作手法对结果影响很大，优图实验室的医疗AI团队搜集了来自五六家厂商的超声设备的图像，以保证训练集足够大，数据来源足够广泛。

郑冶枫团队的另一个重要产品，是由李悦翔博士主导的缺血性脑卒中AI辅助诊断系统。

在缺血性脑卒中的检测中，医生需要使用灌注成像生成多个模态的脑部数据以观察病人脑部包括血液流速，血液流量等信息方能确定诊断。由于多模态的介入，医生需要不断反复观察多个数据方能得到诊断结果，该过程十分耗时耗力。

另外，脑部CT图像是通过对患者脑部区域逐层扫描得到的三维数据。但是，目前医生大多基于二维的切片进行观察诊断，使得病灶识别与分割结果在三维空间中缺乏连续性。

郑冶枫团队开发AI智能辅诊系统的目的正是解决这两大问题。李悦翔介绍，这套系统不仅能为医生提供一套完整的全自动化精细识别脑卒中病灶的解决方案，还可以为医生在三维空间中重构出患者的病灶区域，帮助医生更好地了解患者病情并及时给出合理的治疗方案。

虽然之前已经有学者在缺血性脑卒中病灶检测任务中尝试使用深度学习技术以取得更好的分割精度，但受限于数据质量，计算能力和模型优化等因素，模型的准确率仍无法达到落地到医院等实际应用场景的水平。而优图实验室的这套系统凭借优质的数据来源与出色的深度学习网络设计，实现了为医生提供可靠的辅诊判读结果，有望率先进入临床落地。

另外，优图实验室还联合天坛医院在出血性脑卒中的辅助诊断方面进行了许多探索，并取得了初步成果。2018年9月，优图实验室联合天坛医院在全国神经外科年会上演示了这款产品，并获得了一致好评。

破局三大瓶颈

医疗影像AI发展到今天，赛道已经非常拥挤。据不完全统计，国内涉足医疗影像AI的企业已经超过了100家，而且研究方向比较重叠，主要集中在肺结节、眼部疾病等少数几个病种。

郑冶枫认为这无可厚非，因为有些疾病发病率高、数据也相对丰富，医疗影像AI企业很难绕过，优图实验室也不例外。不过优图实验室做好基础病种的同时，也在力求差异化，涉足更多新的疾病，比如宫颈癌内镜筛查等，建立更广的产品线。

另外，作为一个研究型实验室，优图为产品部门提供技术支持之余，也会做很多前瞻性研究。

经过几年时间的发展，医疗影像AI虽然渐趋成熟，但仍然有许多行业性的难题亟待解决，比如基于小样本的模型训练。

得益于庞大的人口基数，中国在医疗数据方面具有天然优势，但对很多病种来说，数据依然是稀缺的。郑冶枫介绍，如果算法要在多中心取得不错的效果，至少需要10000例数据，然而现实中很多病种都无法收集到足够的数据。

因此，优图实验室也在探索用迁移学习或自监督学习的方法基于小数据样本训练模型。

医学影像AI领域的另一个难题在于数据标注。医学影像数据必须由经过专业训练的医生进行标注，而且标注结果不像猫、狗等自然图像可以十分准确。病灶的发展过程是连续而缓慢的，对同一个病灶不同医生会有不同的看法，甚至也可能出现明显的错误。在训练样本有噪声的情况下，如何提高算法的鲁棒性就成了一个行业性的难题。

另外，如何让算法更好地适应多中心数据也值得行业进一步探索。总而言之，医疗影像AI这条道路还远望不到尽头，百米赛跑我们才刚刚起步而已。

郑冶枫希望自己的团队能拿出50%的人员和精力来做前瞻性研究，他认为这样的配置是比较合理的。

生态“核聚变”

在企业做技术，最终还是要回归到商业本质。当医疗影像AI已经具备了临床应用的可能性，如何形成可持续的商业模式便成了行业热议的话题。

医疗行业的特殊性使得产品和商业应用之间隔着一道门槛——CFDA。郑冶枫认为，2019年行业的竞争重心会慢慢转向CFDA注册认证。目前，中检处已经基本理顺了AI产品的审批思路，并和多家医院、企业合作初步完成了眼底和肺结节两个病种的标准数据集建设。

“2019年我们的工作重心也是放在CFDA注册认证上”，郑冶枫介绍，“中间还有很多技术挑战要解决，比如从单中心扩展到多中心，提高算法的鲁棒性” 。

尽管制度已经日趋完善，但CFDA注册认证是一个比较漫长的过程，需要严格遵循流程，每一步都很耗时间，也需要投入一定的资金。郑冶枫认为，这个过程中行业中会发生洗牌，有一些企业会被淘汰。而对于优图实验室来说，除了等待政策下达，需要做的就是不断优化产品，时刻做好准备。

CFDA认证只是医疗AI产品商业化落地道路上的第一道坎，未来如何形成持续的盈利模式仍然有待行业探索。郑冶枫介绍，GPS的做法是捆绑硬件销售，另外美国也有一些独立的计算机辅助诊断公司，它们的做法是进入医保体系，获得收费编码。但在中国，连医生的诊断费用都是非独立的，而是捆绑在检查中，医疗AI产品怎么落地的确是个复杂的问题。但他也相信，市场需求是真实存在的，未来行业自然会慢慢探索出一种能够盈利的商业模式。

对腾讯而言，做医疗影像AI一方面是服务公司的大健康生态，一方面是大企业的责任担当，所以不必执着于一城一地的得失。

依托微信的10亿多用户，腾讯目前已经推出了网上挂号、医疗支付、健康保险等服务。基于公众号，腾讯还做了远程诊断、慢病管理、处方管理等功能……医疗影像AI只是腾讯大健康生态中的一小块，未来随着生态系统逐渐丰富，各个板块间聚变产生的能量将是惊人的。

加入优图实验室正好一年，回顾过去一年的经历，郑冶枫很庆幸自己做了回国的决定。他看到了中国作为一个快速发展的国家，对新鲜事物的开放和包容：政府层面大力提倡人工智能，与医生的合作也非常融洽……离开家人固然是个艰难的选择，但当时代把你推向了十字路口，走出舒适区就将看到截然不同的风景。

长按二维码，关注雷锋网旗下「AI掘金志」