硬创先锋 | 百度5年深耕NLP 他把聊天机器人变成你的“全科医生”

2017 年 7 月 21 日 智东西 Lina

聊天机器人见得多了，聊天机器医生你听过吗？

智东西文 | Lina

随着人工智能技术的发展，AI也开始逐步在各行各业中落地应用，发挥自己的价值，其中医疗由于涉及国计民生，并且行业较为传统，有不错的发展空间，自然也就成了一块被众人看好的AI应用领域。2017年里，“AI＋医疗”已经成了一个逐渐火热的话题，智东西此前也在医疗影像识别、辅助问诊、医疗单据数据化等领域做过相应采访。

今天，智东西来到了另外一家AI医疗创业公司康夫子，与创始人兼CEO张超聊了聊。据张超介绍，康夫子专注于为B端客户提供基于医疗数据的AI服务，核心技术包括知识图谱、NLP（自然语言处理）等，曾推出医疗预问诊系统“全科医生”、病历数据结构化服务等产品。

一、五年百度NLP经验

初见张超，瘦瘦高高的，戴着眼镜，笑容很灿烂。

据张超介绍，康夫子成立于2015年，至今已经经过了种子轮和天使轮两轮融资，目前A轮数千万元融资即将结束：其中天使轮融资将近一千万，由晨兴创投投资。

张超本人此前曾在百度搜索有5年的NLP部门资深研发工程师经历，同时也是文本知识挖掘方向负责人，并负责有关知识图谱和实体建模（这几项技术后文将会进一步解释）。而公司的另外两位合伙人也都是百度出身：分别是负责整体架构的前百度高级研发工程师张冲、以及技术合伙人/前百度NLP高级研发工程师栗晓华。目前康夫子的团队大约有30人，其中大部分都是百度NLP部门出身，约20人属于技术研发。

张超说，其实一开始有创业想法的时候，最早找的是张冲。“我是周三约的他，我们周五见的面，约的是新中关下面的星巴克，那时候他已经（从百度）离职了。”两人几乎是一拍即合，迅速敲定了发展方向。

栗晓华则是张超“六顾茅庐”请出来的人物。此前栗晓华跟张超在百度里是关系非常好的朋友，曾经几次三番因为“好朋友不要在一起创业”而拒绝了张超的邀约。

（从左到右：张超、栗晓华、张冲）

二、深耕知识图谱，团队经验丰富

作为同时出现在昨日国务院印发的《新一代人工智能发展规划》中的重点人工智能技术，NLP（自然语言处理）我们已经很熟悉了，比较很好理解；可“知识图谱”是个什么？

2012年5月，谷歌在其官方博客上发表了一篇名为《Introducing the Knowledge Graph: things, not strings》的文章，介绍了谷歌借助知识图谱，将搜索技术从关键词到实体的飞跃，也就是让机器学会理解关键词所代表的实际含义。

至此，知识图谱概念开始慢慢兴起。

张超介绍道，知识图谱就是实体和实体关系的总和，我们可以理解成一张由实体（entity）相互连接而成的语义网络。

（图源：网友高天蒲《什么是知识图谱》）

在图中可以看到，通过实体的属性可以将不同的实体建立关联关系，例如:

1）刘德华 (实体)– 妻子(属性) -> 朱丽倩(另一个实体)
2）刘德华 — 电影作品 -> 无间道
3）无间道 — 制片国家/地区 -> 中国香港

最终得到的知识图谱就是一张实体和实体关系总和的图片。

以搜索引擎为例，随着数字信息的指数式增长，“关键词搜索”已经不能满足用户的精准需求了，搜索引擎需要识别出内容中出现的实体以及实体关系，准确理解用户的搜索意图，并给出精准的回答。而知识图谱中技术所面临的挑战又包括实体识别、消歧（重名，别名）、实体关系挖掘等，归根到底又是NLP自然语言处理的技术了。

张超说，知识图谱的构建需要通过信息抽取技术（Information Extraction, IE）来实现，而信息抽取技术现阶段并没有太好的解决方案。所以整体上来讲信息抽取是一门“熟练工种”的技术，“熟”才“能生巧”。由于康夫子的团队普遍具有多年的实战经验积累，曾基于百度大量语料库做过信息抽取，能够总结出适于实战的方法论，知道如何对数据进行快速结构化。

知识图谱的方法是清晰的：实体提取，关系提取，图谱存储和检索。但由于这仍是一门非常年轻的学科，单从论文、教科书上进行理论知识研究并不足够，需要在实践中将众多的“坑”一个个踩遍，才能真正落地到产业中去，得到成效。

“我们的优势是经验多，做得快，别人做一个维度需要一个月，我们只需不到一周。医疗有100多个维度，我们已经做到7、80维了。”张超带着点小自豪地对智东西说着。

三、基于知识图谱，打造三项医疗法宝

目前，康夫子的主要合作伙伴是为医院提供软件平台（比如HIS医院管理和医疗活动信息化系统）的企业，核心产品有以下几类：

1）“机器人全科医生”（医疗chatbot）

“机器人全科医生”其实是一个设立在医院挂号处的机器，内置了康夫子的预问诊系统，类似一个医疗类的聊天机器人（Chatbot）。在输入/点选了姓名、性别、年龄后，用户可以输入相应症状，比如“肚子疼得厉害”，系统将会模仿一个全科医生一样，一步步询问病患的病情，比如“腹痛最在是在什么时候出现的？”、“属于以下哪一种疼痛？”等等。

（图为康夫子全科医生的iOS SDK）

问到最后，系统将会告诉用户，根据以上症状，你有73％的可能是肠炎，需要去消化内科问诊。与此同时系统还会生成一个用专业医学术语描述的病历，并将这份病历发给消化内科的医生，提高了医患沟通效率，节省了时间成本。目前这套系统已经在张家港第一人民医院中进行线上测试了。

除了提高挂号效率外，未来这套预问诊系统还可以应用在急诊救护车上，在救护车运送患者途中，可以由救护人员预先采集患者信息，提前预备相应医生。

2）病历结构化

这么多年来，医院存贮的患者病历通常都是一段病情描述——这属于无结构化数据，非常不利于信息的检索与分类。而且医疗数据的维度普遍很高，光是高血压一项，就有“曾经诊断出、现在诊断出、未来可能诊断出”等不同结果。

再比如，“一名病患住院第一天没有咳嗽，第二天使用了某种药物时出现咳嗽，并在24小时内出现高烧”，在这个案例中，药物、住院历史、患者病情属于不同的关联文档，并且需要按照时间线排序分析，再加上各个查房护士对同一症状的描述方式可能不同，造成医疗数据异常纷繁复杂。

康夫子的做的就是将这众多数据进行结构化处理，最后得出一个可供医生点选搜索的病历平台。比如“患者性别＝男”＋“疾病名称＝感冒”＋“疾病史!=糖尿病”等等，最终得出2007年3月某日的某个用户病历。

3）临床辅助系统

跟前两项一样，康复子的临床辅助系统也是一套基于康夫子NLP（自然语言处理）技术的产品。这项技术将会植入到医生填写病历、开具药品、检查单的系统里，在根据医生填写的病历理解分析了患者病情后，系统会给出推荐的治疗方案。

不过，这个系统并不会改变医生的工作流程，医生填写病历、点选药物、开检查单等动作都与之前一模一样，唯一不同的是在填写完毕后系统会出现一个小弹窗：系统在分析完医生填写的病历后，会给予查漏补缺式的提醒（比如某两款药物也许存在冲突），医生可以选择听从它，又或者是直接忽略。

目前这款产品正在打磨阶段，张超表示，康夫子正在和一家三甲做医疗调研，预计年底将会上线。

四、从2C到2B，康夫子的转型之路

其实，2015年成立之初的康夫子最早定下的方向为：从孕妇群体切入，做饮食营养的知识图谱。基于基于孕妇人群对营养尤为看重这一基础，以孕妇的饮食分析为切入口，推出了孕食App；孕妇在App中记录饮食情况后，“饮食记录分析”功能，能根据内化的营养学知识图谱输出分析报告以及饮食建议。

然而，医疗类App首先面临着作为C端产品难以变现的问题，而这也是2014-2015年那一波兴起的互联网+医疗App所面临着的一个共性问题；其次，营养知识问题虽说是孕妇刚需，但它并不具备一个严格的标准，常常东家西家各执一词（比如究竟应该饭前吃水谷还是饭后吃水果……），很难让人信服。

2015年底到2016年初，团队开始思考转型之策。由于团队本身的强项仍旧是多年的知识图谱、文本分析技术积累，而医疗健康仍旧是康夫子看好的领域。几经考虑之下，2016年4月，团队最终决定转型B端，并且选择医学这类有严格界限，更加适合使用机器进行理解分析的领域。

张超表示，目前康夫子的合作伙伴已经覆盖了全国前十大的HIS医疗信息化公司中将近一半的企业，其问诊交互服务也应在搜狗名医、360良医网站上线，当用户在这些网站搜索“咳嗽”或者“肚子疼”时，系统将会给出可能的疾病类型，比如“可能57%是感冒，4％是支气管炎，3%是咽炎……”

结语：从营养到医疗，初见成效的B端之路

在和张超交流的过程中会发现，在他身上有着和无数技术出身的创业者所类似的特质，逻辑思维清晰、执着、谈起技术来非常兴奋、并且对自己及团队的能力有着足够的信心与自豪。在经历过从C端到B端，从营养到医疗的转型后，康夫子的业务推进路线已经逐步成效初显，在优化问诊流程、医疗数据结构化方面有了不错的进展。

在这个医疗数据纷多繁杂的时代里，医疗信息的数据化、结构化、以及信息检索的重要性也日益凸显。在这样的背景下，有创业团队选择做医疗信息数据化的单据识别（比如智东西此前采访过的医拍智能），而康夫子选择的路线则是在数据化的基础上对数据进行结构化、图谱化处理，并且凭借公司创始人及团队在百度多年的经验与技术积累，打入医疗信息化企业，取得了不错的成果。