独家唇枪舌战,7位顶级专家激辩AI医

在近两年掀起的这股医疗AI浪潮中，产、学、研、医密切合作已经成了行业共识。但从目前的发展来看，大家显然还没有找到最舒适的合作和创新模式，AI科研成果的产业转化并不顺畅。

AI技术在医疗领域的应用前景究竟如何？什么样的产学研医合作模式才能最大限度地推动AI技术在医疗领域落地？

为了促进产学研医的深入交流与合作，日前国际数字医学会、中华医学会数字医学分会、中华医学会病理学分会、电子科技大学电子工程学院联合举办了图像计算与数字医学国际研讨会（ISICDM）。在大会的圆桌讨论环节，多名分别来自学术界、产业界和临床一线的嘉宾就这些话题展开了深入交流。整个圆桌讨论长达3小时。

在圆桌讨论的前半部分，美国北卡大学沈定刚教授，医院周鹏博士，中华医学会病理学分会主任委员、原四川大学副校长步宏教授，视见医疗创始人陈浩博士，微软亚洲研究院副院长张益肇博士，医院放射科主任医师唐立钧博士，科大讯飞医疗CEO陶晓东博士（嘉宾名单按座位顺序从左往右进行排序），围绕“AI在医疗领域的应用”“AI与医生的关系”“深度学习是否是‘万金油’”“深度学习在医疗中的不可解释性”，以及“医生和AI专家的合作方式”等话题展开了思想交锋（独家

唇枪舌战，7位顶级专家激辩“AI+医疗”（上））。

紧接着，微软亚洲研究院副院长张益肇博士，美国印第安纳大学黄昆教授，美国硅谷企业创新者组织合伙人、IEEEFellow、前西门子美国硅谷创新中心总经理徐晨阳博士，湖南大学刘国才教授，德国SurpathMedical公司创始人谢卫国博士，青岛美迪康数字医疗有限公司研发部赖永航经理，科大讯飞医疗CEO陶晓东博士，浙江大学孔德兴教授（嘉宾名单按座位顺序从左往右进行排序），又就“产学研医的合作创新之路”这一议题展开了热烈讨论。观点犀利之余不失幽默。

以下是圆桌讨论内容（下篇），雷锋网做了不改变原意的编辑：

哪种产学研医的合作模式最理想？

主持人：我们接下来讨论的主题是“产学研医合作的创新之路”，请几位嘉宾结合自己的经历谈谈，您认为哪种产学研医的合作模式最好，或者现有合作模式有哪些不足。

张益肇：我觉得产学研医合作要做好两点：一、大家沟通的时候要清楚彼此的期待，知道合作中各自想要的是什么；二、每个人专注于自己的专长。极有天分的人毕竟是少数，对大多数人而言，做好一件事情相对容易，同时做好两件甚至三件事情非常难。只有大家各自专注自己擅长的事情，才能更好地发挥产学研医合作的效果。

黄昆：我来自印第安纳大学。我本科学的生物，博士读的电子，但过去十三年一直在医学院工作。我看过很多合作形态，但迄今为止还没有看到很好的模式。我想强调一点，过去我看到的很多合作之所以进展得不好，很重要的一个原因在于，学理工、医学和生物的人之间存在文化差异。学理工的人主要追求模式和方法的创新，学医生或生物的则以结果为导向，更看重结果和解决实际问题。我们合作时必须充分考虑到这一点，才能平衡各方的意见。

另外，大家还应该建立长期的合作关系。这个愿景很美好，但实现起来不容易。我以前有个朋友说，找人合作就像相亲。你可以跟很多人相亲，但最后只和一个人走向婚姻。我认为我们应该像经营婚姻一样经营彼此间的合作。

徐晨阳：我在西门子工作了十七年，最开始负责医疗影像，后来在硅谷创业中心担任总经理。我最近离开了西门子，在硅谷的企业创新者联合会负责创新中心的投创工作。我们经常会举行长期研讨会，分析先进技术的应用前景，加速其商业化落地。

上半场讨论中出现最多的一个词汇是“碰撞”，我认为“碰撞”十分重要。产学研医合作最大的障碍就是，各个学科之前存在一堵“墙”。假如我们能多创造一些机会，比如举办今天这样的会议和论坛，把这堵“墙”去掉，让大家相互碰撞，就能增加许多相互间的理解。比如通过今天的会议我们就了解到，医生平时都非常忙，企业找医生是真心想合作的，并不只是来要数据。

我希望今天这个会议明年可以继续举办，为大家创造持续碰撞的机会；同时我也希望大家回到各自的岗位之后，能够继续交流碰撞。

刘国才：我大概从年开始从事医学影像方面的研究；年又前往美国加州大学戴维斯分校研究PET/CT。回国后我一直在思考，如何将PET提供的肿瘤生物信息应用到化学治疗当中。我从医院合作，尝试解决放射治疗领域的三大难题：一、精准定位，即找到肿瘤的边界，要求误差在2mm以内，我们目前的精度还远远不够；二、精确计划，计算出治疗的剂量；三、准确实施。这是一个非常复杂的过程。

我认为，在产学研医的合作中，医生的主要工作是提需求，把问题定义清楚。然后由工科学者提供解决方法，产业界再把方法做成产品，最后回到临床来验证，解决临床中的实际问题。为了把我团队将近八年的努力产业化，我最近成立了一家公司。

谢卫国：我是瑞士伯尔尼大学的生物工程学博士，同时也是德国SurpathMedical公司的创始人。我曾经就职于中国和德国西门子医疗，以及德国海德堡大医院。

如果我们把产学研医的合作想象成一个钟表，产、学、研、医分别按照12、3、6、9点钟方向排列。目前国内比较常见的是“逆时针循环”的模式：临床触发需求—研究界推动—学术界跟进—产业界配合。乍听起来似乎没什么问题。但这个循环中最关心临床问题是否得到解决的是谁呢？当然是医生，其次是产业界。

为什么产业界会排在研究界前面？我读博士期间，我的博士生导师曾经跟我说，如果一个课题已经有了算法，不能发表论文，那就不要去做了。也就是说，研究界追求的是“新”；工业界做的往往不是最新的东西，但却是最实用的。因此，我认为正确的循环模式应该是顺时针的：临床触发需求—产业界推动—学术界跟进—研究界配合。只有这样才能真正推动临床问题的解决。

据科技部公开数据，虽然这两年有很多的项目，但真正通过CFDA，落实到临床的只有一个。所以我认为，接下来我们应该转变思维模式。

另外，我也同意张院长的观点，循环中的各个环节要各司其职。我经常碰到学术界的人想要做产业，但我认为学术、科研和工业是有区别的。学术成果进展到一定程度后，一定要让产业界来接手，才能真正把它做好。学术界和产业界的驱动力不同，如果既做学术又做产业，很难将二者划分清楚。假如我是医生，那么我就只提供标记好的数据，由合作的企业来做临床解决方案，而不是我自己跨界来做。

赖永航：我是青岛美迪康数字医疗有限公司的研发部经理赖永航。我想简单介绍一下我们公司在产学研医当中所处的位置。

我们公司是做为唐主任等影像科医生日常工作服务的医学影像管理系统的，是决定数据质量的重要因素。对于AI来说，数据的质量非常重要。就像陶博士说的，如果输入的数据是垃圾，那么输出的结果必然也是垃圾。为什么现在很少见到用AI做文字处理的公司？原因就在于文字和语音的数据质量远低于影像和病理图片。

另外，最新研究成果在影像科的应用也必须借助我们的平台。比如让机器人看片子，首先要通过我们的系统把片子传给它。

陶晓东：我认为产学研医的合作，要根据不同的情况来选择合适的合作模式。

这里我主要谈谈产学研医合作的挑战。我认为产学研医合作最大的挑战在于，如何兼顾这四个领域不同的激励机制。以学术界为例，对学术界来说可能需要失败次才能收获一个有用的成果。只有成功的结果才能发表论文，帮助研究者评职称。但对工业界而言，知道次失败的原因也很有价值。我们需要找到一种平衡各方利益的合作模式。

另外，前面提到科技部有很多项目，但只有一个通过了CFDA。我们究竟该用什么标准衡量产学研医的合作是否成功？是以学者发表了多少论文，企业赚了多少钱，还是有多少技术真正服务到了病人？我这里没有答案，只有问题。

孔德兴：我是学数学出身的，是浙江大学数学学院的老师。我们团队认为，在中国特殊的大环境下，“产学研医”的完整提法应该是“政产学研医用”。所谓“政”是指，要考虑政府的态度，征求国家卫计委和各个相关部门的意见；同时做的研究要符合中国国情，帮助解决“看病难、看病贵”的难题。“用”是指，学术界、医生、技术人员，以及其他方面的力量，必须联合起来推动技术的落地，实实在在地解决临床问题。

年，我们在浙江成立了浙江数理医学学会，当时学会只有多位成员。经过一年多的发展，截止去年12月，我们已经发展到了多位成员，其中多人是主任级以上的医生，其余是数学、计算机、物理学等领域的专家。我们这个学会希望能围绕医生提出的问题做一些研究，并最终应用到临床当中。

如何进行数据的标准化和开放？

主持人：美国NIH建立了很多疾病的公开数据库。他们花了很大的功夫做数据清理，请了多达四位数——甚至五位数的医生来做数据标记。我想请教黄教授，美国是怎么做数据标准化和数据开放工作的？

我们印第安纳大学正在建立一个data

转载请注明：http://www.ningbohuodai.com/yyzc/12619.html