人類健康的道路上，醫(yī)療和醫(yī)藥，是亙古不變的濟世良方。隨著健康中國戰(zhàn)略和《健康中國2030》的落實，大健康產業(yè)將引領我國新一輪經濟發(fā)展浪潮。

前沿領域創(chuàng)新，則是帶動這股浪潮的核心力量。

如何從歷史節(jié)點中找尋機遇，探尋醫(yī)療與科技的結合點，并在合適的時點實現商業(yè)化落地？

在今年的醫(yī)療科技高峰論壇上，19位醫(yī)、產、研、投的行業(yè)領袖，分別從醫(yī)學影像AI、AI制藥兩大賽道出發(fā)，為行業(yè)的發(fā)展提出自己的真知灼見。

四院院士、國際頂會主席、頂級三甲醫(yī)院科室主任、投資界大咖...無論是嘉賓級別，還是議題的多元程度，都是近年來的最高水平。

以下是本次大會的精彩回顧：

潘毅：用第三代人工智能，助力生物醫(yī)學大數據研究

作為上午場的開場嘉賓，潘毅教授以《人工智能在生物醫(yī)學工程中的應用》為題，進行了開場報告。

他提到，生物醫(yī)學已經進入大數據和AI時代，但有很多問題值得反思：每天產生海量數據，但處理數據的水平并不高，主要原因就是計算機科學家不懂生物，生物學家不懂編程，最后產出的成果質量也比較差。

潘毅教授認為：“對于生物學家而言，假設投入幾百萬成本提升研究工具，而最后的結果改進微乎其微，就會讓研發(fā)工具的計算機科學家得不到認可?！?/p>

而人工智能技術，可以應用于人類生命研究和健康管理的多個階段。潘教授著重分享了第三代人工智能技術的前景與應用。他表示，第三代AI系統(tǒng)，是把第一代的知識驅動和第二代的數據驅動結合起來，構造更強大的AI，其關鍵之處就是知識嵌入、多模態(tài)數據融合及結果解釋。

潘毅教授分享了關于“多模態(tài)數據融合”的最新研究，將研究實體如基因、RNA、蛋白質、微生物、代謝物、通路以及病理和醫(yī)學影像數據，用不同層次的網絡來表示，從而可以使用計算方法來探索生物實體之間的潛在關系。

任峰：在失敗率極高的制藥行業(yè)，AI大有可為

第二位演講嘉賓是，英矽智能首席科學官任峰博士，他的演講題目是《人工智能加速纖維化藥物研發(fā)》。

十天之前，英矽智能的全新靶點和新分子結構的候選藥物，成為有史以來，首個進入臨床試驗階段的AI輔助研發(fā)創(chuàng)新藥。

演講中，任峰博士詳細介紹了IPF項目的研發(fā)細節(jié)，以及英矽智能的Chemistry 42、PandaOmics和InClinco三個AI平臺的實際作用。

任峰表示：“AI在新藥研發(fā)上可以做很多事情，例如擅長找到蛋白靶點，或者針對已知靶點進行老藥新用，甚至是用在很多‘快跟’項目上。大家對于AI新藥研發(fā)的想法應該更加深遠，今天想到的新藥分子、新的靶點都還只是一小步，接下來還需要向端到端發(fā)展。"

郭天南：診斷準確率超90%的AI+蛋白質組學技術

任博演講之后，接下來西湖大學特聘研究員郭天南，以《AI賦能的蛋白質組大數據助力精準醫(yī)療》為題，發(fā)表了演講。

郭教授的演講主要分為六個部分：

第一，什么是蛋白質組學；

第二，蛋白質組學在臨床的最新技術進展；

第三，蛋白質組學大數據的新概念，以及AI發(fā)揮的作用；

第四，AI助力甲狀腺結節(jié)的診斷；

第五，AI在尿檢中實現新冠肺炎分類；

第六，將蛋白質轉化為Tensor的多維矩陣新概念。

郭教授表示：“AlphaFold2使用AI技術在蛋白質結構預測上取得突破性進展，但此研究的更大價值將在蛋白質組學中展現。想象一個戰(zhàn)場，需要不同的兵種和武器，它們的性能就是蛋白質結構。要贏得一場戰(zhàn)斗，需要知道各種士兵和武器的數量、性能、運行及修復方式，以及所有軍力在整個作戰(zhàn)系統(tǒng)中的互動，這個過程就是蛋白質組學。這就是蛋白質結構預測和蛋白質組學的關系?！?/p>

演講最后，郭教授還重點介紹了一種新的蛋白質組大數據的展示形式的研究——怎樣將蛋白質組數據轉化成為Tensor的多維矩陣。

“張量可轉化為視頻，每個像素就是某個蛋白質的一個多肽片段，平鋪后可以得到一副有規(guī)律的、就像宇宙的圖像，呈間隔分布，每個間隔都是一個分子單位?！?/p>

宋樂：AI新藥研發(fā)面臨的三大挑戰(zhàn)

上午的第四位演講嘉賓是百圖生科首席AI科學家、ICML 2022大會主席宋樂，他演講的題目是《用人工智能賦能新藥研發(fā)》。

宋樂博士提到，大家在憧憬AI可以在新藥發(fā)現展現巨大作用的同時，還有三個問題要提前考慮。

第一，對一種疾病有足夠了解，就要對身體每個器官，不同細胞的不同作用，細胞之間的通性有足夠了解，這會是一個非常復雜的網絡，需要獲取分子在細胞膜上接受、在細胞里互相調控，細胞里的蛋白質基因表達等等很多種信息。

第二，需要面對包括基因測序、表觀組，蛋白質表達、蛋白質代謝，組織層面、機理層面等不同維度、多尺度數據的融合處理難題。

第三個挑戰(zhàn)，是人與人的層面，AI模型藥物分子或靶點發(fā)現過程中，數據分析與試驗往往是兩波人，他們之間想法有時候比較沖突，有時候溝通比較久，缺乏一個非常高效的系統(tǒng)，將預測、模型輸出和試驗系統(tǒng)進行整合，加速迭代。

圓桌論壇：AI制藥是一場技術革命，找到閉環(huán)是關鍵

上午的最后一場，進入了“AI新藥投資人討論”環(huán)節(jié)，這是國內關于AI新藥研發(fā)的投融資和下一步發(fā)展的頂級討論。由阿里健康投資部執(zhí)行董事秦禎主持，出席圓桌的四位頂級投資人分別是：

高榕資本合伙人楊昆、深創(chuàng)投執(zhí)行總經理、健康產業(yè)基金投資部總經理周伊；邦勤資本總經理&創(chuàng)始合伙人劉明宇。

圍繞AI新藥研發(fā)產業(yè)的發(fā)展現狀和資本傾向，深創(chuàng)投執(zhí)行總經理周伊先發(fā)表了自己的看法。

他認為，AI制藥剛剛起步，通過AI制藥技術來發(fā)現的分子或者靶點，還沒有得到臨床的驗證。如果后續(xù)更多的案例可以跑通，大家對AI的信任度和依賴性會越來越高。“我不希望AI制藥也像AI醫(yī)學影像一樣，大起必然會有大落。對創(chuàng)業(yè)者來說，AI制藥是一個不錯的選擇，但不要太著急，做藥本來就慢，還是需要跨過很多坎?！?/p>

邦勤資本總經理劉明宇認為，“如果新工具是一場技術革命，就有可能顛覆傳統(tǒng)的游戲規(guī)則。AI制藥目前還需要一定突破口，去驗證和傳統(tǒng)的思維方式的差異，但AI制藥的‘工具’屬性更強。”

圓桌對話中，四位投資人還討論了AI制藥高風險的問題。

對此，高榕資本合伙人楊昆表示，對于AI制藥的前景和風險，需要從產業(yè)閉環(huán)的角度來看問題。以AI診斷為例，在臨床中有實際作用，但其商業(yè)化表現在中美各異。而AI制藥的試金石會來得更快。

目前很多AI研發(fā)藥物處于臨床前期階段，一旦進入臨床階段，會面臨兩個問題。首先，進入臨床階段意味著企業(yè)將進入新藥公司估值體系；其次，AI篩選出來的分子對比科學家研究出來的分子效果幾何有待驗證，新藥研發(fā)天然有一定失敗率，也將對行業(yè)和企業(yè)造成一定影響。未來兩年，AI制藥企業(yè)可能迎來“上天”和“落地”的分化。

阿里健康投資部執(zhí)行董事秦禎總結道：生物計算，更多會從靜態(tài)預測往動態(tài)方向走，AlphaFold2是一個三維結構的構象的截圖，未來對它的預期會從照片變成錄像，真正看到蛋白如何運動。

另外，從蛋白質的預測到RNA二級結構，現在還有三級結構，把它的結構和運動連接在一起，這也是一種趨勢。

第三，干濕實驗數據結合，要不斷地有閉環(huán)，有新的真實實驗數據，再反哺到算法里面去，這也是大家期待看到的AI制藥趨勢。

蕭毅：醫(yī)學影像AI已有頭部效應，三個價值將得到驗證

在醫(yī)學影像AI分論壇的開場報告中，上海長征醫(yī)院影像科的蕭毅教授發(fā)表了題為《醫(yī)學影像AI發(fā)展的變量與新動能》的演講。

蕭毅表示，隨著對疾病診療認識的增加，醫(yī)學影像人工智能產品也進一步橫縱結合，往更深更廣發(fā)展,而完整的解決方案才是真正服務于臨床的好的產品。

蕭主任以目前行業(yè)內較為領先的幾家AI公司為例，分享了它們在臨床、科研方向上的布局。

但是，醫(yī)療AI依然面臨商業(yè)化難題，“ AI頭部企業(yè)現在還有著失血之痛，沒辦法進入醫(yī)保，頭部AI公司即便已經完成IPO，也處于只流血、無輸血、不回血的商業(yè)斷鏈的窘境?！?/p>

不過，放眼未來，在分級診療的大背景下，基層醫(yī)療機構的服務需求將快速增長。與此同時，三類證陸續(xù)下發(fā)，頭部公司充分展現良好的臨床、經濟和社會的價值后，醫(yī)療AI企業(yè)將迎來新的創(chuàng)業(yè)命題和新的增長周期。

張笑春：方艙共享醫(yī)療體系，是大勢所趨

張笑春主任是廣州婦女病兒童醫(yī)療中心影像部負責人，現任中國醫(yī)療器械行業(yè)協會方艙醫(yī)療分會主任委員。

她表示，5G+AI+腦機接口等新技術的革新，已經讓現在的醫(yī)療生產關系發(fā)生了巨大的改變。張笑春主任著重分享了“方艙共享”醫(yī)療模式的建設成果。

她認為，后疫情時代，醫(yī)療執(zhí)業(yè)人將開啟怎樣的醫(yī)療模式？一定是建立具備某種功能或者組合多種相關功能的移動智慧共享集成的功能載體，也就是方艙共享醫(yī)療體系，這是大勢所趨。而醫(yī)生、科學家、企業(yè)家、政府職能管理者，要有一切工具皆為我所用的心態(tài)，要有駕馭高級智能工具的能力和信心。

袁進：以前我們談眼科人工智能，今后要談智能眼科

作為分論壇的第三位講者，中山眼科中心副主任袁進教授在近幾年積極帶領團隊完成超高分辨率OCT、眼科多模態(tài)成像系統(tǒng)等眼科新型成像設備的設計與評價，以及眼科人工智能診斷云系統(tǒng)等智能分析技術的開發(fā)。

在演講中，袁進教授表示，AI產品的研發(fā)有三要素：算法、算力和數據。而數據是至關重要。

為了方便研發(fā)人員進行產品開發(fā)，中山大學中山眼科中心將金標的眼底數據集進行了全球公開免費發(fā)布，命名為iChallenge。目前，全球已經有2000多個團隊利用該數據集開發(fā)了臨床AI應用。

袁教授認為，以前行業(yè)談論更多的是眼科人工智能，現在這個概念應該擴大為“智能眼科”：以人工智能，以及5G、可穿戴、高清成像技術、新一代機器人等新時代的技術，融合到臨床上應用，打造真正的智能眼科，而不僅僅局限于眼科人工智能這樣的概念。

目前，袁教授團隊正在與深睿醫(yī)療合作，推進一個全天候、多場景、交互式的視覺功能導航系統(tǒng)，打造一個對低視力和盲人的全新智能視力輔助系統(tǒng)，以改變這類人群的生活質量。

李育威：醫(yī)療AI產品未來商業(yè)化的確切道路

下午的第四場演講嘉賓是科亞醫(yī)療首席科學家李育威，他演講的題目是《從臨床需求出發(fā)-AI產品的商業(yè)化之路》。

在上午的演講中，有投資人曾提到醫(yī)學影像AI的商業(yè)化難題，而作為我國醫(yī)學影像AI三類證產品的首證企業(yè)，科亞醫(yī)療也是做過最多醫(yī)療AI產品商業(yè)化探索的先驅者之一，在演講中，李育威博士對于醫(yī)療AI產品的研發(fā)、臨床驗證與合規(guī)性落地、物價審批與商業(yè)化模式進行了介紹。

李育威博士表示，作為行業(yè)的頭部企業(yè)，回顧科亞醫(yī)療過去幾年的發(fā)展，其實特別像整個醫(yī)療AI的進化史，我的感受有兩個：一，不容易；二，幸運。

“最早在2016年我們就開發(fā)了深脈分數的核心算法，當年年底已開始進入臨床試驗，之后從2018年進入藥監(jiān)局創(chuàng)新醫(yī)療器械特別審批通道，到2020年初正式獲批，落地時間周期大大超出了我們作為科研人員的意料；”

“而幸運也是同樣的原因，我們有幸成為了填補國內醫(yī)療AI產品監(jiān)管落地空白的第一家獲批企業(yè)，從零開始和監(jiān)管部門，尤其和藥監(jiān)局一起探索出怎樣才能讓我國醫(yī)療AI產品落地，讓科亞積累了深厚的醫(yī)療AI產品商業(yè)化經驗，懂得如何從最開始就圍繞醫(yī)療AI產品商業(yè)化，進行有針對性的產品設計、數據及算法研究到臨床應用的落地。”

黃峰：傳統(tǒng)影像設備公司，要學會“修路”和“通車”

下午的第五位演講嘉賓是東軟醫(yī)療首席科學家黃峰博士，他的演講題目是《AI助力解決醫(yī)療痛點問題的路徑探索》。

黃峰博士表示，大家對于傳統(tǒng)影像設備公司的人工智能應用，最多的概念是自動擺位、快速重建、低劑量CT成像等等圍繞設備的人工智能應用，但是如何能夠進一步滿足用戶的臨床需求？

基于醫(yī)療AI的落地、商業(yè)化、醫(yī)療資源不足和分布不均勻等問題和現狀，東軟醫(yī)療研發(fā)了一個平臺MDaaS，致力于連接醫(yī)療設備和醫(yī)療影像數據，從而服務于醫(yī)療生態(tài)的各方，并對從設備到醫(yī)療機構、政府、科研機構、患者等所有利益相關方進行整合。

具體來說，黃峰博士認為MDaaS主要做兩件事，修了路和通了車。

修路是指，MDaaS在內部搭建了幾個不同場景的平臺服務，包括面向基層的醫(yī)療機構智能影像公有云平臺NeuMiva，面向專科化疾病的智能診斷和分級診療的腦卒中平臺e-Stroke和肺部疾病平臺eLungCare。

通車是指，實現生態(tài)鏈互聯互通，把設備、醫(yī)療服務提供者、患者、政府、科研機構和第三方服務提供者連在一起，實現數據互通互聯，以及人工智能產品應用。

IEEE Fellow圓桌對話：做高水平的學術研究和產學研的對話機制

醫(yī)學影像AI分論壇的IEEE Fellow圓桌對話，由雷峰網(公眾號：雷峰網)和圖像計算與數字醫(yī)學國際研討會（ISICDM）聯合主辦。由南方醫(yī)科大學生物醫(yī)學工程學院的馮前進院長主持，出席的各位嘉賓分別是：

蔣田仔，中國科學院自動化所研究員、IEEE Fellow；

周少華，中國科學技術大學講席教授、IEEE Fellow；

李純明，電子科技大學電子工程學院教授、IEEE Fellow；

彭漢川，東南大學腦科學與智能技術研究院創(chuàng)院院長、IEEE Fellow；

鄭冶楓，騰訊天衍實驗室主任、IEEE Fellow。

在當天的對話中，六位嘉賓的討論主要以治學和產學研融合兩個層面展開：

關于治學層面。蔣田仔教授認為，大家都希望做高水平科研，但什么是高水平科研是一個認識過程，每個人的標準可能不一樣，同一個人在不同的時期也不一定一樣。蔣田仔教授從本科到博士都是數學專業(yè)，在2000-2010年的十年里基本都在從事臨床基礎研究，發(fā)表了一些高水平，但無法解決臨床現實問題。在申請973項目時確定以臨床需求為切入點，做對學科和社會有意義的研究，這樣的論文才會體現其真正的水平和價值。

對于這個想法，周少華教授給予了認可，他表示："在西門子醫(yī)療工作時，是誤打誤撞才有幸進入了這樣的研究，做的很多問題都來自于臨床，醫(yī)學影像的學術研究，從臨床問題切入是一個比較好的途徑，臨床問題是許多重要問題的來源?！?/p>

李純明教授也認為：“醫(yī)學影像的技術研究不能迷信某一種技術，例如大家對深度學習的研究非常多，在很多領域都應用得很好，但也不能什么問題都用深度學習解決。最終要看能不能解決實際問題，滿足臨床需求，而且切實幫助醫(yī)生提高工作效率，造?；颊??！?/p>

各位學者討論的第二個話題是產學研如何實現融合。

彭漢川教授認為，醫(yī)生有很多實際的工作痛點，都可以由工科人來解決。例如，醫(yī)生需要把接觸到的數據樣本或者臨床樣本記錄下來，這就需要一些順手的標注工具。因此，在十幾年前，彭漢川教授就開發(fā)了一套工具，讓醫(yī)生能夠有效對三維數據進行快速標注。

作為騰訊天衍實驗室的負責人，鄭冶楓博士也從產業(yè)角度，介紹了自己開發(fā)主動脈瓣膜微創(chuàng)置換手術導航系統(tǒng)的經驗。他表示，在不掃X光、不打顯影劑的情況下，準確找到瓣膜位置相當困難。也正是在和醫(yī)生交流后，甚至是穿上鉛衣到手術室觀摩之后，才有了導航系統(tǒng)的建設思路。

最后，馮前進院長也作了總結，他認為，不同的觀點需要充分表達，這是一個論壇的價值所在。醫(yī)學影像分析是一份跨界的工作，需要研究者們從實際的臨床問題出發(fā)，不斷優(yōu)化方法和結果。相信，五位IEEE Fellow的治學經驗，也一定能為國內的青年學者指明一條清晰的成長路徑。

由于篇幅有限，GAIR 2021醫(yī)療科技高峰論壇的嘉賓演講與圓桌對話精華，后續(xù)將會單獨推出，敬請期待。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。