在剛剛落幕的WAIC2020中，一項叫做“奕診人工智能全專科輔助診療系統(tǒng)”的產(chǎn)品獲得了世界人工智能大賽的第二名。

這套系統(tǒng)主要用于提升醫(yī)療服務中分診及看診環(huán)節(jié)效率。產(chǎn)品來自奕診智能，一家人工智能醫(yī)療服務應用公司。團隊中AI和計算機方面人員主要來自斯坦福大學和硅谷，經(jīng)過15年及數(shù)億元資金的投入才研發(fā)出前述系統(tǒng)。

具體而言，奕診系統(tǒng)的醫(yī)療問診艙和移動問診機器人搭載于iPad Pro上，護士可以根據(jù)操作界面對病人提問并進行分診，并依病理自動匹配相應科室和最適合的醫(yī)生。

等病人到達診室時，醫(yī)生可以在3到5秒內(nèi)完全瀏覽病人的生命體征、主要訴求，還有現(xiàn)病史及相關(guān)病歷。不僅如此，在排除高危病癥后，系統(tǒng)會自動幫助醫(yī)生推進診斷流程，包括建議查驗項目并根據(jù)最終診斷生成處方，一同生成的還有病人的電子病歷。

“對醫(yī)生來講會省掉非常多的時間。”奕診智能CEO戈家霖表示。

據(jù)戈家霖介紹，奕診AI平臺的優(yōu)勢在于覆蓋了大內(nèi)科多專科的知識圖譜與多維度人工智能推理引擎。其中， 奕診知識圖譜涵蓋心血管科、呼吸科、消化科、神經(jīng)內(nèi)科、腎臟內(nèi)科、內(nèi)分泌科、感染科、腫瘤科、免疫科、普通外科、婦科、兒科等12大專科、4000余種疾病。

對于這樣的醫(yī)療輔助系統(tǒng)，患者和醫(yī)院最擔心的在于結(jié)果的準確性。據(jù)了解，奕診的解決方法是在采取深度學習及病歷大數(shù)據(jù)來構(gòu)建算法和知識模型之外，加入了全球醫(yī)學文獻上的醫(yī)學知識為數(shù)據(jù)源，并加以知識工程、專家標注。

戈家霖透露，自2005年以來，作為學習對象的脫敏電子病歷有近4億5千萬份、醫(yī)學文獻有1000余萬份，由此建立的多學科醫(yī)學知識圖譜包含十億關(guān)聯(lián)神經(jīng)元。

在落地方面，目前奕診AI系統(tǒng)已在上海第十人民醫(yī)院上線并提供智能分診服務。其中，蘋果的硬件設備扮演了重要角色。

據(jù)了解，iPad Pro是移動問診機器人及座艙式問診檢傷機器人的主要硬件，通過物聯(lián)網(wǎng)技術(shù)集成外部的感應以及測量裝置。奕診智能系統(tǒng)和整個公司開發(fā)均在Mac上面完成。團隊內(nèi)部使用iPad、 iPhone以及Mac進行辦公和研發(fā)。

戈家霖表示，選擇與蘋果合作的原因是展示平臺除了要求具備設計感和良好觸感以外，還需要易操作性、數(shù)據(jù)安全性、系統(tǒng)穩(wěn)定性和較強的續(xù)航能力。

目前，通過iPad Pro上搭載的移動問診機器人和醫(yī)療問診艙已經(jīng)產(chǎn)生明顯效益。據(jù)介紹，在上海市第十人民醫(yī)院，高危患者分診到搶救室已從過往的60至90分鐘減少至小于3分鐘，分診后二度轉(zhuǎn)診率（即分診出錯率）從31%下降到3%，醫(yī)生給每位患者的看診時間平均減少1.5分鐘，并在診斷水平上較大幅度減少誤漏診。

此外，據(jù)該醫(yī)院護士反饋，護士采集患者癥狀的比率已從系統(tǒng)上線前的20%提高到98%以上，護士整體分診準確性從70%上升至97%，護士分級分診培訓時間也從原來至少5個月的師徒培訓縮短到現(xiàn)在的1小時。

人工智能企業(yè)在2018年走上了投資風口，但過去一年來該行業(yè)正在壓縮泡沫的消息不絕于耳，尤其表現(xiàn)在資本對公司估值的打壓上。作為一家AI企業(yè)的CEO，戈家霖并不否認這一行業(yè)現(xiàn)象。

“原因是在過去兩年，國內(nèi)所謂的人工智能都是在用AI之中一個非常局限性的科技，（例如）通過機器學習來做影像方面的處理。它的特性是科技的壁壘并不高，但需要的數(shù)據(jù)壁壘特別高。”他告訴界面新聞記者，“事實上這個根本不是重點，因為AI在（醫(yī)療）這種行業(yè)里面，對它的設備和環(huán)境都有相當高的敏感性。”

因此，在醫(yī)療服務領(lǐng)域，他用以防止這種壁壘差異的方式在于加強機器學習的推理性，以打破設備在不同環(huán)境下的局限性（例如設備到達不同的醫(yī)院都要重新學習）。在此基礎上，結(jié)合知識圖譜及人機結(jié)合的操作方式，戈家霖認為公司的壁壘要高于“兩年之內(nèi)突然間起來的泡沫”。

他還表示，公司目前已經(jīng)投入3億元到4億元資金在相關(guān)研發(fā)中，也得到了投資人的認可，“所以我們并不會那么擔心估值壓縮的問題，那是我們預料之內(nèi)的事。”