匯醫慧影柴象飛：AI應該更關注如何幫助醫生，而不是指導醫生

10餘年國外醫學影像的臨床科研經歷對柴象飛影響深遠。回國進行影像AI創業2年後的今天，他身上依然透著一股嚴謹。這是初見柴象飛時，他給我的第一印象。

從科研工作者到創業者

現年34歲的柴象飛博士是典型的北方人，高大溫和，戴著眼鏡。鏡片後的眼睛裡透著幾分睿智和深沉。創業之前，他在學校和科研領域都著光鮮的履歷。

大學畢業後柴象飛前往歐洲求學，先後在比利時魯汶大學醫學影像中心、荷蘭阿姆斯特丹大學癌症研究中心攻讀碩士和博士學位，師從CT重組演算法奠基人之一Paul Suetens以及世界頂級圖像引導科學家Marcel van Herk。期間，他參與了飛利浦某項目腦核磁的自動分割和配準的研究與開發，利用柔性配准方法對腦核磁進行建立模型庫，能夠自動檢測腦出血以及癲癇等神經類疾病。博士期間，柴象飛共在影像行業頂尖雜誌發表了7篇論文，影響因子數>20，目前影響因子數＞20的多半為跨學科前沿的研究成果。國內每年影響因子數超過20的論文數量並不多。

博士畢業後，柴象飛去了斯坦福大學癌症研究中心做博士後，師從斯坦福大學終生教授、斯坦福大學醫學物理中心主任邢磊博士，繼續影像科研方面的探索。邢磊博士及其所在的斯坦福醫學物理中心在圖像引導放射治療的醫學物理、腫瘤成像檢測、癌症圖像處理和癌症解碼、劑量計算優化演算法等方面取得了國際公認的成績。柴象飛跟隨邢磊教授，兩人亦師亦友，帶領開發小組進行影像雲平台以及放療雲平台的搭建，用於遠程協作以及大數據分析，並在圖像識別領域多次做出了突出貢獻。

邢磊教授一直致力於推進產學研醫深入融合，將醫學和人工智慧的前沿技術和理念引進國內醫療和科研機構，幫助提高中國醫療行業整體的醫療水平和科研水平。這對柴象飛的職業選擇產生了深遠的影響。

「當前中國有著最好的創業環境，雲計算、大數據、深度學習等創新技術契機的出現，讓我們看到一些新的機會：醫療行業有著多年痼疾，而醫學影像佔據了醫療數據80%的比例，它天然適合大數據和人工智慧，我希望用我的多年所學和我的力量去做一點點事情，嘗試讓先進的創新技術落地醫療臨床場景。」2年前，柴象飛辭去了斯坦福大學癌症中心的研究工作，回國創立匯醫慧影，希望將在美國多年研究和學習的成果應用於國內醫療影像行業。

解決影像互聯互通問題，先打好地基

醫學影像人工智慧是一個跨學科的系統化工程，既需要專業的醫學背景，更需要計算機和數學基礎。柴象飛在醫學影像人工智慧、圖像處理及數據分析領域超過10年的跨學科科研和工程經驗，為匯醫慧影注入了優秀的基因，讓它擁有了許多友商所不具備技術和經驗優勢。

儘管如此，柴象飛的創業之路走得並不順利。「決定創業時我是一名理想主義學者，但實現目標的過程和我的想像差很遠，現在我是一名理性創業者」，談起兩年的創業經歷時，柴象飛感慨道。

國內外的醫療環境存在巨大的差異，西方發達國家早已實現了全面的醫學影像的數字化、信息化，並且絕大多數的醫療機構都有成熟的雲計算部署，整體醫療環境更為開放，政策局限性低。

而在國內，醫療一直是個高度依賴政策的領域，兩極化現象非常嚴重。一方面資源配置不均，大三甲醫院無論在設備條件、醫護資源還是信息化程度上都具有無可比擬的優勢；另一方面，新的政策也很難輻射到基層醫院。更嚴重的是，即便是大型三甲醫院也很少有真正和雲端對接的，連基礎條件尚「不達標」，更別說智能化了。

「最開始我們去很多醫院推人工智慧技術、雲計算的技術，發現很多基層醫院，別說這些新技術，他們可能網路連都不通，或是只有很傳統的ADSL非對稱式網路。很多機構基礎設備也很過時，比如說電腦還是XP這種十幾年前的系統，甚至還有用磁帶存儲影像的。」柴象飛感嘆道。

為了摸清國內醫學影像行業的真實情況，尋找真實可行的技術落地場景和商業模式，柴象飛幾乎跑遍了各省各區、各個級別的醫院，尤其是基層的醫院和醫療機構。在醫療資源相對稀缺的新疆，柴象飛更是一住就是1個月。

這段深入的市場調查對匯醫慧影的發展至關重要。什麼樣的切入點是可持續的，什麼樣的服務才能夠真正幫助廣大醫生和患者？和創業夥伴經過長時間的思考和探討後，柴象飛最終決定將匯醫慧影打造成一家長鏈條深度布局醫學影像的公司。

」以醫學影像為中心，從醫院的實際情況出發，全方位、多維度為醫院創造價值，遇到問題解決問題，信息化不行，先解決信息化問題，蓋樓從底層打地基，儘管是條不得已而為之的彎路，卻是繞不開的一條路，我們選擇做，只要對醫院有價值，我們就去做。」柴象飛說道。

「目前在基層，我們幫助醫院構建基礎的雲端環境、硬體環境，用數字膠片的方式讓他們更充分地使用現有的影像設備，用影像雲構架醫聯體，連接上級醫院給他提供一個基本的診斷能力。針對大醫院則是完全相反的模式，我們協助大醫院將他們原有的數據利用起來，將源源不斷產生的結構化數據提供給深度學習引擎進行計算，並且將計算機學習後的結果試用在醫生的閱片流程中。當計算機出現誤判斷時，醫生會糾正診斷結果，並將結果反饋入系統，進行二次學習。通過在線深度學習的閉環，及有效數據的持續更新，可以不斷提高演算法的精度。再利用演算法對他的科研、臨床做一些精準的、量化的判斷。」柴象飛表示。

「在整體醫療產能不足的背景下，醫療人工智慧應用於基層不僅是當前剛需，環境也相對成熟。一是利用人工智慧幫助醫生提高診斷的效率，將醫生從低效重複性勞動中解放出來；二是幫助基層醫生提高診斷水平，降低基層誤診率。這條路儘管難啃，但我們不能因為難干就不幹，總得有人干，幹才有價值，不幹是沒有任何價值的。」柴象飛說道。

沒人再說AI了，才是技術成熟落地的表現

當前，中國正處於創業熱潮期，任何一個領域只要被冠上「風口」二字，大量的資本和創業者便會接踵湧入，這為市場注入了新的活力，但同時也帶來了浮躁。

10餘年的臨床科研經歷讓柴象飛在資本狂熱追逐AI的大環境下，保持著行業少有的理性和冷靜。」對於醫療人工智慧創業者，這是最好的時代，也是最壞的時代。AI技術與醫療場景結合，還有很長很長的路要走，當前醫療AI還存在泡沫過多的問題。作為創業者，我們沒必要過於強調自己的演算法有多厲害，能達到多少的準確率。因為醫療關乎著人的生命健康，和自動駕駛一樣是非常嚴肅的事業。我們更應該腳踏實地，對患者負責，對醫生負責，要更關注如何用人工智慧幫助醫生，而不是指導醫生。」

和很多隻關心技術的創業者不同，柴象飛對市場也有著自己的理解：「無論是醫生對一例醫學影像進行診斷，還是計算機自動識別醫學影像得出結論，兩者都是對醫學影像進行定性分析。大部分從事醫療人工智慧的企業都不同程度地實現了影像的定性分析。」

匯醫慧影的人工智慧輔助系統在篩查層面大幅度提升了醫院和醫生的工作效率，同時還把大醫院、大專家的經驗變成量化的指標，輸送到基層醫院的影像診斷過程中。

「我們通過計算機深度學習，最終得到了一套關於醫學影像圖像特徵信息的標準化定量指標。我們再將這個指標釋放到已由匯醫慧影打好大數據、人工智慧分析基礎的基層醫院，旨在對基層醫院的影像診斷起到精準化支撐。」

目前，匯醫慧影正在基層深度布局影像雲平台、數字智能膠片，為雲計算、大數據打好基礎。針對大醫院，匯醫慧影利用領先的演算法優勢，在初篩方面幫助醫院進行有無病灶的批量篩查以滿足大醫院提升診斷效率的訴求。同時在科研層次上，匯醫慧影突破定性分析的層面，打造大數據智能分析雲平台，和各大頂尖學府、醫院的學者和專家們對影像圖像進行多維度的定量分析，不斷打磨各個病種影像的標準量化指標。

針對具體病種，匯醫慧影的很多產品也已經成型並應用於三甲醫院，包括胸部CT的防漏診斷，乳腺鉬靶檢測，腦梗、腦出血核磁分析等偏篩查型的產品；以及支持肺癌、乳腺癌、結腸癌、直腸癌、胃癌、宮頸癌、卵巢癌、鼻咽癌、前列腺癌等癌種診斷和治療的深入到病種的產品。AI系統會出具基於人工智慧和數據挖掘的、精準的診斷報告，這種基於大量影像數據和臨床數據的服務，可幫助放射醫師介入臨床診療。

從技術創新到商業場景落地，匯醫慧影僅用2年的時間，就取得了不俗的市場成績。據悉，匯醫慧影的產品及服務已接入500多家基層醫院和200多家頂級三甲醫院。另外，各項服務的國際版本也已經在斯坦福大學醫學院和哈佛大學醫學院等投入使用。

「現在人工智慧很火，人人都在說智能，但我認為在我國醫學影像領域，人工智慧應用還沒有真正成熟，大家還需要多一些耐心和理性。如果有一天，沒人再說AI，沒人再說演算法、沒有人再說我的準確率是多少多少，我認為這才是技術成熟落地的表現，它是無形的，融入診斷流程甚至治療流程中，我相信這一天不會太遠，但現在仍有更多更基礎的工作要做。」柴象飛總結道。

不要高估AI對未來兩年的影響，也不要低估AI對未來十年的影響

藍馳創投的管理合伙人陳維廣這樣評價柴象飛創立的匯醫慧影：「為什麼我們投匯醫慧影，其實影像AI的項目，我們看的很多，很多團隊都在這個領域耕耘。可是，回到技術層面，要把AI應用能夠真正落地，關鍵點就是醫院的IT基礎設施一定是要具備跑大數據、跑AI的能力。還有一個前提是，理念的變化，咱們醫院的領導層，包括醫生一定要能接受這個理念，他們也願意擁抱雲計算，願意把整個的IT系統從單純的物理伺服器，過渡到雲計算，再過渡到大數據。所以，我們投資匯醫慧影，是因為我們感覺這個團隊，包括郭娜、柴象飛，他們把問題想清楚了。不是去醫院直接把AI的服務賣給你，他們選擇先把田耕好，土耕好，確保他們的合作醫院是有雲計算的基礎的，沒有的話他們幫助醫院把雲計算的基礎先做實。這些事情做好就像耕田，把土弄散了才能種田，一樣的道理。我投投資醫慧影團隊是因為他們把這個事情想清楚了。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！