所以我们在想，我们能不能利用两个关键技术，一个技术是对话技术，我们不是做一个通用聊天机器人，而是做一个虚拟护士，这个护士能够按照护士的随访的过程，针对什么高血压、高血脂、高血糖这样的病人去进行自动的随访，去采集他相应的信息，同时的话呢，去生成预警，如果系统发现病人有情况的话。

　　第二个技术是QA技术，就是问答技术，中国有很多医患沟通的网站，不管是春雨还是好大夫，这些网站上面大量的患者在问问题，很多的问题跟饮食、运动、作息、药物的副作用、药物之间不良反应有关。其实并不是那么核心的诊断和治疗问题，但这些问题也靠人工来回答的，所以我们在用一些 QA 的技术来做更好的患者教育，帮助患者最及时的找到可信赖的信息。

　　但是，患者问的问题是五花八门的，什么病名字写错的，药名字写错的，各种大爷大妈会有各种口语。你怎么样做回答？这是非常核心的技术，我们不同层级都用了深度学习的技术，包括用CNN做问题分类，去做问题的相似性匹配，最后可以达到一个比较好的Top1的结果。

　　系统会形成一个随访的报告，这个随访的报告包括采访采集到的关键的体重或者血压血糖的信息，包括患者用药的信息，所有的信息都会自动生成一个报告，帮助管理师更好的对患者进行疾病管理。

　　同时，系统会利用决策的功能，当发现有风险的时候，会及时通知患者和医生让他去医院就诊或者对患者进行及时的干预，避免后面酿成大祸。

　　时间关系的话，我今天的分享大概就是这些。最后再讲一点，一个模型、算法，给它一堆数据，一跑就能出来一个治疗或者诊断的模型。一定要把医学的知识和靠谱的分析手段结合在一起，很谨慎的选择数据，选择人群和选择你要分析的任务。做这个事，一句话，要心存敬畏，这样才有可能做出靠谱能用的医疗 AI。我今天的分享就是这样，谢谢大家！

　　精彩对话

　　雷鸣：非常感谢，讲的特别精彩，基本上涵盖了我们说的整个医疗的过程，包括疾病的预防，包括得病之后的诊断，辅助的治疗方案，以及慢性病管理。涵盖特别多，信息量很大，也讲了IBM在这一块的进展，好多东西我觉得都是第一次学习到，特别好。

　　基于刚才你讲的东西，我想进一步的了解一下，你刚才讲到IBM在做神经网络芯片，我想大概了解一下神经网络芯片和GPU在定位上，神经网络计算芯片未来是通用的还是专用的，是要替代GPU在深度学习上的计算呢？还是在远端？

　　谢国彤：首先我不是做硬件的，但我可以试着回答一下这方面的问题。大家可以看到，除了CPU之外，现在有GPU、FPGA这样的专用芯片，可以辅助CPU做计算的过程。这种类脑芯片的定位，首先它不是要来替代计算型任务的，CPU该干的事还是CPU干，类脑芯片不是取代计算机干的事，从它的设计来看，它本身就是一个神经网络，是靠神经元和突触，很多普通的计算任务它不擅长，但是它擅长的workload是 neural network 这样的workload ，所以我觉得首先从任务上来看它和经典的CPU、GPU或者FPGA有一个任务上的切割，这是第一点。

　　第二点它特别强调低功耗，低功耗就会偏向边缘计算，可以想像有互联网或者传感器这样的产品，可以把训练好的模型运行在这样的芯片上，这样的芯片可以想象到，最早听他们做的实验，做了一些机器昆虫绕着硅谷研究院飞，功耗特别低，它可以飞很久，可以采集风、温度、湿度这样的信息，做出这样的方式之后，可以把有效的计算推算到远端，可以在远端做一些事情，不需要耗大量的计算，这样可以在边缘计算这个角度，我觉得它可以发挥更好的价值。