在丁晓伟看来，人工智能医学应用存在一些误区：机器诊断分析报告与医生主观印象的匹配率。“机器辅助诊断结果，不应该与医生主观印象做比对，而应该在有条件的情况下，去比对该疾病的金标准检查结果（Gold Standard）。”

　　金标准一般是特异性诊断方法，它能真实反应临床检查结果，是最重要的客观指标。“医生的报告里会掺杂主观认知，而通过与金标准的比对，才可以让临床检测率得到保证。”

　　同时丁晓伟也认为，机器诊断结果与医生初步主观印象无限接近，不一定是好事。“早期疾病的筛查在正常状况下，是允许错误发生的。因为它不能全完提供病情的最终诊断所需要的信息量。医生也知道，在初步筛查结果下得到的只是初步意见，不能作为金标准下定论。”

　　◆丁晓伟和其PHD导师Demetri在上海交大校长办公室洽谈合作，图中为交大校长张杰院士。

　　而VoxelCloud保证产品质量的量化标准，则是通过临床统计数据。“这些诊断结果需要第三方，甚至第四方、第五方同时审阅证实它的客观性。”在这种情况下，很难用单一的数字准确率去概括一个系统的好坏。“如果想讨论准确性问题，就需要坐下来把全部数据涵设定、环境、人群等做出统一。”

　　丁晓伟说，VoxelCloud能够保证的是在人们认知的检查中，基于数据信息量，让准确率接尽金标准的极限。“一个检查的天花板不是100%准确，因为检查的特性决定它只能做到这个程度。”

　　同时为了保证信息的客观，VoxelCloud会请4~5组独立不知情的医生团队对数据做质控标记。“我们在中心进行投票，再去确定哪些标记是客观的，哪些标记存在差异性。”

　　在产品销售方面，丁晓伟将市场策略定位直销和分销两种。直销客户主要以权威性大医院为主，“有些医院会配合我们做研发，更了解产品本质和能力，方便促使他们做采购决策”。而分销客户则是面向基层一级医院提供终端产品进院的模式。

　　除此之外，VoxelCloud还决定针对友商或行业上下游企业提供技术输出。“我们可以提供医疗影像知识图谱的API。 该API能够完成一些临床上的一些任务，而不是工程上的任务。并不是所有公司都需要向我们一样从最基础数据收集、清洗、研发做起，他们可以根据使用场景调用我们的API。”

　　对于公司快速融资，3月融两轮的决策，丁晓伟的解释是：医疗领域的伸缩性非常强。伸可以同时布很多产品线，因为技术流派相似，资源可以共享；同时资金的支持可以在特定应用领域深度探索，以完善产品形态。

　　对于未来医学人工智能，丁晓伟表示：“仍需要在行业内的技术团队和临床技术相结合，在学术领域保持先进性及前瞻性，从而谋求发展。”