上周（5 月 15 日），知名人工智能创业公司依图科技对外宣布，已于近日完成 C 轮融资。此轮融资高达 3.8 亿人民币，投资方包括高瓴资本、云锋基金、红杉资本、高榕资本及真格基金，募集到的资金将用于医疗核心技术研发、临床应用等方向。

专注安防、金融的依图为什么会选择踏足医疗？医疗影像鉴定场景有什么特点与难点？除了医疗影像鉴定，依图还在哪些细分方向有所布局？

针对这些问题，机器之心第一时间专访依图医疗总裁倪浩，得到不少有趣的答案。

「智能数字肺」，四万张图片与两秒钟

图像识别是人工智能技术落地的第一站，在医疗领域同样如此。

与安防场景的痛点相似，面对大量需要鉴定的医疗影像，人的精力显得非常有限。如果能运用图像识别技术帮助医生鉴定并给出一定的辅助诊断，在节约人力的同时，还可以减少因过度疲劳造成的误诊。

肺癌是所有恶性肿瘤中死亡率最高、发病率排名前三，同时发病后五年存活率最低的的疾病。因其早期表征不明显，引起病人的注意时大多已是晚期。发现肺癌的最佳方法，是让高危人群（特点是 45 岁以上、吸烟等）定期进行肺结节筛查。

鉴定一个人是否有肺结节病变，往往需要医生反复观察 200 张以上肺部横切面图像。浙江省人民医院放射科主任龚向阳曾在一次采访中表示，「一天有 200 个病人，医生就要看四万张图片，看两遍就是八万张…… 医生是非常疲倦的」。

　　依图医疗总裁倪浩

在图片中寻找特征和特征之间的联系，正是深度学习的擅长之处。通过学习医院过往留存的影像和诊断数据，训练好的模型可以快速给出判断。与医生平均 10-15 分钟的诊断时间相比，模型「鉴定几百张图片只需两秒钟时间」。

除了给出影像判断，直播，这款被称为「智能数字肺」的智能辅助平台还能生成文字版的诊断报告。目前已有多家顶级三甲医院采用「智能数字肺」平台，医生采纳诊断结果的比例高达 90% 以上。

「智能数字肺」的思路，是否能迁移到其他疾病或部位的诊断？倪浩表示「人体的部位非常多，我们在积极地将影像辅助诊断推广到其他方向，例如乳腺、腹部、脑部，涉及到新的影像类型如 MR、超声、钼靶等等。」

医疗影像之外，还在做 NLP 研究

在研发「智能数字肺」的同时，依图还开发了另一款针对儿科的辅助诊断系统——「咪姆熊」。

「咪姆熊」是一款供家长使用的手机 App。患儿家长只需根据孩子生病的情况，点击画面中对应小熊的部位，再回答细分的、与症状相关的问题，就能得到患儿的诊断分析和治疗方案建议。

　　咪姆熊是广州市妇女儿童医疗中心官方卡通形象

与基于图像识别的「智能数字肺」不同，「咪姆熊」的开发完全基于文字资料——医疗病历。通过挖掘、学习庞大的过往病历建立模型，再与包含主诉、体查、家族病史、实验室检查结果等患者个人情况的模型相结合，「咪姆熊」能迅速给出诊断结果。目前「咪姆熊」支持近 60 种儿科常见疾病诊断，atv直播，并能提供相应的治疗方法。

专注于 CV（计算机视觉）的依图，为何会涉足 NLP（自然语言处理）领域？在倪浩看来，对于深度学习来说，图像和自然语言处理在技术是共通的。「依图从来都不只是一家计算机视觉公司，我们自己的定位是人工智能公司」。

在 NLP 与医疗结合方面，依图已经取得两项重要进展。在文本提取方面，由于医生写作的自由文本（病历）如「病人持续发热，39 度，咽喉疼痛……」，很难被机器学习和使用。过去的方法是使用搜索引擎，但无法解决寻找类似「红细胞值在 A－B 区间的病例」等复杂问题。依图可以使用机器学习自动提取自由文本中的关键数据，将其转化为结构化数据。在帮助训练诊断模型的同时，还可以为医生提供病历回溯等功能。

在知识构建方面，依图可以让模型自动学习医学文献中的知识，并转化为诊断模型。被学习的医学领域权威文献包括「医学指南」，如心内科诊断指南、白血病治疗指南、肺癌治疗指南，以及在顶级杂志上发表的、在比较大的样本情况下做实验的文献。

目前「咪姆熊」已在广州妇女儿童医疗中心临床推行。虽然目标是提供给家长使用，但还是「规划一个比较长的时间，让医生先试用」。

踏足医疗，是因难得的历史机遇

尽管「人工智能公司」的定位是可以解释依图踏足医疗的条件之一，但显然缺乏足够的必然性。