“企业内部的信息化平台很多信息孤岛。”

在11月17日举办的2023T-Inspire腾讯健康·智慧药械峰会上，卫材中国的数字化及客户创新负责人周洁道出了药企在数字化转型中面临的挑战。

办公系统规模庞大，从内部信息处理到外部业务交流，这些系统来自不同的生产厂商，开发自不同的时间段，系统之间无法联通，久而久之形成了一个个数据孤岛。

“在这样的情况下，完全无法拿到一整套真实、有效，并且具有洞察力数据。”周洁指出，这是数字化转型遇到的典型挑战。

我国医疗行业数字化转型缓慢，近年来，国家不断发布相关政策推动行业发展，从《“十四五”国民健康规划》到《公立医院高质量发展促进行动》，都将医疗行业的数字化转型作为重点发展项目。

政策利好之下，医疗行业技术革新不断，在传统SaaS厂商之外，国内头部互联网企业也纷纷入局，凭借坚实的底层技术，试图打造全新的医疗行业解决方案，解决药械企业发展痛点。

药械企业需要怎样的解决方案？

在2023T-Inspire大会上，腾讯健康总裁吴文达指出，当前药械行业正在处于巨大的变化之中，创新药提速、购药模式转变与数字化转型成为行业发展的新导向。

在创新药方面，中国本土研发成效显著，除了满足国内市场需求也在谋求踏浪出海，全球创新药进入中国市场也在加速。

与此同时，医疗行业的购药模式也逐渐发生转变。

三年疫情为互联网医疗带来新的发展机会，在线问诊与网络购药兴起，随着医药改革的深化，医药分离倒逼处方外流，打破医药行业的传统逻辑，线上渠道与院外渠道对院内份额造成挤压，新的购药模式逐渐形成。

数字化转型，对药械企业来说则是大势所趋，云计算、大数据、AI等新兴技术为传统业务赋能，从企业运营、研发制造，到用户服务、商业模式等范畴不断变化。

在此背景下，药械企业亟需引入全新的解决方案，以应对行业变化。

周洁在会上介绍，卫材中国在数字化转型中逐一克服了三大痛点。

其一，系统软件之间的数据无法打通，不能形成数据闭环；

其二，疫情结束后，线上会议回归线下会议，客户互动数据难以留存，无法引流到数字生态圈，发挥数据价值；

其三，同一客户在不同业务平台之上与公司的互动数据无法换算，无法拿到真实、有效、具有洞察力的数据。

“我们非常希望能够找到一个总体的解决方案，打造贯穿整个数字系统，建立线上线下相结合、覆盖所有客户互动数据的全数据流程生态圈。”周洁指出，借助这一生态圈，卫材中国即可通过不同渠道触达目标客户。

对药企来说，将以往需要维护的多个系统缩减到一个平台，不但能够为企业降本增效，在此基础上，还能够利用平台之上互通的数据，更好地服务于各项业务。

CRM（一站式客户管理）、Events（线上线下会议管理）、MCM（多渠道内容营销）三大场景，是药企日常业务中最重要的三个环节，以卫材中国为代表的大型跨国药企，需要一个互联互通的一站式数字平台，打通客户管理、线上线下、多渠道营销等所有业务场景。

2022年底，卫材中国CRM系统即将升级换代，基于此前对腾讯会议产品的良好使用体验，周洁及团队决定将其他业务场景也托付给腾讯。

今年6月，卫材中国与腾讯健康签署战略合作协议，宣布将以腾讯健康医药行业SaaS解决方案——NGES(Next Generation Engagement Suite)新一代客户互动管理平台为底座，以微信小程序为载体，以CRM、Events、MCM三大场景为核心，将客户互动全流程环节拆分细化，基于微信小程序和其他数智工具，从客户互动场景一站式打通、触达用户同时进行双向互动、提供智能行为建议等方面助力医药企业深度连接专业人群，让学术化沟通更加便捷、顺畅、高效。

卫材中国是第一波从NGES解决方案尝到一体化平台好处的用户，很快，在11月举办的第六届进博会上，另一家大型跨国药企阿斯利康宣布启动“新一代客户互动平台”（NextGen Customer Engagement Platform）建设，基于NGES助力打造面向未来的Go To Market商业模式，走向一体化客户管理和触达，利用平台生态系统进行创新变革。

大模型加持下，AI产品再度升级

Go To Market，是腾讯健康基于复杂多变的市场环境及诸多业务痛点，打造的新一代市场互动策略。

随着医保VBP（带量采购）不断压缩，药企想要维持甚至扩张收益空间，降本增效是必然选择，药企的营销目标也逐渐从院内的核心市场转移到院外更加广阔的市场。

近年，医疗行业合规发展势在必行，学术推广成为业内共识的更可靠的医生互动渠道，线上的学术会议等活动，将取代以往的线下面对面拜访、科室会等方式，成为更加主流的医生互动方式。

在此背景下，药械行业需要哪些创新的工具？

T-Inspire大会上，腾讯健康正式发布了以HCP为中心的新一代NGES客户互动解决方案。

这是一个贯穿云计算IaaS、PaaS、SaaS的全流程解决方案，通过远程会议，线上多渠道触达等方式，为企业提供一站式客户管理平台。

在互动过程中，企业微信连接起药代与医生，使拜访过程合规可管理，目标医生客户可沉淀可继承；腾讯会议提供多种操作系统下入会方式，实现了最大限度的设备兼容，使产品使用不再局限于手机与PC。

此外，NGES解决方案还打造了完善的数据中台，打破了过去烟囱式的发展模式，让企业可以沉淀高质量、完整的数据，从而建立自主可控的数据资产，帮助企业进行决策分析。

腾讯健康副总裁张渝总结了NGES解决方案的三大特色：一站式、强社交互动、自研大模型。

所谓一站式，依然沿袭了产品过往设计的三大核心场景，CRM、Events与MCM；强社交互动则是依赖于腾讯平台生态圈，通过多渠道、个性化的服务，更加深入、广泛地触达客户。

在今年9月举办的腾讯生态大会上，腾讯公布基于自研的混元通用大模型，打造了面向医疗行业的专属大模型，并对腾讯健康中的智能问答、家庭医生助手、数智医疗影像平台、药物发现平台等多个AI产品做出了新一轮升级。

腾讯大模型与医疗行业的深度结合，同样应用在NGES解决方案之中。

吴文达在与雷峰网的对话中表示，在HCP的互动流程中，学术成果传递对药企与医生尤为重要，在大模型技术的辅助下，他们得以更加高效地完成与交流互动。

依托于腾讯在医疗行业积累的庞大知识库，NGES解决方案中的Chatbot能够在对话中，为使用者提供个性化的素材与针对性的要点总结。

腾讯会议加入AI大模型能力后，提供了会议总结、核心内容提取、智能录制等功能。

在T-Inspire大会上，腾讯同时发布了AI驱动的药物发现平台“云深”（iDrug）以及耐药性数据库MdrDB的最新进展。

“云深”（iDrug）是腾讯发布的首个AI驱动的药物发现平台，基于腾讯AI Lab自主研发的深度学习算法，同时提供数据库和云计算支持，用于与药物研发需求的深度结合。据介绍，“云深”（iDrug）平台已同时具备了小分子药物与大分子药物的加速发现能力。

在蛋白质结构预测方面，该平台开发的全新算法框架tFold已在国际权威测试平台CAMEO上证明其创新价值和有效性，连续数月保持周度冠军；

在药物的ADMET属性的预测方面已研发并上线70+个ADMET性质，并通过结合物理学特征和药企合作等数据训练证明能够超越主流软件；

开发了两种不同策略的骨架跃迁算法发现nM级先导化合物，并在3-4个项目中得到了有效证明，同时还引入了强化学习技术在药物小分子生成方面达成97%的生成分子满足要求。

耐药性数据库MdrDB是目前世界上最大的基于结构的蛋白质复杂突变对药物耐药性影响的数据库，相关内容已经收录于Nature 旗下的 Communications Chemistry 期刊，样本量达到10万，是行业第二名的100 倍。

同时，丰富的数据量为AI进行药物的耐药性测试提供了足够的训练样本，使用 MdrDB的AI耐药性预测精准度已提升30%。

目前，MdrDB 已向行业和学术机构全面开放，已有来自6个大洲的47个国家和地区的3700多名用户和机构访问和调用 MdrDB 耐药性数据库。

连接、数据、生态，药械数智化转型三大方向

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在T-Inspire大会开场演讲中提到，数字技术与药械行业融合创新的触点越来越广泛，云计算、AI等技术成为行业创新不可或缺的底座。

药械行业数智化浪潮已至。

今年8月，国务院常务会议专题审议并通过了《医药工业高质量发展行动计划（2023—2025年）》、《医疗装备产业高质量发展行动计划（2023—2025年）》，提出要着力提高医药工业和医疗装备产业韧性和现代化水平，增强高端药品、关键技术和原辅料等供给能力，加快补齐我国高端医疗装备短板等一系列要求。

在政策推动、技术革新等多重加成之下，药械行业的数字化转型不断提速。腾讯作为掌握底层技术前沿成果、拥有庞大平台生态系统的头部科技企业，深度参与进这场数智化浪潮。

吴文达介绍，如今腾讯面向药械行业已积累了众多产品，既有企业微信、腾讯会议、腾讯云等400多个被广泛应用在30多个行业的自研企业服务产品，也有NGES、智慧药箱、AIDD、耐药性数据库、医疗大模型等，为药械行业专门研发的自研产品。

这些产品组成的“数字化工具箱”，将从连接、数据、生态三个方向，助力药械企业转型升级。

腾讯会议总经理、商业化负责人钱敏在会上分享了一个小故事，她作为医生的爷爷年轻时是新华书店的常客，每天下班后都要伏案阅读至深夜。书籍，是那个时代的医生们获取信息的唯一渠道。

世事变迁，技术的发展为医疗行业从业者们打开了一扇又一扇崭新的窗户，行业的数智化之路已经硕果累累。 雷峰网

本文作者乔燕薇长期关注医疗科技领域，欢迎添加微信互通有无：qiaoyw186。

这一年是平安股价的高光时刻，自2019年年初开始持续走高，全年大部分时间稳定在80元/股以上。在这个时候选择开启一场颠覆自我的大规模深度改革，颇有居安思危的架势。

事实上，保险行业彼时已经暴露出诸多问题，如过分依赖人海战术，保险代理人数量庞大却良莠不齐，单一渠道下，“增员难、获客难、留存难”成为三大难解的痛点。在产品与服务上，保险公司之间同质化严重，竞争激烈。

于是平安克服转型的阵痛，开启了一场“渠道+产品”的双轮驱动改革。

1、寿险改革第四年，平安交出一份怎样的成绩单？

2021年，几经摸索后的平安对这场“渠道+产品”的双轮驱动改革有了更加具象化的部署，开始持续推动“4渠道+3产品”改革战略的落地。

在渠道多元化方面，除对传统的代理人渠道外，平安开辟了社区网格化、银行优才及下沉渠道三大创新渠道，从单一渠道优化为多渠道齐头并进，分层覆盖不同的客户群体，与旗下多层次的养老方案相协同。

在产品方面，平安专注财富管理、养老储备、健康保障三大核心，深化“保险+服务”模式，落地“保险+健康管理”、“保险+居家养老”、“保险+高端养老”三大产品服务线，打造差异化竞争优势，致力于覆盖客户全生命周期的核心保险需求。

如今，寿险改革进入第四年，平安的渠道与产品的改革，都颇见成效。

在今年8月30日的中报业绩发布会上，平安联席首席执行官陈心颖答记者问时指出，平安集团2023年上半年寿险及健康险业务实现新业务价值259.60亿元，同比大幅增长45.0%，增速源源领先于市场，除疫情放开后需求恢复的宏观因素外，与平安过去三年的改革也密不可分。

在“4+3”双轮驱动改革下，2023年上半年平安代理人渠道产能大幅提升，人均新业务价值同比增长94.3%，人均月收入超1万元。

社区网格化、银行优才及下沉渠道等平安独有的高质量渠道也表现亮眼。银保渠道新业务价值同比增长174.7%；网格推广已在51个城市推广，较2022年末增加26城；下沉渠道方面，2023年上半年持续在七个省份推进销售。

在上半年的新业务价值增长中，68%由保险+健康、保险+医疗、保险+养老产品贡献，平安的差异化优势为业务价值的快速增长提供了有力支撑。

从中报数据来看，截至2023年6月末，平安寿险通过健康管理服务超1600万人；居家养老服务覆盖全国47城，超6万名客户获得居家养老服务资格；高端养老项目也已经在4个城市启动。

2、打造医疗健康生态圈，平安做了哪些部署

在中报业绩发布会上，付欣用三个关键词来概括2023年上半年经营业绩：改革显效、战略深化与高质量发展。

如果说三年来的寿险改革是支撑平安业绩稳健发展的重要基础，那么综合金融+医疗养老的双轮驱动战略就是平安实现新业务价值增长的关键模式。

陈心颖用九个词概括了中国平安“综合金融+医疗养老”的内涵：买车、买房、买保险，投资、储蓄、信用卡，医疗、健康和养老，“我们希望为我们2.29亿客户提供这9件事情的服务。”

她指出，在综合金融方面，2023上半年，平安就已经交叉销售1204万次，客均产品为3个。当客户持有平安4个及以上产品时，离开平安的概率仅为千分之九，客均利润也将随着客户黏性的提升而提升。

在医疗健康方面，平安从需求端出发，将财富管理、养老储备、健康保障三大客户核心需求相叠加，不断升级产品体系，为客户提供刚需服务。

同时，平安利用旗下平安好医生、北大医疗等抓手，整合医疗健康养老市场内的优质资源，为客户提供到线、到店、到家的服务。仅2023年上半年已经整合来自20万家供应商的1250项服务，共计提供服务4700万次，借助平安提供的平台，客户重新消费30亿。

陈心颖介绍，医疗健康养老未来将成为平安核心主业的重要赋能，提升保险产品的竞争力与客户黏性，创造一个全新的商业模式。

近年来，平安从流量端与支付端切入，构建起完善的“患者——医疗服务提供商——支付商”的综合模式。

2021年1月，平安宣布参与方正集团重整，借此机会将方正旗下北大医疗产业集团的医院资源融入平安医疗生态圈，实现线上+线下全覆盖；

2021年5月，平安正式发布“平安臻颐年”康养品牌，选择深圳、北京等核心城市核心区域打造康养社区，链接全球顶级的医疗照护资源，引进国际康复医疗团队，打造全周期康复、照护服务。

与此同时，平安在医疗科技研发上的投入也不断加大，以科技赋能医疗健康产业。平安拥有世界上最大的医疗数据库之一，包括疾病库、医疗产品库、处方治疗库、医疗资源库、个人健康库五大板块，精准诊断覆盖疾病4600种。

截至2023年6月末，平安的医疗健康专利申请数位居全球第一位。专利检索平台智慧芽此前发布的《2022年数字医疗领域技术创新指数分析报告》中显示，平安集团、飞利浦、西门子、腾讯科技、IBM占据医疗领域专利申请量前五名，平安居首位，并且在专利基础、当前及未来影响力、自研能力三大维度均占据优势地位。

以平安健康为核心的远程诊疗平台的搭建，也打开了医疗健康生态圈的线上流量入口，成为链接生态圈与外界的重要枢纽，配合方正旗下北大医疗集团等线下资源，使平安的医疗健康服务形成闭环。

借助科技端的提前布局，平安有效支撑医疗健康生态圈的可持续发展。

3、医疗健康如何反哺金融主业？

随着“综合金融+医疗养老”战略的不断深化，医疗生态也在反哺平安的金融主业。通过端到端的健康医疗布局，可以沉淀大量医疗数据，更精准地定价健康险产品；通过支付端的布局，平安撬动管理医疗资源，借助信息化手段提升整体医疗效应与医疗服务水平。

平安依托医疗健康生态圈推出的三款“保险+服务”的产品：保险+医疗健康、保险+居家养老、保险+高端养老，打造了差异化竞争优势，通过综合金融与医疗生态圈的协同，从以下三个渠道赋能金融端的企业和个人客户：

第一，作为集团内部的服务供应方，为平安寿险、平安银行等公司的个人金融客户提供医疗健康服务；

第二，将医疗健康服务能力与平安产险、养老险、健康险等公司的企业补充保险产品相结合，为企业客户提供员工健康管理 ；

第三，通过打造旗舰互联网医疗平台、自营医疗机构，满足国内中高端群体的医疗健康需求。

平安寿险等公司也受益于集团医疗生态圈提供的服务。2023年上半年，平安近3成的新增金融客户来自集团医疗生态圈，超68%的新业务价值来自于“保险+服务”三大产品。

金融、医疗多板块联动，不仅为金融主业带来了更丰富的客户资源，同时还提升了客户黏性。

截至2023年6月末，在平安超2.29亿的个人客户中，有超64%的客户同时使用了医疗健康生态圈提供的服务，其客均合同数约3.43个、客均AUM约5.58万元，分别为不使用医疗健康生态圈服务的个人客户的1.6倍、3.2倍。

客户中有26%持有集团内4个及以上合同，据平安公布的数据，持有4个及以上合同的客户流失率不足1%。在多类金融业务协同发展下，有效降低了客户流失率。

医疗健康已经成为驱动平安集团价值增长的新引擎。正如陈心颖在中报业绩发布会上所讲，未来平安保险与健康管理两大业务将深入融合，实现双轮驱动，综合金融、医疗健康持续发展。雷峰网

公开招标，是国内公立医院采购各类医疗信息化系统的主要方式之一。

不同于人们想象中紧张刺激的激烈角逐，在医疗信息化厂商从事销售工作近十年的陈明觉得，医院的招标现场更像是一场签约前的盛大仪式。

作为一名销售，陈明的工作永远要做在投标之前，项目拿下了，再找到几家常来往的友商，邀请他们一起参与医院的招标。

当然，台下坐着的不是等待投标的竞争对手，而是胸有成竹的乙方和前来客串的朋友。

陈明介绍，“别人谈到客户时，我们也会去帮忙投标，其实医院要选哪家早有定论，不过是走个过场。”

投标之前的上下打点，才是最重要的环节。

“医疗都是做熟人圈子的，没人牵线搭桥，你的产品根本进不去医院。”陈明坦言，在他经手的项目里，仅仅运作关系、打点中间人，几乎就要用掉合同金额的4成。

关系型销售在医疗信息化行业早已是常态，由此也养成了行业内重渠道、轻研发的特殊生态。

入局更早的老牌厂商，诸如卫宁健康、东软医疗等头部玩家，在行业内耕耘多年，早就吃下了HIS等医疗信息化核心软件的市场。

新玩家想要推产品进医院，只能从平台系统或是各类创新的智能化系统入手。

然而，头部厂商把持着管理信息系统等基础类系统，在接口费问题上掌握着很高的话语权，常常借此优势推动自家冷门产品捆绑入场，新玩家屡屡因此被淘汰出局。

在医疗信息化核心软件的主战场，新老玩家必有一战。（添加作者微信qiaoyw186，交流更多医疗IT厂商博弈故事）

01 老厂商：躺在「功劳簿」上也能度日

“这几年市场越来越不好做了。”

曾在头部企业从事医疗信息化解决方案设计的沈鹏（化名）感慨，不但竞争越发激烈，产品上如今也很难再有突破。

2018年以来，国内医疗信息化建设开始进入区域医疗互联互通阶段，在智慧医院评级与医院自身业务需求等因素的影响下，公立医院迎来了新一轮的大规模信息化升级、改造。

在这一轮信息化建设中，医疗IT厂商提供的众多产品对齐的是医院刚需，厂商与医院互惠互利，一方的销售业绩节节高升，另一方的业务痛点也被精准解决。

时代的红利吃完后，到了近几年，局势开始急转直下。

厂商们拿不出真正创新的东西，依旧沿用以前的旧产品、旧方案，按照固有的模式为医院做改造，应付国家的评级要求。

想忽悠医院付费，就只能多下点功夫去讲故事，“医疗信息化的本质是利用信息化的手段更好地服务医疗机构与患者，现在却已经变味了。”

沈鹏目睹厂商们为医院做了大量顶层规划，看似迎合了时代的发展，响应了政策，但实际上并没有真正为医院的信息化系统减负，反而带来了很多枷锁。

“其实就是在画大饼。”沈鹏这样形容厂商们的做法，“凭空想象医院需要什么功能，在实际的医疗场景中根本用不上，一上线就知道都是扯淡。”

他介绍，以近年来热门人工智能为例，为迎合国家推动AI技术赋能医疗领域的政策布局，厂商们推出了许多结合AI技术的新产品，其中真正实用的产品却不多。

“比如AI导诊中的语音识别，医生、护士们并不感兴趣，从工作习惯和效率上还看，他们明显更依赖人工。”

AI辅助诊断技术也尚未发展成熟，这类工具进入医院很多都沦为医生们查文献的工具。

那么，医疗IT厂商为什么不愿意花功夫做研发、做创新了？

以卫宁健康、东软医疗等公司为代表的头部厂商，其实具备足够的研发实力，但创新对他们而言，也并非易事。

一方面，公司凭借多年的人脉积累、关系维护，已经在市场竞争中占据了优势地位，得到了医院的认可，这是令那些近年来新入行的公司们拍马也赶不上的巨大鸿沟。

既然能在功劳簿上躺平，又何苦花费高昂的成本去搞创新？

一个产品从研发立项到产品上线周期长达3-5年，成本花费几百万至几千万不等，产品逻辑错综复杂，研发过程需要多部门协同，对研发者与项目负责人的要求极高。

他们既要完成工作业绩绩效考核，又要保证软件研发质量，当精力、资金有限，不能两全时，工作人员往往更倾向于保全自己的绩效考核。

另一方面，企业费心费力做出的创新产品，在医院里未必会受欢迎。

每一轮医疗信息化产品的升级，都需要产品的使用者们花费精力去学习，如果产品的逻辑、软件的交互等修改得太多，对于上了年纪的医护人员来说，或许负担远远多过助力。

“产品创新得太厉害，医院不会用，还是得叫我们按照旧软件的功能改回去，你改还是不改？”从事产品设计工作的黄坤（化名）吐槽道。（更多医院信息科与厂商之间的交锋故事，欢迎添加作者微信qiaoyw186交流）

如果改回去，新做的产品就白费了，还需要额外支出研发成本；不改回去，医院用着不痛快，也许就要换供应商了。

“遇到特别强势的信息科主任，说不用你的系统就不用了，我们凭什么和人家对着干？”

最终妥协的只能是供应商。

此外，由于软件部署过程中涉及到院内多部门的协同，院方在提需求时也常常模棱两可，要体验过后才知道是不是他们心中理想的功能。

这却苦了研发人员，每次都要花费少则几天多则个把月的时间，去实现一个很可能被否决的需求，黄坤为此深受困扰。

对老牌医疗IT厂商来说，最稳妥的方式就是在原有产品的基础上修修改改，做些优化，至少这样客户接纳程度会更高些，创新反而是亏本的买卖。

02 新厂商：不做核心软件，永远要被人牵着鼻子走

对守擂者来说，守成就是上策，攻擂者却必须保证产品的创新性与独特性，这是他们唯一的竞争力。

这批攻擂者大多成立于2015年前后，主要研发医院细分场景下的平台软件，或是与人工智能、大数据等前沿技术高度融合的智能化系统，如森亿智能、来未来科技、柯林布瑞等公司。

当他们入局医疗信息化行业时，成立于上世纪90年代前后的老厂商们早已成长为庞然大物，将HIS等核心软件的市场瓜分殆尽。

幸运的是，医疗信息化行业没有“721”定律（指在IT领域内，第一名的公司占据60—70%的市场份额，第二名占据20-30%，其他竞争者们共同占据剩余10%的细分市场），第一名的公司吃不掉70%的市场份额，行业内的细分场景又足够多，让新玩家们有机会从核心软件以外的赛道撬动市场。

“几家头部企业体量相差不大，谁都不是财大气粗，在选择研发方向时必然会有所取舍，将团队分配在刀刃上，无法大包大揽。”

某家医疗IT新厂商的员工林雷（化名）透露，公司在成立之初就曾考虑过与电子病历厂商合作，将自己的人工智能核心技术授权给这些厂商，植入到他们的产品之中。

可惜一心守成的老玩家当时并不愿意为他们的先进技术付费，合作也就不了了之。于是公司转换方向，从头部厂商们尚未覆盖的单病种入手，打造自研产品。

由于在HIS 、PACS 、电子病历等底层信息系统领域没有基础，公司在细分市场里也常常受人掣肘。

“想要在医院上线自家的智能化系统，必须要接入其他厂商建设的底层系统上，要对方配合提供数据、打开接口，AI系统才能运转起来。”

这相当于将自己的命脉放到了竞争对手的手里。

头部厂商同样会拓展细分领域的业务，尽管不是强势产品，但凭借公司与医院建立的良好关系，以及在底层信息系统上的建设基础，想要捆绑自家产品入场不算难事，远比新厂商有竞争力。

“技术从来都不是医院选择产品的唯一标准。”

林雷介绍，大公司的某些产品也许做的并不如小公司，但是他们的产品却常常卖得更好，“有时为了规避风险，医院会首先考虑自己的老合作伙伴，或是有更多落地案例的头部厂商，这是他们天然的优势。”

头部的三甲医院和省级医院自不必说，早已经是老厂商们的囊中之物，新厂商所剩不多的选择，就只有二三线城市或县级、社区医疗。

然而这条路也算不上很顺畅。在医疗信息化市场增量有限、存量不断减少的趋势下，老厂商们也开始在中小客户群体中冲业绩。

雷峰网在《东华医为力推三年的「订阅制」，能否取代万恶的「接口费」？》一文中，曾讲述过火树科技被HIS厂商抢单的故事。（添加作者微信qiaoyw186，交流更多医疗IT厂商博弈故事）

火树科技成立于2016年，专注于医保支付改革下的医院精细化管理运营，曾在2021年院端DRG/DIP市场占有率第一，覆盖20多个省份，合作医院超400家，一度被国家卫健委医院管理研究所点名“DRG课题”唯一合作方。

可作为细分场景下的医疗信息化解决方案供应商，同样难逃被HIS厂商抢单的宿命。

在河南省巩义市医共体的建设中，院方原本对火树科技提供的DIP系统十分满意，临近签约时，却被人截了胡，只因对手是医院的HIS系统供应商。

巩义市人民医院副院长白二红介绍，“火树的DIP系统定价100多万，我们还要再额外向HIS供应商支付40万的接口费，才能接入这套系统，已经超出了医院的预算。”

就在这时，HIS供应商找上门来游说院方，与其花两笔钱购买+接入火树的DIP系统，不如只花这40万买自家的产品。

白二红自是清楚，DIP系统不是这家HIS供应商的强项，他们的产品仍有许多瑕疵，不如火树科技的产品完善。

但一百多万的差价对医院来说并不是个小数目，慎重考虑之后，医院还是选择了HIS供应商的DIP系统，火树科技就此淘汰出局。

抓紧二三线城市与基层的医院客户立足行业，原本就已经是新厂商们避前辈锋芒的无奈之举，当这条路也开始被围追堵截，就唯有正面一战。

03 国产替代浪潮，是不是逆风翻盘的机会？

传统信息化厂商与新型信息化厂商正分别站在独木桥的两端，向着对方的强势业务场景“入侵”。

在这场必然发生的战争中，传统厂商仍旧牢牢占据着优势地位——其中最大的优势并非研发水平，而是数十年来积累的庞大、完善的公关和市场体系，甚至企业的掌舵者也是其中一环。

今年7月1日，就在医疗行业反腐之风愈刮愈烈时，信息化领域也传出一记惊雷——卫宁健康董事长周炜因涉嫌行贿罪被茂名市监察委员会立案调查及实施留置。 

作为百亿市值的医疗信息化龙头企业一把手，周炜被留置立刻引起业内的广泛关注，卫宁健康股价一路暴跌，5个交易日内市值缩水70亿。

8月14日，卫宁健康发布公告称，周炜已解除相关措施自茂名返回上海并正常履职，但相关案件还在进一步调查中。

在这种行业生态之下，对新厂商来说，想要动传统信息化厂商的蛋糕并不是件容易事。

“HIS系统对接了院内太多的业务，对任何一家医院来说，更换HIS都要伤筋动骨。”黄坤指出，HIS厂商是医院最长久的合作伙伴，轻易不会更换HIS系统厂商。

为降低沉没成本与沟通成本，即使现有系统不能满足医院业务发展，医院也更愿意让老合作伙伴进行维护升级，或是平行迁移到他们开发的新产品上，保证临床数据安全可追溯，而非重新选择HIS厂商。

曾有业内人士断言，“覆盖越来越多的业务场景，是医疗信息化厂商们默契的共同发展方向，小公司的生存空间将不断被挤压，直到被收购或消失。”

内蒙古卫生信息中心主任王成亮在医疗信息化领域工作数十年，在他看来，传统信息化厂商在行业内耕耘更久，对业务的理解更深，打造了完善的业务条线，很难有新的企业在短期内取代他们。

除非行业中出现了颠覆性的技术。

在新技术浪潮之中，新型信息化厂商会蜕变为引导需求的先行者，而传统信息化厂商由于机构庞大，可能会面临尾大不掉的局面，无法及时将公司的资源、人力调转方向，集中精力研发新技术。

正如《浪潮之巅》一书中对摩托罗拉的评价，这家曾领导过移动通信第一波浪潮的“IT贵族”，由于领导人无力驾驭这样一家庞大的公司，在新一轮的竞争中没能找到一个专攻的方向，使公司在各条战线上同时失利，最终走向衰落。

在医疗信息化行业，或许短期内无法出现重构移动通信领域格局一般的技术浪潮，但乘上政策的东风一样能颠覆行业格局。

在国家推动信创产业发展，建立自主可控的IT底层架构与标准过程中，医疗IT新厂商们能否找到弯道超车的机会？

信创产业，即国家构建自己的信息技术产业标准跟生态，使得IT产品和技术安全可控，摆脱对国外IT标准的依赖。

主要包括基础设施、基础软件、应用软件和信息安全等四大领域，是基于改变中国信息产业“缺芯少魂”现状逐渐发展演变出的创新产业。

长久以来，我国的IT产业生态都建立在海外科技企业的软硬件产品之上，如提供CPU的Intel、AMD等企业，是基础设施厂商；提供操作系统的微软、提供数据库的Oracle、提供中间件的IBM等，则属于基础软件厂商。

如今，国内的信创产业链条基本形成，各个环节都已有自研产品问世。

资料来源于华泰证券

在基础设施领域，有华为、中国长城、浪潮；在基础软件领域，有华为、神舟通用、长城软件；在信息安全领域，有360、深信服、天融信等等。

在医疗行业的应用软件领域，国产化改造涉及的范围则更广，包含面向管理的 OA、邮件、教学、财务、资产、物资、后勤、网站、HRP，以及面向临床业务的HIS、LIS、RIS、PACS、手麻等上百个应用系统。

医疗信息化厂商也是其中的重要一环，中国要建立自己的IT产业生态，推动信创产品进入医院，势必会带来一场医疗信息化产品的全面革新。

医疗信息化行业的资深从业者张宇（化名）指出，“规模越大、产品体系越丰富的厂商，做信创产品的迁移成本就会越高。”

张宇介绍，在IT行业中，微软、IBM等属于企业级的公司，开发的产品属于基础硬件 / 软件，为各个企业提供基础服务；

医疗IT厂商属于行业级的公司，使用企业级的公司提供的组件，搭建自己的上层应用，开发的产品属于应用软件，为医疗行业提供服务。

因此，医疗IT厂商的业务特别依赖于企业级公司提供的基础设施，业务逻辑与数据库特性深度绑定。

对产品体系已经十分丰富的老厂商来说，想要适应新的基础设施架构，就要对现有产品全部进行迁移，其中的成本难以估量。

而新型医疗IT厂商则可以在产品研发初期就选择使用开源工具，而非企业级的组件。

更重要的是，倘若医院全面更换信创产品，新老供应商之间最大的鸿沟就消失了——医院迁移数据的沉没成本。

“对新厂商来说，变局就意味着转机。”张宇指出，更换信创产品将会解开医院与老供应商之间的深度绑定，医院未必还会选择头部几家供应商，他们坚守多年的金字塔顶端要崩塌了。（添加作者微信qiaoyw186，交流更多医疗IT厂商博弈故事）

04 医院拒绝为信创买单

毋庸置疑，在国家的推动下，信创产品必然会逐步进入到各行各业，医疗信息化也不例外。

上海等省市卫健委联合多部门出台的信创工作实施方案通知中明确要求，市级医院2025年6月前完成全面信创升级工作，首批信创医院在2024年6月前完成50%以上的信创升级工作。

通知中将医院内的应用软件分为三个批次：

一、诊疗核心业务系统(HIS、EMR、LIS、PACS、RIS等)，暂不全面实施信创工作，但要求完成信创潜在方案评估和密码应用改造；

二、支撑诊疗的外围业务系统(如CDR、ODR、互联网医院、远程诊疗等)，除部分与核心诊疗业务系统交互的功能模块。经论证后可保留使用非信创技术，其余部分应进行信创改造和密码应用改造；

三、与诊疗无关的业务应用系统(OA、网站、邮件、财务、后勤、安防、教学、HRP等)，应全部完成信创升级和密码应用改造。

简而言之，医院的信创升级原则是从边缘系统到核心系统逐步进行。

上海瑞金医院、复旦大学附属中山医院等头部三甲医院内，信创改造已有落地实践。

在今年7月的一场公开演讲中，上海交通大学医学院附属瑞金医院信息中心副主任杨郁青介绍，将在2024年6月前，实现升级与应用双轨并行。

但对于绝大部分医院来说，信创仍是一件遥不可及的事情。

“如果国家没有强制性要求，医院使用信创产品的积极性不高。”华南某三甲医院信息科科长李明（化名）认为，现阶段的医疗信创产品对医院来说还没有吸引力。

首先，从算力上看，国产服务器与目前常用的Intel等产品相比还有一定差距，支撑大型医院的日常业务还有些吃力。

其次，在医疗行业中，HIS、PACS等重要的信息化软件大多采用关系型数据库。目前还不支持分布式计算，大量的计算通常由一台数据库主机机器承担。

如果要弥补国产服务器算力不足的缺陷，就需要将现有集中式架构改为分布式架构。

除软件系统外，医院还有数目庞大的终端设备，如打印机、扫描仪、读卡器等，考虑到成本问题，医院不可能一次性将这些设备全部淘汰，在信创环境下，这些设备的驱动程序也是一个难题。

白敏供职于国内某ICT厂商，他介绍，相比国外产品，国内的信创产品目前还存在以下劣势：

第一，发展年限较短，没有培养期用户习惯，大家更习惯于使用国外产品；

第二，技术仍存在短板，产品运行时不够稳定；

第三，没有建立起生态系统，很多软件厂商不会专门研发信创版本。

“医疗信创产品的大规模推广，至少要四五年以后了。”白敏表示。

李明指出，要调动医院对信创改造的积极性，需要政府、高校、企业等多方角色的共同配合，完成信创软硬件架构的设计工作、开放信创适配测试与认证环境，吸引更多的HIT商加入测试与认证，打造一个支持信创发展的生态环境。

当越来越多的厂商愿意加入信创适配的工作，研发出更加完善的产品，医院才会更愿意拥抱信创。

05 信创新赛道，群雄逐鹿

纵然医疗信创的前景仍不算明朗，也早有敏锐的厂商提前布局。

业内人士介绍，几家实力较强的头部信息化厂商，或多或少都在布局信创，卫宁健康与东软医疗在其中投入最多。

在去年11月的一次公开演讲中，卫宁健康行业规划总监漆恒琦介绍，自2017年设计研发新一代数字化产品WiNEX，就已经将信创架构特点考虑其中。

这个时间点，很多新型医疗IT厂商才刚刚创立。即便是到了信创这条新赛道上，愿意投入研发的老厂商依然极具竞争力。

“信创至少给了新厂商一个入局的机会，让他们能够和老厂商站在同一个起跑线上竞争了，而不是从一开始就被排除在50%的市场以外。”

张宇认为，新厂商要做的是利用自己在行业内的能量，推动更多不同角色的企业加入到信创中来，建立起医疗行业的信创生态，影响卫健委、信通院等政府部门尽快制定行业标准。

“能否乘得上这趟顺风车，还要看这些新厂商的领导者是否有下注的眼光和魄力。下注太早，公司可能活不到发车的时候，太晚又会丧失先机。”

曾有观点认为，卫宁健康周炜行贿风波是医疗反腐燃烧至医疗信息化领域的信号。

张宇却指出，“现在的整改只是一阵风，过去了还会卷土重来，医疗信息化注定就是关系型销售。”

只要行业生态不改变，老厂商们搭建的庞大关系网络就永远有用武之地，从而在竞争中占据优势地位。

医疗信创，或许是新厂商们唯一翻盘的机会。

作者注：今年8月，由中国移动控股的联仁科技发布预披露信息，拟将北方健康48.6%国有股权公开转让。

中国移动的退出将为医疗大数据行业格局带来哪些变化？雷峰网将持续关注相关消息，欢迎添加作者微信qiaoyw186，互通有无。

脑机接口距离落地还有多远？

上海大学人工智能与医工交叉研究中心主任杨帮华教授告诉《医健AI掘金志》，“资本市场对脑机接口行业还处于观望阶段。”资金，是现阶段限制行业发展的一个重要因素。

1973年，美国加州大学洛杉矶分校的计算机科学家雅克·维达尔在前人研究的基础上，做出了一个全新的设想：通过放置在头皮上的电极可检测到大脑发出的实时信号，对信号进行翻译后用于控制计算机。

这就是最早出现的脑机接口概念。

半个世纪以来，科学家们从未停止过对这项技术的探索，脑机接口的概念范畴不断延伸，与脑电信号采集、解码相关的电极、芯片、算法的研发也不断取得新的突破。

今年5月，埃隆·马斯克创办的脑机接口公司Neuralink宣布，首次人体临床试验已获得美国食品和药物管理局（FDA）批准，意味着脑机接口进入了一个全新的时代。

真正实现产业化落地之前，这项技术还面临着哪些困难和阻碍？

脑机接口将如何影响未来的医疗健康场景？

侵入式脑机接口与非侵入式脑机接口那哪种方式将成为未来的主流？

就以上问题，在8月16-22日举办的世界机器人大会上，《医健AI掘金志》和来自上海交大、上海大学、东南大学、天坛医院等高校和医院的脑机接口研究者们进行了对话。

脑机接口的两大方向——运动与情感

从脑机接口技术实现的功能与用途来看，脑机接口可以分为运动脑机接口和情感脑机接口两个类别。

2019年，南加州大学Maryam Shanechi教授曾在Nature Neuroscience杂志上发布了一篇题为《从运动到情绪的脑机接口》的综述文章，介绍了运动脑机接口与情感脑机接口的不同特点。

文章中指出，运动脑机接口当前的研究主要集中在瘫痪患者的运动功能恢复。研究者利用数学算法从神经信号中估算出患者的运动意图，并使用解码结果来控制外部执行器（如假肢装置），并向患者提供感官和奖励反馈，从而创建一个闭环控制系统。

情感脑机接口的研究则集中在神经系统疾病和神经精神疾病上，通过调控情绪状态来恢复失去的情绪功能。在这个过程中，脑机接口技术需要实现的目标是调节大脑内部状态，而非控制外部执行器运动。

其治疗方式是先解码情绪症状的状态，将状态作为反馈来决定何时以及如何对大脑做电刺激。情感脑机接口同样是一个闭环控制系统，大脑是执行器，外部电刺激是控制指令，控制内容则是由神经反馈和治疗目标决定。

在2023世界机器人大会的受邀嘉宾中，上海大学人工智能与医工交叉研究中心主任杨帮华与上海交通大学附属瑞金医院脑机接口与神经调控中心共同主任吕宝粮，分别是运动脑机接口与情感脑机接口两大研究方向的代表人物。

杨帮华

杨帮华教授专注于基于运动想象的脑机接口研究，她向《医健AI掘金志》介绍，在神经系统疾病导致的运动功能障碍治疗中，当前常见的物理治疗手段大多为被动治疗方式，在患者康复的过程中，大脑并没有主动参与这一过程。

脑机接口技术通过探测患者的脑电波，将患者大脑产生的主动康复的意图反馈给患者本身，同时也将命令传达给机器人等外部设备，打造了从大脑主动意图的探测到外部康复机器人的闭环训练系统，使患者实现从大脑到肢体，再从肢体到大脑的康复过程。

相比以往单方面通过肢体康复作用于大脑的治疗方式，基于运动想象的脑机接口技术可缩短患者的康复时间，提升康复的效果。

吕宝粮

吕宝粮教授则聚焦于多模态情感脑机接口及其在抑郁症客观诊断方面的应用。

吕教授介绍，脑深部电刺激疗法（DBS）最早应用于帕金森病的治疗，20%-30%的帕金森患者同时出现了并发症——抑郁症。研究者发现，这一疗法对抑郁症的治疗也有一定的效果，于是DBS开始应用于难治性抑郁症。

在抑郁症患者中有20%-30%是难治性抑郁症，在临床上，药物疗法、物理疗法和运动疗法都不太起作用，DBS是目前治疗难治性抑郁症的一种很有前途的新方法。

但是DBS脑起搏器原本是为帕金森病治疗设计的，要应用于难治性抑郁症的治疗需要在电极微型化和参数个性化等方面进行探索。

此外，情感脑机接口还有一个重要特点，即不同年龄、性别、职业和文化背景的患者，情绪的变化具有很大的差异性。因此在实验中就要考虑到这些因素，需要使用更加个性化的DBS刺激参数和范式，以提升疗效。

为此，上海交通大学于2018年启动了第一个医工交叉重大研究项目，吕宝粮教授与瑞金医院功能神经外科的孙伯民主任，上海交通大学医学院徐天乐教授和上海市精卫中心的方贻儒教授等七位教授开展了脑机接口治疗难治性抑郁症的探索，致力于通过跨学科研究优化DBS参数设置，借助客观的评估技术实现参数的个性化和优化。

非侵入式脑机接口仍是未来主流

从脑机接口的信号采集方式来看，可分为侵入式与非侵入式两种。

侵入式脑机接口是通过手术将电极阵列植入颅内，直接记录或刺激大脑神经元，以实现与外界的交流，采集到的信号更为精准，吕宝粮教授所做的脑深部电刺激疗法（DBS）就属于侵入式脑机接口。

由于这种信号采集方式需要对病人进行手术植入电极， 具有一定的危险性，在临床上往往只用于部分重症患者的治疗。

非侵入式则是在头皮外部进行信号采集，信噪比较低但安全性更强。相比之下，非侵入式脑机接口的应用场景要广阔得多，除常规的康复、治疗场景外，还可以作为工具为医生提供帮助。

宋爱国

东南大学电仪控制学部主任、机器人传感与控制技术研究所所长宋爱国教授，将脑机接口技术融入人机交互机器人的研究之中。

相比纯粹的脑机交互研究，宋爱国教授的“脑机融合”研究多出了一个感知反馈的环节。

一方面，利用脑机接口技术帮助使用者控制作为外部执行器的机器人；另一方面，又将利用机器人力触觉传感技术采集的信号反馈给大脑，形成闭环，实现脑机的高度融合。

这项技术与手术机器人的适配度十分之高，借助非侵入式的脑机接口设备与手术机器人，医生能够更精准地感知手术过程中患者的身体情况以及机器人手术过程的力触觉信息，提升手术的成功率。

宋爱国教授指出，从技术难度、治疗风险、患者接受度等各方面考虑，非侵入式脑机接口会是未来的主流手段。

天坛医院神经外科主任医师何江弘从临床的角度分析，未来两条路线将会并行，采取哪种方式则取决于病人的具体情况更适合哪种采集方式。

“无创的脑机接口应用会更广泛，伦理挑战也比较小，能够更快地应用在临床治疗中。但针对一些非侵入式脑机接口也不起作用的特殊病情，则有必要采取有创的方式进行信号采集。”

资本市场仍在观望，临床研究受资金掣肘

从临床应用场景来看脑机接口在医疗领域有着诸多应用场景，除上述杨帮华、吕宝粮两位教授分别专注的运动障碍诊疗、精神疾病诊疗以外，还将在意识与认知障碍诊疗、感觉缺陷诊疗、癫痫和神经发育障碍诊疗等领域发挥作用。

何江弘医生向《医健AI掘金志》介绍，当前国内脑机接口产品的成熟度距离落地应用还有很长的路要走，在成果转化上还存在一些问题。

何江弘

一方面，由于脑机接口在临床上的应用是一个近年来才兴起的新场景，相关的政策法规仍不完善，脑机接口产品申请医疗器械证将是一个十分漫长的过程；

另一方面，产品研发是一个“无底洞”，需要不断投入大量的资金，许多研究就卡在了资金供给上。

据中商产业研究院发布的研究报告，脑机接口公司研发投入极高，业内的年研发投入普遍超过其年收入的80%。

因此，能否通过融资等手段获取充足的现金流以支持其漫长的研发周期成为脑机接口公司发展能力的关键因素。

杨帮华教授介绍，国内的脑机接口行业当前尚未进入爆发期，大多投资方对这一技术还处于观望阶段，实际投资还不多。

“他们更希望在人体实验形成规模、获得大量医院与患者的正向反馈后，再携资金入场。”

然而，脑机接口实验的开展，每一例都需要投入大量成本，在资本入场之前，资金问题成为了掣肘研究工作转化应用的重要一环。

技术瓶颈、伦理挑战、市场质疑······在产业爆发之前，脑机接口还有很长的一段路要走。雷峰网雷峰网雷峰网

在如今的大模型浪潮中，来自全球学术、工业、投资界的一群人，正俯瞰着创新乏善可陈的 AI 谷地，他们眉头紧皱，一筹莫展：可研究、能落地的方式，应用尽用，瓶颈触手可及。

然而有那么一批开拓者，把科学和应用之手，伸向了饱受争议、遥遥无期的人迹罕至之地：通用人工智能。在他们的勘探下，人工智能终于被掀开守护了60年的真实容颜，让GPT和大模型，展露在众目睽睽之下。

当生命科学的人聊起AI新浪潮，焦虑、渴望与机遇，成为这群人的共同写照。

生命科学领域的很多问题还有待于解答和观察，大模型能否刺破笼罩在科学上空的漫漫长夜，带领一群人破译生命密码？

由GAIR研究院、世界科技出版社、科特勒咨询集团、雷峰网联合合办的GAIR大会8月14-15日在新加坡成功举办。而针对当下科技圈的最新趋势，15日上午「破解生命密码的三种范式」分论坛，请到了三位生命科学领域的实干家，请他们来分享自己的真知灼见。

三位来会发言的嘉宾分别是：

密苏里大学教授，AAAS / AIMBE Fellow，许东

微软云与人工智能事业部首席科学家，陈梅

纽约市立大学教授，IEEE / IAPR Fellow，田英利

核心观点：

许东认为，基于图像和自然语言的大规模数据训练的基础模型，为广泛的应用提供了前所未有的机会。

当与基于提示的学习相结合时，这些模型的潜力被进一步放大，即使使用少量标记数据也可以实现最先进(SOTA)的性能。

本次论坛许东重点介绍了两个基础模型在生物医学领域的应用：ChatGPT和Segment Anything Model (SAM)。

他指出，随着文献量呈指数级增长，人工检索方法无法有效提取嵌入式知识。作为回应，许东和团队开发了一个途径管理管道，协同图像理解和文本挖掘技术来破译生物知识。

该管道采用SAM、对比学习和暹罗网络来识别路径实体的关键属性及其关系。整合ChatGPT对基因相互作用的预测能力已被证明有助于增强途径信息的提取。

为了优化ChatGPT的响应，应用了一种新颖的迭代提示改进策略，其中使用F1分数、精度和召回率等指标评估这些提示的有效性，然后将评估结果馈送到ChatGPT中以提出更好的提示。更进一步的，许东使用思想树迭代进一步改进了提示。

此外，基于提示学习的方法，许东也从冷冻电子显微镜(cryo-EM)图像中进行基于SAM的蛋白质鉴定。研究结果强调了基于提示的学习，在有效的生物医学数据分析和预测方面的潜在效用。

陈梅分享了一种在医学影像分析中，可以减轻标记数据收集负担的方法——无监督域自适应（UDA）。

据陈梅介绍，自动化医学图像分析的成功取决于大规模和专家注释的训练集，而医学图像高质量标记数据的获取成本十分高昂，经过长期的研究，陈梅及其合作者发现无监督域自适应能够解决这一问题。

设计了一种双流蒸馏算法，利用从可靠来源获得的外部指导来正则化注释不足的域和类的学习动态。这一方法解决了分类自适应跨域自适应场景中的主要障碍——沿网络优化导航不足的问题。

田英利分享了其团队在AI驱动的虚拟对比度增强与AI驱动的自动癌症诊断两个方向上的研究。

田英利团队提出的细节感知双路径对比度增强框架，能够将图像分为四个等级，提取更详细的特征，获得更精确的虚拟对比增强CT，以解决肾脏病人对造影剂过敏的问题。

此外，她还指出了当前肺癌检测方法中存在的缺陷，如小结节难以检出、特异性低、鲁棒性低等，并提出了基于三维特征金字塔网络(3DFPN)的AI驱动的自动肺结节检测方法。

这些观点并非都是共识，也只揭开了大浪潮的冰山一角，但仍体现了变革浪潮里生命科学人的思考与探索。

受限于篇幅，我们选取部分内容进行梳理，分享给更多对AI领域感兴趣的人士。期待更多人参与到生命科学的大模型实践中，共同汇入社会创新的时代洪流。

密苏里大学许东：基础模型本身就可视为黑盒，ChatGPT也有可能进化为具有超强推理能力的「知识图谱」

这一年NLP学术领域飞速发展。其中最火的两个概念就是contrastive Learning(对比学习）和 prompt-based learning（提示学习）。

众所周知，AI领域除了算力贵，有价值的标注数据也非常昂贵。而无论是对比学习还是模板学习，都开始解决少量标注样本，甚至没有标注样本时，让模型也能有不错的效果。

而prompt-based learning算是目前学术界向少监督，无监督，高精度的方向发展最新的研究成果。

作为今天「破解生命科学范式」的首位嘉宾，密苏里大学的许东教授的分享题目是《Prompt-based learning for analyses of biomedical images and text》（基于提示学习的生物医学图像和文本分析），引起了现场的重点关注。

许东将机器学习分成四个阶段：

第一阶段，特征工程，即手动特征提取，以SVM或简单的神经网络为代表。

第二阶段，构架工程，即用原生特征，在深度学习网络上做各种调整。

第三阶段，目标工程，即采用预训练大型模型并对其进行微调，以Bert为典型代表。

第四阶段，提示工程，即在基础大模型上做各种各样的应用，比如zero/few shots 。

许东认为，提示学习使得机器学习有了一个根本性改变：从过去比拼的大数据、大模型、大算力，转向用小数据、小模型、小算力解决实际问题。

也就是说，只需要将较小规模的模型接入到大模型上，即混合模型，那么训练要求也随之降低，可以用很小的算力做很多事情，尤其是是对没有太多计算资源的学术实验室和医院非常友好。

对于基础模型的定义，许东认为一个基础模型至少要符合三点：可被提示、适用广谱的下游应用、有超大的训练数据并达到智能涌现（可理解为：具备一定推理能力）。只有满足这三点，“基础模型本身就可以当作黑盒，且聚焦应用本身”，最终推动“人工智能的工业时代”的到来。

他近一步解释，过去很多人批评机器学习，说它是黑箱。但在提示工程时代黑箱可能是一件好事。因为你不需要关心里面的复杂度。就像你用手机一样，关注点只是界面交互，而非手机的制造工艺。

在当前的基础大模型竞赛中是，许东从图像和自然语言两方面入手，在本次论坛上重点介绍了两个基础模型在生物医学领域的应用：ChatGPT和Segment Anything Model (SAM)。

值得注意的是，许东教授此次尝试，也代表了国际上最早进行大模型生物医学实践的团队。

他通过大量实践得出结论：如今大规模数据训练的基础模型，为广泛的应用提供了前所未有的机会。尤其是当与基于提示的学习相结合时，这些模型的潜力被进一步放大，即使使用少量标记数据也可以实现最先进(SOTA)的性能。

首先，一般人研究ChatGPT ，主要将其作为一个对话工具或者知识查询工具，许东开创性提出：ChatGPT对广谱的文本进行加缩，本身就成了一个具有超强推理能力的“知识图谱”。

从科学角度来说，很多人会质疑“如何规避ChatGPT中的‘幻觉‘问题”，但许东指出，“幻觉做计算的时候不算什么，可以视为一种false positive（假阳性），即预测过程中的正常情况。只是我们要用科学的方法来研究它、量化它、控制它。”

与此同时，许东也指出，ChatGPT（更明确说是GPT-3.5）并不能直接用于生物医学研究，它更像个话唠，不加控制将时更易产生滔滔不绝的回答。

因此首要工作是将其结果和“ground truth”（真实数据）做严格比较。作为计算生物学家，许东更想让ChatGPT回答：“基因A和基因B到底有什么关系？”“人类应该怎么设计好的提示来做这个问题？”，使得结果更符合生物学的知识。

其次，还要严格按照机器学习的方法来做提示（prompt），设置Ground Truth、搭建训练集、检验集和测试集等。

作为测试，许东和团队将ChatGPT进行了角色定义--一个计算生物学家，并要求ChatGPT回答“基因A和基因B之间的关系”，并明确要求只限于4种回答：“激活”，“抑制”，“磷酸化”或“无信息”。

在实验过程中，许东发现，“Few-Shot Prompting对训练模型只有很小的作用，但它更大的作用是示范--告诉ChatGPT我们要解决的问题是什么？”

这是实验中的关键一步，随后你可以再告诉ChatGPT一些知识，即chain of thoughts(思维链)。

为了优化ChatGPT的响应，许东应用了一种新颖的迭代提示改进策略，其中使用F1分数、精度和召回率等指标评估这些提示的有效性，然后将评估结果馈送到ChatGPT中以提出更好的提示。

通过这种做法，可以是把所谓“硬提示”变成可以调整的“软提示”来优化，但不同于常规的软提示。

结果显示，这种方法能够明显体现出ChatGPT的智能涌现。也就是说，“它达到了反思能力--开始思考自己是否达到最好。并且后续的改动非常少。”

举个例子，它最初的身份是“一名计算生物学家”，但经过数次自我提示和迭代后，它变成了“一名专门研究基因相互作用的分子生物学家”。再比如，ChatGPT在activation incubation这一回答后加了一个括弧-- gene one activates gene two。

许东表示，这些东西好像没有什么意义，但是它确实把格式定义得更清楚了，所以这些细小的这种调整使得它的这个整体表现大大提高。

此外，许东指出，ChatGPT不光能做两个基因的关系，还可以做基因链的关系--一个基因链的作用，最终是从基因A到基因B，但中间经过了C、 D再到B。这一研究也可以让ChatGPT通过思维链的方式把整体网络搭建出来。这就便意味着，ChatGPT可以构建更大的知识图谱。

此外，基于提示学习的方法，许东也从冷冻电子显微镜(cryo-EM)图像中进行基于SAM的蛋白质鉴定。研究结果强调了基于提示的学习，在有效的生物医学数据分析和预测方面的潜在效用。

最后，许东表示，ChatGPT的整体表现一骑绝尘，但是产品本身不太稳定，有人评估发现今年6月ChatGPT的推理能力要弱于3月，正如昨天GAIR大会黄学东院士提到，AI要在工业界的落地应用应考虑「集成式 AI」的实践与可能，即三个臭皮匠顶个诸葛亮。

许东强调，“在学术上也要有三个臭皮匠的故事。”

针对他当前所做的提示工程，许东也表示，虽然提供工程量小，但要求很高，不能随便拿几个小数据来做，而且选的数据必须有代表性，不能是特别极端的数据；此外提示工程的泛化能力可能不如一些普通的机器学习。比如当两个任务很接近时，提示工程可能无法进行。

最后许东再次感触，“机器学习一个非常著名的定理--No Free Lunch定理。没有一种通用的学习算法可以在各种任务中都有很好的表现，需要对具体问题进行具体的分析。”

微软陈梅：无监督域自适应，将降低医学影像高质量标记数据的获取难度

陈梅指出，AI技术发展之快、规模之大前所未有，不论任何领域都应当努力适应AI技术的进步，以确保自己走在行业的最前沿。

多年来，陈梅花费了大量的精力研究显微图像，并在2016年与合作伙伴共同创办了CVMI（Workshop on Computer Vision for Microscopy Image Analysis)会议，此次她的分享题目是《AI for microscopy image analysis 3.0》。

显微图像的研究一直随AI技术的迭代而发展，比如此前人们对分割、对神经网络的探索等等，在这一过程中，越来越多的人开始关注病理学。

今年以来，显微技术有了很大的发展，图像分辨率也不断提高，让研究者们得以对每个单细胞进行深入的了解。

大规模和专家注释的训练集对医学图像分析至关重要，然而，对医学图像来说，想要获得高质量的标记数据，必须具备一定的专业知识，因此往往比其他领域数据集的创建更加昂贵。

为了减轻标记数据收集的负担，陈梅及其合作者多年来专注无监督学习适应的研究。研究发现，无监督域自适应在这一领域大有可为。

当然，无监督域自适应的应用仍存在挑战：

1、基于梯度的优化需要足够的标记数据来指导大量的更新步骤

2、域偏移/小数据制度导致更新信号嘈杂或过拟合

据此，陈梅及其合作者提出利用梯度空间的低秩性，优化轨迹蒸馏以及为学习目标领域和新类提供外部导航。

陈梅及其合作者设计了一种双流蒸馏算法，利用从可靠来源获得的外部指导来正则化注释不足的域和类的学习动态。

这一方法解决了分类自适应跨域自适应场景中的主要障碍——沿网络优化导航不足的问题。

具体来看，双流蒸馏算法可以分为跨域和跨类蒸馏，将学习动态从源域和锚类提取到目标域和新类：

• 对源域和锚类的聚合梯度进行SVD，以识别主特征空间

• 选择最高有效向量的低秩矩阵近似

• 构造主子空间及其投影矩阵

• 将所有渐变投影到子空间上

• 最大限度地减少投影梯度统计数据之间的差异

陈梅及其合作者曾讨论，是否放弃历史自蒸馏的方法，即以前使用的方法。如果目标领域与源领域有诸多共同点，无监督适应就有比较好的普适性；否则普适性比较差。

历史自蒸馏可以利用扁平最小值区域和模型普适性之间的相关性；其次，校准梯度下降步骤以平滑优化，从而提升普适性。

优化过程中，我们的具体步骤如下：

• 利用历史，即过去的梯度，来识别指示局部极小值的主梯度分布的低维子空间

• 在构建的子空间上投影当前梯度以排除尖锐和噪声信号

• 使用原始梯度和校正梯度之和进行的后续优化器步骤

陈梅及其合作者做了很多实验来验证，双流蒸馏算法能够适用于常见的许多数据集，如癌症组织表型、部件消融研究等等。

对其他类型的数据，双流蒸馏算法也能够发挥作用，针对放射学中的肺炎筛查，糖尿病视网膜病变眼底影像分级，以及在艺术与真实世界领域的价值这三个任务，陈梅及其合作者也已经进行过评估，相比其他方法，整体水平均有提升。

从我们的研究成果来看，跨域跨类优化轨迹蒸馏，能够校准未充分注释的域和类的学习动态；历史自蒸馏通过调节梯度分布，能够获得可推广的解。

纽约市立大学田英利：虚拟对比增强CT，可有效提升不使用造影剂的医学图像质量

田英利专注利用计算机视觉和机器学习等技术帮助老年人、视障、听障等特殊人群，在《AI-driven Automated Medical Image Analysis 》演讲中，她介绍了如何应用AI驱动的技术帮助医生分析医学图像。

田英利团队的研究围绕两个主题进行：

人工智能驱动的虚拟对比度增强——突出血管和器官的内部结构。

人工智能驱动的自动癌症诊断——病灶检测、分割和亚型识别。

田英利团队专注肺癌和肾癌两种疾病的研究。

在测定肾功能时，医生需要向患者体内注射造影剂，以增强造影效果。但是，部分肾病患者对造影剂过敏，因此医生只能减少注射量，这可能会影响患者器官的成像效果，使医生不得不重复注射，以得到更清晰的图像，反而得不偿失。

那么，AI技术能否帮助医生在获得医学影像时，减少或避免使用造影剂？

田英利团队尝试从没有使用造影剂的CT中，生成了虚拟对比增强CT，并与真实的使用造影剂的CT进行比较，得到了相似的效果。

该技术应用于腹部器官成像时，面临的问题更为严峻，如造影前后器官的位置、方向会发生改变，腹部和骨盆处的CT扫描，只能从有限的数据中提取特征，同时还存在着模型过拟合等问题。

为此，田英利团队提出了细节感知双路径对比度增强框架，尝试将图像分为四个等级，并提取更详细的特征，填充到一起获得虚拟对比增强CT。以下使用65名患者的医学影像形成的数据集。

田英利指出，这是医学影像处理的一大挑战，相比大语言模型技术，这一方法的计算量需求也非常大，但考虑到患者的隐私，实际上并没有太大的数据集可供使用。

当未来拥有足够大的数据集后，就可以为每种不同的特定应用选择通用的医疗模型。

根据田英利所展示的对比图，第三行的虚拟对比增强CT效果最接近于真实的对比增强CT。

除上述研究外，田英利团队在AI驱动的肺结节自动诊断检测领域也有深入研究。

目前主要的肺癌检测方法可分为2D检测网络与3D检测网络两类，2D检测网络存在缺少时间特征、检测精度低、假阳性率高等缺陷，3D监测网络同样存在假阳性率高的问题。

这些技术缺陷导致在肺结节检测中，存在着许多遗留问题，如小结节难以检出、特异性低、鲁棒性低等。

田英利团队研究的AI驱动的自动肺结节检测方法，使用了三维特征金字塔网络(3DFPN)，具备更高的灵敏度和特异性。

通过观察连续切片，田英利团队发现组织和结节在连续CT切片上的位置变化方向存在差异，并据此排除了许多假阳性案例。

鲁棒结节检测框架3DFPN-HS²，采用了自监督预训练模型，能够从图像中提取丰富的特征，对系统差异更具稳健性。

该方法在888个CT中找到了1186个3-30mm的肺结节，其中四分之三得到了放射科医生的认可。

此外，田英利还分享了AI驱动的肺结节自动诊断检测3D点云研究与AI驱动的肾脏和肾脏肿块自动诊断分割与分类。

她在演讲中指出，现有3D点云检测方法主要集中在小区域，团队的首要工作是处理肺部整体点云区域，并提出了3D电云结点检测框架。

在肾脏和肾脏肿块自动诊断分割与分类工作上，田英利团队提出了肾脏及肾脏肿块诊断框架，基于形态学表现判断肾肿块亚型。

结语

8月15日中午，GAIR大会的生命科学分论坛顺利告一段落。

当日活动延续了GAIR首日AI前沿创新的盛况，会上高朋满座，一时竟需要工作人员特殊加席，更有晚到的观众只能站立与会。生命科学的受关注程度也能由此可见一斑。

这个世界从不缺时代的注脚，GAIR存在的意义，就是让AI历史上的各种机缘与巧合，交织在一起，碰撞出新的思想与故事。

生命科学的未来一定会来，而这个未来将一定会属于实干者们！

临近签约被一个电话截胡，火树科技的院方对接人在现场留下这样一句话。

这是一家为医院提供精细化管理运营服务的公司，成立七年，曾在2021年院端DRG/DIP市场占有率第一，覆盖20多个省份，合作医院超400家，一度被国家卫健委医院管理研究所点名“DRG课题”唯一合作方。

但似乎火树的生意越来越难做。

明面上是医院淘汰了火树，实际上信息化老饕争夺市场，暗潮汹涌。怎么办到的？不是什么新招，接口费而已。

医疗信息化的头部厂商把持着管理信息系统等基础类系统，在接口费问题上掌握着很高的话语权，凭此推动自家冷门产品捆绑入场只是常规操作。

近年来的医院信息化建设面临着许多不确定性。老系统的维护与升级、新系统的采购与对接等问题层出不穷，让医院信息科疲于应对。头部医疗信息化厂商嗅到商机，试图通过“垄断”的路子尽可能吃掉院内各项业务。

成本压力、深度捆绑的现实情况下，医院似乎已经没有第二种选择，而小公司的生存空间，也正被不断挤压。

“订阅制”则是信息化巨头的抓手。2020年，东华医为成为国内唯一一家实行此模式的医疗信息化厂商。凭借不受限开放接口需求、免费提供医院特定新产品等卖点，这一模式已在国内多家医院落地。

一位业内人士认为，头部厂商有着更完善的售后服务，将全部系统打包给同一家企业，能够大大降低医院信息科的工作量。

但也有医院不愿将“命脉”交由一家供应商掌控，丧失议价和业务开展的主动权，“如果我想要上线的新系统对方没有，只要他们不想帮我做开发，我就上不了，甚至给钱都没有用。”

要不要把身家性命全盘托付给医疗信息化巨头，让中小医院陷入两难。（欢迎添加作者微信qiaoyw186交流）

订阅制，是不是讲故事、拉估值？

东华医为为什么要推“订阅制”？

董事长韩士斌在四年前推出HOS时曾回答过这个问题。

2020年11月，东华医为在一次论坛上首次发布了医院综合业务操作系统HOS（Hospital Operating System，医院综合业务操作系统）。

韩士斌在论坛上指出，中国医院信息化建设面临的诸多问题，实质是由于“业务线没有在同一个系统、IT系统之间缺乏逻辑设计，以及在IT系统中缺失对各类生产资料、数据的全局治理”。

图片来源于东华医为副总裁温衍公开演讲内容

在韩士斌的设想下，HOS服务模式有5类服务内容不受限开放，即许可类别和数量、产品升级、接口需求、新需求、按需配置人工服务；此外，医院特定的新产品需求，厂商也将免费提供。

这是一场对国内医疗信息化既有模式的颠覆。

一位曾在头部医疗信息化企业工作多年的业内人士陈阳（化名）表示，相比于以往的“买断制”模式，HOS模式有两个典型的特征：

首先，从“买断制”到“订阅制”，医院的信息化成本不再是购买软件的费用+服务费，而是改为签订五年或其他年限的合同，每年支付一笔的订阅费用。订阅期结束后，如果不再续订，厂商提供的服务也自动结束。

其次，HOS试图吃掉整家医院的信息化业务。

医院的信息化建设中，涉及到的系统数目、种类繁多，每家供应商往往只擅长其中的一种或几种系统的建设，难以全面覆盖，因此，从基础的医院信息管理系统到各类专业化系统，通常由数十家不同的供应商分别搭建而成。

以开头被截胡的火树科技为例，只专注于DRG/DIP这一个领域的建设，属于“小而精”的信息化厂商；

而东华医为、东软医疗、卫宁健康等入局更早、规模更大的头部企业，在医院信息系统、病历管理系统等基础类系统领域根系粗壮，并以此为核心逐渐拓展业务范围，属于“大而全”的信息化厂商。

在HOS这一模式的裹挟下，弱小的信息化厂商几乎没有还手之力。

对东华医为来说，HOS既是业务扩张的需要，也是为了给资本市场讲一个好故事。

一位内部员工介绍，目前东华医为自研的系统，已经基本能覆盖院内所有业务。对东华医为来说，这是一场需要投入极大成本的“新游戏”。

陈阳指出，医院系统的研发是一个大工程，厂商至少要花费两到三年的时间，之后还需要经过长期的验证和优化，才能得到一整套成熟的方案。

上述东华医为的内部员工透露，东华医为目前正处于准备上市的阶段，相比传统医疗信息化卖软件的盈利模式，订阅制所代表的SaaS模式营收更加稳定，企业估值也会更高。

这是软件及云服务行业默认的估值逻辑。

同样是提供软件与解决方案服务的公司，比起卖软件的Licence模式，资本市场更青睐SaaS模式，并愿意为此给出更高的溢价。业内普遍认为，互联网时代软件企业将会从Licence模式转向SaaS模式，这两种模式的未来行业市场想象空间完全不同。

传统软件公司所处的赛道是一个减量市场，市场规模停滞不前甚至会逐步萎缩；而SaaS服务商所处的赛道，则是市场规模逐步扩张的增量市场，不仅仅集成了传统软件服务，还集成了存储、计算、数据等多种新服务，行业天花板更高，增长潜力也远超传统软件公司。

在两套完全不同的估值逻辑之下，SaaS服务商往往能得到远超传统软件公司的估值。

三年前，美国软件行业两巨头Salesforce与Oracle的市值大战就是一个生动的例子。

2020年7月12日，Salesforce以1792亿美元市值正式超越前辈Oracle（1761 亿美元），成为SaaS产业发展史上的一大里程碑。

这一年，两家公司发布的季报显示，第一季度后者的收入（104.39亿）仍是前者（48.65亿）的两倍有余。在收入远远落后的情况下，Salesforce的市值能够反超Oracle，凭借的正是SaaS模式天然具备的高估值加成。

这也与张宇的猜测一致：东华医为向SaaS模式转型从而拉高企业估值，至于上市后是否还要继续走“订阅制”的路子，还未可知。

资本市场的正向反馈如今已有苗头。

天风证券在今年四月发布的研究报告中提出，东华软件旗下医疗业务发展超预期，指出基于订阅制，东华医为未来有望实现数据变现。

随着我国医疗信息化建设逐步进入数据整合阶段，信息化厂商在数据领域的布局优势也会逐渐凸显。

天风证券六月再次发布的研究报告中，对东华软件2023、2024、2025三个年度的健康行业收入进行预测，分别为27亿元、35.64亿元、46.33亿元，年增长率均超30%，毛利率始终维持在50%以上。

要知道，当下的医疗信息化行业是一个苦差事，50%的毛利率是一个很难企及的目标。

陈阳告诉雷峰网，医疗信息化行业新增市场有限，通常来说，医院的信息化系统三到五年间会进行一次升级改造，一般的维护和升级工作都是几十万、一两百万的订单，金额不会太大，如果企业想要增长营收，就要不断拿出新的产品来，才能吸引客户买单。

因此，站在东华医为的角度，就要不断地给客户、给投资者讲故事，至少要画一个梦想足够大的饼。

订阅制是接口费的解药还是饮鸩止渴？

站在医院的角度，当这一个新模式到来时，他们心里是如何想的？

长久以来，医疗信息化行业实行的都是“买断制”，医院花费一笔钱买下厂商研发的各类信息化软件，质保期内免费进行维护。质保期结束后，医院每年再支付少量的服务费，即可对系统进行持续维护。

在“买断制”的交易模式下，医院只需要在购买软件时支付一笔较高的费用，后续的维护成本并不算高。医疗信息化系统每年的服务费用大部分都在5%-10%之间，合同金额越大，服务费比例越低。

不过，当软件迭代升级、接入其他系统或是产生各种新需求时，医院还要另外支付专门的费用。

从医院的角度来看，“买断制”虽然是惯例，却也有着各种不合心意之处，比如突然倒闭的供应商。

在雷峰网医健AI掘金志《一个「成本两亿元」的县域医共体诞生记》一文中，河南省巩义市总医院副院长白二红曾表示，建设巩义市医共体时，他们曾花70万采购了一家小公司的合理用药系统，还没出质保期就倒闭了，现在软件已经无法升级，医院只能每个月花4000元聘请一位工程师，专门为这套系统做维护。

“现在漏洞已经非常多了，恐怕今年之内就要换新系统，这七十万就相当于是白花了。”

白二红指出，这是小供应商的通病，“风险太高，也许遇到疫情或者其他危机，一下子就倒闭了，或是几个核心成员意见不一致，很容易就分道扬镳了。”

这次失败的合作经历也影响了巩义市医共体后来选择信息化供应商的标准：首选国内的一线品牌，如果没有合适的产品，至少也要选二线以内的品牌。

只是，再靠谱的供应商，一样要收接口费。

医院信息化建设中涉及到的系统数量繁多，系统之间的连接错综复杂，为了实现数据的互通互联，新旧系统之间往往需要通过接口进行连接，这个过程少不了信息化供应商的配合，也少不了高昂的接口费用。

有些医院在和供应商签约时，会将可预见的接口费用写在合同里，项目验收之前，所有的接口费用都包含在合同金额之中，不必再额外支付。

即使医院已经尽力在项目实施前对接口费做好规划，依然难以规避所有的突发情况，比如国家颁布的新政策、医院评级的新要求或是管理层的新想法等等。

2018年，河南省巩义市启动紧密型县域医共体的建设后，要将医共体下属三家县级公立医疗机构、5家社区卫生服务中心、15家乡镇医院以及数百家村卫生室的信息化系统进行互通互联。

白二红介绍，由于早期的医疗信息化建设在时间、计划上有所差异，各医疗单位使用的HIS系统来自不同的信息化厂商，系统间的对接需支付六百万的接口费，远远超出他们的预算。

无奈之下，医共体只能将各医疗单位的HIS系统全部换成同一家供应商的产品。

HIS系统部署完毕后，上线各类专业化信息系统时要接入HIS系统，同样需要支付一笔不菲的接口费。

以巩义市医共体部署的数据库为例，从其他供应商处购买数据库服务花费了约100万，想要将数据库系统接入HIS系统，还要再向HIS厂商支付40万的接口费。

在东华医为推出的“订阅制”模式中，这些问题是否能够得到解决？

首先，“订阅制”下的支付模式，由以往的“一锤子买卖”改为了按年支付订阅费，医院交一年的费用即可享受一年的信息化服务，一定程度上规避了因为供应商倒闭导致的采购费用“打水漂”的风险。

其次，在“订阅制”模式下，信息化厂商为客户提供“无限服务”，升级、接口、本地化、新需求、新业务流程、现场技术服务等等，这些在“买断制”中都需要额外付费的项目，全都包含在“订阅制”的服务之内。

根据白二红对医院近年来信息化支出的计算，在买断制软件需要不断升级、维护、上新的情况下，长久来看，订阅制的信息化成本反而更低。

陈阳分析，在订阅制模式下，医院可以完成数据治理与流程优化，实现物流、资金流、业务流、信息流的统一，系统的操作流程也得以简化，提升用户体验。

订阅制的优势显而易见，那么作为客户的医院信息科，又是否愿意为其买单？

“如果医院绑定了一家企业，它就完蛋了”

东华医为的HOS模式推出三年半来，已在各地不少医院落地。

据公开数据，2022年，全国已有30余家医院以订阅模式（SaaS）与东华医为签约建设HOS服务合同，合同金额均超过千万。

但并非所有医院都敢于“尝鲜”，一家三级综合医院分管信息化业务的负责人告诉雷峰网，早在2019年，东华医为就曾联系他们推广“订阅制”的HOS系统，“出于几方面的考虑，我们拒绝了。”

其一，将医院的信息化系统全部交由一家公司建设，背后的潜在风险太高，一旦这家公司经营出现问题，医院的业务整体都会受到影响；

其二，东华医为的强势产品是HIS系统，但医院建设中涉及到的信息化系统有上百个，东华医为或是从外部采购，或是自己研发，提供的系统未必会比医院自己招标的产品质量更高；

其三，也是该负责人最为担心的一点，当整个信息系统都交给一家供应商后，医院会失去谈判的筹码。

“如果我想要上线的新系统对方没有，只要他们不想帮我做开发，我就上不了，我们医院的信息化建设也始终走不到前面。还不如按照现在的模式，支付接口费以后，想找哪家做就找哪家做。”

一位医疗信息化从业者张宇（化名）也指出，在头部的几家医疗信息化企业之中，东华医为的生态是相对最封闭的，“医院一旦用了东华医为的解决方案，其他公司基本上就进不来了。”

张宇认为，医院绝不能一股脑将所有业务都交给一家来做，“如果医院绑定了一家企业，它就完蛋了，以后但凡想做点创新性的东西，全都得收钱，甚至给钱都没用，都不能开放出来，这是最恐怖的。”

除此之外，张宇还指出，中国的公立医院购买任何工具都是预算制，信息化系统也不例外，医院通常会按照购买一件商品的形式向上级部门申报费用，而非SaaS的模式。

“如果要推订阅服务，假设医院与供应商签5年的合同，每年支付订阅费500万。看上去医院不用一次性投入大笔的资金，但实际上可控性却非常差，因为公立医院的账期很难把握。”

医疗信息化是重交付的行业，厂商在前期的交付环节中需付出的成本，远比其他类型的SaaS服务要高，前三年的订阅费用都未必收得回成本，“从财务的角度看，订阅制这种模式我是打问号的。”

事实上，不仅仅是东华医为的“订阅制”，医疗信息化行业的头部厂商都在朝着“大而全”的方向发展。

东华医为有“订阅制”，卫宁健康也有“中台思维”，医疗信息化厂商都在讲故事，“否则其中一家推出了新故事，专家、客户就都跟着它跑了，竞争对手在做新模式，你不得不做。”陈阳指出。

2020年4月，卫宁健康发布基于中台的新一代信息系统WiNEX平台，为医院提供从“信息化”到“数字化”转变的技术支持，业务范围涵盖门诊医生站、住院医生站、病区护士站、病案管理、数据质量管理等多个环节。

向数字化转型，以及覆盖越来越多的业务场景，是医疗信息化厂商们默契的共同发展方向。

大公司有着雄厚的积累，能够不断研发新系统、推出新玩法以吸引客户，承包医院内部更多的信息化业务，背后则需要收割无数客户才能够覆盖掉这些成本，让靠回款过日子的小公司望尘莫及。

小公司的生存空间也将不断被挤压，直到被收购或消失，只有掌握核心技术、核心壁垒、核心标杆客户，与医院和渠道建立起紧密联系的“专精特新”小公司，才能摆脱消失或被吞并的命运。

但是站在三方博弈的角度，似乎都没有什么错，无非都是为了生存，或者有一个更美好的未来。

作者注：今年七月，卫宁健康董事长周炜因涉嫌行贿罪被立案调查，消息传出后，公司股价断崖式下跌，引发了行业的震动，医疗反腐这把火终于烧到了信息化，带金销售、同质化竞争严重、验收标准缺失等多年顽疾浮出水面。

近年来，一批新一代医疗信息化企业逐渐崛起，在医疗大数据层面积极布局，尝试打破传统的信息化建设模式，为行业注入活水。老牌玩家也不甘落后，不断拥抱新技术，推出新概念、新玩法，只为“留存、拉新”。

这是一场医疗信息化新老势力之间的角逐。雷峰网后续将推出新话题《医疗信息化新势力，能否化解行业沉疴？》，欢迎添加作者微信qiaoyw186，抢先交流。

急性心梗的黄金抢救时间是2小时，如果不能及时植入支架，将导致心肌因缺血大面积坏死。在居民分散、整体医疗水平不高的基层单位，心脑血管疾病等突发性疾病患者往往更容易因错失黄金抢救时间而耽误治疗。

巩义市是河南省郑州市下辖的一个县级市，除了位于市区的巩义市人民医院、巩义市公立中医院、巩义市妇幼保健院三家县级公立医疗机构外，还包括5家社区卫生服务中心、15家乡镇卫生院与数百家村卫生室。

“村卫生室和乡镇卫生院的医生大多只会拍心电图，不会看心电图。”白二红介绍，基层医疗机构的心电图结果会实时上传至巩义市人民医院，由人民医院的医生对检查结果做出研判，通过县乡村 15 分钟急救圈及时对危重病人进行救治。

截至2023年6月底，基层共救治急危重症患者5000余人次。

这样迅速、高效的基层急救体系，要得益于巩义市近年来的医疗信息化建设。

2018年，巩义市启动了紧密型医共体的建设工作，打造了县域内基层首诊、双向转诊、急慢分治、上下联动的分级诊疗格局，经过四年多的建设，巩义市成为了县域医共体建设的标杆。

今年5月，巩义市迎来了一个四百余人的庞大考察团，国家卫健委基层司运行评价处处长胡同宇，中国医院协会医共体分会主任委员尹岭等人，在中国县域医共体大会结束后，带领来自全国各地的专家组来到巩义市，调研紧密型医共体建设工作。

巩义市如何在四年时间里脱颖而出，成为国内医共体建设的标杆？近日，巩义市总医院副院长白二红在与《医健AI掘金志》的对话中，分享了他的医共体建设经验与心得。

以下为《医健AI掘金志》与白二红院长的对话内容，《医健AI掘金志》做了不改变原意的编辑与整理。

《医健AI掘金志》：巩义市县域医共体的建设经历了哪几个阶段？

白二红：巩义市从2014年开始进行县域医共体的建设，这一阶段还是松散型的医共体，下级的乡镇卫生院隶属于卫健委，不受总医院管理，信息化建设工作也是各自进行，只是辅助我们完成最后一公里的工作。

自2018年起，在郜炎辉院长的带领下开始逐步开展紧密型医共体信息化建设工作。2019年5月，巩义市被确定为国家紧密型县域医共体建设试点县（市）

我们将巩义市人民医院、巩义市公立中医院、巩义市妇幼保健院，以及5家社区卫生服务中心、15家乡镇卫生院和310个村卫生室组成了现在的巩义市总医院，由巩义市人民医院作为牵头医院，当时的巩义市人民医院院长乔来军担任法人。同时将下级各单位的行政、业务、人员、财务、药械、绩效、信息化等管理权全部收归总医院，这为后续的建设工作提供了很大的便利。

2019年10月，巩义市紧密型医共体正式成立。2021年4月，巩义市基本实现了全部的信息化建设，但后续的完善工作一直在持续进行。

几年来，我们考察了山西、河南、浙江等地的数十家医院，学习各家医院建设项目，不断补充到巩义市的医共体建设中。

不久前，我们还去了杭州和福州进行考察，发现这两地分别实行的共享中药房和家庭病房模式能够很大程度提升管理水平和诊疗效率，目前已经开始推动相关的工作。

《医健AI掘金志》：紧密型医共体的建设工作开始后，都进行了哪些部署？

白二红：我们首先从硬件网络的改造开始，以巩义市人民医院的机房为核心，建设起了医疗专用网络，打破全市医疗机构之间的网络壁垒。

在医疗专用网络的基础上，巩义市总医院建设了院内私有云平台，又租用了联通公司的公有云平台，搭建起巩义市医共体的混合云，为后续各类系统的互联互通打下基础。

这一系列的网络升级改造工作一共投入了58万元，使医疗专用网络向上联通医保、农合、非税、云平台，向下联通市、镇、村三级医疗单位，每年能够为医共体节省各类网络费用34万元。

网络联通以后，我们又建立了“三级平台”，第一级是各医疗单位的院内信息平台，第二级是医共体信息平台，第三级则是全民健康信息平台。

通过全民健康信息平台，对巩义市下属所有医疗机构以及业务协同产生的数据进行采集规整，最终形成巩义市居民的全生命周期健康档案，再通过各种接口开放给各个业务系统使用。

医疗网络与软硬件设施建设完成后，巩义市的分级诊疗工作就有了“地基”，依托这些基础设施，我们打造了心电系统、慢病管理、医学影像、区域检验、远程会诊、双向转诊六大业务协同中心，推动医共体中的各个成员单位之间实现资源共享、检查检验结果互认。

此外，我们还为为乡镇卫生院、村卫生室配置了四百五十余台远程医疗设备，以实现远程分级诊疗。

《医健AI掘金志》：相比于单家医院的信息化建设，县域医共体的建设思路、流程有哪些不同之处？在巩义市医共体的建设中遭遇过哪些困难？

白二红：单家医院的建设主要考虑院内各个业务的实现和各个业务之间的协同，保证医院内部的医疗流程流畅。

而医共体的建设则覆盖了许多个不同的医疗机构，要实现多家医院之间的业务协同和信息共享，信息化建设的复杂程度要高得多。

在如今巩义市医共体的医疗单位中，即便是最基层的村卫生室，也能够在电脑上查询到全市各家医疗机构的患者就诊信息、检查结果等等，实现了数据的互联共享。

我们在医共体建设初期遇到了很多困难。

首先是各个医疗机构之间的信息化建设程度不同，网络也不通，基层医疗机构的基础设施很差。

村卫生室的机房网线像“蜘蛛网”一样杂乱，为了方便管理，我们投入了大笔资金将其改造成标准机房，添置了防火墙与可配置核心交换机；又向上级争取了160万的资金，为317个村卫生室配备了新电脑。

在信息化系统的部署上也是困难重重。我们最初不准备更换HIS系统，但医共体的各个医疗单位使用的HIS系统是不同厂商的产品，系统之间要进行对接，仅接口费就要六百万，价格超出我们的预算太多，于是只能把全市的HIS系统都换成同一家供应商，以便数据互联互通。

最终，我们在人民医院的HIS系统上投入了1100万，在乡镇单位投入了2200万。

在升级之前，乡卫生院与村卫生室的信息化系统功能简单，有些设备只是单机使用，并未联网，医务人员只使用过线上开药、计费等功能，信息化素养不够高，没有接触过流程化的工作。

为了让基层医务人员尽快熟悉新的信息化系统，在系统上线前后，我们几乎每隔半个月就组织一次大规模培训，其他时间还要到基层各家医院单独进行培训。

直到现在，新系统已经稳定运行几年，我们依然每月组织一次的定期培训，为医务人员解答使用中遇到的问题。每次有新板块上线时，也会集中进行培训。

《医健AI掘金志》：在选择医疗信息化供应商时，医院会考虑哪些因素？

白二红：我们通常会首选国内的一线品牌，如果没有合适的产品，至少也要选二线以内的品牌，不会再用小供应商。

以我们这几年做信息化建设的经历来看，小公司风险太高，也许遇到疫情或者其他危机，一下子就倒闭了，或是几个核心成员意见不一致，很容易就分道扬镳了。

2019年，我们曾花70万上线了一套合理用药系统，还没出质保期公司就倒闭了，现在软件已经无法升级，我们只能再花钱请一个工程师来做专门的维护，这套系统现在漏洞已经非常多了，恐怕很快就要换新系统，这七十万就相当于是白花了。

医院的HIS系统（医院管理信息系统）我们选择的是国内某头部信息化厂商，HIS系统是这家公司的优势产品，2020年12月，医共体内的所有医疗单位都已经更换完毕。

其他的系统，我们也优先考虑这家头部供应商，如果产品不能满足我们的需求，才会重新选择其他供应商，主要是为了节约成本。

我们和HIS系统的供应商合作很密切，对方在接口费用上给我们提供的报价是比较低的，但对我们来说负担还是很重。

以数据库为例，我们从其他供应商处购买数据库服务的费用在一百万左右，为了将这个数据库接入HIS系统，又额外向HIS系统的供应商支付了四十万的接口费用。

后来上线DIP智能监管软件时，我们原本比较看好火树科技，这家公司的DIP系统在业内是做得比较好的，他们给的报价是一百多万。HIS系统的供应商给出的报价则是，支付四十万的接口费用接入火树的系统，或者直接用这四十万购买他们的DIP系统。

这两种方案费用相差一百多万，我们考虑到成本问题，最后选择了花四十万上线HIS系统供应商研发的DIP系统，整体更划算一些。

但DIP系统不是他们的优势业务，我担心上线后使用效果不好，因此谈判时做了两手准备——我们花四十万上线这套DIP系统，如果系统不好用，将来我们要更换其他供应商的话，不得再收取其他费用，这四十万就算作是接口费。

目前这套DIP系统已经上线六个多月了，基本的功能可以实现，但系统的五个模块缺少两个，后续或者是督促供应商尽快对产品进行完善，或是我们再花四十万单独购买缺少的两个模块嵌入其中。

我们的信息化建设中也有政策项目。有一家供应商以几万元的价格为我们建了一个随访系统，根据我们的反馈不断对产品进行完善，产品成熟之后，整套软件的部署价格近三十万元；目前在做的家庭病房信息化项目，供应商也只收了一万元，用成本价甚至是亏本的价格为我们建系统。

巩义市医共体各级单位的职工人数加到一起有三千多人，规模很大，而且各地医院常常到巩义参观。对供应商来说，这就是最好的“广告”，标杆案例的作用非常重要，就连我们目前在用的很多系统，也是在其他医院参观考察时发现的供应商。

《医健AI掘金志》：不同供应商搭建的系统之间，兼容性和稳定性如何？系统的运维、功能调整等成本高不高？

白二红：不同厂商的系统之间的兼容性也不太好， 由于不同供应商进场建设的时间不一样，很难进行统一的规划，后期只能基于业务实现进行对接。系统部署完成后，如果再需要根据我们的业务需求进行调整，成本也会非常高。

医疗信息化系统的服务费一般都在5%到10%之间，2019年我们签合同时，约定每年的服务费是软件价格的5%，质保期三年，三年后开始收服务费。系统目前还是比较新的版本，几年之内应该不会进行升级。

《医健AI掘金志》：医共体的信息化系统服务人次有多少？

白二红：自各个系统陆续上线运行后，巩义市医共体就诊人次累计一千二百余万；远程CT、远程DR接诊人数均近十四万；最早铺设的远程心电系统接诊人数近四十万。

《医健AI掘金志》：医共体目前的收支情况如何？

白二红：我们最初一段时间一直是赔钱的，不止巩义市人民医院，乡镇医院也有收支上的压力。

在为基层单位铺设远程心电图时，我们受到了很多阻力，乡镇医院的心电图铺设完成后，就不希望我们再给村卫生室铺设，如果每个村卫生室都能做心电图，谁还会来乡镇医院做？

更何况村卫生室的心电图设备是我们免费提供的，村民在村卫生室做心电图，每次最多收十元，甚至是不收钱，这就会影响乡镇医院的收入。

人民医院的负担则更重，基层单位医务人员看不了的检查结果全都要转到心电中心，由人民医院免费出报告，县级医院出的报告也更受老百姓信任。

后来我们组织下级单位的医务人员到人民医院进修学习，才逐渐将一部分出报告的工作交给他们，最后再由人民医院进行审核。

各项检查报告也逐渐开始收费，心电图1元、DR报告3元、CT报告10元······现在人民医院每天要为乡镇医院和村卫生室出150份左右的报告，高峰时会超两百份。

除此之外，还有很多其他的人力、运营、维护等成本，暂时都还由人民医院承担着。

我们建设紧密型医工体后第一年，就扭转了医保基金亏损的局面。2020年，医共体挂牌成立当年，医保基金由亏损6800万元转为结余2500万元，2021年受疫情影响结余1500万元，2022年医保基金结余约2000万元。

2020-2022三年中，巩义市县域内住院率逐年提升，而县域内住院次均费用三年连续降低。

《医健AI掘金志》：巩义市近年来在医共体的建设上取得了显著的成果，其中有哪些经验可以分享？

白二红：在我参观过的众多医共体之中，巩义市应该是其中把工作做得最全面、最好的一家。

去年疫情期间，我到三门峡中心医院考察了办理出入院手续的信息化建设工作，这一系统部署完毕后，能够简化出院流程，患者不需要再像以往一样，专门到医院大厅的护士站办理出入院手续，而是直接由工作人员在网络端办理手续与结算。

三门峡中心医院将这套系统部署完毕推行两年后，结算率大约在70%左右，巩义市医共体仅仅推行了两周结算率就达到了80%，目前已经达到92%。

巩义市能够快速提高结算率的优势在于，前期的信息化系统建设比较完善，医院的执行力较强，以及领导的决断力很强。

限制线上办理出入院手续的一个主要原因是繁琐的医保手续，结算环节需要复印患者的身份证、户口本等各种资料，我们汇报给总医院的郜炎辉院长后，郜院长拍板决定以后不再复印纸质资料，全部转为电子化病例，这个项目才得以快速推动下去。

早在2017年，我们就已经开始在基层医疗单位铺设心电图设备，保证让村民五分钟内能够做上心电图。

由于乡镇医院和村卫生室的医生只会操作设备，不会根据心电图结果诊断病情，因此所有的心电图结果都是实时上传到心电系统之中，由专职医生判读、预警，立刻安排救护车将病人送到最近的医院做急诊PCI（经皮冠状动脉介入手术，治疗急性心梗死的常用方式）。

我们的信息化系统上线当年，做的急诊PCI是河南省最多的，挽救了很多的家庭。

就我对这些年医共体建设的感触而言，就是“小舍小得，大舍大得”。

巩义市人民医院作为医共体的牵头单位，前后为乡镇基层单位投入了两个多亿的建设资金，做出成绩以后成为了医共体建设的一个标杆案例，很多外地的医院千里迢迢过来参观，我们平均每年要接待五百多家医院。

2021年河南“720水灾”后，政府第一批援助资金为医共体拨款6500万，人民医院只要了400万，其他资金全部用于乡镇卫生院进行灾后重建。

我们舍得为基层单位投入，政府也舍得为我们投入。2022年，巩义市政府投资14.7亿元、无偿划拨土地143亩，为人民医院建设了新院区。

我们的信息化建设成果也吸引了外界的目光，除政府拨款外，近年来还收到了很多社会捐助。不久前，深圳市慈善总会向我们捐款1500万元，购买了新的CT设备；河南本地企业豫联集团，每年都会向我们捐款。

通过这几年的工作，老百姓们对基层医疗机构的信任感有了明显提升，更相信基层医务人员的业务能力，愿意在乡镇看病、住院。以往乡镇医院的月收入只有二三十万，现在至少有5家乡镇医院的月收入已经过百万。雷峰网雷峰网

自此开始，计算机辅助药物设计（CADD）进入快速发展的时代，成为药企进行药物研发的重要手段之一，为这一领域带来了革命性的升级。

1981年10月5日，《财富》杂志发表了题为《下一次工业革命：默克公司通过计算机设计药物》的封面文章， 正式宣告了CADD技术的问世。

1996年，第一款基于SBDD（基于结构的药物设计）研发的药物碳酸酐酶抑制剂成功上市，CADD在药物研发中的重要性也得以验证。

此后数十年中，基于结构驱动的CADD一直是药物筛选的有效手段。

同时，结构生物学、基因组学、蛋白质组学、生物信息学等技术的兴起，也推动着CADD的发展。

直到近年来AI技术逐渐兴起，传统的CADD技术不断发展演变，进入了一个高级阶段——基于数据驱动的AIDD（人工智能药物发现与设计）。

2020年，英国公司Exscientia基于AI开发的药物被批准进入临床试验，这是全球第一个由AI设计的分子进入临床阶段，成为AI制药领域的一大里程碑。

2020年度也成为国内AI制药融资爆发的元年，全年共发生12起融资事件，总金额超过27亿人民币，同比增长约10倍。

此后两三年间，乘着AI的东风，药物研发这一话题也从无人问津走到万众瞩目。到2022年度，全球AI制药赛道相关的融资总事件已达144起，总金额超60亿美元。

自2012年全球第一家AI制药公司成立，AIDD已经走过10年产业化之路。

随着疫情的阴霾逐渐散去，AI制药行业也逐渐进入冷却期。直到AI大模型的爆火，仿佛让将AI制药这一话题回到了两三年前的盛况。

作为人工智能时代的一把利器，AI大模型将在制药行业掀起一场怎样的风暴？

AI技术如何突破传统药物研发的瓶颈，更快地将药物送入市场？

AI制药能否成为国产药创新、弯道超车的机会？

为更加深入、系统地探讨国内医药企业在新药研发中面临的诸多问题，雷峰网将于6月8日晚8点至10点，举办主题为《「人机协同」模式下的新药研发》的线上圆桌论坛。

本次论坛，将由浙江大学药学院教授谢昌谕主持，北京大学药学院研究员刘振明、腾讯医疗健康AIDD技术负责人刘伟、浙江工业大学智能制药研究院院长段宏亮、清华大学智能产业研究院战略发展与合作部主任张煜参与讨论。

读者可扫描文章底部海报的二维码，进入专家社群，我们会将您的问题收集、汇总，反馈给参会嘉宾，并在讨论环节进行解答。

嘉宾介绍

主持人：谢昌谕，浙江大学药学院教授

浙江大学药学院教授，求是工程教授，具有量子物理与人工智能双重背景的学者，聚焦小分子药物设计，方面的前沿算法研究。

谢昌谕教授2006年本科毕业于加拿大多伦多大学工程物理专业，2012年获得加拿大渥太华大学理学博士学位，在加拿大国家研究院从事量子计算研究。随后在多伦多大学与麻省理工学院从事理论化学与量子开放体系的博士后研究。2018年，谢昌谕教授加入在腾讯刚成立的量子实验室，领导一支理论与算法团队探索前沿计算技术（如量子计算与人工智能）在自然科学领域的落地应用，包括药物与有机材料的设计。2022年9月至今，谢昌谕教授加入浙江大学药学院。

近5年，谢昌谕教授在Nat. Mach. Intell., Nat. Commun.，J. Med. Chem., Phys. Rev. Lett., Chem. Sci., 等国际高水平期刊发表多篇AI制药与和量子计算等相关论文近40余篇。获得第24届中国专利奖-银奖 。

刘振明，北京大学药学院研究员

北京大学药学院研究员，国家化合物资源库北京大学负责人，是我国抗肿瘤创新药物研发和AIDD领域的科学家。目前研究方向为药物化学与药物设计。

刘振明教授2000年本科毕业于北京大学药学院药物化学专业，2005年获北大化学与分子工程学院物理化学专业博士学位，同年进入北大药学院任教。

刘教授作为课题负责人和主要成员参加和完成了包括国家自然科学基金、863计划、国家科技重大专项，国家科技重点研发计划，北京市自然科学基金等在内的21项国家科研项目。近五年在国内外主要学术期刊上发表研究论文超70篇、主持和参与完成教材和专著编写5部、申请和获得中国发明专利5项，计算机软件著作权证书超10件。在药物分子设计和蛋白质功能研究领域发表相关论文10篇，均被SCI收录。

刘伟，腾讯医疗健康AIDD技术负责人

腾讯医疗健康AIDD技术负责人。自2017年入职腾讯以来，负责医药人工智能应用有关研发工作，2019年开始专注研发腾讯的AIDD技术平台开发，目前涵盖了小分子和大分子药物设计的主要临床前研究阶段；期间获得过多项国际国内AI竞赛一等奖。

入职腾讯前，刘伟主要从事机器学习在互联网搜索、广告等多个场景下的应用，是国内最早从事机器学习应用的一批工程师之一。

段宏亮，浙江工业大学智能制药研究院院长

浙江工业大学教授，浙江工业大学智能制药研究院院长，主要从事AI药物研究方向，针对AI药物研发中数据严重不足这一“痛点”，开创性地将HTS得到的药物大数据和AI技术结合起来，致力于建立基于“HTS + AI”双驱技术的药物开发平台，专注于临床前候选化合物的发现智能化、流水线化。

段宏亮教授于中科院上海药物研究所获药物化学博士学位，并于美国俄亥俄州荷马大学获人工智能硕士学位。段教授曾在美国俄克拉荷马医学基金会从事基于高通量筛选（HTS）的新药开发工作多年，作为核心成员开发的抗糖尿病药物以两亿元转让至法国施维雅制药公司。

段宏亮教授共发表高档次SCI收录论文数十篇，作为核心成员开发的抗糖尿病药物以两亿元转让至国外制药公司，作为主要成员研发的三个一类新药现处于临床研究阶段。

张煜，清华大学智能产业研究院战略发展与合作部主任

清华大学智能产业研究院院长助理，战略发展与合作部主任。

张煜主任于清华大学电子工程系获得学士及硕士学位及北京理工大学管理学博士学位，曾在微软公司工作超过15年，担任微软亚太区教育合作经理，教育行业经理、政府行业总监、微软亚太研发集团主席助理等职务；此外，还曾任榕泉控股（中国）集团董事长，海蓝控股执行董事，天洋控股集团副总裁等。

在微软任职期间，张煜主任获得微软公司的多项奖励和荣誉，其中包括微软公司全球最高成就奖（Top Attainment Award）和公司卓越白金奖（Circle of Excellence Platinum Award）。

张煜主任在多个领域有所研究，曾获得“王选”科技奖，“挑战杯”全国大中学生主题设计竞赛“最佳创意奖”，北京市好新闻一等奖，全国优秀教育工作者等多个奖项，还兼任多所大学客座教授、多个省市发展顾问等职务。

讲座信息

主题：「人机协同」模式下的新药研发

时间：6月8日，北京时间20:00-22:00

主办单位：雷峰网 GAIR Live &《医健AI掘金志》

观看方式&加入专家群：

读者可扫描文章底部海报的二维码，添加策划人吴彤微信（微信号：icedaguniang），备注“姓名+职位”，即可加入专家群，观看此次线上论坛，实时交流与提问。

关于GAIR Live

“全球人工智能与机器人大会”（GAIR）始于2016年雷峰网与中国计算机学会（CCF）合作创立的CCF-GAIR大会，旨在打造人工智能浪潮下，连接学术界、产业界、投资界的新平台，而雷峰网“连接三界”的全新定位也在此大会上得以确立。

经过几年发展，GAIR大会已成为行业标杆，是目前为止粤港澳大湾区人工智能领域规模最大、规格最高、跨界最广的学术、工业和投资领域盛会。

GAIR Live作为雷峰网旗下视频直播品牌，旨在输出新鲜、深度、原创的大咖访谈与对话内容，打造辐射产、学、研、投的特色线上平台。

同时，这也是红杉中国继硅谷和上海的医疗峰会之后，第三次聚焦医疗健康的大规模产业峰会。

会上，来自全球的医学专家、领军医药企业、新兴高增长biotech及投资者，围绕全球市场、临床前沿、产业转化、尖端技术、产业趋势等话题充分进行了讨论与分享。

上海交通大学医学院附属瑞金医院院长宁光院士、北京生命科学所所长王晓东院士、元化智能首席科学家孟庆虎院士等学者，分别对代谢性疾病、再生医学、细胞治疗、AI蛋白生成、脑机接口、手术机器人等前沿话题进行了分享。

此外，围绕我国创新药企的未来趋势、全球机遇、产业生态等话题，红杉中国合伙人杨云霞、红杉中国董事总经理曹弋博、红杉中国董事总经理顾翠萍则与十余位来自知名跨国药企、本土biotech公司的资深医药从业者、创始人展开讨论。

在此次大会上，红杉中国合伙人杨云霞抛出一个议题：未来五到十年，医疗健康产业将发生怎样的变化？

加拿大工程院院士、元化智能首席科学家孟庆虎指出，在医疗器械行业，未来五到十年国内将实现从模仿到逐步创新的转变。

当前，国内医疗器械研发仍以模仿为主。比如手术机器人领域达芬奇仍然是金标准，孟庆虎表示，“我们提出了‘后达芬奇’手术机器人的概念，希望在前人的基础上做出代表时代最新科技的创新型手术机器人。”

清华大学药学院创始院长、拜耳特聘教授丁胜将这一时间线拉得更长，他提出，在未来10-20年的时间跨度内，我们有可能会解决人类或者生命的终极问题——“如何通过非生殖系统创造一个生命，如何真正的再生/重生？”

丁胜指出，低等动物的组织器官遇到损伤后，细胞可以通过逆分化重编程的过程实现组织器官的再生。我们通过学习这一天然再生现象，对细胞进行重编程，改变细胞的年龄或命运（类型），即有可能实现逆转细胞的年龄或组织器官的再生。

创新药研发的未来趋势与前景是此次大会的另一个热门议题。

晶泰科技董事长温书豪从技术角度分析，AlphaFold等工具的出现使解析蛋白靶点结构的速度大大提升，AI技术的发展让药物创新的门槛与成本不断降低，从而催生出更多创新成果转化与新型的生物科技公司。

作为医药行业的“晴雨表”、“体温计”，CXO（医药研发生产外包行业）行业也随着技术的迭代升级展现出蓬勃向上的发展趋势。

昭衍新药副总裁、临床事业部总经理顾静良指出，中国的CXO行业还不够“卷”，CRO(医药研发合同外包服务机构) 的“护城河”很高、很宽，这是一个重资产、人才聚集型的领域，同时，这一赛道的市场足够大，无法轻易触碰到天花板，对企业来说，应该建立自己的核心竞争力，着眼世界，追求更大的舞台。

Novotech中国区总经理刘寒松认为，创新出海是中国生物技术公司当下的一道必答题。

在陌生的国际环境之中，医药公司出海面临着很大的挑战，这正是CRO企业能够发挥价值的环节，推动方案落地、执行，与监管部门有效沟通，降低创新药开发的风险与成本。

拜耳、西比曼生物、康方生物等企业，则从药企的角度围绕“出海”这一话题进行了讨论。

康方生物商务拓展部门负责人潘攀介绍了康方生物商业模式的选择逻辑，他指出，对于需要大公司背书的药企来说，产品被默沙东、拜耳等跨国药企引进，将对公司后续的融资有所助益。

但康方生物年营收已经达到10亿人民币，现阶段更需要现金流的支撑，以强化目前的产品管线，进一步推进临床中的项目。

因此，康方生物在出海的过程中选择了小公司Summit Therapeutics，这一现金流支撑更强的模式。

在与大洋洲、东南亚等国家签署授权协议时，康方生物仅授权对方商业化权益，保留了在所有国家继续做开发的权益。随着中国企业不断成熟，对外授权的交流逐渐从单向交流变成双向交流。

拜耳处方药事业部副总裁、中国合作创新中心负责人黄丹洁指出，目前中国创新药企出海的模式主要是与外企进行合作，借鉴了德国和日本企业的出海模式。例如，日本通过建立合资公司的形式进军美国市场；而德国企业则通过“cluster”抱团的方式进入印度市场。

黄丹洁认为，未来中国创新药企的出海模式将会更加多样化，因为中国本土biotech经过多年发展现已拥有了数量众多的创新药管线，本土药企的优势在于资本实力较强，“我们是或许可以借助资本的力量，采用不同以往的模式，实现本土创新的出海。”

在黄丹洁看来，一款新药上市最重要的是时机，这样的时机转瞬即逝，只有尽早开始布局，才能实现“成功出海”。

清华大学药学院药品监管科学研究院院长杨悦从政策角度为新药研发与出海提出了建议。

她认为，应提高新药临床价值的判断能力，在医保谈判等阶段加入价值评估环节；将临床实验管理与国际规则接轨，产业内企业要确立临床试验管理的规范化和灵活性，深入研究国际规则。“我国企业既要有能力满足国际通用要求，又要有业务灵活性。”

杨悦表示，独占期的设立对创新药研发产生具有重要的激励作用。“我国医保准入可以设置创新药价格保护期，为公司提供更多的盈利预期。”（雷峰网雷峰网）

近日，上海科技大学生物医学工程学院创始院长、联影智能联席CEO沈定刚教授主持举办了一场线上MICS学术沙龙活动，乔治亚大学计算机科学系终身教授刘天明，美国亚利桑那州梅奥诊所放射肿瘤学教授和医学物理部科研主任、AAPM Fellow刘伟，美国伦斯勒理工学院生物医学工程系P.K. Lashmet讲席副教授闫平昆，哈佛大学医学院和麻省总医院讲师李响四位学者，共同探究ChatGPT在医学影像领域中的诸多可能性。

在讨论中，刘天明指出，ChatGPT的效果惊艳，是因为采用了In-context Learning或者叫做Prompt（提示词）等技术，同时利用具备大量参数的Transformer对转换为向量的文本进行处理。这些技术的发展都需要长期的积累和研究。

然而，在医学等专业性较强的领域内，ChatGPT的表现还不够好，仍需对其进行从常识性知识到生物医学领域知识的迁移和进一步的学习训练，以提升其在专业领域中的表现。

刘伟表示，如果想将ChatGPT应用到医学影像之中，多模态学习必不可少。医学领域中目前存在很多的图像、音频、文本等不同种类的数据，必须利用多模态学习将其进行结合，才能应用在临床工作中。

此外，还要考虑到特定领域数据的限制，针对医学这种专业领域的数据，需要使用更专业的提示词来生成问题。

李响分享了团队的一个新进展，他们尝试利用包含了医学领域专业知识的知识图谱来帮助更好地使用ChatGPT。

知识图谱可以加在整个流程之中，不论是文本的输入、语言的生成还是ChatGPT的效果改善等。

但是，获得一个好的知识图谱很困难，李响团队正在尝试利用ChatGPT从大量的专业语料库中自动发掘知识图谱，为语言模型在临床工作中的部署提供重要的先验知识。

闫平昆则认为，从影像分析的角度来看，ChatGPT之所以如此成功，尤其相较于现在的视觉模型而言，是因为它学习的对象——文字，具有人类表达方式的先天优势。

当前阶段应该考虑的是，如何将图像信息更好地输入进大模型之中。一种方法是通过图像分析模型提取图像中的信息，将其发送给ChatGPT。另一种方法是多模态学习，特别是视觉-语言学习。将图像信息与语言结合在一起后，就可以直接对图像信息进行编码，与文字一起发送到大模型中。

以下是此次研讨会的主要内容，雷峰网《医健AI掘金志》做了不改变原意的编辑和整理（文章末尾可查看此次学术沙龙涉及的文章列表）：

沈定刚：首先来介绍一下我自己对ChatGPT的认识，OpenAI是一家小公司，只有87个年轻的员工，平均年龄为32岁，大部分员工都是90后。

在数据分析领域，年轻人是非常重要的力量，从ChatGPT团队取得的成就也可以看出，我们要支持年轻人的发展，为他们提供成长的机会。

虽然人数不多，但ChatGPT团队的成员都是名校毕业、曾在知名公司工作的经验丰富的人才，如谷歌、Facebook、NVIDIA、Microsoft、DeepMind和Apple等企业。

ChatGPT的团队构成比较均衡，包括本科生、硕士研究生和博士，各个级别的人才都很重要，这样才能把技术做好。这个团队虽然年轻，但经验非常丰富，成员中也有包括顶尖的AI科学家。

这样的成员构成使得他们能够在AI领域取得很好的成绩，也证明了人数并不是唯一的关键，团队的质量更重要。

很多人疑问，为什么ChatGPT出现在美国而非其他国家？

在人工智能领域，中国发表了非常多的论文和专利，但其中的大多数都来自于高校，而美国的论文和专利大多数来自公司。

高校和公司都在做同样的事情，但是很多创新和资源都在公司。因此，高校需要与公司进行紧密的产学研结合，协同创新，才能体现出高校独有的特色和优点。

在科学研究和技术创新方面，美国起步很早。早在1958年，美国就开始做老化研究，通过测试了解人的身体、认知、情绪等方面的变化，1989年就开始使用磁共振技术进行研究。

在过去的几十年中，许多重要的研究项目都采集了大量数据，这些数据被保存下来并一直在被研究。这些项目的成功与否与其前瞻性、长期性和理想主义密切相关。

一些早期采集的数据在当时无法得到很好的分析，但现在随着人工智能和深度学习技术的发展，这些数据成为了非常有用的资源，对于了解人类的早期发育、认知、神经系统疾病等方面非常重要。

如今，人工智能已经进入AI 2.0时代，大领域模型在数据足够多且模型足够大的情况下可以取得飞跃性的性能提升。

在医学和影像领域中，我们需要一个视觉模型来帮助医生诊断病情。相对于视觉模型来说，语言模型更容易训练，因为前后有逻辑关系，而且可以从互联网和书本中获取数据进行学习。

而视觉模型需要学习的是每个位置与其他位置之间的关系，非常困难。我们可以利用语言模型来帮助视觉模型的学习。

例如，视觉模型从图像中识别出病灶位置，将其告诉语言模型，语言模型根据之前的学习经验指导视觉模型去其他位置检查是否存在病灶。

我们将语言模型与视觉模型结合起来，让二者相互配合，即可提高整个系统的能力。

初期，语言模型与视觉模型的水平可能存在差异，但随着合作的深入，二者可以联合工作，最终达到像AlphaGo下棋一样高效合作的目的。

下面回到我们今天的问题上。

沈定刚：ChatGPT的成功在技术上有哪些要素？这些技术对医学影像的分析有什么样的启发？

刘天明：我认为ChatGPT在技术上是需要长期积累的，可能需要十年到十五年的时间。其中最重要的两个技术是Word Embedding和Transformer。

Word Embedding是十多年前出现的技术，它将单词转化为一个向量，放入一个Embedding空间中，这是一个革命性的技术。而Transformer是近年来非常热门的技术，它在语言和视觉领域都有很广泛的应用。

我认为最近出现的ChatGPT能够做得这么好，是因为它采用了In-context Learning或者Prompt等技术，能够将文本转化为向量，再利用Transformer进行处理。这些技术的发展都需要长期的积累和研究。

李响：ChatGPT的成功是因为它可以同时完成多个任务，这种多任务的方式在医学影像分析中也很重要。

ChatGPT的训练方式相对容易，因为语言是一种顺序的任务，而图像则需要考虑多个方向上的相关性。

“ Masked autoencoders are scalable vision learners”等文章探索了图像多任务学习的方法，但目前还没有类似于ChatGPT的大规模，多任务图像模型出现。未来在医学影像和信号处理中，多任务和多模态集成的方法可能会得到更多的应用。

闫平昆：沈定刚老师、刘天明老师和李响老师从不同角度介绍了ChatGPT技术，我从图像的角度介绍一下。

ChatGPT使用的硬件和网络架构都很厉害，它的模型量很大，从小到大分别有125兆和1750亿个参数，下一步要考虑的问题就是如何把视觉模型做得更大。

此外，ChatGPT不仅学习语言，还学习了编程语言和互联网上的代码，这说明对ChatGPT来说，不同的数据代表着不同的价值。

第三，提示技术和高质量数据也对模型性能的提升有很大的作用。强化学习和Human in the loop等也是重要的因素。

刘伟：我是一个临床医学物理师，专注于放射治疗。

我认为ChatGPT在一般的医学知识方面表现出色，但在更具体和相关性更强的领域，例如放射学，表现并不出色。

这可能是因为ChatGPT是通过强化学习进行训练的，而且专家的介入有限。如果我们想要提高ChatGPT在这些领域的表现，我们需要进行专家介入的强化学习，这可以通过专家的反馈实现。

此外，ChatGPT的数据来源是互联网，其中与医学领域相关的知识相对有限，主要是为了科普性质的知识。

因此，如果我们可以收集大规模的医学图像、文本数据，并通过专家的介入进行训练，我相信ChatGPT在医学领域将有更广泛的应用。

沈定刚：我们应该如何在医学影像领域中应用和集成ChatGPT？

刘天明：我认为刚刚刘伟老师说的话题很好，从人类反馈到专家反馈的强化学习是在医疗影像中应用和集成最关键的因素。

ChatGPT利用公开的常识性知识生成语言和答案时，已经做得非常好了，但我们在和医生、药剂师的一次讨论中发现，ChatGPT在他们的专业领域生成的语言和答案时往往并不合理。

当下人们对ChatGPT的反馈可以分为两类：一类认为它在常识性的知识上做的非常好，另一类则认为它在专业知识领域一本正经地说瞎话。

因此，在ChatGPT的训练中增强专家的反馈非常关键，必须将专家的反馈纳入循环中，才能进一步提高ChatGPT的质量。

一年多前我们发表了一篇有关放射学的文本分析文章（ClinicalRadioBERT: Knowledge-Infused Few Shot Learning for Clinical Notes Named Entity Recognition），我们将积累的几万篇公开数据应用在文本分析中后，得到的结果比以往的常规分析要好得多。

因此，在ChatGPT的训练中，也需要逐步从常识性知识升级到生物医学领域知识，再升级到放射学领域知识。

当然，放射学是一个非常大的领域，要将这一领域细分到什么程度，才能达到我们想要的效果，仍需各位专家来界定。

闫平昆：刘天明老师提到了强化学习中的人类反馈，是ChatGPT中一个非常重要的技术，我们应该将专业医生的反馈更多地融入其中，让ChatGPT像超人一样从弱小到强大地成长起来。

ChatGPT在进行训练时，使用了大量由人工标注的材料和反馈样本，才能够达到如今的效果。

将来我们在训练自己的图像模型时，也要花费更多地耐心和精力去准备数据，毕竟机器学习的特点就是“Garbage In，Garbage Out”，如果数据质量不够好，模型的性能也上不去。

另外，刘天明老师刚刚提到Prompt Engineering提示工程，也是非常重要的一个技术。

十几年前做机器学习时，人们都在做特征提取，深度学习出现以后大家又改做Network Engineering网络工程，而现在进入人工智能2.0时代，每个人都有自己定制的提示服务。

李响：这个发展其实很有意思，越来越多对深度学习或机器学习不够熟悉的人，也能通过自然语言来实现这些技术。

In-Context Learning解决了pretrain大模型的问题，是一个非常有用的技术。它不仅在技术上有改变，同时也在社会经济上对人类行为上有所改变，使得AI的受众变得更广泛，医生现在也可以自己做NLP相关的AI研究了。

在没有基于In-Context Learning的ChatGPT之前，医生们根本不可能完成这些事情，这是一个思想意识上的巨大转变。

在利用专业知识方面，Active Learning和Federal Active Learning在这个过程中都起到非常重要的作用，这是最核心的一个步骤，虽然只是一个小数据，但能够撬动整个大模型，使其向更好的方向发展。

这一过程仍有很多设计上的问题需要解决，也许暂时还回答不了，但我们目前已经在进行这方面的研究。

刘伟：如果我们想将ChatGPT应用到医学影像之中，那么多模态学习就是必不可少的。医学领域中目前存在很多的图像、音频、文本等不同种类的数据，必须利用多模态学习将其进行结合，才能应用在临床工作中。

此外，还要考虑到特定领域数据的限制，针对医学这种专业领域的数据，需要使用更专业的提示词来生成问题。

第三，ChatGPT目前使用的是一个很简单的训练奖励模型，回答的结果仅仅由人来进行简单的评估，我认为将来应该进一步提升这一环节的复杂度，利用多模态学习等技术，进行多维度评估。

沈定刚：简单来说，要将ChatGPT技术应用在医学影像或放射学等领域中，需要将相关领域的知识和信息融入到ChatGPT的模型之中，以提高其在该专业领域中的表现。具体而言，可以通过以下方式来实现：

提供大量领域相关的数据来训练模型，包括诊断结果、医学影像、学术论文等；

用领域专家的知识，例如医生、科学家等，对模型进行指导和改进；

将领域特定的语言和术语嵌入到模型中，从而使其能够更好地理解和处理该领域的内容；

将模型应用于特定领域中的具体问题，例如医学影像诊断，并将其与人类专家的表现进行比较和评估。

总之，在特定领域中应用ChatGPT技术，需要一定的领域知识和专业指导，并将其与具体问题相结合，以发挥其最大的作用。

沈定刚：如何利用成像AI和放射学的知识来提高ChatGPT？如何进一步开发面向放射学的大语言模型？

刘天明：我先说几个例子，它们是我们正在进行的项目的实例，我们有第一手的经验和体会，也取得了一些结果。就我目前的观察而言，ChatGPT在临床放射领域的应用会非常广泛。

第一个例子是，ChatGPT的推理能力非常广泛，只需要将临床放射领域的数据提供给它，就可以进行很好的推理。

在我们目前在做的一个项目中，将放射科等各个科室中的文本数据转化为ChatGPT可接受的格式，利用ChatGPT推理对应的疾病产生的原因以及未来的发展趋势。

第二个例子是通过ChatGPT对癌症病人的管理，特别是放疗的临床节点进行预测，这个项目目前已经启动了。

第三个例子是在临床诊断中，通过提示工程将文本和数据嵌入特征空间，利用特征空间对病人进行聚类、分层或者诊断。

这些例子很快就能得到结果，可能会比以前的方法好很多。我认为，这只是ChatGPT在临床中的一小部分应用，在未来，临床上所有我们能想象到的技术、工具，基本都能够通过ChatGPT来实现。

另外，多模态问题也非常重要，我们正在通过多模态的In-Context Learning将图像特征、文本特征以及医生的眼动数据进行相互联系，实现一键生成诊断报告。

沈定刚：谢谢天明，他刚刚提到的眼动技术很重要，尤其是对于语言模型的训练，因为眼动数据更具规律性。

相比之下，从各个方向都有联系的图像数据中学习规律要困难得多。

在医生进行诊断过程中，记录医生的眼动即可自动记录医生的关注点和注意力，从而帮助实现后续的自学习技术。这样的技术可能是一个有效的模拟治疗方法。

在数字空间中，可以模拟不同治疗方法，并比较不同的结果。有了这样的技术，我们就可以在虚拟世界中进行诊疗。

闫平昆：从影像分析的角度来看，ChatGPT之所以如此成功，尤其相较于现在的视觉模型而言，是因为它学习的对象——文字，具有人类表达方式的先天优势。

人类利用文字书写大量的知识，这些文字都有特定的规则，并且要以特定的规则进行表达，因此方便了ChatGPT对文字知识的学习。

当前阶段我们应该考虑的是，如何将图像信息更好地输入进大模型之中。

一种方法是通过图像分析模型提取图像中的信息，将其发送给ChatGPT。

另一种方法是我们应该聚焦的一个方向：多模态学习，特别是视觉语言学习。将图像信息与语言结合在一起后，就可以直接对图像信息进行编码，与文字一起发送到大型语言模型中。

因此，目前我们应该以大型语言模型为主，它学习了大量的知识并具有逻辑推理能力。以此为中心，我们还要明确如何更好地将图像信息传递到其中。

李响：刘天明老师和闫平昆老师都讲了使用ChatGPT的核心要点，我想强调一个重要但不被关注的方面，就是医学信息学，在将语言模型用于临床工作流中时，需要快速、有效、准确地获取数据。

过去几年中，我们花了很多时间研究如何获取任意想要的医院系统文本或数据，并将现实模型应用于这些数据，从而将大语言模型或多模态模型融合到整个临床工作流之中，包括放射医学的临床指标。医学信息学在这个过程中扮演了很重要的角色。

刘伟：刘天明老师和沈定刚老师在多模态学习方面已经很有成就了，比如使用ChatGPT在临床医学和医疗影像领域进行了ChatCAD和ChatAug等项目。我们应该跟着他们的思路，想办法将这些技术应用到培训和研究中。

我们虽然有非常多的医疗影像数据，但是由于各种原因，数据的共享一直是一个大难题，我们需要生成一个合法合规的大型数据库，这对训练下一代大数据模型非常重要。

此外，许多医生都在尝试使用ChatGPT做科研，但由于缺乏专业知识，只能利用ChatGPT做一些简单的应用研究，如果想要进一步地推进研究，还需要多领域专家的努力和合作。

总而言之，想要更好地将ChatGPT应用于临床工作之中，不仅仅需要融入多模态学习等技术，也需要多领域专家的共同努力。

沈定刚：考虑到ChatGPT合成文档的局限性和潜力，如何将ChatGPT整合到放射学流程中，帮助开发有用的放射科医生工具？

刘伟：我是放疗领域的从业人员，当下任何一个专科的数据信息都不仅仅有文本一种，而是涵盖各种不同类型的信息，比如病例、影像、随访结果等等，我们必须将这些信息结合起来，才能够做更有意义的临床研究。

据我所知，目前已经有公司开始使用大数据模型来预估病人的治疗结果，但现阶段的模型一般只考虑文本信息。

我认为必须将多模态学习技术应用在这方面的工作中，引领未来的发展方向。

以放疗领域为例，目前存在多种放疗方式，包括光子、质子、Block Therapy和电子等，在为病人进行初步会诊时，遇到复杂的病情，往往需要集合多领域专家的意见，选择最适合病人的治疗方式。

但组织专家会诊十分费时费力，且以往医生在制作病例时格式通常不够标准，更是加重了从这些非结构化临床数据中提取信息的难度。

现在有了ChatGPT这样的工具，我们才得以更高效地进行研究。

同时，在美国医疗保险公司为了节省成本，总会选择比较便宜的治疗方式，从而加重了医生与保险公司沟通的时间成本，这也是我们需要考虑的一个问题。

刘天明：放射科医生在临床诊断中扮演着关键角色，需要与其他科室医生进行协作，需要阅读大量文献和病例数据。

使用ChatGPT等自然语言处理工具，可以帮助医生更快地阅读和理解大量信息，以及快速撰写诊断报告和保险文件。这将大大提高医生的工作效率，改善整个医疗工作流程。

闫平昆：我认为在将ChatGPT应用于放射学流程时，有两个需要考虑的方面。

首先是规范提示词，因为提示词在整个过程中非常重要。我们需要正确的提示词来进行Prompt Engineering，这要求我们对这个问题有深入的理解和认识。

如何给ChatGPT合适的提示词，从而获得更好的结果，也是需要我们解决的问题。

另一个方面是不同的提示词对ChatGPT的结果有很大的影响。

OpenAI的团队做过这个实验，发现不同的提示词对模型的性能有很大的不同。因此，我们需要规范提示词，并使用集成学习等技术改善这一情况。

此外，通过ChatGPT模型，我们可以与医生进行反馈，生成报告，帮助医生发现可能被忽略的问题，比如Incidental Findings（偶然发现）。

ChatGPT模型可以指出图像上可能存在的问题，让医生进行进一步检查。这种交互是非常重要的。

李响：为了更好地为医生提供服务，我们最近正在尝试利用知识图谱来帮助我们更好地使用自然语言处理工具。

知识图谱可以加在整个流程之中，不论是数据的输入、语言的生成还是ChatGPT的效果改善等等。这将为我们在临床中使用ChatGPT提供极大的帮助。

但是，获得一个好的知识图谱很困难，我们正在尝试利用ChatGPT从大量的语料库中自动发掘知识图谱，这项工作将为语言模型在临床工作中的部署提供很多先进的经验。

沈定刚：将ChatGPT及其核心技术用于医学影像领域会有哪些潜在的挑战（比如怎么创建跨机构的文本数据库，怎么保护患者隐私，需要哪些行业行为规范）？

我们已经讨论过如何保护数据和隐私，但现在我们需要考虑如何将ChatGPT技术应用于医疗领域，特别是医学影像和放射治疗？

这涉及到IRB（机构审查委员会）的审批标准和个人信息的保护，也是一个比较关键的问题。

刘天明：目前在医疗领域中，数据隐私的保护非常重要，目前还没有合适的方法将医疗数据提供给ChatGPT。

我们正在准备一篇论文，探讨在保护隐私的前提下，如何让ChatGPT更好地应用于医疗领域。

我们发现使用本地大规模模型可以解决部分问题，对于无法解决的问题，我们可以利用ChatGPT去除隐私信息并提高数据识别率。

这将对医疗领域产生重大影响，未来医疗文本可以通过ChatGPT进行推理。我们会很快发布一篇论文来详细介绍我们的思路。

闫平昆：在医疗数据的准备上，我们需要更多的图像和文本数据，例如临床记录、放射学报告等等。现有的公开数据集（例如MIMICS）相对较少。

此外，现在有很多编码器和Embedding等技术，我们是否还需要共享原始数据？或者是仅共享编码过的数据？

李响：刚才有老师提到了关于共享计算的问题，实际上联邦学习在影像上的应用已经比较成熟，但在语言方面还需要一个大规模的语言模型，这也是一个挑战。

另一方面，如果要在本地部署一个大规模语言模型，将会对算力提出很大的要求，这几乎是大规模语言模型在医疗领域中最大的挑战了。

在我看来，并不是所有的医院都有条件做这项工作，其中还存在着数据的不平衡性等问题，这是很值得我们关注的一点，并且现在还没有很好的解决方案，即使是我们使用的联邦学习等方法，也存在类似的弊端，需要有本地的处理方案。

刘伟：闫平昆老师刚刚提到的新思路是，利用联邦学习在本地模型中对数据做初步的处理，再进行分享，从而在保护保护病人隐私的前提下得到更好的结果。

但正如李响老师所说，在医疗领域数据协调和隐私保护是一个很大的挑战。我们曾经考虑使用区块链技术来分享数据，这也许是一个好的思路。

沈定刚：我们之前在放射学、肿瘤学、基因学等领域做了很多工作，采集了影像和基因信息。现在有了ChatGPT这样的技术，它可以帮助我们理解影像和基因之间的关系。我们可以使用ChatGPT中的自学习功能来发现新的关系和规律，并将其应用于肿瘤学、基因学和放射学等领域。

如何将ChatGPT与在放射学和其他许多生物医学领域中的应用串联起来？

刘天明：与我们合作的西北工业大学张拓老师带领着一个七八人的团队，已经开始尝试使用ChatGPT，将人脑的结构和功能连接到一个高层的语意空间。

使用类似的方法，可以处理很多领域中的信息，比如基因组学和生物信息学，我认为ChatGPT在这两个领域中的应用还没有开始。我们可以使用知识图谱的方法，将图像、文本、基因组等所有相关的信息全部映射到一个图空间里，然后使用ChatGPT等技术，对这个图网络空间进行推理和分析。

这是将改变整个生物信息学、临床信息学、医疗影像的NLP方法，是未来大势所趋。

沈定刚：这种方法可以改变所有表达的方式，让所有的信息处于同一个空间中，可以相互查到信息，从而实现多模态表达。

我们已经花费多年时间研究了多模态信息，使用了CCA来将不同空间的信息转化为同一个空间，使用深度学习将远距离的信息向量转换到同一空间，这样做可以让信息之间最大程度地协调一致。

我们还需要将不同的信息编码到同一空间中，并且在解码时可以返回原始模态的信息。这样做可以让很多事情变得更容易。

这个领域很有趣，我读了很多论文，了解新的技术，就像2012年时，我读了很多Deep Learning的论文，然后安排我的学生们去做第一批Deep Learning的研究。

我们必须紧跟技术发展的步伐，读所有的文章，了解所有的研究动向和技术细节，这样才能有效地指导我们的学生和年轻教师，让他们在短时间内取得好成果。我认为我们应该冲在最前面，才能把这个事情做好。

闫平昆：我们现在处于一个非常重要的时刻，需要在思想上进行转变。过去我们注重特征工程，后来又转向网络工程，而现在，我们需要将自己的研究与大型语言模型相结合。

另外，我们也需要不断提高机器交互的层次，从像素级别到特征级别，再到知识层次的交互。

ChatGPT的出现也重新定义了机器学习的可解释性。就像今天各位老师在这里分享的知识，我们不需要知道大家大脑中的神经元是如何工作、如何相互联系的，只要学到你们分享的逻辑与知识就足够了。

我们需要了解网络中神经元的工作方式，而不必了解其具体实现。这样我们就可以重新定义可解释性。这些都是非常重要的研究方向，正如沈定刚教授所说，需要我们投入大量的精力去学习，掌握最新的技术进展

李响：我认为我们需要重新定义多模态融合的思想。过去大家谈到多模态融合，大多是指在一个特定的任务中融合不同种类的数据，并沿着一个路径走下去。

我认为多模态融合应该更多源自于生成，而不是单纯的融合模型或者将不同的信息融合在一起。我们要让不同模态之间互相生成彼此，在各自的学习过程中对抗彼此。

如今在语言模型和图像生成模型上已经有了成功的例子，我们可以尝试在多模态生成模型上取得进步，实现真正的多模态融合。

刘伟：我也认为学习更多的论文，了解技术细节非常重要，这样才能够更有效地与学生共同工作。作为临床医生，我可能相对保守，但我认为我们应该做出改变，去拥抱最新的技术并将其应用于临床工作中。

比如，我们可以像沈定刚老师一样去尝试ChatCAD，将多模态数据结合起来，将其应用到不同的领域中。

我认为ChatAug这项工作很有前途，如果能够将其与多模态数据联系起来，不仅仅是文本和图像，还可以包括其他各种数据进行数据增强，那么模型效果也会得到提升。

此次学术沙龙中涉及的文章，以及之后参与的几位专家发表的ChatGPT在医学中的发展与应用的文章，可以参考以下列表：

ChatGraph: Interpretable Text Classification by Converting ChatGPT Knowledge to Graphs

Prompt Engineering for Healthcare: Methodologies and Applications

Differentiate ChatGPT-generated and Human-written Medical Texts

ChatABL: Abductive Learning via Natural Language Interaction with ChatGPT

Exploring the Trade-Offs: Unified Large Language Models vs Local Fine-Tuned Models for Highly-Specific Radiology NLI Task

ImpressionGPT: An Iterative Optimizing Framework for Radiology Report Summarization with ChatGPT

Evaluating Large Language Models on a Highly-specialized Topic, Radiation Oncology Physics

DeID-GPT: Zero-shot Medical Text De-Identification by GPT-4

Chataug: Leveraging chatgpt for text data augmentation

Chatcad: Interactive computer-aided diagnosis on medical image using large language models

Transformers in medical image analysis: A review

DoctorGLM: Fine-tuning your Chinese Doctor is not a Herculean Task

日内瓦国际发明展创办于1973年，是世界上举办历史最长、规模最大和最具影响力的国际发明展，本届发明展吸引了来自40多个国家和地区的1000余项科技发明参展。展会由组委会选派的来自欧洲各国的专业评委，面对面与参展商沟通、评判，奖项分为金银铜三个级别。

展会期间，中国团队参展的165个发明项目备受瞩目，其中55个项目获评金奖。“特别嘉许金奖”是从大赛金奖中选拔产生，须评审团全票通过，历年获奖率不到5%。此次鹰瞳Airdoc展出的两款产品均获得“特别嘉许金奖”，说明公司科研能力和创新成果获得了世界范围内的广泛认可。

 鹰瞳Airdoc两款产品荣获日内瓦国际发明展“特别嘉许金奖”证书

本次鹰瞳Airdoc获得展会最高奖项的两款产品，其一是智能眼底相机，这款全自动、全自助、便携式眼底相机已经应用于国内外的医疗、大健康、眼健康管理等场景，服务用户超千万人次。产品无缝衔接了鹰瞳Airdoc视网膜影像人工智能检测系统，基于数百万高质量、多维度交叉标注视网膜影像数据和人工智能技术，可以通过视网膜影像，在1分钟内发现数十种眼病和早期慢性病健康风险在视网膜上的异常表现，即时生成专业且直观的电子报告，助力实现致盲眼病和慢性病的早发现、早诊断。

另一款产品是鹰瞳近视治疗仪，采用红光照射视网膜，模拟自然光照促进眼底释放多巴胺，提高透氧率，引起脉络膜血流增加，进而增加脉络膜厚度，改善巩膜缺氧问题，从而起到抑制眼轴过快增长的作用。

这两款产品均是鹰瞳Airdoc的重要科研成果，并在应用过程中不断进行深度融合和创新，鹰瞳Airdoc也始终致力于科技创新与成果转化，并不断加快“技术出海”步伐，在海外市场发出“中国声音”。目前，业务范围覆盖了五大洲十余个国家，未来有望服务更多、更广泛的人群。

鹰瞳Airdoc一向重视科研创新与知识产权保护，目前已在《柳叶刀》系列、《英国眼科学杂志》等权威同行评审期刊，以及MICCAI等国际顶级会议上发表50余篇高水平论文。同时拥有超过300项专利及专利申请，以及十余项已发表PCT申请及国际专利。

作为国家专精特新“小巨人”企业、国家知识产权优势企业，鹰瞳Airdoc专利技术水平和创新高度获得了包括国家知识产权局在内的多方认可，近一年来先后获得海淀区高价值专利培育大赛最具潜力奖、中国杰出知识产权管理团队等诸多荣誉。不久前，公司在我国知识产权领域的最高级别荣誉——第二十四届中国专利奖的评选公示中荣获优秀奖。

此次获奖是鹰瞳Airdoc在科技发明实力展现的一个缩影。未来鹰瞳Airdoc仍将秉承“让健康无处不在”的企业使命，始终坚持专业化、普惠化和长期主义，期望通过科技手段为客户和社会持续贡献价值，让优质医疗健康服务惠及更多的人。

雷峰网

这扇房门就像盲盒的盖子，里面放着王明时未来的命运转折，而他却无从得知。

王明时推开房门，病房中坐着两位穿病号服的白发老人，天津大学校长李曙森与天津医学院院长朱宪彝，也是将要决定他未来四十年职业方向的人。李曙森开门见山，请王明时向二人介绍他撰写的一份报告。

一个月前，在天津大学精密仪器系任教的王明时撰写了一份《建议在天津大学筹办生物医学工程专业》的报告。

为了确保这份报告不被当时的官僚体制淹没，在那个动乱刚刚结束、还无比强调组织纪律的年代，他冒天下之大不韪，越过教研室、精仪系、校长办公室等重重领导，直接将报告交给了校长李曙森。

这是一场不顾后果的豪赌。这时的王明时已经四十三岁，近二十年的职业生涯都在天津大学度过。赢了，就能得到李曙森的支持，在天津大学率先建立起全国最早一批生物医学工程专业，为他的科研和教育事业开辟出一条新的道路。

一个月里反复焦灼，王明时突然接到系里的通知——立刻去总医院面见李曙森。

这场会面让王明时的人生拐进了另一个岔路口，自这一天起，他的命运便与医学工程学科紧紧绑到一起，为学科的建设与发展奔波近四十年。

作为天津大学的代表，王明时与我国初代生物医学工程学家们携手掀开了属于生医工人的篇章。

弃医从工，投身航天事业

王明时早年的理想是成为一名医生。

报考大学之前，王明时在母校天津二中的组织下到天津医学院解剖室参观，负责讲解的医生掀开一口红色的盖子，向他们展示泡在福尔马林溶液中的人体脏器；转身又打开另一个柜子，露出里面的婴儿标本。

直到参观结束，王明时仍旧惊魂未定，对医学的热情也被浇灭在解剖室里。

那时的中学生升学都由组织推荐，学校为王明时提供了两个选择，一是北京大学的外语系，二是北京航空航天大学的前身，刚刚成立三年的北京航空学院。王明时选择了更感兴趣的航天。

1955年，王明时被保送至北京航空学院自动控制系传感器专业。

进入大学的王明时成绩十分出色，还因此被选为班级总干事，相当于如今大学中的班长职务。1958年2月，周恩来总理亲自批准试制的轻型客机“北京一号”交由北航负责，成绩优异的王明时被选入设计组，参与了“北京一号”中央速度传感器的研发工作。

同年9月，“北京一号”在首都国际机场试飞成功，成为国内由高校研制成功的第一架飞机。如今，这架飞机仍停放在北航的航空航天博物馆内。

“北京一号”飞机

年轻的王明时多才多艺，在社团活动中也叫得上名号，合唱、话剧、篮球、田径等等各类活动中都有他的身影。

他带领话剧社团成员自导、自演的抗战时期经典话剧《同志，你走错了路》，还曾在五道口的剧院里对外售票演出。

作为校篮球队的队长，王明时带领队伍获得过北京市“三好杯”篮球比赛的亚军，一众篮球队员们成为了学校里的风云人物，他言道，“就连食堂的大师傅都成了我们的球迷，打饭的时候特别照顾。”

在那个粮食按人头分配的年代，北航专门为篮球队开了小灶，每人每月供给六十斤粮食，即便是身材高大、时常运动的王明时，也从没饿过肚子。

那时的他万万不会想到，工作后面临的第一个的困难，竟然是饥饿。

1960年前后，天津大学开始启动对航空仪表专业的建设，由于缺乏师资力量，天大向北航要了五个毕业生，王明时就是其中之一。

国家三年困难时期，没有了上学时篮球队员的身份加成，他的粮食配额被减到每月三十斤。王明时说起那时的艰难，“差点儿把我饿死。”

王明时被分配到精密仪器工程系，从属于初建的航空仪表教研室，教师队伍中，除北航毕业的王明时外，几乎都是门外汉。

为培训新教师，系里委任王明时为同事讲课。“我只能赶鸭子上架，把我在北航学的课程讲给他们听。”王明时回忆，这是他工作后过得最艰难的一段日子，不仅每天饿得头昏脑胀，还要晚上备课到凌晨两点，第二天上午连轴讲上仨小时的课。

1964年，航空仪表专业因教育部调整被停办，王明时又被分配到精仪系计时仪器教研室，教授“钟表测量仪器”课程。

可惜这项工作也没能持续太久，自1966年开始，国内高校纷纷停课，正带着学生在上海实习的王明时也被召回学校。

自此，国内的科学工作陷入长达十年的停滞期，研究机构被肢解，教学工作被中止，科研工作者被下放到农村或厂矿劳动。

王明时还算幸运，一直留在天大工作，只是不再进行科研和教学工作，从31岁到39岁，他青年时期最精力充沛的八年岁月，却窝在学校里从早到晚写大字报。蹉跎数年，王明时再也坐不住了。

1974年，他邀请天津大学的几位教师一起进行“激光摆轮平衡机”的研究。

在航天与军工领域，有一个关键的建立空间xyz坐标的元件——陀螺转子，这种小惯量的高速旋转体的重心质量中心如果偏离了旋转轴线，将产生振动，严重影响定位精度和仪器或钟表的寿命。

那一时期，军工领域顶尖的研究机构几乎全都分布在北京，在充足的经费与资源支持下，研究了许多年仍旧没能攻克这一难题。

出身航天领域的王明时深知这项研究的重要性，他拉上同在计时仪器教研室任职的同事戴品忠等人，尝试从钟表摆轮研究入手，探索用当时先进的激光技术平衡转子的新方法。

王明时将激光高温消融技术应用到陀螺转子的动平衡问题上，在轮摆转动过程中用激光去除其多余偏重，使陀螺转子的质量中心与旋转中心重合，以期解决动平衡问题。

经过两年多的研究，激光摆轮平衡机于1976年终于研制成功，采用“伺服瞄准”替代国内外普遍应用的“光电基准相位通道”来处理讯号，在提高平衡精度的基础上，使工效提高了两倍。

更让王明时惊喜的是，他发现“伺服瞄准”技术还可以应用于航天、导弹、鱼雷中的陀螺转子平衡以及大型发动机转子等的平衡，使激光摆轮平衡机的研究得以从钟表领域移植到航天、军工领域，也意味着他这两年多的辛苦研究没有白费。

在王明时之前，激光技术与陀螺转子的结合这一思路还没有人尝试过，这项研究成果就像是滴进油锅里的一滴水，在军工领域炸开了锅。

掌握着尖端科研资源的军工专家们对他的成果并不信服，加之当时还没有标准的科研成果鉴定程式，在科研鉴定会上，王明时被要求从头演示所有的研究思路和细节，鉴定过程足足持续了五天。

时隔四十余年，王明时还清晰地记得这场堪称严酷的鉴定会。好在最终顺利通过审核，激光摆轮平衡机的价值被业内承认，这项研究成果也入选了第一届全国科学大会。

1982年，国家的各项体制逐渐恢复后，这项技术又被授予了国家发明奖，并作为重大科研成果上报中共中央、国务院、全国人大、中央军委等相关单位。

与王明时共同研发激光摆轮平衡机的同事，后来也成为了和他一起建设生物医学工程专业的战友。

破釜沉舟，一个人拉起一支队伍

1961年，美国启动了万众瞩目的阿波罗登月计划，同样身处航空航天领域的王明时一直密切关注着这一计划的进展。登月过程中，地面站必须及时遥测航天员的各项生命参数，他所擅长的传感器技术在其中起着重要的作用。

阿波罗计划结束后，军用的传感器遥测技术开始转向民用。

二十世纪七十年代初期，Spacelabs Healthcare开发了用于危重病人监护的心脏护理监测系统，监测病人的心电、心率、血压、呼吸和体温等生命参数。

远在中国的王明时看到消息后，意识到这项新兴产业的巨大潜力，如果能够将测量、激光、计算机等技术应用在医学仪器的生产上，将会改变当时医学界仍主要依靠经验诊断和治疗的落后状态。

在同一时期的中国，多年动乱已经进入尾声，科研工作者们陆续回到工作岗位，也为科学界带来新的希望。其中让王明时最为关注的，就是生物医学工程这一学科在中国的萌发。

生物医学工程学科在中国扎根发芽的过程中，有一位科研工作者完成了其中不可或缺的一环——1972年，中国医学科学院情报所工作的杨国忠，在德文期刊中发现了“生物医学工程”这一名词，将这一学科引入国内。

此后数年间，在时任中国医学科学院院长黄家驷院士的支持下，杨国忠、中华医学会副会长胡传揆、西安交通大学生物医学工程专业创始人蒋大宗、浙江大学生物医学工程专业创始人吕维雪等一批学者多年奔走，终于在1978年的“全国科学大会”上，将生物医学工程学确立为一门独立的新学科。

此前一年，吕维雪在浙江大学建立生物医学工程与仪器专业，成为国内首个开办生医工专业的高校。

1978年7月，全国生物医学工程学科规划会在天津市蓟县召开，王明时与黄家驷、杨国忠、顾方舟、巴德年等人共同参加了此次会议，制定出我国第一部生物医学工程发展规划，《1978—1985年生物医学工程学科发展规划（草案）》。

多年后，蓟县会议的组织者之一杨国忠在回忆录中写道，这次会议是我国堪称第一代的生物医学工程专家们，从此携手进入生物医学工程学科建设新征程的起点。（雷峰网后续将推出庄天戈、郑筱祥、陈思平、万遂人等生物医学工程学者的故事，欢迎添加作者微信抢鲜交流，微信号：qiaoyw186）

中国生物医学工程学会也即将于1980年成立。

1980年11月 中国生物医学工程学会成立大会暨学术交流会合照

王明时的《建议在天津大学筹办生物医学工程专业》报告，就是在这一背景下撰写而成。

特殊年代，高校内部的学科建设等工作尚未恢复正常运行。按照组织纪律，王明时的这份报告要依次递交给他所在的教研室主任、精密仪器系党政联席会，全部通过后再转交至校长办公室。

“校长办公室主任会不会把报告呈报给校长，那就天知道了。很多好的想法就是这样被官僚体制淹没的。”王明时越过重重领导，直接将报告交到李曙森手中。

李曙森

一个月后，在天津医学院总医院的高干病房里，王明时向李曙森与天津医学院院长朱宪彝汇报过自己的学科建设思路后，李曙森当即拍板：“王明时，你明天就从精仪系抽调出来，专门筹办生物医学工程这一专业，需要哪些教师、物资和办公室，直接向我打报告。”

朱宪彝

七十年代，大夫们最得力的工具还是挂在脖子上的听诊器，心电图、B超等电子设备都还不算普及，王明时口中的“先进医学仪器”，更是没影的事儿。

“在当时的情况下，即便有人提出先进的构思，但最终能否推动并成功建立一个学科，还要看领导的态度。”王明时感慨，至今想起李曙森校长、朱宪彝院长两位前辈，仍旧敬佩他们眼光之长远，决策之果断。

在李曙森的支持下，王明时开始组建生物医学工程专业的教师队伍，然而过程却并不算顺利。

据王明时回忆，除了此前研制激光摆轮平衡机时的好搭档戴品忠，自告奋勇和他一起离开精仪系，就仅有一位实验员能来帮衬。

精仪系能够提供的支持有限，身边又无人可用，王明时只好将目光放到几个兄弟院系，挨个上门求助。

他最先找到电子系的领导，提出希望抽调几位教学水平高、有兴趣创办新专业的教师到生医工专业。对方答应得很爽快，立刻为王明时送去了五个人。

王明时起先很高兴，没想到这么容易就把人要来了，十分感激电子系的“雪中送炭”，可过了一阵子却发现不对劲，这几个教师“业务能力不强，但事儿特别多”，有人半夜十二点到王明时家敲门，只为问他要一张办公桌。

王明时又看上电子系另一位优秀教师武金鉴，系领导却不愿意放人，他三次上门要人都被拒绝。

王明时意识到这样漫无目的地四处拉人行不通，转而开始私下了解天大哪位老师的学问高、讲课好，拉好名单直接去找李曙森要批条，再带着校长批条到各个系里要人，终于把武金鉴要了出来。

“后来证明武老师无论在人品，还是学问和动手能力上都是模范。”

自动化系的领导又向王明时推荐了两位教学骨干，邵富春和邓景华；精仪系在国外访问的吕扬生、赵学刚二人听闻消息，主动提出要加入新专业的筹备工作；虞启链、 秦光侠等人也陆续加入，很快组成了生医工专业最初的骨干教师队伍。

天大的生医工专业最初命名为“医学仪器专业”，归属精仪学院管理，起先只分到一间狭小的办公室，老师们开会时拥挤不堪，挤在仅有的几张办公桌旁。

王明时只好找到李曙森要批条，向热工教研室借了一间地下室，分给其中几位老师进行科研工作，后来又从物理系借到了三间办公室，医学仪器专业教研组才勉强有了活动的空间。

艰苦的条件没有影响教研组成员们的工作进度，这是他们第一次主动选择了自己喜欢的工作，是历经文革十年的压抑后猛然迸发出的工作热情。

1980年，筹备工作基本完毕，天津大学生物医学工程专业即将迎来第一届新生。

筚路褴褛，幸得医学界相助

新生即将入学，王明时开始为课程设置困扰：对生物医学工程这样的交叉学科来说，医工融合是最大的难点。在有限的学时数内，如何合理安排工程和医学两大类课程，才能使学生既掌握了工科中的光、机、电的理论基础，又具备医学生理、解剖、生化及临床知识？

与早期创办生医工专业的另几所学校相比，天大有一份得天独厚的优势：天津医学院和知名医学专家的支持。

王明时指出，“生物医学工程学科的发展，离不开医学界的远见卓识。”大夫们在医疗工作中的实际需求，是推动他创办生物医学工程学科的重要因素。

当年放弃医学理想的王明时，兜兜转转二十余年后，还是一脚踏进这个行业。

1976年，天津总医院心脏内科主任石毓澍找到王明时，请他利用传感器技术研发一个测量病人心动过速的仪器，用于诊断迷走神经短路部位，通过激光消融法分离短路部分，达到治愈目的。

石毓澍

石毓澍是我国人工心脏起搏器事业的开拓者之一，曾担任中华医学会副会长、中华医学会天津分会会长，在天津市医疗行业中有很大的影响力。这台仪器研发完成后，不仅帮助石毓澍提高了诊断的准确率，也让王明时在天津市的各大医院打响了名声。

王明时说起那时与医生们的来往，“医生们知道天大有一位工程出身的教师能研发医学仪器，都找过来合作。”

1978年，中国泌尿外科奠基人之一，天津医学院教授虞颂庭也找上王明时，请他帮忙研发一个测量男性排尿速度和流量的仪器。

虞颂庭

王明时介绍，“对工程人员来说，这些研究轻而易举，却大大提高了医生的诊断水平，同时也让彼此间的合作更加密切。”

此后不久，经由虞颂庭搭线，王明时又结识了天津医学院创始人，院长朱宪彝。

朱宪彝

朱宪彝住在成都道100号，距离天津大学只有两三公里远。二人相识后，王明时经常上门拜访，“朱宪彝院长长得比较瘦小，我每次去他家，都看见他‘团’在一把很大的藤椅里面，仰面朝上看一本外文杂志。”

朱宪彝年轻时曾就读于北京协和医院，在二十世纪二十年代亲历了协和的飞速发展，大批中外专家学者在那一时期将世界最先进的诊疗技术与研究方法传入中国，也培养了朱宪彝面对科学界新兴事物时的敏锐嗅觉。

得知王明时这位忘年交要创办生物医学工程专业后，他立刻察觉到这门学科将对医学领域产生的深远影响，决定全力支持王明时进行专业建设。

朱宪彝做的第一件事，就是帮助王明时解决医学课程设置的难题。

朱宪彝请来心内科专家石毓澍、内科专家甘又强、外科专家李庆瑞、放射专家吴恩惠和杨天恩等十几位资深医生，连续召开三次天津医学院的校务会，帮助天大医学仪器专业制定出医学课程的教学大纲与详细的授课方案，并安排天津医学院的教师到天大为新生教授医学课程。

新生们也对经验丰富的医学院教师十分欢迎，学习热情高涨，一下课就围住老师问问题。天津医学院的教务主任告诉王明时，他们的老师在医学院讲课时，课间还能休息一会儿，在天大反而一刻不得闲。

王明时的学生，天津大学医学科学与工程学院院长何峰，作为这一办学模式的受益者，对此深有体会：“医生和工程师的合作再亲密无间，也不如一个人兼顾两种本领，事半功倍，就像《射雕英雄传》里的周伯通左右互搏。”

学生时期积累的扎实功底，让何峰得以在后来的研究工作中与医生们能够毫无障碍地交流专业话题。

1985年7月，首届生物医学工程毕业生的合影（前排：左八李曙森；左七吴咸中；右二王明时）

天津大学的生物医学仪器专业建立后，王明时与天津医学界的合作更加密切。

1983年，后来的中国工程院院士吴咸中接替朱宪彝，出任天津医学院院长。吴咸中是我国中西医结合专家，凭借对外科学基础和对中医理论体系的了解，在中西医结合治疗急腹症领域进行了深入探索，曾在国内首批开展了腹腔镜胆囊切除术。

吴咸中

吴咸中担任天津医学院院长期间，了解到医学仪器对临床工作的巨大帮助，也找到王明时希望合作研究一种能够快速判断急腹症的仪器。

急腹症是以急性腹痛为临床表现的腹部疾病的总称，一般由腹腔脏器和血管的病变导致，急性阑尾炎、急性肠梗阻、急性胰腺炎等急腹症，都可能是导致急性腹痛的病因。

吴咸中向王明时介绍，急腹症患者的特点在一个“急”字上，对医生而言，在短时间内判断的腹疼原因非常重要，有的患者就急需立即外科手术治疗，有的则应该用中西医结合的办法对症下药。

王明时听完后接下了这项合作，决心要研发出一款能够帮助医生快速诊断病因的仪器。他决定从肠鸣音的拾取与分析入手，对急腹症的病因进行判断。

肠鸣音是急腹症的重要判断依据之一，反映了人体肠道的运动情况，能够帮助医生判断肠道状态，做出诊断。

过去依靠人耳与听诊器的检查方式，往往会遗漏大量有用信息，且缺乏准确的客观定量分析指标。因此，肠鸣音一直难以在临床上充分发挥作用。

为了更好地利用肠鸣音进行临床诊断，王明时利用传感器拾取肠鸣音信号，预处理后输入计算机专用分析软件，选取频度、每次音持续时间以及三分钟内有音时间等特征量进行分析，总结出气过水声、高调音和金属音三种异常肠鸣音的特征， 帮助医生完成急腹症的诊断工作。

这款肠鸣音分析仪完成后，使急腹症的诊断工作更加准确、高效。如今，肠鸣音分析仪等类似设备仍是急腹症临床诊断中的重要仪器。

在传感器的基础上，王明时与医学界开展了诸多研发医学仪器的合作，先后完成了“多功能手术监护仪”、“心电、呼吸、血压组合传感器”、“快速血液粘度测定仪”等多项研究，这些医学仪器为临床工作提供了极大的便利。

本着“不是国际先进的课题不搞”的原则，王明时的目光逐渐从国内转移到国际前沿。

解锁人类大脑的秘密

虽然在医工结合上顺风顺水，但作为刚刚成立不久的一级学科，天大生物医学工程的发展仍面临不少的难题。

当时开办生物医学工程专业的重点高校，无一不是由资历深厚的老教授牵头，如，浙江大学吕维雪、西安交通大学蒋大宗、东南大学韦钰、协和医科大学顾方舟等等，都是在学术界有了一定积累的学科带头人。

（雷峰网即将推出生物医学工程系列多位学者的专访，回顾浙江大学、东南大学、上海交通大学等高校建设生医工学科的艰辛与激情岁月，欢迎添加作者微信qiaoyw186提前交流）

反观天津大学，王明时等骨干教师当时还是讲师头衔，与兄弟院校相比并无优势。

为提高教师水平与学校影响力，八十年代起，学校派王明时等人先后出国访问学习。1985-1986年间，王明时赴日本访问，在东京大学教授斋藤正男的实验室工作。

访问期间，王明时参与了斋藤正男的电磁温热疗法治疗癌症、血氧饱和度测试等许多研究，两人也成为了好友。

王明时、吕维雪、斋藤正男三人于东京大学合照

斋藤正男是国际生物医学工程学会创始人之一，曾担任国际生物医学工程学会主席、日本生物医学工程协会主席，在中国加入国际生物医学工程学会的过程中发挥了重要作用。

1979年，斋藤正男主动与我国有关部门联系，邀请我国加入国际生物医学工程学会。1983年，斋藤正男来华参加学术会议时再次表态，并与时任中国生物医学工程学会副理事长秦诒纯进行商谈。

直到1986年，在中国生物医学工程学会与斋藤正男的推动下，我国正式成为国际生物医学工程学会的国家会员。

斋藤正男还为中国高校的学科建设提供了许多帮助，清华大学、同济大学、复旦大学等高校都曾邀请他参与专业建设工作。

在王明时的推动下，斋藤正男受邀出任了天津大学名誉教授，四次前往天津大学讲学。他将许多国际上的前沿研究带来中国，分享给学科初建、经验尚不丰富的中国教师们。对待出国前往日本交流的中国教师们，斋藤正男更是倾囊相授。

在日本访问期间，王明时更深入地接触到国际生物医学工程学科的研究前沿。

他发现，人体各个器官的生理、病理和治疗已经具备了一定的基础，唯独对大脑的研究相当浅显，而人脑又难以像其它器官那样可以做离体研究，只能通过脑电脑磁和核磁等神经影像来探索脑的生理功能。

1989年，美国总统老布什提出“脑的十年”计划，将1990-2000年命名为“脑的十年”，并制定了以开发右脑为目的的“零点工程”。此后，欧洲、日本纷纷响应，使“脑的十年”计划成为世界性的行动。

斋藤正男的实验室中，配备了核磁、脑磁、脑电等科研设施。经过一年多的研究，王明时对脑科学产生了浓厚兴趣。1986年回国后，王明时开始在天津大学逐步开展脑科学相关课题。

2000年，全球从事生物医学工程的华裔科学家学术会议在中国台北召开，由美国生物医学工程学家冯元桢教授担任大会主席，王明时被邀请参会。

冯元桢是生物力学的开创者与奠基人，被誉为世界“生物力学之父”，参与创办了美国圣迭戈加州大学的生物工程学系。

早在1979年，国内生物医学工程学科仍处于起步阶段时，冯元桢就曾与助手颜荣在武汉华中工学院和重庆大学两地举办了生物力学讲习班，培养了中国第一代生物力学研究队伍的骨干。

王明时与冯元桢（左）合影

在这次的华裔科学家学术会议上，王明时结识了冯元桢与明尼苏达大学教授刘海婴，邀请二人到天津大学讲学，并聘请为天大客座教授。

刘海婴是脑科学领域知名学者，曾入选国内“长江学者奖励计划”，在脑认知功能、功能核磁共振等领域有多年积累。他的到来，为天津大学的脑科学研究解决了一个最棘手的问题：数据。

王明时的学生——UCLA 和Cedars Sinai Medical Center终身教授高伟，1999年考入天津大学生物医学仪器专业，研究生阶段进入王明时门下，跟随他进行脑科学研究。

据高伟介绍，天大当时还没有采购磁共振设备，难以采集脑科学领域研究所需的数据，而一台磁共振设备要上千万，2010年之前，国内的高校几乎都没有这个预算购买科研专用的磁共振。天大请来了长江学者刘海婴授课，也只是拨给他两百万的经费做研究，没能配备一台磁共振设备。

利用刘海婴从美国带回的几张光盘里的磁共振扩散张量成像数据，王明时带领高伟等学生一起开始了对脑白质内神经纤维重建的研究。

在当时的技术条件下，想要在活体上重建脑白质内神经纤维只有一个办法，就是通过磁共振扩散张量成像获取扩散的方向性信息，再利用这些信息对脑白质内的神经纤维进行三维重建。

然而，受当时磁共振成像设备与成像技术的限制，纤维重建的过程中存在着许多困难，如，磁共振扩散张量成像的数据是单元化和单一方向的，单元内纤维交叉就成了一个难题。

“那时候天大没有相关的研究团队和经验，磁共振看到的只是一堆数据，怎样从数据中提取白质纤维的走向？大脑各功能区怎么连接？都要从零开始，从文献中学。”

高伟形容那时的研究都是“摸着石头过河”，花费了两年时间，终于将大量的磁共振数据转化为可视的脑白质神经纤维。

基于这两年的研究，王明时团队提出了一种新的重建算法，相关向量加权跟踪(CVWT)法：利用纤维跟踪过程中待定方向点周围相关体元的主向量与分量各向异性(FA)值，计算纤维跟踪线的前进方向，从而更好地反映脑白质纤维的分布情况。

凭借这些研究成果，研究生毕业后，高伟顺利申请到美国北卡罗来纳大学教堂山分校的博士名额。后来的十余年中，始终专注于脑科学领域的研究。

王明时与高伟于北卡罗来纳大学教堂山分校合影

王明时不仅仅培养出了许多如高伟一般的优秀青年学者，也为天大培育出了供脑科学飞速发展的土壤。

除脑白质纤维重建的研究外，王明时还先后进行了磁刺激对人睡眠的影响、视觉脉冲抑制的诱发电位特性研究、单个汉字认知过程中事件相关脑电特征表现等多项脑科学研究课题，并于2002年完成了基于脑机接口的智能康复系统的设计。

2005年，王明时从天津大学退休。他最初所栽下的那棵“脑机接口研究”的幼苗，在众多弟子的不断传承接力之下逐渐壮大。

近十年以来，我国脑科学研究进入快速发展阶段。2014年的香山科学会议上，各领域科学家提出“中国脑计划”一体两翼布局；2016年，“中国脑计划”——“脑科学与类脑研究”就作为重大科技项目被列入国家“十三五”规划；2021年，“脑科学与类脑研究”再次被列入“十四五”规划。

复旦大学、浙江大学（雷峰网即将推出《浙江大学郑筱祥篇》，欢迎添加作者微信qiaoyw186提前交流）、北京大学、清华大学等众多高校也相继建立起脑科学研究中心。

2014年，天津大学神经工程团队推出了全球首款适用于全肢体中风康复的“纯意念控制”人工神经康复机器人系统——“神工一号”，实现了大脑皮层与肌肉活动的同步耦合，有助于加快中风患者的康复进程。这项研究使脑机接口技术从纯理论研究走向了临床实际应用。

2016年，基于“神工一号”所研发的“在轨脑机交互及神经功效测试系统”随“天宫二号”升入太空，由中国航天员景海鹏与陈冬完成了人类历史上首次太空脑机交互实验。

2021年，该团队又与中国电子合作，发布了拥有完全自主知识产权的全球首款脑机接口编解码专用芯片“脑语者”，作为解决卡脖子问题的关键技术，入选了国家“十三五”科技创新成就展。

在科研上取得一定成绩后，天津大学开始尝试进军医科。2017年，天津大学医学工程与转化医学研究院成立。

耄耋之年的王明时看着为创办新医科而忙碌的学生们，仿佛看到了四十年前为创办生医工专业四处奔走的自己。虽然已经退休多年，他还是决定再为学生们出一份力。

他找到曾合作研发肠鸣音分析仪的老朋友，曾任天津医学院院长的国医大师吴咸中院士，两人为天津大学和更名后的天津医科大学牵线搭桥，推动两校于2018年联合创办了全国首个“智能医学工程”专业。

在天津大学的影响下，如今国内开办智能医学工程专业的高校已多达六十余所。

得益于王明时早年间打下的坚实基础，天津大学不仅在国内脑科学研究浪潮的兴起与发展之中占据了一席之地，更走出了一条独具特色的医工融合发展道路。

将火把交给下一代

今年是王明时退休的第18年。虽然早已离开教学科研一线，王明时却始终关注着生物医学工程及其相关领域的发展。

在他看来，近年来对生物医学工程领域促进最为显著的当属人工智能技术。王明时认为，人工智能技术的发展应该是人脑研究的扩展和进步，“人工智能要么解密大脑帮助我们扩展视野，要么讨好、甚至欺骗大脑。”

从研究临床工作中应用广泛的医学监测仪器，到探究人体最复杂的器官大脑，王明时的生物医学工程研究经历，也显示出这门学科的发展与更迭——从医学与工程学的简单结合，演变为借助各领域的新技术，探索人体更深层次的奥秘。

正如王明时所言，“技术的交替创新是人类发展的必经之路”，在初代生物医学工程学家们搭建起的医工融合的桥梁之上，一代又一代的接棒人为学科建设前赴后继。

作者注：

在1978年3月的全国科学大会上，“生物医学工程”被确立为一门全新的学科。

一批出身于工科的学者们毅然投身其中，在工程学与医学之间搭建起桥梁，成为我国第一代生物医学工程专家。此后四十余年，无数承继者不断加入，为学科发展带来了更多新的可能。

雷峰网启动《生物医学工程拓荒者们的峥嵘岁月》专题，将陆续推出王明时、庄天戈、郑筱祥、陈思平等学者的故事，重现生医工人的创业维艰与激情岁月。

关注更多生物医学工程领域故事，欢迎与本文作者乔燕薇交流，微信号：qiaoyw186。

自去年离开科亚医疗以来，宋麒与其新创办的企业智冉医疗一直鲜少出现在公众面前。

直到今年2月，张江集团与杏泽资本共同举办的被投企业交流会上，宋麒出席并介绍了智冉医疗旗下脑机接口产品的进度情况。据雷峰网&《医健AI掘金志》了解，这也是公开报道中宋麒首次以智冉医疗CEO的身份参与活动。

博士毕业于爱荷华大学的宋麒，曾先后就职于美国Heart Flow公司、美国通用电气公司全球研发中心，2016年，宋麒与周亚辉联合创办科亚医疗。

公司成立后，宋麒以公司联合创始人、CEO的双重身份推动公司整体前进，并凭借其Heart Flow公司资深科学家的经验带领研发团队开展产品的研发及优化，产品管线也延续了前东家Heart Flow公司的优势方向——CT-FFR（冠脉CT血流储备分数）。

2020年1月14日，科亚医疗自主研发的“冠脉血流储备分数计算软件”获批中国首个AI医疗器械三类证。

2022年4月，宋麒卸任科亚医疗CEO，由执行董事王立伟接任。

虽然不再担任科亚医疗的领头人，宋麒却仍旧是科亚医疗的第二大股东，据天眼查数据显示，宋麒目前持股比例为10.58%，仅次于持股47.59%的实控人周亚辉。

宋麒卸任科亚医疗CEO当月，2022年4月12日，北京智冉医疗股份有限公司注册成立，法定代表人为李倩。

2023年1月，智冉医疗完成A轮融资，由红杉中国、美团龙珠、杏泽资本、BV百度风投投资。同时，法定代表人也由李倩变更为宋麒，宋麒自此从新公司智冉医疗的幕后走向台前。

再次创业，宋麒选择了脑科学领域。

2016年，“脑科学与类脑研究”被我国“十三五”规划纲要确定为重大科技创新项目和工程之一；

2020年11月，科技部召开了中国脑计划第一次中心专家会议，会议透露：未来中国将拿出540亿元，正式推进中国脑计划的发展。

据CB Insights数据，大脑健康领域2020年的全球市场规模为62亿美元，并将在2024年突破百亿美元，成为下一个有可能为人类社会带来颠覆性影响的产业。

2016年以来，大量资本与创业者涌入脑科学领域。从2016年1月到2021年4月，全球脑科学创业企业融资数量整体稳定上升：2020年的融资数量较2016年上升了35%左右，2020年融资总额达到5年来的峰值，超过50亿美元。

脑科学创业企业融资情况（2016年-2021年4月，来源：CB Insights）

事实上，科亚医疗对脑部放射影像智能分析的研究早有布局，而去年成立的智冉医疗则选择了脑科学领域另一个更为典型的议题：脑机接口。

在张江集团与杏泽资本共同举办的被投企业交流会上，宋麒表示，“全球侵入式柔性脑机接口研究团队数量有限，先发优势及完善团队是遴选脑机接口公司的重要标准。”

他指出，智冉医疗有丰富的创新医疗器械软硬件研发经验、国内外注册申报经验、团队搭建与管理经验。目前智冉产品的电极通道数、灵长类动物植入时间等关键参数与美国Neuralink相当，产品进度处于全球第一梯队，先发优势明显。

脑科学领域的医疗行业再创业者并非宋麒一人，前依图医疗副总裁方骢也于2021年创办了一家数字医疗企业数丹医疗，尝试通过软硬结合的神经调控数字疗法，对大脑实施非侵入式认知刺激和认知训练，让大脑在衰老初期就得到干预，控制轻度认知障碍或阿尔茨海默症早期的进程，延缓衰老甚至实现病程逆转。

此外，微创旗下子公司微创脑科学，已于去年在港交所拆分上市，成为2022年度中国神经介入医疗器械市场前五名中唯一的中国公司，市占率约为8%，居国产品牌第一。

2021年，中科院上海微系统与信息技术研究所副所长陶虎与前阿里本地生活资深副总裁彭雷共同创办脑虎科技，专注侵入式脑机接口产品研究，尝试为渐冻症、高位截瘫、癫痫、胶质瘤等神经疾病患者的治疗提供解决方案。

目前，脑虎科技自主产权的首批产品已实现落地，进入医疗机构、高校和科研院所等下游客户之中，并开始获得商业化收入。

相比之下，成立刚满一年的智冉医疗如今仍处于初期阶段，科技成果与商业化效果还需时间验证。

2021年12月，Pear以110亿人民币的价格登陆纳斯达克，被业内誉为“数字疗法第一股”。

上市仅一年多，Pear百亿估值已经化为泡影，旗下约170名员工队伍几乎全部被解散，首席执行官Corey McCann卸任，仍在董事会任职提供破产后咨询服务。

Pear Therapeutics2013年成立于美国，是一家基于软件的数字疗法平台提供商，致力于PDT（处方数字治疗）的研发工作。

截至申请破产保护前，Pear共有三款数字疗法产品获批上市，分别针对药物使用障碍（ReSET）、阿片类药物使用障碍（ReSET-O）和慢性失眠（Somryst）。

2017年，Pear推出的首款数字疗法产品ReSET通过FDA审批，成为官方认证的“世界上第一款数字疗法”。ReSET App属于一种精神疾病治疗的电脑化行为治疗设备，在FDA属于II类医疗器械。

另一款治疗22岁及以上患者的慢性失眠的数字疗法Somryst，也在2020年3月获得FDA的Ⅱ类医疗器械认证批准。

此外，Pear旗下还有14个在研产品，涵盖精神病学、神经病学、胃肠、肿瘤学和心血管等多个领域。

如今的数字疗法行业，已经克服美国在注册审批环节上的障碍，越来越多的产品获FDA认证。能否让客户为其支付高昂的使用费用，成为数字疗法产品现阶段面临的主要难题。

在产品研发上快人一步的Pear，收入也迅速进入增长期，2021年累计营收420万美元，其中来自产品销售的收入达到了374.8万美元，相比2020年仅14.9万美元的产品收入暴增24倍。

在资本市场，Pear也广受欢迎，自2013年成立以来，先后完成8轮融资，获得了包括软银、淡马锡等知名风投机构的支持，融资金额共计4.09亿美元。

2021年12月，在实现营收暴涨之后，Pear通过SPAC形式上市，交易价值16亿美元，约合人民币110亿，被称为“数字疗法第一股”。

然而，登陆纳斯达克仿佛已经是这家数字疗法企业的顶点，自此之后，皆是下坡路。

上市不足半年，Pear就从9美元左右跌至不足2美元。

据公司财报显示，Pear数字疗法产品平均售价为1195美元。2022年，Pear产品开出了4.5万张处方，但只有约一半付费，而且公司仅能收取其中41%费用。2022年度，Pear营业亏损为1.234亿美元，收入仅为1270万美元。

为缩减开支，2022年7月，Pear宣布解雇大约25名员工，占其员工总数的9%。11月，Pear再次宣布裁撤约59名员工，占员工总数的22%，以进一步降低2023年的运营费用。

两番裁员也没能让Pear摆脱困境，今年3月17日，Pear发文表示，正在寻求战略合作，包括潜在的合并、出售、资产剥离或者是额外的融资。

截至3月17日收盘，Pear的股价已经跌至0.39美元/股，市值蒸发107亿；4月6日，股价再次跌至0.22美元/股。

4月7日Pear申请破产保护的消息，不过是相隔二十天落地的另一只靴子。

在2022年生物科技资本寒冬之下，与Pear并称‘数字疗法“三巨头的Akili与Better也处境艰难。

2022年8月，Akili登陆纳斯达克，开盘首日就因股价波动剧烈被迫多次暂停交易，先是飙涨20%达37.58美元/股，但而后出现大跌，当日收盘，Akili跌至7.15美元/股，较最高点跌去81%。

截至4月6日收盘，Akili股价已跌至1.36美元/股，相比发行价下跌超86%。

Better的股价相较发行时也已下跌超过87%，仅为1.22美元/股。

行业寒冬之下，数字疗法高昂的价格、漫长的治疗周期、枯燥的治疗方式都成为了压死骆驼的稻草，让这些企业滑向深渊之中。雷峰网

前不久，腾讯研究院发布《AIGC发展趋势报告2023：迎接人工智能的下一个时代》指出，AIGC的商业化应用将快速成熟，市场规模会迅速壮大，预测将率先在传媒、电商、医疗等数字化程度高、内容需求丰富的行业取得重大发展。

与此同时，诸多国外商业咨询机构更是直接给出数据：未来五年10%-30%的图片内容由AI参与生成，2030年AIGC市场规模将达到1100亿美元。

星星之火，可以燎原。早在五年前，AIGC还籍籍无名。它有一个相当拗口的名字--AI生成虚拟内容。以2018年的视频换脸技术Deepfake为代表，“AI伪原创”一词，便从那时传开。

随着深度学习的发展，AIGC逐渐渗透在图像、视频、CG、AI训练数据等各类领域，人们对于这一技术的期望也逐渐丰满。

时至今日，AIGC技术能否用于计算生物领域的新引擎，医疗健康赛道何时迎来新型基础驱动力，成为时下产学研各界的共同关切。

近日，由雷峰网GAIR Live&《医健AI掘金志》举办的《ChatGPT的一把火，能否烧到AI生命科学界？》线上圆桌论坛落幕。

本次论坛，由中国人民大学数学学院龚新奇担任主持，中国科学院深圳理工大学（筹）计算机科学与控制工程学院院长潘毅、百图生科首席AI科学家宋乐、深圳湾实验室系统与物理生物学研究所资深研究员周耀旗、分子之心创始人许锦波，天壤创始人薛贵荣参与讨论。

在上篇中，几位嘉宾共同辨析“AIGC”这一概念，探讨生命科学界中的哪些成果属于AIGC，以及ChatGPT在生命科学领域中可能实现的任务。

在下篇中，将分别探讨AIGC为生命科学带来的可能性与其自身局限，以及中国能否在应用场景上快人一步，实现技术落地与产业转化。

“全球人工智能与机器人大会”（GAIR）始于2016年雷峰网与中国计算机学会（CCF）合作创立的CCF-GAIR大会，旨在打造人工智能浪潮下，连接学术界、产业界、投资界的新平台，而雷峰网“连接三界”的全新定位也在此大会上得以确立。

经过几年发展，GAIR大会已成为行业标杆，是目前为止粤港澳大湾区人工智能领域规模最大、规格最高、跨界最广的学术、工业和投资领域盛会。

GAIR Live作为雷峰网旗下视频直播品牌，旨在输出新鲜、深度、原创的大咖访谈与对话内容，打造辐射产、学、研、投的特色线上平台。

以下是主题论坛的现场内容，雷峰网《医健AI掘金志》做了不改变原意的编辑和整理：

“AIGC+生命科学”的热度，不能随便蹭

龚新奇：继UGC、PGC等形态之后，你们如何看待AIGC的概念？在这一概念走红之后，不少团队都在宣称入局AIGC。在各位看来，AI生命科学的哪些成果，可以称之为AIGC?

潘毅：PGC，是指专业人员队伍产生的内容；UGC，是使用者生产内容；AIGC是用AI系统来产生的内容，也就是软件产生的东西。GPT，Generative Pre-trained Transformer，相当于一个专门的、特殊的AI系统，应用性更广泛的general系统。

比如，我们告诉它几个关键词，小桥、流水、春天、树叶，它就能生产一篇美妙的文章；告诉它画里面有古堡、城市，有桥有山有水，它就产生相关的画面。因此，目前由AI生成的内容已经比较广泛。

实际上，很多公司可能以前就已经介入AIGC。

举个例子，AlphaFold也属于AIGC。因为AlphaFold无非是输入一个序列，据此生成一个预测结构，其原理与ChatGPT根据输入的词汇生成一篇文章是相似的。

此外，网络关联技术也属于AIGC，比如基因与疾病的关联、药物与疾病的关联、数字与target（靶标）的关联等等，很多人就是利用图神经网络找出其中的关联性、规律。目前最典型的就是旧药新用，找出旧的药物与新的疾病之间的关联。

其中的原因是什么？我们可以通过输入旧数据产生新的图像，使节点之间产生新的连接，这就是AIGC。

现在很多研究团队要进入AIGC的想法是可以理解的，但是如果要利用GPT来阐释内容，我觉得还很多小公司还做不到，目前来看还早了一步。

因为只有技术和算法是不够的，还需要有“三部曲”作为支撑：大数据是否能拿到，资金是否足够，算力是否充足。三者缺少任意一样都无法做到。

所以我更倾向于，大家不一定马上实现GPT的应用。当然，我们在生物信息中用现有的GPT来完成一些任务是可行的。

比如在生物信息中，我们原来用的是text mining（文本挖掘），但是无法得知癌症等疾病具体与哪个基因有关系，只能依赖于手工操作完成许多工作。

但使用GPT，在其中输入一个基因词和一个疾病的名称，就可以挖掘出其中的关联，每一种疾病与每一个基因词之间的关联度都能够在GPT中反映出来。

现有的ChatGPT主要是为对话服务的，暂时还做不到为专业的生物信息领域的问题服务，所以我们今后要研究自己的GPT，技术、算法采用GPT的idea来做，但数据范围要缩小，专注于Bio，即BioGPT。

我们的数据要集中在疾病、蛋白质、基因、RNA等范围内，研发基于生物信息的算法，从而减少存储器与算力的需求，降低企业的开发门槛。

宋乐：首先从模型上来说，我也同意潘老师的见解。很多情况下我们在做深度学习的时候，预测的是一个比较简单的分类或是一个回归的任务，也就是一个值或一个概率。

但Generative model预测的是一个更大的东西，可能是整个图片或整个句子，而且它不仅仅是预测一张图片、一个句子，而是通过采样的方式生成一组图片、一组的句子，不断地生成新的内容。

生成模式实际上是基于条件生成内容，比如输入某些元素之后，根据这些元素生成一个对应的图像。其特殊之处在于可以不断地采样，从而每次输出不同的结果。

AIGC需要依赖大量的数据和算力，目前在生物领域中，成本上也达到了临界点。

从数据的层面来看，我们现在有亿级甚至更多的蛋白质序列，可以基于十亿、百亿甚至千亿级规模的数据进行训练，同时采样新的蛋白质，就可以生成各种各样的蛋白质。

同理，除蛋白质之外，其他生物领域的数据也达到了这一规模，例如，单细胞测序每次能将一个细胞中的两万个基因的表达量都测出来，借助这一技术，人们对几亿个细胞都做了测序，上亿规模的数据都可以作为细胞内基因表达的预训练模型。

基于预训练模型进行自然语言等下游任务的预测，甚至是基于一部分的基因表达恢复或生成另一部分的基因表达，都达到了数据的临界点。

刚刚我提到的这些模型，其参数也可能是亿级、十亿级甚至更大级别，所以需要很多的GPU，以并行训练的方式进行长达数周甚至数月的训练，模型拟合大量数据之后，生成的东西特别自然，像是原数据集里的东西，这对蛋白质设计、细胞表征、细胞扰动的反应、制药问题等等都是很大的推进。

从模型的提升到具体落地还有一段距离，但是我们已经看到了曙光，看到一个清晰的前进方向，可以将其与湿实验结合落地，进行AI药物研发。

周耀旗：我认为AIGC其实有一个前身叫做CGC，即Computer Generated Content。

在AIGC出现之前，我们已经用计算机在生物学上做了很多工作，也产生了很多内容。现在AIGC突然之间红火起来，实际上是对CGC的重新包装。

我们以前做分子动力学，用计算机模拟的方法研究蛋白质的运动、功能等等，这些都属于CGC的范畴。

现在的AIGC和以前计算机生成内容不一样的地方在于，AI主要是利用大数据进行训练，产生一个新的content。这个概念可以跟以往相区分，因为AIGC与以往用户、专家、计算机产生的content有完全不同的系统错误率和偏好。把它们区分开有利于我们进一步的分析和研究。

AIGC的一个特殊之处在于，它产生内容的速度非常快，估计其产生的内容会很快超过人类产生的内容。

AIGC在生物科学中的成果早在ChatGPT之前就已经出现了很多，AlphaFold2可能是其中最亮眼的一个成果，它在不久前就预测了所有的蛋白质结构，并且形成一个数据库，供大家下载和研究，我觉得这就是一个标准的AIGC，刚才潘老师也提到了。

所以在某种意义上，AlphaFold2已经走在ChatGPT前面了，带动了生物领域的革命。

其实不仅仅是AlphaFold2，我们以前用AI方法算了很多东西，包括蛋白质结构预测、蛋白质功能预测等等，虽然当时的准确度还不够高，但本质上也是用计算机产生的content。AIGC刚开始的时候准确度也并不高，比如现在的ChatGPT的准确度还不高，会有很多错误的地方。

我认为通过AI产生的生物学相关的科学文章、综述报告、文章摘要，以及生物学相关的图片、科普音频、视频等等，都属于生物学领域。AIGC和ChatGPT等工具已经开始进入生命科学这一领域。

由于现在的精确度还不够，还没有真正大规模地开始，未来AIGC应该会成为生物学方面很重要的应用。

前几天我测试了一下ChatGPT对生物学专业的内容了解程度怎么样，发现它对基本的知识面了解得很清楚，比如我问它RNA的二级结构，回答是比较精准的。

但是涉及到比较深入的新知识面时，ChatGPT的回答就经常出错。比如我问它AlphaFold2是靠什么成功的，它要么给一个很肤浅的回答，要么给一个完全不正确的回答。

这和ChatGPT的训练数据中的内容有很大的关系，因为训练数据中基础知识比较多，ChatGPT对这方面的知识回答就会比较准确；如果新的知识尚未收录或者少量收录到训练数据中，ChatGPT回答的准确率就会低一些。所以在相当长一段时间里，ChatGPT在专业程度非常高的生物学等领域中应用时，需要小心验证。

薛贵荣：正如刚刚周耀旗老师所讲，如果训练数据足够丰富，ChatGPT就可以生成一个相对专业的答案，当训练数据不够充分时，它生成的答案就不够好了。

一方面，我认为AIGC，特别是ChatGPT对目前已有信息的组织起到了关键作用，它能够将专业的内容组织起来，生成一个较好的答案，但是要依赖于基础库的数据质量与全面性。

另一方面，我认为AIGC的优势在于其创造性，它在图像领域取得的效果很令人惊讶，这表示着AI可以更具创造性地产生一些我们没有见过的知识，相对于更偏重组织的文本内容，对图像领域来说，创造性则更为重要。

就像我们做蛋白质研究，TRDesign设计出的蛋白质结构中，有很多我们没有见过，甚至自然界中也不存在，但是借助TRDesign我们就能够设计生成这些未知的蛋白质。

这些功能将会使AIGC大放异彩，既能将已有的高质量内容组织起来进行内容生产，又能生产未知的内容。

AIGC应用在AI生命科学中所产出的成果也可以分为两个方面，一方面是生成新的药物或材料；另一方面则可以积累大量专家的问诊经验，将其组织起来形成一套寻医问药系统，解决医疗资源匮乏的问题，为普通病人答疑解惑。

但前提是要将AI生命科学领域内大量的数据组织起来，才能推动进一步的研究。

许锦波：AIGC在生命科学领域中的应用比较广泛，比如我们做AI蛋白质设计就是用AI设计自然界中不存在的蛋白质，所使用的底层深度学习模型与ChatGPT的底层技术是一样的。

在这个过程中，可以将蛋白质序列理解为一个句子，将每个物种的蛋白质序列的集合理解为一种语言，所以我们也可以使用自然语言处理领域的深度学习模型来处理蛋白质氨基酸序列。比如用现在大家都在用的transformer对蛋白质序列进行建模，生成新的蛋白质序列。

当然，用AI生成蛋白质和生成自然语言也有不一样的地方，比如除氨基酸序列之外，每个蛋白质都有其特定的三维结构，所以在生成蛋白质时，要综合考虑其序列信息与结构信息进行设计。

此外，ChatGPT中的强化学习部件目前还没有应用在蛋白质设计之中，因为自然语言获得反馈的速度比较快，但蛋白质设计的结果通常需要实验验证才能得到比较正确的反馈，因此不那么容易获得。

除用AI设计蛋白质以外，运用不同的生成算法，AI技术也可以生成DNA、RNA和小分子，在这一领域内也早有人在进行研究。

术业有专攻：生命科学的哪些任务，适合ChatGPT做?

龚新奇：AIGC概念与蛋白质设计或哪些其他任务有天然的契合度？换句话说，什么样的任务适合ChatGPT来做？

薛贵荣：从去年年底到今年年初，国外的David Baker实验室、Generate Biomedicines、Profluent等机构，都发布了蛋白质设计的平台，天壤也在开放平台上发布了蛋白质设计模型TRDiffusion。

蛋白质设计已经经历过几代技术变革，从一开始天然蛋白的改造，到蛋白质定向进化，再到利用大量算力拟合蛋白质。

如今我们开始考虑能不能从头开始设计蛋白质，其难点在于如何做到可控，是完全从头开始设计一个蛋白，还是根据已有的核心片段，将蛋白质补全为符合一定长度的结构，或是对蛋白质序列中的某个片段进行替换，这些任务将来都会变成与系统的交互。

例如将蛋白质中某一个口袋拉大、替换某个片段、添加对称性展示、进行溶水性优化等等，这些原本需要具备多年研究经验的操作，都将在一个系统中表达出来，从而进行可编程、可控的蛋白质设计。

其次，我们也希望从交互上做一次变革。在以往的蛋白质设计工作中，几个小片段的设计都需要花费大量成本进行湿实验做验证。将来我们可以先在计算领域通过干实验的方式进行交互，快速迭代，改变传统实验中复杂的验证方式，将蛋白质设计需要花费的时间从几年、几个月缩短为几天、几个小时。当然最终还是要到实验室中验证我们设计的结果是否满足条件。

我们希望通过交互的变革与可控的设计，在未来的蛋白质设计研究中快速、高效地生产更多的蛋白质，加速工业制造，为人们的生命健康做贡献。

宋乐：在产生新的蛋白质序列、蛋白质结构，以及对蛋白质的可设计空间进行探索的过程中，AI是一个非常好的工具。百图生科做的大规模蛋白质预训练模型、加速版的结构预测模型，都是在AIGC的空间之中，这一技术起到了非常重要的作用。

但其实现在训练的这些生成模型，大多属于非条件的生成。

例如我们使用一个模型生成一张新图片时，要求图片满足画面中有三个人、两条狗，在玩某种特定的游戏，彼此之间有特定的距离等条件，如果要将这一系列的条件生成模型，还需要额外的模型对其进行引导，控制生成我们想要的东西。这些工作目前还非常具有挑战性。

将这些条件转换到蛋白质设计中后，相当于需满足抗体与病毒的抗原在某一个特定的位置结合、结合的亲和力达到某个强度、蛋白质本身比较稳定、蛋白质合成后的可开发性等诸多条件，利用生成模型控制生成满足需求的蛋白质。

为了符合上述各项指标，需要有一个额外的模型对生成模型进行训练，即AIGC模型除了要生成一个具备多样性的先验分布之外，还需要一个给定先验分布到想要的属性之间的预测模型，才能够通过这两个模型的叠加，控制生成一组非常好的后验样本，使生成模型既具备多样性和创造性，同时也能满足对规格的要求。

这个过程中还有很多算法上的工作需要进行，目前已经完成了部分生成模型的模块，以及从生成的序列和结构连接到我们最感兴趣的结构或蛋白质本身属性的模型，AlphaFold2也属于这种连接序列和结构的模型。

还需要对每个模块都进行下一轮的工程与模型效果的提高，才能将其连接起来，达到在AI层面设计很多不同的、满足属性要求的蛋白质的效果。这些工作完成后，可以大大减少湿实验。

通过AI设计的模型，可以先找到最有可能满足规格的蛋白质进行合成，将实验的数据反馈给AI模型，在进行下一轮的迭代设计，从而对蛋白质设计进行加速。

这是百图生科正在前进的方向，我们将构建出一个非常强大的模型，从而减少湿实验的次数，为蛋白质及其相关的药物设计提速。

周耀旗：我们课题组是世界上第一个用AI神经网络来做蛋白质设计的，也是第一个用深度学习来改进蛋白质设计的，这是2014年和2018年做的工作，在当时一直是冷门，最近几年因为AI红了才开始变成热门，突然冒出来很多方法，我们的这两篇最早的论文最近关注度也特别高。

举个例子，新AI设计方法Progen是一个比较好的工作，但是媒体夸大了它的价值。它实际上做的事情就是从大批量的同源序列中学习到了因为结构和功能的需求而必须保留的氨基酸，生成了一个保留了这些关键氨基酸的新同源序列，从而有类似的功能也毫不惊奇了。

这项工作其实还是有很多问题的，比如不能预测所生成的蛋白质活性的强弱，以及蛋白质的活性在不同的pH、温度等条件下会产生的变化，因为这些变化才是我们想用定向进化来达成目标。

所以这一方法目前还无法代替定向进化，而且也无法设计具有新功能的蛋白质。蛋白质设计的最终目标就是要获得新功能。

Progen与ChatGPT是很相似的方法，在蛋白质设计上离我们理想中的能力还有一些差距，还有很多工作需要完成。

AIGC，不能够局限在序列生成这个领域，在生物学中还有很多其它应用，比如它不仅仅可以生成序列，也可以生成结构、功能，甚至生成整个病毒、器官、物种等等，在未来都有着很大的可能性。

AIGC相当于打开了一个新的窗口，在未来通过大数据可以产生越来越多创新的东西，不仅仅局限于序列和蛋白质，也可以生成DNA、RNA等等，进入到整个生命体系的方方面面，前途非常宏大。

我认为这些工作还是挺艰巨的，并不是马上就能成功，我们目前所看到的只是第一小步。

潘毅：我认为软件ChatGPT软件功能非常强大，扩展以后可以做很多的工作。

比如我们输入一个序列后，对药物结构和功能进行预测。例如刚才薛贵荣老师提到的通过几个小片段的小功能，做一个大的不同的功能。有了数据库里的知识储备后，通过a、b、c的组合可以得到功能d。在小分子、蛋白质等的设计方面也可以逐渐地改进。

我们所谓的药，target（靶标）跟小分之间的关联有两个问题，一是关联的粘合度要高，二是要有活性。

这是一个综合的问题，要用分子动力学来测试活性，使药物的能量最小、最稳定，活性更好，惰性也更小。这其中很多参数可能有矛盾，如果将这些知识放到GPT中就可以有一个综合的表达，帮助药物研发。

疾病预测也是GPT的拓展方向之一。癫痫症、老年痴呆症等疾病在MRI核磁共振图像中显示的是外在特征，内在则是基因的变化，通过数据的堆积可以将这二者关联起来。

我有同事正在研究疾病的成因，哪个基因导致的疾病，哪个蛋白质网络在调控、关联等等。我们将蛋白质网络输入GPT后，就可以找到关联度，例如在蛋白质研究中的重要问题——关键蛋白，利用GPT做疾病成因的研究。

刚刚我提到text mining（文本挖掘）原本的方式很笨，如何利用AI来挖掘就是数据挖掘的问题。

GPT使数据之间的关联度变得更高，我们输入某个疾病和某几个基因，马上就能得到它们之间的关联度。这些问题得以解决的前提是有专业的数据做支撑，没有数据支撑就无法使用这些技术。

我更希望今后的ChatGPT能够添加专业领域关键词，例如我们提到mining，在数据领域就是数据挖掘，但只提到mining时ChatGPT可能无法理解。

所以在和ChatGPT对话时要补充相关专业领域的参数，以得到更精准的结果。将来进行生物预测时，GPT如果能够提供具有专业水平的生物数据，就能更精准地找出基因与疾病的关联。

GPT的缺点在于完全依赖于历史数据，无法预测将来。颜宁院士曾经也讲过这个问题，她认为AI制药中binding的预测很困难，主要原因就在于数据不充分，没有蛋白质、小分子等的大量数据，自然无法用AI进行预测。

但是当我们在某个领域聚集了很多binding的数据时，就能够预测得很准。

可以想象，随着时间的推移，数据积累越来越多的情况下，预测的精度也会越来越高。而且要基于专业的知识和数据进行预测才会准确，不专业的知识还是做不到。

很多时候，只有一个好的AI算法解决不了所有的问题，要具备算法、算力、数据三大要素才可以。我认为专业知识更重要，只有算法框架而没有专业知识是达不到好的效果的。

正如刚刚薛贵荣老师所言，假如蛋白质是由100个氨基酸组成的一个序列，每个都有20种可能性，那么可能性就多达20的100次方，远远超出世界上现有的蛋白质、氨基酸的数量，也就是说有很多自然界中不存在的氨基酸需要去设计。

由于这些蛋白质是自然界中不存在的，设计出的功能也许很好，也许会走偏，进行湿实验验证的过程也是一笔不菲的开支。这是一把双刃剑，今后应该继续开展研究。

许锦波：AIGC这个概念跟蛋白设计是比较吻合的，AI蛋白质设计与ChatGPT主要的区别在于验证方面。

在生命科学领域实验验证非常重要，用AI设计蛋白质也是如此。必须要通过实验验证才能知道设计出的蛋白质到底是不是有功能。

目前还没有一个很好的计算方法可以用来验证设计出的蛋白质的功能，如果不做实验验证，不管展示的图像有多好，事实上也无法确认设计的蛋白质是不是真的具备某种特定的功能。

不能只做一个AI算法就号称自己能够做大分子小分子的生成，一定要验证生成出来的这个分子是不是真的有功能。

从AI的角度来说，ChatGPT的出现是一个非常重大的技术突破，能够与AlphaGo相提并论。但是在生命科学领域，尤其是蛋白质设计方面的影响并没有那么大，因为早在两三年前生命科学领域就已经开始做蛋白质结构设计了。

由于算力和数据量的提升，现在的模型也许会比以前更大一些，但是在算法层面，虽然现在的AI算法比传统方法要好很多，但和几年前的AI蛋白质设计算法没有本质的区别，并没有看到跨越式的进步，仍有很多方面需要继续创新，进一步提升蛋白质设计的成功率。

2023全国智慧医院建设大会

时间：2023.2.18--2.19

地点：上海

大会官网：www.nshcc.cn

大会背景

目前，我国公立医院发展正处于从“信息化”转向“智慧化”的关键节点，智慧医院建设有助于提升医疗服务质量和医疗效益，改善就医体验，优化区域资源配置。“在引领新趋势方面，智慧医院可在临床专科发展、医学技术研究和创新服务模式方面起到推动作用；在提升新效能方面，智慧管理系统在质量安全运营、设备耗材、财务资产、教学科研知识支撑体系等方面起到保障作用；在激活新动力方面，智慧管理可以助力人事管理薪酬分配工作；在建立评价体系方面，智慧医院各项指标未来可以量化并逐步纳入考核体系中。”

疫情期间，智慧医院的需求直线增长，缓解医疗服务压力应该向互联网“问路”实体医院和互联网医院的再融合会进一步加速，智慧医院会在疫情常态化的催化、以及医疗质量改善需求下得到进一步发展与完善。由中国信息协会医疗卫生和健康产业分会、智慧医疗网、科雷会展、智慧产业网联合主办 “2023全国智慧医院建设大会”本届大会将以“科技赋能 数智生态 健康中国”为主题，大会将设置一场开幕论坛及十余场专题分论坛，邀请政产学研用各界精英从技术创新、产业应用、生态构建等多个纬度诠释智慧医院当前发展面临的机遇与挑战。大会组委会邀您拨冗出席，共襄智慧医院产业盛会！

一、会议名称

2023全国智慧医院建设大会

二、会议主题

科技赋能·数智生态·健康中国

三、时间：2023年2月18-19日  地点：上海

四、会议举办形式

线下+线上

五、组织机构：

主办单位：

中国信息协会医疗卫生和健康产业分会

智慧医疗网

科雷会展

智慧产业网

支持单位：

中国电子商会数字医疗与健康专业委员会

行业合作（拟邀）：

上海市医院协会

上海市社会医疗机构协会

北京市医院协会

浙江省医院协会

江苏省医院协会

甘肃省医院协会

山西省医院协会

湖南省医院协会

协办单位：

雷峰网

医健AI掘金志

健康界

连线CIO

医盟网信息化联盟

医信邦

MedRobot

思宇器械观察

器械之家

中国医疗器械采购公共服务平台

麟越医生速聘

药械网

承办单位

科雷会展

六、大会媒体

腾讯网、凤凰网、今日头条、智慧医疗网、财经大健康、艾瑞网、搜狐、新浪、中国医疗设备、和讯网、雷峰网、医健AI掘金志、智慧产业网、前瞻网、医盟网、健康界、连线CIO、动脉网、HC3i数字医疗网、医学猫、TIMEDOO肽度、中国基层卫生网、中国医采网、医信邦、泽桥医生、医视屏、医阶、医学界、丁香园、大健康产业资讯、华夏医界网、健康县域传媒、亿欧大健康、贝壳社、掌上医讯、医疗科技网、亿邦动力网、科讯医疗网、药械网、医信通、好医工、大健康派、数邦客、智能网、药智网、医养环境设计、洁净室、医疗器械创新网、来宝网、康强医疗人才网、麟越医生速聘、中数经纬、医趋势、丁香通、医路快建、投资界、新芽、云掌经济、界面新闻、AI中国网、 机器人库、优年网、康复医学网、医捷通、美迪医疗网、中国生物器材网、环球医疗器械网、东方医疗器械网、59医疗器械网、生技网、行业会展网

七、会议日程安排

2月17日（星期五）：会议报到、展商布展

2月18日（星期六）：开幕式、主、分论坛、展览参观

2月19日（星期日）：分论坛、展览参观

八、会议论坛安排

主论坛：

全国智慧医院建设大会开幕式及主论坛

分论坛：

1、智慧医院高质量发展院长大会分论坛

2、智慧医院信息网络建设分论坛

3、非公立医院智慧化建设分论坛

4、中医院智慧化建设分论坛

5、智慧医院人工智能分论坛

6、智慧医院医疗机器人分论坛

7、智慧医院物联网应用创新分论坛

8、智慧医院DRG收付费分论坛

9、智慧医院智慧后勤分论坛

10、智慧医院智慧护理分论坛

11、智慧医院智慧财务分论坛

12、智慧医院检验医学分论坛

13、智慧医院数据中心建设与高效运维分论坛

14、智慧医院智能医学装备规划建设与运营管理分论坛

15、智慧医院室内设计及家具配置分论坛

16、智慧医院节能建设及低碳改造分论坛

九、大会出席及拟邀请嘉宾（排名不分先后）

国家及省市卫健委领导

宋新    中国信息协会医疗卫生和健康产业分会会长、中国电子商会数字医疗与健康专业委员会理事长、中国妇幼保健协会妇幼健康大数据及人工智能专业委员会副主任委员兼秘书长、中国科技产业化促进会数字健康专业委员会常务副主任委员兼秘书长、中国卫生信息与健康医疗大数据学会产业发展与信息安全专业委员会常委、中国卫生经济学会健康产业分会常委、北京人体损伤修复研究会秘书长

樊嘉    中国科学院院士、复旦大学附属中山医院院长

谢桦    上海市卫生健康信息中心主任

刘晓强    江苏省卫生统计信息中心主任

刘小舟    浙江省卫生健康信息中心主任

张建    北京市医院协会会长

王小冬    上海市医院协会秘书长

李立新    上海市社会医疗机构协会秘书长

余勤    甘肃省医院协会会长

梁立强    浙江省医院协会秘书长

徐长江    江苏省医院协会副会长兼秘书长

李和平    山西省医院协会会长

李爱勤    湖南省医院协会副会长兼秘书长

俞建明    福建省卫生信息协会会长

刘宝    复旦大学公共卫生学院教授

应亚珍    首都医科大学国家医疗保障研究院副院长

何萍    上海申康医院发展中心医联工程与信息化部主任、上海市医院协会医学人工智能管理专业委员会主任委员

魏建军    上海申康医院发展中心投资建设部主任、上海市医院协会建筑后勤专业委员会主任委员

郑兴东    上海市第一人民医院院长

法宪恩    郑州大学第二附属医院党委书记

华东       无锡市人民医院院长

夏强       上海交通大学医学院附属仁济医院院长

雷光华    中南大学湘雅医院院长

陈仲强    北京大学国际医院院长

马骏       上海市同仁医院院长

艾开兴    上海市肺科医院院长

潘常青    上海市胸科医院院长

汤黎明    常州市第二人民医院院长

王育       南通市第一人民医院院长

程蔚蔚    中国福利会国际和平妇幼保健院院长

葛明华    浙江省人民医院院长

钟海忠    长海医院院长

黄进       四川大学华西医院副院长

何强       浙江省人民医院副院长

吴文莉    武汉第一人民医院副院长

孙新       上海交通大学医学院附属新华医院副院长

丁克峰    浙江大学医学院附属第二省医院副院长

郑杰       树兰医疗集团总裁

李力       爱尔眼科集团总裁

项乃强    嘉会医疗首席医务官兼上海嘉会国际医院医疗院长

沈旭东    上海永慈康复医院院长

丁国平    上海全程玖玖健康门诊部院长

刘益民    四川省简阳市人民医院党委书记

许长松    安徽省天长市人民医院党委书记

向炎珍    中国医学科学院北京协和医院总会计师

李雪辉    上海交通大学医学院附属瑞金医院财务处处长

戴笑韫    温州市人民医院总会计师

陈民       瑞安市人民医院总会计师

梁娟       南通市肿瘤医院总会计师

夏琳       徐州医科大学附属医院总会计师、改革办主任

季花       江苏省肿瘤医院总会计师

刘雅娟    上海交通大学附属新华医院总会计师

周建军    上海市第一人民医院总会计师

张海斌    上海市交通大学医学院附属第九人民医院财务处处长

吴丹枫    上海市第十人民医院财务处处长

李登梁    南方医科大学南方医院总会计师

赵艳       上海交通大学医学院附属瑞金医院计算中心主任

师庆科    四川大学华西医院信息中心主任

吴邦华    四川大学华西第二医院信息中心主任

黄虹       复旦大学附属华山医院信息中心主任

冯嵩       中南大学湘雅医院信息中心主任

朱卫国    北京协和医院信息管理处处长

胡梅英    江西省儿童医院信息科科长

左秀然    武汉市中心医院信息中心主任

张琼瑶    福建省立医院信息管理中心主任

寇建秋   江苏省中医院信息数据中心主任

张铁山    中日友好医院信息部主任

王忠民    南京医科大学第一附属医院信息处处长

董亮       上海中医药大学附属龙华医院信息中心主任

高志宏    温州医科大学附属第一医院信息处处长

陈强       常州市第二人民医院信息中心主任

何剑虎    浙江大学妇产科医院信息科科长

王奕       复旦大学附属肿瘤医院信息中心主任

陈宏立    宝石花医疗健康投资控股集团有限公司首席信息官

洪建       安徽中科唐玖医院首席信息官

马旭       河北燕达医院信息科主任

张晓祥    华中科技大学同济医学院附属同济医院计算中心主任

黄锋       北京大学人民医院信息中心主任

陈航       陕西省人民医院信息处处长

李瑞       首都医科大学附属北京天坛医院信息中心主任

张弓       福建省肿瘤医院绩效办主任、信息科科长

林辉       浙江大学邵逸夫医院互联网与人工智能办公室主任

张纪阳    复旦大学附属中山医院大数据人工智能中心主任

俞刚       浙江大学附属儿童医院信息中心主任

曹磊       南昌大学附属第一医院信息中心主任

吴良明    南京鼓楼医院信息中心主任

陈秀娟    三明市医保基金管理中心主任

王怡       北京协和医院病案科主任

莫春梅    四川大学华西医院病案科科长

牛培勤    上海市第十人民医院病案统计科主任

谢俊明    浙江省中医院医保办主任

周章彦    三明市第一医院党委书记

马路宁    中山大学附属第一医院医保办主任

孙麟       四川大学华西医院医保办主任

焦卫平    宣武医院医疗保险管理办公室主任

刘新奎    郑州大学第一附属医院病案管理科主任兼DRG办公室主任

徐英春    中国医学科学院北京协和医院检验科主任、教授

应斌武    四川大学华西医院实验医学科主任、教授

王培昌    首都医科大学宣武医院检验科主任、教授

关明       复旦大学附属华山医院中心实验室主任、检验医学科主任

盛慧明    上海市同仁医院副院长、检验科主任、教授

王学锋    上海交通大学医学院附属瑞金医院检验科主任、教授

郭玮       复旦大学附属中山医院检验科主任、教授

陈瑜       浙江大学医学院附属第一医院检验科主任、教授

沈立松    上海交通大学医学院附属新华医院检验科主任、教授

陈福祥    上海交通大学医学院附属第九人民医院检验科主任、教授

王佳谊    上海交通大学附属胸科医院检验科主任、教授

范列英    同济大学附属东方医院检验科主任、教授

张绪超    广东省肺癌研究所所长、中心实验室主任

顾兵       广东省人民医院检验科主任

明亮       郑州大学第一附属医院检验科主任、教授

张国军    北京天坛医院实验诊断中心主任

刘树业    天津市第三中心医院检验科主任

成守珍    中山大学附属第一医院护理部主任

韩斌如    首都医科大学宣武医院护理部主任

汪晖       华中科技大学同济医学院附属同济医院护理部主任

陈肖敏    浙江省人民医院护理部主任

岳丽青    中南大学湘雅医院护理部主任

兰美娟    浙江大学医学院附属第二医院护理部主任

沈美萍    浙江大学医学院附属儿童医院门急诊科护士长

辛霞       西安交通大学第一附属医院护理部主任

陈雁       南京大学医学院附属鼓楼医院护理部主任

唐蔚蔚    中国医学科学院北京协和医院后勤保障处处长

徐文蔚    上海交通大学医学院附属同仁医院后勤保障部部长

米建平    山东大学第二医院后勤保障部主任

温杰       中山大学附属第一医院后勤处处长

付磊       厦门大学附属心血管病医院保障保卫部主任

郭成       安徽医科大学第二附属医院总务部部长

程科威    江苏省人民医院总务处处长

杜栩       四川大学华西医院后勤运行部部长

芦铭       北京积水潭医院总务处处长

赵箐       中日友好医院医工处处长

陈玉俊    中国科大附一院（安徽省立医院）医学工程处主任

冯靖祎    浙江大学医学院附属第一医院医工信息部主任

陈宏文    南方医科大学南方医院设备科主任、教授

于靖       上海市第十人民医院医学装备处处长

钱学峰    苏州大学附属第一医院医学工程处处长

林强       福建省立医院基本外科主任、设备处处长

王文丁    江西省人民医院医疗器械处处长

温林       四川省人民医院医学装备部部长

金伟       无锡市人民医院医学工程处处长

仲辉       苏北人民医院医学工程部主任

秦航       南京市第一医院临床医学工程处处长

更多大会嘉宾持续更新中.............

十、参会人员

1、全国各省市、各级地方政府主管领导、卫健委领导；

2、全国各省市、各级医院协（学）会、医学会等机构代表；

3、公立医院院长、民营医院院长、妇幼保健院院长、中医院院长；

4、各级卫生健康行政部门负责人、医疗信息化相关管理人员；各类医疗卫生机构负责人、信息化工作主管领导、专业技术人员，以及医院临床、教学、科研、运营、财务等专业技术人员；高等院校、科研机构医疗卫生信息化专业技术人员；医疗信息化相关行业学会、协会等组织专业技术人员；从事医疗信息技术研发、产品生产、经营、服务的企业管理人员和技术人员。

5、全国各省市、各级医院分管信息化、后勤、总务、基建、护理、医务、设备、检验、医工、医保、绩效、质控、采购等负责人；

6、全国各省市医疗行业代理商、经销商、集成商、渠道商代表；

7、智慧医院建设相关的设计院、科研单位、工程单位、后勤服务单位、院内物流、物联网等单位代表及决策人；

8、供应商代表：智慧医疗、智慧检验、人工智能、5G、物联网、区块链、大数据、云计算、医疗机器人、智能医疗设备等单位代表；

9、投资方代表：非直接建设医院领域地产机构、金融机构等代表；

10、媒体代表：大众媒体、行业媒体、新兴平台型媒体代表；

十一、大会注册费

（一）医院代表1800元/人

（二）企业代表2800元/人

（三）注册费优惠如下：

1：医院代表三人以上（包含三人）1500元/人

2：企业代表三人以上（包含三人）2500元/人

注：注册费包含：会务费、资料费、餐费；差旅及住宿费自理。

十二、大会指定收款账户信息

单位名称：上海科雷会展服务有限公司

开户银行：交通银行上海分行南翔支行

收款帐号：3100 6908 2018 0101 76611

十三、参会报名

参会报名、展商参加报名可扫描或长按识别下方二维码填写报名表

扫码报名

大会商务合作及展商参展的详细资料，可咨询微信号：allen-9900或扫描下方微信二维码添加好友获得资料

十四、大会组委会联系方式

扫码报名

李老师：18916841069

邮箱：2314180965@qq.com

扫码报名

张老师：18121005829

邮箱：3383001848@qq.com

扫码报名

李老师：15800928898

邮箱：173676954@qq.com

大会媒体合作

联系人：王老师

QQ：531405538

邮箱：531405538@qq.com

大会防疫要求：

为保障参会人员的身体健康和安全，7天内有境外或国内疫情中高风险地区旅居史的，谢绝参会。

持“行程绿码”及“健康绿码”方可入场。

作为世界上最大的计算机领域专业性学术组织，ACM 的影响力不言而喻。它创立于 1947 年，目前在全世界 130 多个国家和地区拥有超过 10 万名会员，其所评选的图灵奖是计算机界最负盛名、最崇高的一个奖项，被称为「计算机界的诺贝尔奖」。

而 ACM Fellow 则设立于 1993 年，用于表彰在计算和信息技术领域从业五年以上，并做出了「突出贡献」(Exceptional Contributions) 的科学家，是 ACM 所有会员中最顶尖的那 1% 位成员。

截止目前为止，已有 1000 多位 ACM Fellow 诞生。本次选出的 57 名 ACM Fellow ，在网络安全、人机交互、移动计算和推荐系统等诸多领域做出了广泛的基础性贡献。

ACM 前主席 Cherri M.Pancake 曾经说过：“计算机技术对塑造我们今天的生活和工作产生了巨大影响。所有直接或间接影响我们的技术都是无数个小时工作的结果，协作或个人工作，以及创造性的灵感，有时甚至是明智的冒险。

每年，我们都希望有一批最杰出的人成为 ACM Fellow，ACM Fellow 是我们整体认可的基石，在强调ACM Fellow的成就时，我们希望给予应有的赞誉，同时也向公众传播计算机专业人员所从事的特殊领域。”

为了与 ACM 的全球影响力保持一致，2022 年的 Fellow 代表了加拿大、智利、中国、法国、德国、以色列、荷兰、西班牙、瑞士和美国的大学、公司和研究中心。以下是13位入选华人学者介绍：

梅宏

梅宏，计算机软件专家，中国计算机学会理事长，中国科学院院士，IEEE Fellow，发展中国家科学院院士，欧洲科学院外籍院士，高可信软件技术教育部重点实验室（北京大学）主任 ，中国人民解放军军事科学院副院长。

梅宏于1963年5月出生于贵州省遵义市，1980年，他17岁时考入南京航空航天大学计算机应用专业，先后获得学士学位和硕士学位。

1987年硕士毕业后他留校工作，后于1989年进入上海交通大学，攻读计算机软件专业博士，师从孙永强教授。

1992年博士毕业后，他进入北京大学计算机科学技术系从事博士后研究工作，同时在北京大学任教，先后担任讲师、副研究员、教授、博士生导师。

梅宏的研究工作主要涉及软件工程及软件开发环境、软件复用及软件构件技术、（分布）对象技术、软件工业化生产技术及支持系统、新型程序设计语言等 。

他针对开放网络环境下软件动态适应和在线演化两个核心难题，提出基于微内核的中间件构件化体系结构和基于容器的构件在线组装机制，建立了构件化的软件中间件技术体系与框架。

提出基于软件体系结构（SA）的构件化软件开发方法ABC，拓展SA到软件全生命周期，实现了对系统级结构复杂性和一致性的有效控制。

入选理由：为软件工程研究和翻译做出了贡献，并在中国建立了研究标准。

个人主页：https://ysg.ckcest.cn/html/details/1001070/index.html

俞栋

俞栋，ACM/IEEE/ISCA Fellow，现任腾讯AI Lab副主任，他的主要研究领域是自动语音识别、语音处理和自然语言处理等，是首批将深度学习应用到语音识别领域的研究者，60项专利发明人及开源软件CNTK开发者，谷歌学术引用量高达52583次，曾获得2013年和2016年IEEE信号处理协会最佳论文奖。

俞栋本科就读于中国浙江大学电子工程专业，之后在美国印第安纳大学计算机获得硕士学位，后又获得了中国科学院自动化所模式识别与智能控制硕士学位及美国爱达荷大学计算机博士学位。

1998年，俞栋加入微软，2002年进入微软研究院语音和对话组（Speech and Dialog Group），曾任首席研究员，兼任浙江大学兼职教授和中科大客座教授。

2017年5月2日，俞栋加入腾讯AI Lab担任副主任，并成立美国西雅图AI实验室。

入选理由：在语音处理和深度学习应用方面的贡献

个人主页：https://scholar.google.com/citations?user=tMY31_gAAAAJ&hl=zh-CN

李航

李航，现任字节跳动人工智能实验室总监，北京大学、南京大学客座教授。他是 IEEE Fellow、ACM 杰出科学家、CCF 高级会员。

李航本科留学于日本，在京都大学电气电子工程系就读，开始接触自然语言处理，之后于1994年在日本东京大学攻读计算机科学博士学位，1998年博士毕业。

1990年至2001年，李航曾在日本NEC公司中央研究所担任研究员，期间从事了NEC文本数据挖掘产品的开发。2001年至2012年就职于微软亚洲研究院，任研究员、主任研究员、高级研究员。2012年至2017年，他在华为诺亚方舟实验室任首席科学家、实验室主任，2017年离职，加入字节跳动。

李航的研究领域包括信息检索、自然语言处理、统计机器学习及数据挖掘。他曾出版三部学术专著，其中《统计学学习方法》是机器学习的宝典，引领了无数研究者进入机器学习领域。

他在顶级国际学术会议和顶级国际学术期刊上发表了上百篇学术论文，包括 SIGIR、WWW、WSDM、ACL、EMNLP、ICML、NeurIPS、SIGKDD、AAAI、IJCAI 等。他在 Google Scholar 上的被引量超过 26000 次，h-index 高达 74。

2019年，李航作为唯一华人当选ACL Fellow，当选理由为“他对信息检索，特别是排序学习做出了基础性贡献，在深度学习和对话生成方面做出了突出贡献，并且促进了中国自然语言处理（NLP）的发展和商业化。”

入选理由：对机器学习搜索和对话领域作出的贡献

个人主页：https://scholar.google.com/citations?user=nTl5mSwAAAAJ&hl=zh-CN

邢波（Eric Xing）

邢波，现任卡内基梅隆大学计算机科学学院机器学习系的副主任，同时是世界上第一家研究型人工智能大学——Mohamed bin Zayed University of Artificial Intelligence（MBZUAI）的第一任校长。

邢波有丰富的跨学科背景，横跨物理、生物和计算机科学三门学科。1993年，邢波在清华大学获得物理学和生物学学士学位。1999年，他又前往新泽西州立大学攻读分子生物学与生物化学博士；在此期间，他还取得了该校的计算机科学硕士。

2000年，邢波进入美国加州大学伯克利分校攻读计算机科学博士。邢波的研究方向是机器学习和统计方法的开发以及大规模计算系统和体系结构，曾撰写370余篇研究论文和报告，目前，他的谷歌学术引用量已达到48071次。

入选理由：对算法、架构和机器学习应用的贡献

个人主页：http://www.cs.cmu.edu/~epxing/

朱文武

朱文武，清华大学计算机科学与技术系教授，国家973项目首席科学家。他是 ACM/IEEE/ISCA Fellow，欧洲科学院外籍院士。他主要的研究方向为多媒体网络计算、跨空间大数据分析等，谷歌学术引用量已超过2.8万次。

1985年，朱文武在国防科技大学电子工程系获得学士学位，1988年-1990年期间，他就读于中国科学技术大学研究生院（中国科学院电子学研究所），毕业后赴美国继续博士深造，于1993年获美国伊利诺斯理工大学电气和计算机工程硕士学位，1996年获美国纽约大学电气和计算机工程博士学位。

朱文武先后任职于美国贝尔实验室、微软亚洲研究院和英特尔中国研究院，于2004年至2008年担任英特尔中国研究院首席科学家和总监。

2011年，朱文武加入清华大学计算机科学与技术系，曾担任清华大学计算机系副主任、清华大学大数据研究中心副主任等职。现任信息科学与技术国家研究中心副主任，清华大学人工智能研究院大数据智能研究中心主任。

入选理由：对多媒体网络和网络表示的贡献

个人主页：https://scholar.google.com/citations?user=7t2jzpgAAAAJ&hl=zh-CN

郭宗杰

郭宗杰，南加州大学电子工程与计算机科学杰出教授，IEEE Fellow，William M. Hogue讲席教授，专注视觉计算、视觉交流、机器学习、大数据分析与人工智能领域。郭宗杰教授于1980年学士毕业于台湾大学电机系，后在麻省理工学院度过了他的硕士和博士生涯。

1987年，他曾短暂加入加利福尼亚大学洛杉矶分校，任数学系研究助理教授，后于1989年赴南加州大学电机系，并留任至今。

郭宗杰教授美国国科学会年轻学者研究奖、美国总统教授学者奖、美国南加州大学工学院年轻教授研究奖、美国南加州大学梅隆杰出导师奖、大川情报通信基金研究助成奖、国际影像科学技术学会与国际光学学会授予的年度杰出影像科学家奖、Fulbright-Nokia杰出信息和通信技术首席科学家奖等。

在视觉交流与图像表征期刊，郭宗杰任主编；在信息科学与工程期刊，郭宗杰任编辑；在IEEE语音和音频处理，郭宗杰任联合编辑。据统计，在他的学术生涯中，郭宗杰教授共发表过1287篇学术著作，共被引用27529次。

郭宗杰院士不仅作为学者相当高产，他也为教育事业奉献良多，36年来培养了160余位博士生，其中3/4投身工业界，为技术应用落地提供了大量的人才。

入选理由：对视觉计算技术、应用和指导的贡献

个人主页：https://pressroom.usc.edu/c-c-jay-kuo/

郑海涛（Heather Zheng）

Heather Zheng 是芝加哥大学的 Neubauer 计算机科学教授，她的研究领域包括移动计算、无线网络、安全和隐私等，谷歌学术的被引用量超过1.7万次。

她于1999年在马里兰大学帕克分校获得电气和计算机工程博士学位。Heather Zheng 曾先后就职于贝尔实验室、新泽西州和微软亚洲研究院，2012 年加入加州大学圣巴巴拉分校。2017年，Heather Zheng 加入芝加哥大学，与Ben Y. Zhao教授共同领导 SAND 实验室（系统、算法、网络和数据）。

入选理由：对无线网络和移动计算的贡献

个人主页：https://people.cs.uchicago.edu/~htzheng/

俞益洲

俞益洲，香港大学计算机科学系教授，本科毕业于浙江大学计算机科学与工程学专业，后在浙大还获得了应用数学硕士学位。

俞益洲师从中国第一个在 SIGGRAPH （1988年）上发表论文的图形学先驱彭群生，后来因在几何建模和基于图像的建模方面贡献突出当选了2019年 IEEE Fellow。

俞益洲的研究兴趣包括深度学习、计算机视觉、图像处理、医学人工智能和计算机图形学。他是2002年美国国家科学基金会 CAREER 奖、ACCV 2018年最佳应用论文奖、ACM SCA 2011年和2005年最佳论文奖以及1998年微软研究生奖学金的获得者。

俞益洲与他人共同发明的技术经常被电影和医疗保健行业采用，对人工智能和视觉计算方面做出了重要贡献。

入选理由：对计算机图形学和计算机视觉的贡献

个人主页：https://i.cs.hku.hk/~yzyu/

Jimmy Lin

Jimmy Lin，滑铁卢大学教授，David R. Cheriton 计算机科学学院 David R. Cheriton 主席，滑铁卢人工智能研究所的联席所长主要研究领域是信息检索、自然语言处理、大型分布式算法和数据分析工具。

2004年，Jimmy Lin博士毕业于麻省理工学院，后于美国马里兰大学帕克分校任教。2009年，Jimmy Lin 曾在 Cloudera 工作，协助他们建立培训和认证系统，并设计了他们的第一次认证考试。

2010年到2012年间，Jimmy Lin曾在推特，负责开发用户和分析的相关功能，以支持推特分布式系统基础架构和机器学习库的工作。

入选理由：在问答、信息检索和自然语言处理上的贡献

个人主页：https://cs.uwaterloo.ca/~jimmylin/index.htm

纪怀新（Ed H chi）

纪怀新于1994年获得明尼苏达大学学士学位，1996年获得同校硕士学位，1999年获得同校博士学位。1997年进入帕罗奥多研究中心担任实习生，2017年升任为首席科学家。

纪怀新的研究领域包括神经推荐、强化学习、大型语言模型和对话系统。他拥有 39 项专利和 200 篇研究文章，还以研究网络和社交媒体中的用户行为而闻名。

在加入谷歌之前，纪怀新是帕罗奥多研究中心增强社会认知小组的首席科学家，研究社会计算系统如何帮助人群记忆、思考和推理。

纪怀新在明尼苏达大学用 6.5 年完成了 3 个学位（学士、硕士和博士学位）。他被公认为ACM杰出科学家并入选CHI学院，还因信息可视化研究而获得了20年时间测试奖。

入选理由：对社会计算和推荐系统中的机器学习和数据挖掘技术的贡献

个人主页：https://www.edchi.net/

方玉光

方玉光，AAAS/ IEEE Fellow，长江学者讲座教授。他的研究方向包括无线网络、物联网、网络安全等，谷歌学术被引用量已超过2.7万次。

1987年，方玉光在曲阜师范大学获得硕士学位，之后他于1994年获得凯斯西储大学博士学位，又在1997年获得波士顿大学博士学位。

2000年，方玉光加入美国佛罗里达大学电气与计算机工程系，于2019年晋升为杰出教授。

2022年，他加入香港城市大学计算机科学系，担任物联网讲座教授。

入选理由：对无线网络和移动计算的贡献。

个人主页：https://www.cs.cityu.edu.hk/~yugufang/

洪宜安（Jason Hong）

洪宜安，现任卡内基梅隆大学计算机科学学院人机交互系教授（也是HCII第一位华人教职）。洪宜安本科就读于佐治亚理工学院93级软件工程与操作研究与离散数学专业，博士毕业于加州大学伯克利分校。

他的研究兴趣是人机交互、隐私与安全的交叉研究与系统，主要研究课题有两个：1）如何使用丰富的感知数据来改善生活；2）如何保护每个人的隐私与安全。

目前，洪宜安领导着 CHIMPS（计算机人类交互：移动隐私安全）研究小组，致力于使用人机交互、机器学习、系统和社会心理学的思想和方法，研究智能手机隐私、可用安全性以及人工智能偏见和公平性。

他的团队在反网络钓鱼方面的工作已经得到应用，启发了反网络钓鱼浏览器警告的设计。其在隐私方面的研究影响了行业和在政策制定者在智能手机隐私方面的工作。

入选理由：为无处不在的计算以及可用的隐私和安全做出的贡献。

个人主页：http://www.cs.cmu.edu/~jasonh/

苏振东

苏振东，苏黎世联邦理工学院计算机科学系教授，领导编程语言和系统研究所的高级软件技术实验室。苏振东于1988年进入复旦大学国际贸易专业就读，1991年本科毕业后在威斯康辛大学商学院继续学习了两年。

之后，他转向计算机方向，进入德克萨斯大学奥斯汀分校就读本科，1995年在该校获得计算机科学理学学士学位和数学文学学士学位。

2002年，在加州大学伯克利分校获得计算机科学博士学位（辅修数学），其后加入加州大学戴维斯分校，担任教授和校长研究员，2019年入职苏黎世联邦理工学院。

苏振东致力于基础开发和实用型创新，构建可靠、安全、高性能和可用的软件，推动工程软件的科学和实践进展。

他的研究涵盖编程语言、编译器、软件工程、计算机安全和系统、机器学习和教育技术等。他的研究获得了大量奖项，如ACM SIGSOFT影响力论文奖（2018年），ICSE最具影响力论文（MIP）奖（2022年）和谷歌学术经典论文奖（2017年）等等。

入选理由：对软件测试和分析作出的贡献。

个人主页：https://people.inf.ethz.ch/suz/

以下为2022年入选 ACM Fellow完整名单：

2021年11月，GE集团宣布将公司分拆为医疗健康业务、航空航天业务、电力和可再生能源部门三家公司，预计于2024年初完成三家公司的全部分拆，GE医疗是其中的第一步。

GE集团的医疗业务历史悠久，早在一百多年前就已有布局，主要生产医学影像设备和其他医疗设备。历经一个多世纪的发展，GE医疗在全球160多个国家拥有约5.1万名员工，以及超400万台的装机量。如今，GE医疗已逐渐成为GE集团旗下营收最高的几项业务之一。

2021年度，GE医疗年收入约180亿美元，GE集团总营收为742亿美元。

GE医疗分拆上市，市值1890亿美元

早在2018年，GE集团就正式回应了医疗健康业务分拆独立的消息，并宣布将出售20%的医疗业务股权获取现金，以及通过免税的方式将剩余80%的股份分配给股东。

2021年11月9日，GE宣布将集团分拆为医疗健康业务、航空航天业务、电力和可再生能源部门三家上市公司，全部拆分计划预计将于2024年初完成。

拆分计划公布一年后，2022年11月30日，GE集团宣布，其董事会已批准此前宣布的GE医疗（GE HealthCare）的分拆，GE HealthCare将成为一家独立公司，并更名为GE HealthCare Technologies Inc.，并于2023年1月4日在纳斯达克开始交易，股票代码为“GEHC”。

为了顺利实现拆分，GE集团董事会批准向GE股东分配至少80.1%的GE医疗流通股。在2022年12月16日（股权登记日）每持有3股GE普通股的股东将有权获得1股GE医疗的普通股。

拉里·卡尔普

GE董事长兼首席执行官、GE航空首席执行官拉里·卡尔普表示，“GE医疗业务拆分已进入最后里程碑式的阶段之一。未来GE医疗将在全球范围内推动精准医疗的创新，并在首席执行官彼得·安杜尼及其团队的领导下，制定清晰的价值增值战略，使患者、客户和股东受益。”

自分拆之日起，GE将保留19.9%的GE医疗股份。GE股东无需采取任何行动，也无需支付对价、放弃或交换GE普通股，即可以按相应比例获得GE医疗的普通股股份。

在12月8日的GE医疗投资者日上，GE医疗高层团队首次公开亮相，并提供了中期财务目标：预期有机收入增长实现中个位数增长；调整后息税前利润率接近20%；自由现金流85%+。

GE医疗表示，作为全球精准医疗领域的领导者，从GE集团剥离后，GE医疗将拥有强劲的长期增长前景。其收入和利润率增长驱动力为：创新、业务优化、有机投资。

拉里·卡尔普指出，独立上市之后，GE医疗将在驱动增长和扩大盈利的同时，也将更好地践行推动精准医疗的愿景。

GE医疗总裁&CEO彼得·安杜尼在《战略和增长概述》的演讲中表示，GE医疗的目标是成为推动未来精准医疗的全球领导者，致力于为患者诊疗全路径提供个性化诊疗关爱，不断提供改善患者预后并提高客户产出的解决方案。

GE旗下唯一实现正增长的板块

分拆后的GE医疗将由医学影像、超声、患者关爱和药物诊断四个业务部门组成，经过多年积累，GE医疗在这四大领域中占据着领先地位。

2021年度，GE集团总营收711亿美元，GE医疗营收占GE集团总营收比重约四分之一。

在GE集团旗下的航空、医疗、再生能源、电力等业务板块中，只有医疗实现了正增长，营收177亿美元，同比增长1%（受2020年GE生物医药业务的剥离影响，是2021营收增长统计仅1%的主要原因）。

其中设备占比51%，客户订单额达196亿美元，同比增长5%，利润达29.7亿美元，同比下降3%，由于供应链问题和通货膨胀所导致利润率有所下降。

2022上半年，GE医疗营收88亿美元，同比增长2%。

医学影像部门的主要业务包括CT、MR、分子成像、X射线、女性健康、图像引导疗法、企业成像软件、服务和数字解决方案，2022年上半年营收47.6亿美元，同比增长2%，占GE医疗总营收的54%；

超声业务包括控制器和探头、手持设备术中成像系统可视化软件，服务和数字解决方案，2022年上半年营收16.4亿美元，同比增长7%，占GE医疗总营收的19%；

患者关爱业务包括生命检测、麻醉和呼吸护理、母婴护理和心脏病学诊断，以及耗材、服务和数字化解决方案，2022年上半年营收14.3亿美元，同比下降3%，与新冠相关的监护需求放缓导致了这一业务的营收下降；

药物诊断业务包括对比剂和放射性药物，以及加强影像诊断，2022年上半年营收9.6亿美元，同比下降5%。

2022年10月25日，GE（NYSE: GE）公布了第三季度业绩，数字超过了华尔街的共识收入预算，但盈利方面却没有达到预期。

其中，GE医疗2022年第三季度销售额为46.13亿美元（约合人民币338.82亿元），同比增长6.3%。净利润为7.12亿美元，同比增长1.1%。

医学影像和超声设备订单的增加推动了第三季度GE医疗的收入增长。同期，设备销售增长8%，至23.5亿美元，服务收入增长5%，至22.6亿美元。

除此之外，GE医疗还预计公司将继续保持中位数的收入增长，全年营业利润预计至少为26亿美元，但不排除可能受到通货膨胀、外汇和投资的影响。

拆分后，GE医疗将全球市场分为美国加拿大市场、EMEA市场、中国市场以及世界其他市场。2021年，中国市场营收27亿美元。

GE医疗早在1979年开始在中国开展业务，1986年，在北京成立了第一家办事处。1991年，航卫通用电气医疗系统有限公司在北京成立，成为GE在中国的第一家合资企业，随后成立华伦公司，与海鹰集团公司合资成立了无锡工厂。

目前，GE医疗在中国建立了包括独资和合资企业在内的多个经营实体，拥有员工近7000名，包括一支由1000多名工程师组成的研发团队。

打造精准医疗生态体系是大势所趋

拉里·卡尔普曾在2022年11月30日宣布GE医疗分拆时表示，未来GE医疗将在全球范围内推动精准医疗的创新。

GE医疗将通过提供智能设备、数据分析、软件应用和服务，实现从疾病诊断、治疗到监护的全方位精准医疗生态体系。

事实上，精准创新是GE医疗坚持已久的发展路线。一直以来，GE医疗持续通过投资以及合作，推进其精准医疗目标的实现。

5月12日，GE医疗宣布，通过对手持式超声开发商Pulsenmore战略投资，入局家庭护理领域。

Pulsenmore公司的手持式远程超声设备可与智能手机对接，使孕妇在家中就可自行进行超声扫描，并快速从医疗保健专业医生处获得临床反馈。

GE医疗对Pulsenmore公司进行了5000万美元股权投资，以加速在不断扩大的家庭护理和远程医疗服务市场占据领先地位，并作为对GE医疗原有妇女健康和手持式超声领域的补充。

11月30日，GE医疗宣布与AR医疗科技公司MediView达成合作，共同开发AR医学成像可视化套件OmnifyXR。

在此次合作中，MediView将负责AR方案的提供，GE医疗则负责介入成像技术、数字架构、数据分析和临床决策支持部分。

OmnifyXR正式上市后，双方还将合作拓展产品的销售渠道，从美国市场向全球市场进行推广。

除此之外，GE医疗还与Accuray合作扩大个性化药物的获取；

与Elekta合作为需要放射治疗的癌症患者提供全方位的成像和治疗服务；

与Optellum合作推进肺癌的早期发现、精准诊断和治疗；

与RaySearch合作改进放射肿瘤治疗计划；

与SOPHiA Genetics合作通过更好地针对每个患者的基因组特征和癌症类型进行治疗和匹配推进癌症治疗……等等诸多合作。

在GE医疗的精准医疗之路上，中国是其中一块重要版图。

GE医疗北京影像设备制造基地的CT设备产能占全球的三分之二，天津磁共振制造基地的MR设备占全球的一半，无锡工厂生产的超声产品占比GE全球超声销售量40%。

坐落于上海张江的GE诊断药物生产基地于1994年注册成立，是GE全球最大的对比剂生产基地，占全球60%的产量，产品出口全世界近30个国家。

除GE之外，近年来，强生、GSK、美敦力、3M等诸多国际医疗巨头都在进行业务拆分，将业务模式由规模化转变为精深化是大势所趋。

独立上市的GE医疗，进入了全新的“精准医疗时代”，未来将引领GE进入怎样的道路，又是否能够超越曾经的百年辉煌？雷峰网

早在1935年，科幻小说家斯坦利·温鲍姆的小说《皮格马利翁的眼镜》中，就构想了一款实现虚拟现实（VR）的眼镜。近年来，除游戏、娱乐等大众熟知的应用场景外，VR逐渐涉足医疗、教育、生产制造等各种领域。

以医疗为例，VR可能帮助减轻医疗资源有限且分布不均、诊断方式单一等问题，实现远程诊疗、远程医疗教学等一系列新的业态，从而进一步成为传统医学手段的有效补充。

2016年，一名八十多岁的右半结肠癌患者成功接受了肿瘤切除手术，并首次通过VR对手术全程进行了直播，这也是国内较早用虚拟现实身临其境般“围观”的手术。

尽管在此之后，不少医院都开展了VR方面的研究。但在2016年之后经历了起起伏伏，甚至受到了诸多质疑后，VR的风头远不及同时期的人工智能创业。

一位业内专家表示，“我们不得不承认，VR技术还并没有到实质生产的真正成熟期，尤其对于医疗这样特殊的行业，真正走向高可用阶段，还有很长一段路要走，也要经历不断的试错和验证。”

不过，外界对VR在医疗行业的期待，也正在慢慢走向现实。根据Perkins Coie的一份数据，2021年VR/AR在医疗健康领域的应用渗透率最高，超过35%，颇有一种“虽迟但到”的感觉。引入VR系统之后，一些走在前列、勇于尝试的医院体验到了技术带来的真实便利，为自身以及行业的智慧医疗之路开了一个好头。

VR与医疗的结合，是不是镜中之花？

自“Virtual Reality”概念被提出以来，各行业陆续开展了丰富的有关VR设备的研究，而VR在医疗领域的应用可以追溯到上世纪80年代。

1985年，美国国立医学图书馆就开始人体解剖图像数字化研究，并利用虚拟人体开展虚拟解剖学、虚拟放射学及虚拟内窥镜学等学科的计算机辅助教学。1994年英国曼斯特皇家医院成立了欧洲第一个虚拟现实开发中心，用于最小刺入疗法。

2003年初，我国第一军医大学宣布完成了国内首例女虚拟人的数据采集。

而在此后的多年里，VR技术的发展经历了一段蛰伏期，在医疗领域似乎也未掀起太多水花。难道VR与医疗的结合终究只是“镜中之花”？

火山引擎的一位相关专家向雷峰网表示，“任何新技术的发展都会经历5个阶段，科技诞生的促动期，过高期望的峰值期，泡沫化的低谷期，稳步爬升的光明期和实质生产的高峰期，这也就是为什么大家感知到了VR概念和技术从热潮到了低谷。而如今，VR重新走进大家的视线，受到各行各业的重视。从发展史来看，VR已经进入了稳定爬升的光明期。”

从行业数据也可以看到，融合VR技术的各类前沿应用在医疗领域正在发挥越来越重要的作用。

国际数据公司（IDC）的数据显示，全球AR/VR支出的五年复合年增长率为78.3％。预计到2023年，全球AR/VR支出将达到1600亿美元，远高于2019年预测的168亿美元。而在医疗领域，AR/VR医疗正在经历大幅度的提升，其预期复合年增长率为33.36%，市场价值预计将从2018年的6.217亿美元增至2024年的34.97亿美元。

行业巨头也正在进一步布局VR及其在医疗领域的产品和解决方案。2020年2月，强生发布了与OSSOVR合作开发的VR头盔，专门用于培训外科手术医生；今年5月，西门子医疗开始提供沉浸式虚拟现实（VR）培训服务，帮助外科医生和技术人员进行术中质量控制和手术工作流程指导。

医院能从VR应用中得到什么？

除了医疗巨头的积极布局，VR技术也慢慢进入实际使用方，即医院管理者的视野中。

近年来，一系列行业政策的发布对医院的收支平衡能力、生存能力都提出了巨大挑战。医院需要主动求变，将目光投向医院的智慧化升级，提高医院的服务能力和生存竞争能力。对于更高级别的医院来说，除了日常的诊断工作，他们还承担了重要的医学教学和基层帮扶任务。

北京某三甲医院院长表示，“VR技术在医疗体系是十分重要的，尤其是医学教育。而医学教育既面向医务工作者，也承担面向老百姓的科普教育。通过VR技术，让他们身临其境地感受医疗知识，是一个非常好的途径。”

他认为，医疗与各行各业一样，实现数字化转型和智能化发展，是推动公立医院高质量发展的核心内涵。

2021年，英特尔携手火山引擎，帮助北京某三甲医院基于全新的VR医疗培训应用，打造集人工智能、全息/VR和物联网等技术为一体的医学应急教育培训中心，并有效提升了医院在医疗培训领域的工作效能。

火山引擎总裁谭待透露，合作有两个部分：一个是VR远程巡诊，通过技术来解决时间和空间对专家资源的限制；另一个是VR急诊培训，通过仿真、沉浸式的VR场景，为急诊人员进行辅导和培训。

从系统部署的具体实施路径来看，北京某三甲医院VR医疗培训方案的整体架构，由部署在第一现场 (病房)、边缘云和第二现场的不同处理设备和显示终端 (VR 眼镜)组成。

其中，第一现场部署有音视频采集设备 (如全景高清摄像头)，这些数据将经由5G网络被高速同步到部署在医疗培训中心附近的边缘云中进行音视频渲染和数据计算处理。

经渲染后的VR视频流，将在编码压缩后通过高速5G网络推送到第二现场的VR眼镜中，方便使用者 (教学中的医生、医学生以及志愿者等) 进行VR远程查房、VR远程指导、AED (自动体外除颤器) VR无线急救等行为。

而进行中的用户行为数据也会被同步回传至边缘云进行处理，由此形成整个VR医疗培训闭环流程。

合作过程中，VR培训系统面临着一些通用性的行业挑战：

首先，远程实时查房等VR应用带来海量的数据采集、处理和传输需求，如全部工作负载均通过远端数据中心/云服务完成，势必带来巨大网络压力。而VR应用中的沉浸式、交互式体验，也需要方案能有效缩短系统的端到端整体时延；

其次，医疗场景的特殊性需要VR应用能在现有网络带宽下，提供更高分辨率的视频格式 (例如8K) 来展现各类细节，这对视频编解码过程的优化能力提出了巨大挑战。

面对两大挑战，方案的核心关键词就是两点：更快、更真。谭待表示，“快和真在很多时候是矛盾的，破解这个矛盾就需要有更好的算法，更强的工程能力和更好的基础设施来支持。”

火山引擎与英特尔一起，通过引入英特尔® 高级矢量扩展512 (英特尔® AVX-512)，优化BVC编解码器，为边缘云数据中心的渲染计算处理提供强劲支撑，来使VR应用加速增效，实现超清、高质视频的实时快速解码。

BVC编解码器是火山引擎多媒体实验室自研产品，在VR医疗培训应用方案中，用以提高VR医疗培训应用使用时的沉浸感和交互感，以及支持8K视频分辨率带来的编码与传输压力。

英特尔® AVX-512是由英特尔提供的单指令多数据 (Single Instruction Multiple Data，SIMD) 指令集。得益于其在寄存器位宽等方面的优势，内置英特尔® AVX-512 指令集的英特尔® 至强® 可扩展处理器，在音视频处理、数据加密压缩以及深度学习等高密度计算处理场景中有着出色的性能表现。

而最新一代的第四代英特尔® 至强® 可扩展处理器更内置一系列加速器，包括全新的AI加速器——英特尔® 高级矩阵扩展（英特尔® AMX），覆盖包括训练和微调在内的更多深度学习使用场景，可以为不断变化且要求日益增高的应用提供更为可观的计算性能。

围绕着医院部署VR的需求，英特尔与火山引擎一起，分别针对BVC编解码器中处理器资源占用比较高的插值模块和一些基础计算模块，通过英特尔® AVX-512 指令集进行优化，以提高视频编解码和压缩的能力，从而满足医院VR医疗培训应用影像压缩率高、编码速度快、占用带宽低等的复杂需求。

英特尔云及行业解决方案集团首席技术官吴闻新表示，“总体来看，从视频的采集、渲染到推送，我们最终达到了医院的要求，延迟在20毫秒以内，也能在15M的低带宽下，实现8K的效果，有效解决医生教学间的画面精细度问题，为带教和问诊提供了更加科学的现场参考环境。”

目前，在三方合力之下，该北京三甲医院医学应急教育培训中心已经获得成功部署，并开展了大量的医疗培训实践，并且将培训内容VR化重复使用，达到了一次投入、永久使用的效果。每次使用的边际成本几乎仅有5G流量费，有效帮助压降培训成本，提升经济效益。（感兴趣的读者，可查看案例和方案详情）

除了大幅提升培训效能外，这套VR应用解决方案还能为医生们提供更为科学、真实的现场带教环境，更能为边远、基层地区的受训医生提升业务水平提供前所未有的途径。更重要的一点是，有别于传统远程会诊，借助VR医疗培训应用，可以让专家通对一线医生进行远程指导，并能和病人实时交流，为远程智慧医疗带来了更多可能。VR技术在医疗健康领域的成功实现，对于国家一直倡导的区域医联体建设、强化基层诊疗能力，都将产生深远的影响。

云边协同，医疗VR如何普惠“健康中国”？

依托VR医疗培训方案的成功落地和有效支持，医学应急教育培训中心实现了培训模式创新，这也是近年来诸多医疗政策引导与医院智能化转型的真实写照。

2021年11月3日，国家卫生健康委印发《“千县工程”县医院综合能力提升工作方案（2021-2025年）（以下简称《工作方案》）。

《工作方案》明确，推动省市优质医疗资源向县域下沉，结合县医院提标扩能工程，补齐县医院医疗服务和管理能力短板，逐步实现县域内医疗资源整合共享，到2025年，全国至少1000家县医院达到三级医院医疗服务能力水平，发挥县域医疗中心作用，为实现一般病在市县解决打下坚实基础。

而从另一方面看，以“东数西算”全面启动、年中3000亿新基建补充投资以及5G规模化应用加快等为标志，2022年的中国在重大算力与数字基础设施建设工程上迈出了新步伐，进一步助推着企业的数智化转型。

英特尔与火山引擎的合作，为这两个宏观建设目标踏出了先行的一步，在一定程度上验证了VR在医疗健康领域的发展潜力。

火山引擎相关专家认为，如今VR在医疗行业的创新应用和实验，尤其是医疗培训、辅助诊疗和临床辅助中，正逐步显现出其不可替代的优势和价值。

“我们不得不承认VR技术还并没有到实质生产的真正成熟期，尤其对于医疗这样特殊的行业，真正走向高可用阶段，还有很长一段路要走，也要经历不断的试错和验证。因此，更需要从现在开始探索和共创，在技术本身高速发展的同时，尽早寻找到VR和医疗结合的最佳实践，推动VR医疗的发展，辅助整体数字化医疗发展。”

而从“技术与医疗结合的实践”角度而言，吴闻新表示，将VR视为一个重要的用户入口，也是英特尔云边协同解决方案中的重要一环，推动医疗行业加速数字化变革。英特尔的云边协同架构将在至少三个方面给医疗机构带来价值。

“第一，让数据处理更快速的同时，兼顾数据安全；第二，让医疗应用更加智能，例如利用AI技术辅助基层医生的诊断和治疗；第三，让医疗服务更加普惠，通过VR的沉浸式交互模式，让边远地区、社区诊所学到三甲医院的诊疗经验，也可以让患者得到大医院的医生诊治，推动智慧医疗在中国的推广普及。”

2021年12月28日，工信部等十部门联合发布《“十四五”医疗装备产业发展规划》，其中，提出要推进“5G+”医疗健康新模式发展：

推动智慧医疗健康装备和应用创新，支持远程问诊、远程会诊等加快发展，为构建有序有效的分级诊疗格局、促进优质医疗资源下沉服务基层打好基础、做好支撑；加强临床应用创新研究。支持医疗机构、科研机构、生产企业等深度合作，对标国际先进水平，强化医工协同发展，开展医疗装备临床应用创新研究。

“支持医疗机构、科研机构、生产企业等深度合作”，这样的产学研组合对于智能时代的行业转型需求，都尤为重要。

近年来，英特尔和多方合作伙伴一起，持续探索医疗健康领域的技术创新应用。例如，中国移动5G远程医疗，基于英特尔® 至强® 可扩展处理器和GPU，推出5G云网融合的整体解决方案设计，打造多网融合、原生安全、云网协同以及广域互联的一张网，帮助医院实现远程超声、远程会诊、5G应急救援等，并通过远程操作微型机器人进行远程手术，助力医疗扶贫。

英特尔也一直活跃在“AI for Science”前沿，以内置AI加速技术的至强® 可扩展处理器，以及容量数倍于传统内存的傲腾™持久内存的组合，在CPU平台上对AlphaFold2实施了端到端的高通量优化，助力以晶泰科技为代表的AI制药公司，突破新药研发的算力瓶颈，广泛赋能更加数字化的、智能化的药物研发效率升级。

这种技术与行业的完美契合，对于国家的“健康中国”战略而言，将有着重要的推动作用。

12月3日晚，被誉为中国健康产业“奥斯卡”的重磅荣誉——2022年第四届中国健康产业创新平台“奇璞奖”在上海颁出。历时11个月，经过专业评审的层层筛选，北京鹰瞳科技发展股份有限公司（简称“鹰瞳Airdoc”）的“视网膜影像人工智能检测系统”最终摘得第四届医疗器械创新奇璞奖！ 鹰瞳Airdoc首席医学官陈羽中发表获奖感言

中国健康产业创新平台（China Healthcare Innovation Platform，CHIP，奇璞)由卫生经济与卫生政策专家、上海创奇健康发展研究院创始人和执行理事长蔡江南教授倡导发起，旨在连接实业、投资、学术、政府，提升健康产业和政府决策的创新价值。中国健康产业创新平台特设“奇璞奖”，旨在展示和表彰中国健康产业的“奇璞”——深具社会和经济意义的创新项目。

奇璞奖包含了健康行业的9个类别：医院、医生与基层医疗、药品、医疗器械、体外诊断、医疗信息、健康产业发展、健康政策和健康公益。每个类别最多只有4个项目获得“提名奖”，最终由专家评审团依据“奇璞指数”背对背投票，从4个提名奖中选出一个项目获得“大奖”。

第四届奇璞奖共有265个项目入围评选，角逐9个“大奖”，竞争非常激烈。经过初步遴选以及线上答辩，由80位专家组成的评审组最终确定了36个“奇璞提名奖”获得者。在12月3日白天召开的峰会上，提名奖获得者分别展示了提名项目在创新性、实践性、可推广性等方面的创新点和成果。

 鹰瞳Airdoc首席医学官陈羽中做项目分享

由于医疗资源配置不均衡，我国大量致盲眼病和慢性病的早期诊断需求未被满足。视网膜是全身唯一可以直接观测血管和神经的组织，鹰瞳Airdoc自主研发的视网膜影像人工智能检测系统是基于数百万高质量、多维度交叉标注视网膜影像数据和人工智能技术研发出的创新产品，可以通过视网膜影像，在1分钟内发现数十种眼病和早期慢性病健康风险在视网膜上的异常表现，即时生成专业且直观的电子报告，助力实现致盲眼病和慢性病的早发现、早诊断。

在颁奖典礼上，第四届奇璞奖获奖名单隆重揭晓，鹰瞳Airdoc在医疗器械创新类别拔得头筹，摘得“大奖”。全国政协经济委员会副主任、中国国际经济交流中心常务副理事长毕井泉出席颁奖典礼并致辞，普华永道中国中部审计市场主管合伙人高宇作为独立机票机构做公证发言。首都医科大学附属北京天坛医院实验诊断中心康熙雄教授，西门子医疗大中华区总裁王皓颁发医疗器械创新奇璞奖，鹰瞳Airdoc首席医学官陈羽中代表公司领取荣誉。

首都医科大学附属北京天坛医院实验诊断中心康熙雄教授，西门子医疗大中华区总裁王皓颁发医疗器械创新奇璞奖，鹰瞳Airdoc首席医学官陈羽中代表公司领取荣誉。

陈羽中对奇璞奖颁发荣誉表示了衷心感谢，并说道：“鹰瞳Airdoc于2020年获得国家药监局（NMPA）颁发的首张眼科AI三类医疗器械注册证，尽管面临新冠疫情等诸多挑战，公司一直稳健发展，无论是服务人次还是业务营收都在持续增长。感谢专家和奇璞奖给了我们更大的信心，未来我们会继续坚守‘让健康无处不在’的使命和初心，用好大数据和人工智能技术，在产业化落地的大道上不断探索和奋进！”

2022年11月26日-27日，由中国中文信息学会（CIPS）医疗健康与生物信息处理专业委员会（以下简称“专委会”）主办，哈尔滨工业大学（深圳）承办的第八届中国健康信息处理大会（CHIP 2022）以在线方式成功举办。

大会聚焦“数字与智能医疗健康”，邀请国内外顶尖的医疗信息处理学者与医疗专家，共同探讨智慧医疗发展的趋势与挑战，医学研究新方法和人工智能医疗应用落地新路径。

大会包括特邀报告、青年科学家论坛、论文报告、工业论坛、评测论坛，吸引了7000多人次参会。

11月26日上午，大会正式拉开帷幕。中文信息学会副理事长兼秘书长中国科学院软件研究所孙乐研究员，医疗健康与生物信息处理专委会主任、大会联合主席、哈尔滨工业大学（深圳）陈清财教授介绍专委会和CHIP 2022的情况，程序委员会主席浙江大学吴飞教授和大连理工大学林鸿飞教授介绍了CHIP 2022的组织情况。大会开幕式由专委会副主任兼秘书长、哈尔滨工业大学（深圳）汤步洲副教授主持。

中国中文信息学会副理事长兼秘书长、中科院软件所孙乐研究员致辞

专委会主任、大会主席哈尔滨工业大学（深圳）陈清财教授介绍专委会和CHIP 2022整体情况

程序委员会主席浙江大学吴飞教授介绍CHIP 2022的组织情况

专委会副主任、程序委员会主席大连理工大学林鸿飞教授介绍CHIP 2022的组织情况

专委会副主任兼秘书长、哈尔滨工业大学（深圳）汤步洲副教授主持开幕式

大会期间，清华大学吴及教授、东华医为科技有限公司的李言生高级工程师、深圳市第三人民医院院长卢洪洲主任医师/教授、华南师范大学陈娟教授等四位著名专家分别做题为《临床诊疗的数字化转型》、《电子病历信息抽取与疾病风险预测》、《科技抗疫》和《人类大脑的感知与动作系统》的特邀报告。

特邀报告由复旦大学刘雷教授、吉林大学周丰丰教授、中山大学周毅教授和郑州大学张坤丽副教授主持。

复旦大学刘雷教授主持特邀报告

专委会副主任、吉林大学周丰丰教授主持特邀报告

中山大学周毅教授主持特邀报告

专委会副秘书长、郑州大学张坤丽副教授主持特邀报告

清华大学吴及教授作特邀报告

东华医为科技有限公司的李言生高级工程师作特邀报告

深圳市第三人民医院院长卢洪洲主任医师/教授作特邀报告

华南师范大学陈娟教授作特邀报告

此外，为推动该领域杰出人才的交流和成长，大会邀请医疗健康和计算机学科领域从事医疗大数据分析与智慧医疗系统研发的知名专家学者，开展以“真实世界研究与数字疗法”为主题的青年科学家论坛。青年科学家论坛由浙江大学黄正行教授、中国医学科学院李娇研究员、哈尔滨工业大学（深圳）户保田副教授主持。美国西北大学罗元副教授、北京协和医院冯铭副主任医师/副教授、北京大学杜建副研究员分别分享《多模态医疗数据上的机器学习》、《神经外科手术导航系统的研发与临床应用》和《元知识与医学知识图谱》等方面的医学人工智能研究工作。

专委会副秘书长、青年科学家论坛主席浙江大学黄正行教授主持青年科学家论坛

中国医学科学院李娇研究员主持青年科学家论坛

专委会副秘书长、哈尔滨工业大学（深圳）户保田副教授主持青年科学家论坛

美国西北大学罗元副教授作报告

北京协和医院冯铭副主任医师/副教授作报告

北京大学杜建副研究员作报告 

CHIP 2022的工业论坛由贵州医科大学俞思伟教授、医渡云闫峻博士主持，邀请了东华医为科技有限公司杨慧颖高级工程师、阿里云数字医疗算法产品化负责人贺勇、武汉大学计算机学院副教授/“治趣”创始人兼CEO曾承博士和北京环球医疗技术负责人常德杰，分别做题为《AI助力电子病历内涵质控》、《NLP相关技术在医疗领域应用中存在的问题》、《基于知识图谱的临床虚拟病人》和《AI技术在北京环球一站式商报结算平台的应用》的报告。

宣传联合主席贵州医科大学俞思伟教授主持工业论坛

医渡云闫峻博士主持工业论坛

东华医为科技有限公司杨慧颖高级工程师作报告

阿里云数字医疗算法产品化负责人贺勇作报告

武汉大学计算机学院副教授/“治趣”创始人兼CEO曾承博士作报告

北京环球医疗技术负责人常德杰作报告

论文报告由辽宁师范大学何馨宇副教授、西北师范大学张志昌教授主持。

辽宁师范大学何馨宇副教授主持论文报告

西北师范大学张志昌教授主持论文报告 

长期以来，CHIP坚持以比赛评估现有技术水平和促进相关技术的进一步发展。

CHIP 2022的评测论坛由北京大学雷健波教授主持，北京大学雷健波教授、武田中国李作峰博士、哈尔滨工业大学（深圳）鹏城实验室汤步洲发表题目为《CHIP 2022评测总结报告》的报告。

评测论坛开展以“面向“基因-疾病”的关联语义挖掘任务”、“临床医疗因果实体关系抽取任务”、“从医疗文本中抽取诊疗决策树”、“医疗纸质文档电子档(ePaper)OCR识别”和“临床诊断编码任务”为主题的评测竞赛环节。评测共吸引了228个队伍报名参加比赛，来自于100所机构。

其中高校和科研院所62家；医院和医学院6家；企业机构32家。评测优胜队伍均获得了很好的评测结果。

专委会副主任、评测联合主席北京大学雷健波副教授作评测总结报告

华中农业大学欧阳思卓主持评测任务

专委会主任、大会主席哈尔滨工业大学（深圳）陈清财教授主持闭幕式

大会的最后，专委会主任、大会主席陈清财教授主持了闭幕式并进行最佳论文颁奖，同时发布了在CIPS和专委会指导下构建的大规模中文开放医学知识图谱CPubMed-KG的1.1版本，该版本已正式入驻鹏城实验室启智社区，面向所有研究机构和企业免费开放（https://cpubmed.openi.org.cn/graph/wiki）。

本次大会得到了东华医为、阿里云天池、武汉泰乐奇、北京环球医疗的大力支持。

CHIP是CIPS医疗健康与生物信息处理专业委员会开展的“以信息处理技术助力探索生命之奥秘、提高健康之质量、提升医疗之水平”为主旨的年度会议。健康信息处理是生命健康、临床医疗领域的核心内容，长期以来受到广泛关注。CHIP是中国健康信息处理领域的重要会议，是世界各地学术界、企业界和政府部门的研究人员和从业人士分享创意，进一步推广领域研究成果和经验的重要平台。

CHIP 2023将由浙江大学承办，在浙江杭州举行，期待您的参与！雷峰网 雷峰网

11月22日，国际电气和电子工程师协会（IEEE）公布了2023年新晋 Fellow 名单，共有319位学者当选。

其中，华人学者有104位，约占总人数的31.3%。AI领域的当选华人学者包括姬水旺、唐立新、宗成庆、宋厚冰、欧阳晔、陈一昕、刘小明、李佳、凌海滨、刘威等等。

与医疗科技相关的，有张立、黄鹤、江小宁、Zong-Ming Li、苗春燕、Ying Tan等6名学者成功当选。

其中，医疗机器人、医疗器械方向的学者居多，包括香港中文大学机械与自动化工程学系教授张立，北卡罗来纳州立大学教授黄鹤、江小宁，墨尔本大学机械工程系教授Ying Tan。

他们的当选理由分别为：对转化生物医学的微型/纳米机器人群和平台的贡献；对康复机器人控制发展的贡献；对用于高级传感、成像和治疗的超声换能器的贡献；对康复机器人的贡献。

随着医疗场景成为各项技术落地的“必争之地”，也有当选学者虽不是特定聚焦在医疗科技领域——包括香港科技大学首席副校长郭毅可，与清华大学朱军教授，但他们分别凭借各自在数据挖掘、机器学习领域的突出贡献入选名单，医疗方向的应用已经是其研究工作中的重要部分。

据了解，IEEE Fellow是IEEE授予其成员的最高荣誉，因当选人数不超过IEEE当年会员总人数的1‰，且每位当选者都须满足得到5位Fellow推荐的条件，能收获这份荣誉的科学家基本都在科学与工程技术领域内取得了重要成就。

每年IEEE Fellow的热门入选方向，也一定程度反映了这年的学术走向。

今年值得注意的一个变化是，医学影像AI方向暂无学者当选。而在过去3年，医学影像AI方向一共有6位华人当选IEEE Fellow。

2019年，中科院自动化研究所脑网络组研究中心主任蒋田仔教授、中科院计算所研究员周少华教授当选IEEE Fellow。

2020年是医学影像分析学术史上，IEEE Fellow当选华人数最多的一年：电子科技大学信息与通信工程学院李纯明教授、阿里巴巴医疗人工智能实验室负责人吕乐博士、东南大学脑科学与智能技术研究院创院院长彭汉川教授当选IEEE Fellow。

2021年，腾讯天衍实验室主任郑冶枫博士当选IEEE Fellow。

以下为当选学者简介：

郭毅可

郭毅可，香港科技大学首席副校长，香港浸会大学副校长﹙研究及拓展）。

在这之前，郭毅可曾在伦敦帝国理工学院工作了33年，为该学院数据科学研究所的创始所长。

在学术以外，他在工业界也有着丰富的经历。郭毅可创立了InforSense，这是一家专注于生命科学与医学大数据分析的软件公司，于2009年与全球先进的研发软件提供商IDBS合并。在合并以前，郭毅可已经在InforSense担任多年的CEO，合并后他在IDBS又当了9年的首席创新官。

此外，郭毅可还担任tranSMART基金会的首席技术官，该基金会是一家为转化医学研究构建开源大数据平台的全球联盟。

1985 年，郭毅可获得中国清华大学计算科学一等荣誉学位；1993 年，他获得伦敦帝国理工学院计算逻辑博士学位。

郭毅可的研究重点为数据挖掘、机器学习和大规模数据管理，共发表了 250 多篇文章、论文和报告。他为众多重大研究项目做出了贡献，包括英国EPSRC平台项目Discovery Net；Wellcome Trust资助的胰岛素抵抗生物学图谱 (BAIR)；欧盟委员会的项目U-BIOPRED等。

郭毅可曾获选英国皇家工程院院士 (FREng)、欧洲科学院院士 (MAE)、英国计算机学会院士和英国皇家学会理事。

当选理由：对数据挖掘及其应用的贡献。

朱军

朱军，现任清华大学计算机系教授，清华大学人工智能研究院基础理论研究中心主任 ，清华大学脑与智能实验室助理主任，北京智源人工智能研究院机器学习首席科学家。

此外，朱军还是由清华大学人工智能研究院发起成立的科技成果转化企业瑞莱智慧RealAI的首席科学家。面向医疗行业的隐私计算方案是瑞莱智慧的核心产品之一。

朱军曾获腾讯科学探索奖，入选MIT TR35中国先锋者 、亚洲第二位IEEE AI 10 to Watch学者、国家"万人计划"领军人才。

朱军是中国首位 PAMI 副主编 ，在国际重要期刊与会议发表论文百余篇，担任 IEEE TPAMI 的副主编和编委。担任 ICML2014 地区联合主席，ICML、 NIPS、IJCAI、AAAI等领域主席20余次。

朱军主要从事机器学习、贝叶斯方法、深度学习等研究工作。围绕机器学习基础理论、高效算法，结合互联网数据挖掘、社交网络分析、多模态数据融合、网络推荐等多个典型应用场景，提出多种有效的计算模型和算法。

他的多项研究成果已连续多年在机器学习顶级国际会议和期刊 ICML 、 NeurIPS 、 JMLR 、 PAMI 等发表论文 100 余篇。研究工作得到国家 973 计划、自然科学基金优青基金和重点基金等项目的支持，入选“清华大学 221 基础研究人才支持计划”。

当选理由：对机器学习及其应用的贡献。

张立

张立，香港中文大学机械与自动化工程学系教授，医学院外科学系教授(礼任)，香港中文大学—中国科学院深圳先进技术研究院机器人与智能系统联合实验室主任，香港中文大学天石机器人研究所成员。

张立本科毕业于浙江大学。在2012年加入香港中文大学前，曾在瑞士苏黎世联邦理工学院（ETHZ）Bradley Nelson教授课题组进行博士后研究，之后在ETHZ机器人与智慧系统研究所（IRIS）担任高级研究员和讲师。

张立的主要研究领域包括微纳机器人学及其生物医学应用，微纳机器人集群，功能材料用于驱动、传感和医疗机器人的应用等。

迄今为止，张立在Science Robotics、Nature Machine Intelligence, Nature Communications、Science Advances、Advanced Materials、Advanced Functional Materials等著名国际刊物和国际会议上发表学术论文300余篇。

张立在苏黎世联邦理工学院的研究工作曾于2012年被吉尼斯世界纪录收录为“最先进的医疗微型机器人”。此外，他还曾多次入围并获得国际会议奖项，包括ICRA、IROS、CASE、ROBIO、ICARM、MARSS、NANOMED、3M-NANO以及Living Machines等。

当选理由：对转化生物医学的微型/纳米机器人群和平台的贡献。

黄鹤

黄鹤，北卡罗来纳州立大学教授。她对可以建立、加强人类与可穿戴辅助机器之间共生关系的科学和技术怀有浓厚兴趣，研究目标是在人机共生 (HMS) 系统方面取得突破，使残疾人能够过上更积极、更有成效的生活。

黄鹤先在西安交通大学取得本科学位，后在亚利桑那州立大学取得博士和硕士学位。2021年当选美国医学与生物工程研究所（AIMBE）Fellow。

当选理由：对康复机器人控制发展的贡献。

江小宁

江小宁，现任北卡罗来纳州立大学机械与航空航天工程系教授，曾当选美国机械工程师学会（ASME） Fellow

1990年在上海交大机械系获得学士学位，1992年在天津大学机械系获得硕士学位，1997年在清华大学精仪系获得博士学位，1997—2001年在美国宾州州立大学从事博士后工作，后出任TRS公司首席科学家和副总裁，2009年加入北卡罗来纳州立大学。

江小宁是多个国际会议技术程序委员会成员，包括IEEE NANO、IEEE Ultrasonics Symposium (TPC-5)、IEEE NMDC、SPIE Smart Structures and NDE和ASME IMECE。他担任IEEE NTC 纳米声学技术委员会主席、IEEE NTC 杰出讲师（2018 年和2019年）、《Sensors》 期刊的编委、《ASME Journal of Engineering and Science in Medical Diagnostics and Therapy》的高级副主编以及《IEEE Nanotechnology Magazine(2020-2021)》的联合主编 。

当选理由：对用于高级传感、成像和治疗的超声换能器的贡献。

Zong-Ming Li

Zong-Ming Li，亚利桑那大学William and Sylvia Rubin骨科研究主席，骨科外科、生物医学工程和 BIO5 研究所教授。同时担任骨科外科研究副主任，Robert G. Volz, MD骨科研究实验室主任，亚利桑那大学关节炎中心副主任，手部研究实验室主任。

Zong-Ming Li在肌肉骨骼研究和教育方面拥有超过30年的经验。在2019年加入亚利桑那大学之前，Zong-Ming Li曾在克利夫兰诊所工作10年，是凯斯西储大学克利夫兰诊所勒纳医学院的全职教授，并被任命为克利夫兰诊所生物医学工程系、骨科手术系和物理医学与康复系的正式职员。

Zong-Ming Li于1989年本科毕业于西南交通大学，1992年硕士毕业于四川大学，后在瑞金医院上海市骨伤科研究所研究了3年的骨科生物力学。

1995年，Zong-Ming Li前往宾夕法尼亚州立大学读博，1998年博士毕业后在沃尔什大学担任了3年的物理治疗助理教授。

Zong-Ming Li的研究方向为肌肉骨骼生物力学，尤其侧重于手部和上肢。他曾担任16种生物工程和骨科相关期刊的编委，并审阅了 30 多种专业期刊的手稿。

Zong-Ming Li曾当选美国医学与生物工程学院（AIMBE）Fellow和美国生物力学学会（ASB）Fellow。

当选理由：对腕管生物力学和神经肌肉手运动控制的贡献。

Ying Tan

Ying Tan，墨尔本大学机械工程系教授。

Ying Tan于1995年在天津大学取得学士学位，并于2002年在新加坡国立大学取得博士学位。毕业后加入麦克马斯特大学化学工程系担任博士后研究员。2004年，Ying Tan加入墨尔本大学。

Ying Tan的主要研究领域是智能控制系统及应用。迄今为止，她在期刊和会议上发表了110篇论文，吸纳了超过600万澳元的研究经费。目前，Ying Tan是《Systems and Control Letters, Asian Journal of Control》的副主编。她是亚洲控制协会的指导委员会成员和 2017 年亚洲控制会议的联合主席。

当选理由：对康复机器人的贡献。

苗春燕

苗春燕，新加坡南洋理工大学计算机科学与工程学院院长、教授，NTU-UBC百合卓越联合研究中心(LILY)主任。

在加入南洋理工大学之前，曾是加拿大西蒙弗雷泽大学计算学院的教师和博士后研究员。

主要研究重点为智能代理在多代理和分布式AI / CI系统中的认知和社会特征。将上述研究集成到交互式数字媒体（虚拟世界，社交网络和大规模多玩家游戏），在云计算，移动通信和类人机器人等新兴技术中做出了重要贡献。

苗春燕在顶级会议（AAAI，IJCAI和期刊（Science，Scientific Reports）上发表了200多篇研究论文。

当选理由：对多模式信号处理和 AI 技术在家庭老龄化和人口健康方面的贡献。

雷峰网 雷峰网

深透医疗旗下拥有全球仅有获FDA、CE、中国NMPA批准的AI+医学影像增强加速产品产品线，旗舰产品为SubtlePET™及SubtleMR™，提供降本增效的医学影像AI解决方案，并基于2017年起布局的全球专利技术持续扩大产品线及市场。

 应用SubtleMR™前后的MRI图像对比

目前深透医疗产品已在中国、美国、欧洲等各个市场均加速战略推进，在全球超过400家医疗机构及影像中心完成部署，商业化进展显著，全球订单总量近亿元。

据悉，本次融资将用于中国市场的加速布局和全球市场商业化，进一步开发领先国际的技术，服务国内外客户，以及完成多产品矩阵加速研发落地。

“随着工业4.0浪潮深化、医疗服务智能化、创新技术驱动产业升级等趋势发展，深透医疗以独特的影像工作流人工智能解决方案入手，通过智能化技术推动优质医疗资源。帮助医疗机构及医学影像机构降本增效，服务普惠大众。”钟鼎资本合伙人朱迎春表示。

商业化加速落地，全年订单站上亿元级规模

本次融资公布前，深透医疗已获三轮融资。其中，深透医疗上一轮1220万美元的A轮融资完成于2020年年底，由本草资本领投。

A轮融资以后，不到两年的时间，深透医疗保持高效发展，商业化步伐明显加速，2022年全年订单额已经接近亿元规模。

在增速方面，2021年，在疫情背景下深透医疗仍实现400%的营收增长。相比2021年Q4，不到一年时间深透医疗全球临床服务业务量已实现了超过五倍的增长，商业版图持续扩大。

据深透医疗创始人CEO宫恩浩博士介绍，深透医疗已在全球落地多种商务形式，实现影像AI产品SaaS订阅制持续收费及按例付费。

其中，对于医院及影像中心客户，深透医疗产品可大幅度缩短患者检查时间，有效增加病人检查通量、提高检查效率、降本增效。深透医疗与医院签订年度或季度付费的长期服务协议，为医院带来切实的效率提升及收益增长，实现共赢。

在中国市场，深透医疗已在超百家医院和影像中心及体检中心完成临床落地。为满足国内需求，深透医疗进行了产品SupMR（即中国版本的SubtleMR™）及SupPET（即中国版本的SubtlePET™）国产化以及基于本地部署的优化升级，完成了NMPA软件注册。其合作伙伴包括诸多中国顶尖的医院，以及体检及高端影像健康服务集团，前者如瑞金医院、天坛医院、长海医院、朝阳医院、苏州大学附属第一医院等知名医院，后者包括美年大健康、一脉阳光、全景医疗等国内最大的影像集团。

 应用SubtlePET™前后的PET图像对比

放眼全球，目前深透医疗已在全球各地超400家影像服务联盟和企业部署，其中包括美、中、欧、拉美等地最大的影像中心与集团，如美国最大的影像中心联盟RadNet、美国最大的医生集团Kaiser Permanente，欧洲最大的第三方检验机构Affidea以及南美最大的医疗检查机构DASA等各地头部联盟。

深透医疗产品与顶尖医疗机构进行合作，包括斯坦福大学医学院、加州大学旧金山分校医学院（UCSF）、MD 安德森肿瘤医院、西奈山医疗中心、UPMC（匹兹堡医疗中心）等权威医疗机构均背书和发表临床验证论文。

深透医疗还积极推进OEM解决方案商业化，通过与全球顶尖药厂、影像设备商、医药临床实验业务商（CRO）合作，进一步扩大营收，如与MRI市场领导者西门子医疗宣布预装合作，成为西门子图像重建管道OpenRecon唯一的AI影像处理合作伙伴以及2022年进博会深化本土创新、国产智能技术落地合作的计划；以及与拜耳医疗（Bayer）等多家头部医药公司进行相关合作，通过深透医疗在MRI和PET等模态的AI影像增强和智能分析等技术提升肿瘤、阿尔兹海默症等疾病药研发的试验效率与数据质量。除此之外，深透医疗还与英特尔、英伟达等跨国公司合作，优化医疗AI领域技术与部署平台搭建，提升AI算法性能与效率，提供最有临床价值和落地前景的应用。

产品线不断完善

创立五年来，基于专利性的深度学习技术，深透医疗打造了数款应用于不同领域、主打不同功能的医学影像增强产品矩阵，逐步覆盖AI+医学影像全域。

这些产品可以应用于核磁共振（MRI）、CT、核医学（PET及SPECT）、X光等不同模态的医学影像学检查中，并可应用到临床影像质检、工作流优化、医药临床试验、手术介入影像等新场景。

具体来看，深透早期研发的SubtlePET™和SubtleMR™是目前业内仅有的获得四项美国FDA批准、四项欧洲CE批准及中国NMPA注册证的医学成像产品，已经成为公司持续营收的主力。同时这两项产品也已在南美洲、加拿大、新加坡、澳大利亚等其他地区获批，进一步在新兴市场加强全球扩张。

而公司第三款产品SubtleGAD™则专注于提高MRI检测质量且避免MRI检测中钆沉积的问题，已与拜耳（Bayer）等国际领先医药公司开展超千万美元的商务合作。

此外，SubtleSynth™影像生成加速产品已进入FDA审核阶段，专注于手术中实时影像增强的SubtleIR™以及优化显影流程的SubtleQC™也在研发与申请FDA认证中。

这一医学影像增强产品矩阵未来将有更大势能：深透医疗作为能够拿到第一手影像数据的AI厂商，有更大的潜力整合工作流应用，比如上游的非图像信息应用，下游的定量化分析应用，最终实现端到端上下游整体优化。

当前，深透医疗的解决方案在很多方面已经形成闭环，比如可以在影像采集过程中实时反馈结果，并通过临床部署调整采集参数实现优化影像采集的闭环。

据深透医疗创始人宫恩浩介绍，除了MR设备外，深透产品还涵盖PET、CT、SPECT、X光等多种影像检查，赋能设备升级，持续提高客户价值。即使是在同一个影像检查中，深透医疗旗下的产品也可以叠加使用，不仅不会冲突，还会呈现互补乃至倍增的效果。

从商业化落地的角度而言，产品矩阵的臻于完善也为客户群的扩大进一步赋能。

据宫恩浩介绍，深透医疗商业化的优势在于，老客户的粘性和新产品复购转化率非常高，新产品一旦上市后市场占有率将快速上升。

“我们第一款产品SubtlePET™几乎所有的客户都转化成了第二款产品SubtleMR™的客户。从销售周期角度而言，当一款产品已经进入了医疗机构，我们会将SubtleEdge™处理平台就部署到客户端，并派驻临床部署人员优化整体成像参数等。深透医疗整体解决方案粘性很强，更多的新产品有望为客户带来更大价值，而复购和持续付费的客单增值也水到渠成。”宫恩浩说道。

春华创投执行董事李若琦表示，“深透医疗拥有全球领先的技术与业界一流的AI与临床影像人才，不仅产品在全球领先，更脱颖而出打造了全球顶尖的解决方案平台。我们相信，随着深透医疗产品线拓展，其解决方案将持续助力医院实现临床数字化转型，以技术拉平医疗不均衡现状，打造国家医疗新基建。”

业内唯一获多地权威认证，多年知识产权积累，技术优势领先

自2017年成立以来，随着多项监管、行业背书及产品广泛落地，深透医疗在AI医学影像领域已经建立了领先的技术优势与竞争壁垒。

在AI医学影像领域，深透医疗曾拿下多个行业首创，具有先发优势。比如，深透医疗团队在2016年首次做到用AI技术加速MRI和PET成像过程4-10倍，并保证诊断级别的精确度；利用AI增强MRI影像，减少10倍造影剂使用。从2017年起，深透医疗布局全球知识产权保护，共有超过20项国际专利。值得一提的是，深透医疗与斯坦福大学达成协议，获独家授权使用创始人宫恩浩博士在2012-2017年斯坦福读博期间研发的技术、多项专利与海量数据。

在上述领域，通过多年来的不断积累、优化、迭代，依托海量数据与顶尖算法技术，通过深度学习结合图像重建增强技术实现全球领先，发表数篇论文在Nature Digital Medicine，Radiology等顶级期刊，展示多中心临床验证结果，深透医疗形成了宽阔的护城河。

从产品特性来看，深透的产品可以更快的进入市场，兼容各种品牌的设备型号及不同序列，具有普适性强的特性。比如通用医疗近期宣布可以兼容的某些型号和序列，深透医疗旗下产品在两年前就可以兼容。与此同时，作为第三方解决方案提供商，深透软件产品的升级相比设备商更新换代更快，产品也在不断优化迭代。

从竞争格局来看，相比非设备商同行，深透医疗作为业内唯一获得美国FDA、欧洲CE及中国NMPA认证的第三方解决方案提供商，独家优势明显。而对于正在入局AI医学影像解决方案的设备商来说，深透医疗布局更早，技术更为领先。

在宫恩浩看来，虽然“Software eats hardware”是一个大趋势，但医学影像设备商与第三方解决方案提供商之间的多项合作落地可以证明彼此并非零和博弈，技术发展最终目的是为医院、影像中心等客户带来价值。

值得一提的是，深透医疗平台兼容性强、部署简易，后续在深透医疗的平台上，还有望搭载由其他厂商开发的软件，目前公司内部已经与相关合作方进行初步测试，包括影像定量化和诊断类等应用。截至目前，深透医疗的产品已经进入全球超400家医院和影像中心，未来开放平台的建立也有望为客户带来更大价值。

雷峰网消息，11月1日，2022深圳全球创新人才论坛上，著名结构生物学家颜宁宣布，即将辞去普林斯顿大学教职，回国出任深圳医学科学院创始院长。

据颜宁在会上介绍，她将协助创建的深圳医学科学院，是一所集科研、转化、学生培养、经费资助等若干功能于一体的新型研发机构。

2007年，颜宁回国在清华大学任教，曾以“清华最年轻教授”为人们所熟知，在清华的10年期间，颜宁取得了瞩目的科研成就；2017年，为打破长久待在清华所形成的“舒适圈”，颜宁接受美国普林斯顿大学邀请出国任教。

阔别5年后，颜宁再度回国，这一站她选择了正在建设中的深圳医学科学院。

颜宁这样解释自己的选择，她将人生分为吸纳、证明和输出三个阶段，第一个阶段是努力学习、充实自己，第二个阶段是努力工作以获得认可，而第三个阶段是把自己的所学、所感传递给更多人、扶持更多人。

她表示，“经过过去几十年的积累，现在的我终于比较有信心，主动地进入到了第三个阶段，去打造一方平台，支持更多优秀的学者，应对人类面对的各种健康威胁，挑战生物医学的难题，做出真正原创性的突破，回馈社会。”

颜宁，1977年11月出生于山东章丘，2000年本科毕业于清华大学生物科学与技术系。而后，颜宁前往美国普林斯顿大学分子生物学系学习，师从施一公。2004年，颜宁获博士学位，毕业后留校从事博士后研究。

2007年，在清华大学生物系主任、医学院常务副院长赵南明教授的邀请下，颜宁回到清华大学担任教授、博士生导师，并设立了自己的实验室。当年的颜宁年仅30岁，是全中国最年轻的女性正教授之一。

任教清华期间，颜宁不断刷新自己的科研成就。在论文于2009年和2012年两次被《科学》年度十大进展引用后，2014年，颜宁带领平均年龄不到30岁的团队攻克膜蛋白研究领域的世界性难题，在世界上首次解析了人源葡萄糖转运蛋白GLUT1的三维晶体结构。

凭借这项瞩目的研究成果，颜宁获得国际蛋白质学会“青年科学家奖”和赛克勒国际生物物理奖，又于2016年被《自然》评为十位“中国科学之星”之一。 2017年，颜宁候选中科院院士，成为当年候选名单里最年轻的候选人。

彼时的颜宁，在国内已经成为久负盛名的学者。但同时，颜宁开始担心“自己在一个环境里待久了，可能故步自封而不自知。”

因此，2017年颜宁决定接受美国普林斯顿大学邀请，受聘分子生物学系雪莉·蒂尔曼终身讲席教授。在当时，这一出走的决定引来了众多争议。

在普林斯顿大学的5年时间，颜宁同样获得不少殊荣。她于2019年当选美国国家科学院外籍院士，又于2021年当选美国艺术与科学院外籍院士。

截至目前，颜宁在《自然》《科学》《细胞》等期刊发表学术论文近百篇。

颜宁即将加入的深圳医学科学院，于去年3月正式揭晓其建设方案。根据建设方案，深圳医学科学院由深圳市政府设立，计划于2025年建成，力争到本世纪中叶成为全球著名医学研究机构。

深圳医学科学院选址深圳坪山区，主要任务是建设“四平台一智库”，分别为整合型医学科技协同创新平台、开放型医学科技资源管理平台、引领型医学科技基础支撑平台、创新型医学科技人才培育平台，以及智慧型医学科技战略研究智库。

其中，整合型医学科技协同创新平台，重点聚焦重大疾病防治、国际前沿医疗技术、可持续发展健康研究领域，主要开展应用基础研究、临床及转化研究、公共卫生研究，推动研究转化、工程化及产业化全链条创新。

开放型医学科技资源管理平台，建立多方资金筹措机制和高效择优的项目资助管理运行机制，重点资助能协同解决健康重大问题和具有良好转化前景的项目，汇聚全球优势资源解决健康城市建设的重要问题。

引领型医学科技基础支撑平台，将牵头改建或新建1－2所国际化高水平临床研究医院，为创新药物研发提供临床研究及转化平台。牵头组织开展涉及人群的战略性科学研究计划，建立相关队列研究。

根据建设方案，深圳医学科学院将采用创新管理运行机制，不定编制，不定级别，实行社会化用人制度。院长将是深圳医学科学院的法定代表人，由理事会聘任，实行任期制。

因突出的科研成就，独特的个性，颜宁身上向来有许多标签，她的每一次选择都备受瞩目。一所新型的医学科学院，或许需要的正是敢于打破常规的院长，颜宁的加入将为其带来怎样的开局？雷峰网 雷峰网

据了解，《Nature Machine Intelligence》只关注对该领域具有重要影响的科研成果。因其严格的评审标准，每年收录论文数量平均仅60篇左右。目前该期刊在计算机科学、人工智能领域期刊中排名第一。 

腾讯在论文中创新性地提出关于单细胞注释的“scBERT”算法模型，受到《Nature Machine Intelligence》杂志评审高度认可，表示该成果对于单细胞转录组测序数据分析领域未来研究具有深远意义。

单细胞测序技术是生命科学领域的一项革命性技术，可以细粒度地观察和刻画各个物种中组织、器官和有机体中单细胞分子图谱（细胞表达），便于更好地了解肿瘤微环境，以达到精细分析病因、精准匹配治疗方案的效果，对于“精准医疗”具有极高的应用价值。

值得注意的是，受数据样本量小、人工干预多、过度依赖marker gene（已报道的特异性基因）等因素的影响，单细胞测序细胞类型注释技术一直面临着泛化性、可解释性、稳定性均比较低的问题，现存的算法难以有更广泛的应用。

针对以上问题，论文中首次提出“基于大规模预训练语言模型的单细胞转录组细胞类型注释算法”，即“scBERT”模型，首次将“transformer”（自然语言处理算法经典计算单元）运用到单细胞转录组测序数据分析领域。

该模型基于BERT范式，将细胞中基因的表达信息转化成可被计算机理解、学习的“语言”，并对细胞进行精准标注。

为了保证全基因组内基因级别的可解释性，“scBERT”在预训练数据上没有做任何的降维或筛选处理，最大程度上保留数据本身的特性和信息。

此外，该模型复用了大规模的公开数据集，包含不同实验来源、批次和组织类型的单细胞数据，以保证模型能学习到更为“通用”的知识，精准捕获单个基因的表达信息及两两基因之间的作用关系。

从结果上来看，“scBERT”模型实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术。

截至目前，通过了9个独立数据集、超过50万个细胞、覆盖17种主要人体器官和主流测序技术组成的大规模benchmarking测试数据集上，该算法模型的优越性均得以验证。

其中，在极具挑战的外周血细胞亚型细分任务上，相较现有最优方法的70%准确度提升了7%。

在应用价值层面，该项技术能给细胞中的每个基因都印上专属“身份证”，可用于临床单细胞测序数据，并辅助医生描述准确的肿瘤微环境、检测出微量癌细胞，从而实现个性化治疗方案或者癌症早筛。

同时，对疾病致病机制分析、耐药性、药物靶点发现、预后分析、免疫疗法设计等领域都具有极其重要的作用。

此前，腾讯AI Lab团队科研成果曾多次入选《Nature Communications》、ACL-IJCNLP等国际权威期刊，研究方向涵盖文本理解、文本生成、智能对话、机器翻译、信息抽取、信息检索等领域。

未来，腾讯会继续基于自身先进AI技术的积累，与下游临床、制药和生命科学基础研究领域进行密切合作，为行业贡献更多价值。

长期以来，医疗行业被认为是“抵御”科技改造最后的堡垒。疫情爆发后，纷涌而至的资本，按下了医疗科技应用的快捷键。而随着一二级市场的投资热情退却，医疗科技行业重新慢了下来。

步伐减缓，并非停滞不前，而是挤出浮躁期的泡沫，回归健康、理性的发展路径。

从业者不得不承认，改造医疗行业确实不易，这不是一场可以急于求成的生意，只有抱以更多勇气与耐心方能继续前进。

与此同时，泡沫被挤出后，我们也看到了一批企业的身影。在迈向商业化的路上，他们用实打实的创新与精细管理在大浪中站稳了脚跟。当潮水退去，他们的价值愈加凸显。

据雷峰网统计数据显示，本次雷峰网「产业科技 · 最具商用价值榜」最终被提名和申请榜单的公司达671家，涵盖雷峰网此前预设的当下最受关注的13大领域，多个垂直维度。经过长达一个月的集中评审，最终评选出61家在投资价值、产品创新以及企业管理等方面最具代表性的企业。

这些企业中，既有在风浪中持续变革的创新巨头，也有在各个领域中越打越稳的超新星。未来十年，它们将作为当下科技行业中走在最前沿的发光者，共谋齐力，推动整个产业的发展新生。

其中，在医疗数字化与机构领域，科亚医疗、鹰瞳Airdoc、平安健康（检测）中心、联影医疗、京东健康等5家企业与机构脱颖而出，分别获「最具投资价值医疗科技企业奖」「最具产品创新力医疗科技企业奖」「最佳第三方医疗机构奖」「最佳医学影像自主创新奖」「最佳医疗价值普惠奖」。

最具投资价值医疗科技企业奖：科亚医疗

科亚医疗成立于2016年，一直专注大数据和人工智能技术在医疗领域的应用落地，并致力于用AI技术赋能医疗行业，推动临床路径实现精准诊疗，打造新一代人工智能医疗平台，为患者、医疗机构、生命科学研究机构提供精准医疗服务。

科亚医疗是中国AI医疗器械三类证首证企业，也是率先同时拥有中国NMPA、美国FDA、欧盟CE三重认证产品的人工智能医疗国际领先企业。

科亚医疗构建覆盖从预防、筛查、诊断、治疗及随访的全流程AI辅助临床路径，助力中国AI医疗行业发展，赋能智慧医疗建设。

其自主研发的深脉分数、深脉灵析系列产品涵盖智慧心，智慧脑，智慧胸三大临床应用领域，致力于解决临床痛点，提升工作效率，提高诊断准确性，统一诊断标准化，最终使患者受益。

科亚医疗AI产品的商业化应用覆盖范围广泛，已与国内多省市1100余家医院共建人工智能诊断中心，累计覆盖患者群体达到3000万人。

在物价准入方面，科亚医疗也取得了显著成果，已在河北、北京、江苏等10余省市拿到物价编码，实现了面向患者收费，是国内首个实现AI产品服务大规模销售的企业。

最具产品创新力医疗科技企业奖：鹰瞳Airdoc

鹰瞳Airdoc是全球视网膜影像人工智能领域的领导者和先行者。

鹰瞳Airdoc的视网膜影像AI产品适用于多种医疗、大健康及眼健康管理场景，包括医院临床科室、社区诊所、体检中心、保险公司、药房、视光中心等。

在产品创新上，鹰瞳Airdoc坚持软硬件一体化发展，公司糖尿病视网膜病变辅助诊断软件获得国家药监局颁发的眼科AI首张医疗器械三类证。

与此同时，鹰瞳Airdoc自研便携式眼底相机也是全国首款获批上市的全自动、全自助、便携式眼底相机，为视网膜筛查普惠基层提供了必要的硬件支撑。

2022年上半年，鹰瞳Airdoc再次迎来新突破，其白内障检测产品、自研台式眼底相机先后获批上市，眼底相机亦获得美国FDA和欧盟CE的市场准入。

继2019年后，鹰瞳Airdoc今年再度荣获“中国智能科技最高荣誉”吴文俊奖，成为首家两次获此殊荣的医疗AI企业。今年8月，鹰瞳Airdoc荣膺国家级专精特新“小巨人”企业。

截至2022年6月底，鹰瞳Airdoc产品已遍及五大洲十余个国家，服务于全国700多家等级医院、50家基层医疗机构、160多家体检中心、40多家保险公司，700多家药店、1000多家视光中心以及多个政府惠民项目，检测量超千万人次。

最佳第三方医疗机构奖：平安健康（检测）中心

平安健康(检测)中心成立于2015年，是中国平安大医疗健康战略的重要成员，集团HMO模式落地的重要线下抓手。

作为平安医疗生态圈的线下实体医疗机构，平安健康（检测）中心以推进分级诊疗，促进健康服务业发展，实现区域医疗资源共享为导向，聚焦严肃医疗，构建“影像诊断、医学检验、高端体检、特色门诊”四位一体创新业态，致力于打造全国领先的第三方医技服务集团，并构建行业领先的专病转诊中心。

在转诊服务上，平安平安健康(检测)中心已与超过1300+核心三甲医院建立合作关系，覆盖全国52个城市，涵盖心血管内科、胃癌、妇科肿瘤、肺癌、淋巴癌等疾病。

其中，联合平安健康构成的肿瘤专病服务闭环，凭借强大的名医名院资源，能够提供专业、便捷的就医服务，从肿瘤筛查、名医会诊，到直通名院治疗，大大提高治愈率和生存率。

最佳医学影像自主创新奖：联影医疗

成立于2011年的联影医疗，面向全球客户提供全线自主研发的高性能医学影像诊断与治疗设备、生命科学仪器，以及涵盖医疗数智化和贯穿“基础研究-临床科研-医学转化”全链条的创新解决方案。

联影医疗以“成为世界级医疗创新引领者”为愿景，以“创造不同，为健康大同”为使命。通过与全球高校、医院、研究机构及产业合作伙伴深度协同，联影医疗不断突破科技创新边界，加速推进精准诊疗与前瞻科研探索，持续提升全球高端医疗设备及服务可及性。

目前，联影医疗已组建一支世界级的人才团队，并向市场推出掌握完全自主知识产权的80余款产品，包括Total-body PET-CT（2米PET-CT）、“时空一体”超清TOF PET/MR、75cm超大孔径3.0T磁共振、640层CT、一体化CT-linac等一批世界首创和中国首创产品，整体性能指标达到国际一流水平，部分产品和技术实现世界范围内的引领。

其中，牵头的“高场磁共振医学影像设备自主研制与产业化”项目荣获“2020国家科学技术进步奖一等奖”，代表行业首次斩获这一科技领域最高荣誉。

如今，联影医疗的产品已进驻美国、日本、欧洲等全球50多个国家和地区的9400多家临床及科研机构，其中包括国内近900家三甲医院。

联影医疗总部位于上海，同时在美国、马来西亚、阿联酋、波兰等地设立区域总部及研发中心。

最佳医疗价值普惠奖：京东健康

京东健康是京东集团旗下专注于医疗健康业务的子集团，成立于2019年5月，并于2020年12月登陆香港联交所。

基于“以医药及健康产品供应链为核心、医疗服务为抓手、数字驱动的用户全生命周期全场景的健康管理企业”的战略定位，京东健康不断加强生态开放能力，进一步将普惠医疗传导至每位用户，并坚持长期价值，已经成为中国领先的医疗健康商品、服务、解决方案提供商，产品及服务可覆盖医药健康全产业链、医疗全流程、健康全场景、用户全生命周期。

京东健康在积极拓宽传统医疗体系能力边界、推动医疗行业和区域医疗数智化转型的同时，致力于将自身在医疗健康领域的实践成果和能力资源，服务于民之所急、民之所需，切实践行企业社会责任。

在疫情常态化防控背景下，京东健康打造了快速反应、灵活应用的疫情防控能力模块，针对突发灾情事件，推出了应急响应和常态化援助机制，以全力保障特殊情况下药品和医疗防护用品等物资供应，及时响应民众的健康需求。

此外，京东健康创新公益运营机制，致力于提高罕见病群体、基层乡村民众等更多社会群体的用药和诊疗的可及性、可支付性。

响应“健康中国行动”的号召，京东健康以用户和患者为中心，充分整合公司资源，发挥优势能力，不断提供更加易得、便捷、优质和可负担的医疗健康产品与服务，助力普惠医疗的加速实现，致力于成为“全民首席健康管家”。

据国家药监局数据查询，鹰瞳科技的Airdoc-AIFUNDUS(1.0)于2020年8月7日通过批准，用于辅助诊断糖尿病视网膜病变。该AI诊断软件在同类产品中首个获得国家药监局第三类医疗器械证书，已展开在医疗机构的使用，以协助医生做医学诊断。

相较上一版本，Airdoc-AIFUNDUS(2.0)版本增加了高血压视网膜病变、视网膜静脉阻塞及年龄相关性黄斑变性（AMD）等三个适应症。

在临床试验数据结果上，(2.0)版本在覆盖以上四种疾病的检测灵敏度和特异度表现结果优异，较(1.0)版本的灵敏度（91.75%）和特异度（93.10%）均有进一步提升。这体现了鹰瞳科技在技术方面的竞争优势，可以持续优化算法以提升产品的性能表现。凭借行业领先的临床试验结果，鹰瞳科技正准备为该等新适应症向国家药监局提交更新第三类医疗器械注册证书的申请。

随着国内人口老龄化加剧，慢病和眼病的发病率都持续上升。由于患者数量众多而医疗资源有限，高效检出该等疾病具有巨大但未被满足的临床需求。

Airdoc-AIFUNDUS(2.0)旨在覆盖庞大的患者群体。高血压视网膜病变是患有高血压可能发生的并发症，被视为判断和监测严重高血压的最重要因素之一。而高血压是国内最常见的慢病之一，根据《中国心血管健康与疾病报告（2021）》显示，国内高血压患者数量高达2.45亿，然而疾病控制率不足20%。视网膜静脉阻塞又被称为“眼中风”，是一种常见的视网膜血管疾病，而视网膜中央静脉阻塞时常伴随缺血性脑卒中发生。根据2019年中国疾病预防控制中心和美国华盛顿大学健康测量与评价研究所联合在《柳叶刀》上发表的研究论文显示，脑卒中（俗称“中风”）是中国首位致死因素。另外，AMD是50岁以上成人视力损伤的主要因素之一。

目前，鹰瞳科技的产品组合中包括用于检测及诊断的SaMD，健康风险评估解决方案及独有硬件设备。其中核心产品包括三个版本的Airdoc-AIFUNDUS，Airdoc-AIFUNDUS  (1.0)获国家药监局首张眼科AI第三类医疗器械证书；除了此次 (2.0)版本增加的三个适应症以外，Airdoc-AIFUNDUS (3.0)还将增加病理性近视、视网膜脱离两个适应症，并计划于2022年10月开始进行临床试验。

鹰瞳科技产品组合（图片来源：鹰瞳科技2022年中期业绩公告）

随着Airdoc-AIFUNDUS (2.0)增加覆盖了高血压视网膜病变、视网膜静脉阻塞和AMD，该产品获批后将可以协助医生在心血管科、神经科和眼科检测和诊断相关疾病，也将有助于持续检测相关药物的临床效果，有望大幅提高该产品在院内的渗透率及销售机会和市场空间。

此外，心血管疾病给我国公共健康系统造成的负担日益加重，Airdoc-AIFUNDUS (2.0)获批后在医疗机构，尤其是缺少优质医疗资源的基层医疗机构中的使用，能够让鹰瞳科技更好地为解决国内公共健康问题尽一份力。此外，为Airdoc-AIFUNDUS (2.0)研发的算法模型也可以为开展相关疾病的大规模筛查奠定基础，同时还可以为人们的个人健康管理及保险公司和健康管理机构的健康管理服务做出贡献。这也代表着，鹰瞳科技向实现普惠医疗的目标及“让健康无处不在”的企业使命更近一步。

Medidata 临床运营技术研发高级副总裁 Lisa Moneymaker 表示：“现如今，随着临床试验效率提升，数据量之庞大更是前所未有，这为加快新疗法开发和改善患者体验创造了机会。临床运营团队有需要，也有必要彻底改变数据监查和报告的方式。”

据悉，Medidata Detect 提供端到端的数据监测和中心化监查功能，帮助跨职能运营团队监查并减轻关乎患者安全和数据完整性的风险。升级后的 Medidata Detect 包括4个独特的模块——数据审核、数据分析、研究机构绩效监查和试验方案风险监查。

作为 Medidata 数字化监督解决方案的一部分，Medidata Detect可集成于临床试验的任何阶段，为数据管理员、医学监查员和临床运营团队提供基于用户的功能，并在高级分析技术的加持下，提升患者安全性、数据质量监督和风险管理。

经验证，Medidata Detect 解决方案可在不影响研究质量的情况下，将每个研究中心每年现场监查的天数减少 33%（共四个监查天数）。

据介绍，Medidata 的数字化监督解决方案将风险管理、中心化监查以及远程监查统一成一个整体，让团队摆脱了延迟、被动的研究方法，实现向前瞻性、预测性策略的转变，同时避免信息的丢失、丢弃或临床语义的遗漏，是远程智能临床试验（DCT）和混合试验的重要支持。

Medidata于2015年进军中国市场，去年面向国内市场推出了Medidata DCT 解决方案，帮助临床试验实现全周期远程智能化。该解决方案可在任意时间、任意地点远程获取患者数据，并通过汇集、转换、监控数据来识别数据质量问题，以便降低试验风险，确保患者安全。

Medidata 中国区咨询顾问负责人黄天娇提到，Medidata主要的客户是申办方，包括药厂、生物技术公司以及一些CRO公司，国内的情况通常是SMO派去的CRSD来辅助使用。

此外，和各个试验中心及医院之间也有间接的合作。今年，Medidata DCT解决方案中的远程监查（Remote Source Review）热度很高，这部分会涉及到和医院之间的合作。对于这一块，Medidata目前正积极在国内尝试探索落地，同时希望未来可以从各个层面全面推进整体DCT平台在中国的落地。

在临床试验中，从患者端采集到的数据与疗效最终指标息息相关，如何保证数据采集的质量，是DCT模式尤为重要的关注点。

Medidata中国区战略方案负责人马霞苗表示，Medidata 现在用到的模式是患者可以通过自己的设备或者Medidata的专供设备，使用自己的用户名和密码登录。试验会提前做好建库工作，把相应需要采集的量表问卷录入到系统当中，在正式使用之前进行一系列验证和测试环节，确保数据的质量。

今年8月，国家药品监督管理局药品审评中心（CDE）针对以患者为中心的临床试验发布了3条征求意见稿，为临床试验提供方向指引。其中提到，要改善受试者体验，减轻受试者负担，实施以DCT为代表的新型临床试验模式。

马霞苗认为，三条征求意见稿，从试验设计到实施到风险评估都出台了具体的指导原则。“征求意见稿的目的就是相信国内的申报方、企业、包括我们信息技术提供方一起，能够在征求意见的指导下把这个方案落地。相对来说，比较成熟的如患者自报数据或者医生评估电子系统的采集，在国内外落地的项目案例已经非常多。”

马霞苗表示，国内外都在进一步探索DCT，Medidata 从患者端的智能模式，以及申办方和CRO的数据交互模式出发，无论是产品，还是单个模块深度都在不断完善。“今年CDE连发三项DCT意见稿，我们相信在监管的方向指导下，落地的项目会越来越多。”

事实上，国内正有越来越多的本土公司切入DCT领域，市场竞争浪潮正在崛起，机遇与挑战并存。

黄天娇认为，现在国内有这么多友商在做DCT，恰恰反映了DCT是市场的大趋势。对于Medidata来说，也多有裨益，可以跟同行一起推动市场对于DCT的接受和实施，从而省去一些市场宣教工作；另一方面，相应的竞争确实存在，但大家可以通过合作互相取长补短。雷峰网雷峰网

【封面图片来源：网站名unsplash】

近日，美国数字疗法公司Akili通过SPAC方式成功登陆纳斯达克，是继Pear Therapeutics（下文简称“Pear”）后又一家上市的头部数字疗法公司。

Akili成立于2011年，专注研发针对认知障碍的数字疗法软件。

2020年6月，Akili旗下产品Endeavor Rx 产品成功获得FDA认证，是首款获批的“游戏处方药”，备受市场关注。

头部公司相继IPO，象征着数字疗法行业所具有的市场潜力。

但从二级市场的表现来看，叫好不叫座，无论是Akili，还是Pear，都正遭遇股价暴跌的危险。

开盘首日，Akili股价因波动剧烈被迫多次暂停交易，先是飙涨20%达37.58美元/股，但而后出现大跌，当日收盘，Akili跌至7.15美元/股，较最高点跌去81%。

正如其首日股价所示，尽管较快拿到了FDA认证，Akili的“命途”并未走顺。虽收获市场关注，但还拿不出令人信服的商业化成绩——营收未成规模，亏损逐步扩大。

这无疑是扯下了行业的营收“遮羞布”。

近年来，数字疗法备受资本青睐，发生了上百起融资事件，但根本性的硬伤掩盖不了，今日的繁荣只是一时的泡沫？

一个季度，仅收入6.6万美元

受新冠疫情催化，数字疗法行业近年来发展迅猛，但具体到临床疗效，质疑声并不小。手握FDA认证的Akili是有底气去抵挡这些质疑声。

AKili花费了5年时间去验证首款产品的有效性，并发布了五项临床试验数据，其中一项是发表在《柳叶刀数字健康》上的前瞻性、随机对照研究。

直至2020年6月，旗下针对8-12岁多动症患者的处方数字疗法产品Endeavor Rx 才终于获得FDA批准。

Endeavor Rx的一大亮点是基于电子游戏提供治疗，是一款“游戏处方药”。

Endeavor Rx采用自适应算法设计，能够根据患者的治疗需求自动调整认知挑战游戏，并持续监控和评估治疗效果。

虽然也是由医师开出的“药”，但Endeavor Rx不能代替治疗多动症的传统药物，可以作为整体治疗计划的一部分改善患者的注意力问题。

Endeavor Rx 只是Akili在认知障碍领域推出的第一款产品。

Akili拥有三大治疗引擎，包括选择性刺激管理引擎(SSME)、身体大脑训练器(BBT)和空间导航引擎(SNAV)。

利用这些引擎，Akili可以把技术迁移到自闭症谱系障碍(ASD)、多发性硬化症(MS)、重度抑郁症(MDD)、创伤后应激障碍(PTSD)，以及多种情况下的急性认知功能障碍等。

这是一个广阔的市场。

据介绍，在美国，共有8500万人深受认知障碍影响。其中，多动症的总影响人口为1080万人，已获批的Endeavor Rx所针对人群约有180万人。

另据美国疾病控制与预防中心，美国有近一半的ADHD儿童患者使用行为治疗。这释放了一个积极的信号，人们对非传统药物疗法的接受度并不低。

但回到Akili的财务数据，情况不那么乐观。

尽管已有成熟的产品，Akili目前面临的尴尬境地是，商业化步伐尚未迈开，现有财报数据无法证明业绩增长的潜力。

Akili营收数据（医健AI掘金志制图）

招股书显示，2020年和2021年，Akili分别收入393.9万美元、53.8万美元；2022年Q1则收入6.6万美元，较去年同期的11.7万美元下降43.59%。

从2020年至今，Akili的收入主要来自与日本盐野义制药公司的合作协议收入。

到2021年末，Akili已完成合作协议规定的所有义务，导致2022年Q1收入同比锐减。

赚不来钱，但研发费用和其他运营费用还是得成倍地砸下去。

2020年和2021年，Akili总运营费用分别为2895.9万美元、6090.2万美元；2022年Q1则为2169.5万美元，去年同期为880.1万美元。

其中，2020年和2021年，Akili研发费用分别为1541.8万美元、1823.4万美元。

这使得Akili的净亏损逐年扩大。2020年和2021年，Akili分别净亏损2564.6万美元、6134.8万美元，2022年Q1净亏损2189.2万美元，接近2020年全年的净亏损。

教育市场还是被市场教育？

顶着亏损走向上市，是为产品商业化做准备。

截至2022年3月31日，Akili持有现金及现金等价物3975.4万美元，短期投资1500万美元。

通过此次合并交易，Akili将获得4.12亿美元现金，其中的一部分资金将用于启动Endeavor Rx的商业化。

医师、患者、付款方是Endeavor Rx 商业化过程中的三大关键主体。

Akili将采用与远程医疗相结合的销售模式，让医师无缝连接患者，并通过电商闭环营销提高多动症患者看护人对产品的认知。

参考治疗ADHD仿制药的价格，Akili将Endeavor Rx 的价格定为450美元90天疗程。

接下来，Akili计划推动Endeavor Rx 纳入商业保险和公共健康保险的报销范围，收费模式混合自付费与报销两种渠道。

从Akili此前进行的商业化测试数据来看，Endeavor Rx 有一定的变现潜力。

2021年，Akili的合作医疗机构共开出1713单包含Endeavor Rx 的处方，支付率为57%，自付率为86%，报销率为10%；

2022年Q1，共开出包含Endeavor Rx的处方668单，数量较去年同期增长229%，支付率为53%，自付率为89%，报销率为4.3%。

除了完成Endeavor Rx 的商业化，Akili还要同时推动其他管线的进度，针对多动症患者不同年龄群体的5条管线预计于2023年完成临床试验。

Akili管线进度

拓宽管线之外，Akili布的另一个局是出海。

2019年，Akili与盐野义制药达成战略合作，基于SSME针对日本6-17岁的多动症患者开发数字疗法产品SDT-001，并授予后者产品销售许可。

为方便产品在日本发行，Akili对产品进行了语言及文化层面的本土化。

此外，Endeavor Rx 也于2020年6月获得了CE认证，具备在欧盟国家上市的资格。

作为产品较早获批的数字疗法公司，Akili无疑有自己的优势，趁着竞品尚未拿到认证，Akili可以凭借先发优势快速抢占市场。

但打开这个市场并不容易，毕竟对于大多数医生和患者而言，数字疗法还是一个新鲜概念。Akili需要同时教育医师以及患者（看护人）两大主体，免不了要花费高额的营销费用。

根据招股书，2020年，Akili销售及一般行政费用为1354.1万美元，到了2021年，这一费用翻了3倍多，飙升至4266.8万美元，其中营销和广告成本增加了1890万美元。

同时，产品能否大范围应用，也取决于第三方付款方对其的认可度，若商业保险和公共健康保险都不支持报销，医师和患者（看护人）使用的积极性会大大降低。

另一层挑战也若隐若现。Akili在招股书中表示，公司的竞争对手还包括那些提供非监管产品的公司，如Cogstate、C8 Sciences、Cogmed、MindMaze和Posit Science等，这些公司提供的数字疗法产品有些可直接通过手机应用商店获取。

虽未获认证，但也可能因其他原因吸引到消费者，给产品的销售带来持续的定价压力。

二级市场：给数字疗法“传递点寒意”

数字疗法具有成本低、可及性高、体验感强、服务个性化、数据易采集等诸多优势，随着近年来多项产品得到监管层的认可，逐步成为资本青睐有加的行业。

据动脉网发布的《全球数字疗法报告（2022）》，2019年～2021年，全球数字疗法领域共发生210起融资金额公开的融资事件，涉及144家企业，融资金额近百亿元。

步入2022年，全球范围仍有金额达5500万美元的巨额融资发生，被投者为欧洲一家游戏化数字疗法新锐公司Sidekick。

在国内，截至今年上半年末，数字疗法领域也发生了19起融资事件。

一级市场对数字疗法寄予厚望，但现实是二级市场并不看好这个“新事物”。

无论是Akili，还是更早上市的Pear，都在二级市场中折戟。

仅经历首日短暂的上涨，Akili股价一路走低，截至8月29日收盘时间，报收4.11美元/股，较最高值下跌近9成。

Pear也有相似的境遇。截至8月29日收盘时间，Pear报收1.62美元/股，较最高值下跌也有近9成，总市值为2.25亿美元。

Pear虽有着“心理数字疗法第一股”的名号，也是最早于2017年获得FDA批准上市的数字疗法公司，手握3款得到FDA认证的产品，但它的商业化之路也不好走。

2022上半年，Pear收入604.6万美元，较去年同期的157.7万美元增长283.4%。

增速亮眼，但绝对值不高，经营亏损也在进一步扩大。2022上半年，Pear经营亏损为6756.1万美元，较去年同期的4310万美元扩大54.6%。

今年7月，由于宏观经济不景气，Pear甚至启动了裁员计划，裁员人数约占职工总数的9%。

二级市场流露的“寒意”，或许都源自于当下处方数字疗法最大的障碍——医生能有多大的意愿为患者开出数字疗法的处方单子？

通常来说，对症下药后，医生的任务就基本完成一大半，但如果开出数字疗法的处方，医生还需要学习新工具、培训患者、监控疗程、处理数据等，一定程度上打乱了原来的工作流程与方式。

若数字疗法的数据记录系统无法和原有的系统连通，则容易衍生“数据孤岛”问题，给医生的工作增加障碍。

数字疗法公司Happify Health 首席战略官Chris Wasden曾公开表示，临床医生是数字疗法能否得到应用的关键。

Wasden曾与糖尿病医生进行交流，他发现，医生们非常担心使用数字疗法产品留下的数据问题。

借助数字疗法，患者的数据更多了，固然是好事，但这也给医生带来了负担：哪些数据是紧急的、需要被重视的，而哪些数据又是冗余的、可以被忽略的，关于这些方面的规定还不明确。

另外，医生额外处理这些数据，花费了更多时间，是否也应该得到报酬补偿？

“临床医生对数字疗法有很多的担忧和恐惧，因为这是新的、不确定的。所以我们必须解决所有这些工作流程问题、薪资问题，不仅仅是产品本身，而是医生想得到相应的报酬。”Wasden表示。

可以说，使用数字疗法，不是做个简单的“加法”，而是对原有治疗体系的更新甚至是重塑，需要多方力量共同推动，才能在不增加医生负担的情况下，让数字疗法更好地融合到诊治过程中。

改变不会在一夜之间发生，上市后的Akili和Pear，以及整个数字疗法行业，还有一段很长的路要走。（雷峰网 雷峰网）

参考资料：

https://www.mobihealthnews.com/news/qa-why-adopting-digital-therapeutics-requires-healthcare-paradigm-shift

https://www.mobihealthnews.com/news/why-providers-are-key-digital-therapeutic-uptake

这一建议得到了国家重视并由此拉开了我国转化医学建设的帷幕：即开始在上海、成都、北京协和、解放军总医院、陕西西安布局建设转化医学研究设施，以求形成覆盖全国主要区域的转化医学研究支撑网络。

其中，上海这个“支撑网络节点”——转化医学国家重大科技基础设施（上海）就设在了上海交通大学闵行校区和上海交通大学医学院附属瑞金医院，它2013年7月立项，2016年3月开工，2019年初闵行基地试运行，2020年12月瑞金基地转化医学大楼启用，标志着中国首个国家级综合性转化医学大设施正式落成并投入运营。这是继上海光源大设施、上海蛋白质中心后，第三家落户上海的国家级大设施。

20年前的一个概念，为何如此重要？

转化医学的概念，源于20多年前。

那是在上世纪末，NIH（美国国立卫生研究院）每年的研究经费高达200多亿美元。这引发了一个问题：发明了那么多新技术，积累了那么多新知识，发表了那么多高水平论文，为什么人们的健康状况并没有得到显著改善？

这也是转化医学要解决的灵魂之问——即，如何将基础医学研究与临床实践更为紧密地结合起来。转化医学的初衷，就是要把临床提出的问题快速转化为基础研究项目，而后再将研究项目的成果同样高效地转化为针对临床患者疾病的精准预防、诊断、治疗及预后评估等一系列方案，从而让新技术和研究成果更快、也更有的放矢地用于改善人类健康的大业中。

谈到这种双向高效转化的重要性，瑞金医院国家转化医学中心生信大数据平台共同负责人吕纲曾做过一个贴切的比喻：“就像小说里的武功高手要练成绝世武功，都要打通任督二脉；而在当今的发达医学领域也是如此，临床医学与基础研究这二脉也亟需打通。”

上海瑞金医院国家转化医学中心的成立，是我国推进转化医学实践的重要一步，它将攻关方向锁定在针对我国重大疾病诊疗的重大关键技术的探索上，其重点在肿瘤、代谢性疾病和心脑血管疾病等领域，旨在研究相关发病机理和规律，解决疾病的发生、发展与转归中的重大科学问题。

该中心拥有层流研究病房和数字化能量代谢仓，对临床研究数据可以进行智能感知和自主集采；另外，国家转化医学中心拥有百万级别样本数据库，具备高通量测序、质谱和药筛等组学研究平台。

吕纲

高性能计算：转化医学实践的技术保障

那么，转化医学中心具体在做什么？举一个简单的例子，与完成病理分析及少量分子检测后即可实施手术或化疗的传统癌症治疗方案不同，转化医学需要对患者的整个基因组进行分析，以指导药企及临床医生进行更有针对性的药物及治疗方案研究，从而为患者提供更为精准、更加有效的诊疗。

吕纲向雷峰网介绍：“转化医学中心工作涉及面广，包含组学技术、生信分析、基础医学研究和药物开发等各个方面。生物信息学研究是转化医学研究的基石，它会涉及对蛋白质、DNA和RNA等生物分子的研究。”

可见，转化医学与数据处理和分析息息相关，包含了生物信息的获取、加工、储存、分配、分析、解释等方方面面。而涉及的数据量庞大：每个文件大小可能达上百GB，例如，仅单个人类全基因组测序分析涉及的数据就可能高达870GB。

如此体量的数据，就让数据处理速度变得更为关键，而且中心招募的患者通常病情都比较危急，需要以尽可能快的速度基于患者生信数据分析结果给出针对性的创新疗法。

举个例子，在2020年新冠疫情爆发之初，瑞金医院国家转化医学中心就与上海公卫中心进行合作，成立了新冠研究课题联合攻关组，对疫情初期的326例患者，进行了病毒基因组、临床表现、免疫反应等数据的深度分析和全球数据分享。从项目开始到最终相关研究成果在《Nature》主刊上发表，总共用了短短的45天时间。

再比如，做面对超高深度肿瘤全基因组测序这种超大数据的处理，原本需要近7天时间，而现在只需要7-8个小时就可以完成。计算时间大幅缩短，意味着病人可以更早得到检测信息和分析结果，更早接受对应的治疗方案。

从上述的两个实例来看，瑞金医院国家转化医学中心的很多工作，都是“与死神赛跑”的过程，而且其加速的过程，或者说效率的提升，都与承载生物信息学研究的IT平台，尤其是强大的高性能计算(HPC)平台密不可分。这就是瑞金医院国家转化医学中心构建和优化其专用生物信息大数据平台ASTRA的初衷，这是一个集存、传、算、用为一体的的定制化平台，为转化医学实践提供了坚实可靠的技术基础。

超算不仅需要更高算力，也要搭配更强存储

HPC又称超算，顾名思义，主要是凭借超强算力来解决这个世界上最复杂的各类科学问题。早期的HPC主要应用于政府或国家级科研机构主导的大型基础科研项目，如美国在1960年代曾使用CDC超级计算机进行火箭设计等工作。再后来，金融、天气预测领域也越来越常见到高性能计算的身影。

而随着基于x86架构处理器的工业标准化集群的采用，HPC更是走出了象牙塔，开始走入工业界中的多个行业，成为他们开展产品、技术和服务创新的重要驱动力。基于此，人们也继理论科学和实验科学之后，将高性能计算称为科学的第三支柱。而瑞金国家转化医学中心对于HPC的应用属于医疗和生命科学领域的实践，也是当今HPC诸多行业应用场景中的重中之重。

那么，在构建这样的HPC系统的过程中，有什么问题是需要格外关注的呢？

毋庸质疑，算力当属其第一关心的要素。事实上，这种关注和投入，所换得的成果也异常丰硕，我们只举一个例子就足以说明算力增长之猛：1996年在全球高性能计算机500强排行榜上首个打破每秒万亿次浮点计算纪录的ASCI Red系统足足使用了6000颗英特尔奔腾Pro处理器，而现在很多主流芯片产品只需单颗就可以打平和超越这一算力。

同时，今天HPC的顶流算力也更是以每秒百亿亿次浮点计算为衡量标准，如美国阿贡实验室即将采用代号为Sapphire Rapids的第四代英特尔至强可扩展处理器，以及代号为Ponte Vecchio的英特尔数据中心GPU建设的Aurora（极光）超算系统，性能输出水平就能达到每秒两百亿亿次，足足是ASCI Red的约200万倍。

或许正是因为算力提升的速度快到令人难以置信，反而让如今的HPC系统开始普遍面临“失衡”的问题，即其计算，与其存储和网络的性能拉开了非常大的差距。

要知道，任何一个HPC平台的规划都是一个系统性工程，它在体系结构设计、高速互联网络、并行文件系统、存储阵列等任何方面的欠缺或不足，都可能拖累平台的整体性能。换言之，算力爆棚但其他方面拉胯，就很可能让高算力空转，无法充分释放其价值。

这种“失衡”，如今在计算和存储间的表现尤为明显——在算法和算力已取得显著提升的今天，不论是机械硬盘，还是固态盘在读写速度和带宽上都已远远跟不上算力的需求，而距离算力单元更近、性能较强且担负热数据承载重任的内存子系统，又很难扩展其容量。

这可能就是HPC平台算力与存储性能失衡的根因，它会引发“存储墙”或“数据墙”问题，使得算力单元与内存及存储之间就像隔着一堵墙，使其无法得到数据的高效供应，或影响数据高并发访问时的效率。这种传统内存-存储在架构和性能上的瓶颈，会在业务和应用层面造成算力投资的浪费，影响相关应用负载或项目的效率。

破“墙”而出，看ASTRA如何应用创新存储技术

主修生物信息分析且曾在上海张江的国家人类基因组南方研究中心工作的吕纲，在基因组学数据分析方面有着丰富经验，因而也很清楚HPC平台“存储墙”的存在与影响。他坦言：“通量测序仪的通量飞跃式发展，在数据存储上的需求一直都是水涨船高。最关键的是要进行数据分析，CPU的计算速度很快，但大量时间用在了数据加载上。因此，中间层的存储系统就显得非常重要。”

因此，早在一期建设时，吕纲就已经预料到自家HPC平台对“大内存”的需求。

“当时我们买的是2TB的DRAM内存，要用8路的服务器来实现，成本非常高。而使用傲腾持久内存，只需要2路服务器就能让我们实现3TB内存容量，同时还显著降低了成本。”

吕纲提到的傲腾持久内存，全称是英特尔傲腾持久内存（Intel Optane Persistent Memory），它是英特尔专为突破传统内存-存储架构性能瓶颈设计开发的产品，凭借创新的傲腾存储介质，能够兼备接近DRAM内存的高性能，以及存储设备的大容量和数据持久化存储。

目前，国内外很多行业的用户在遇到内存容量不足，使用DRAM内存进行容量扩展既难满足需求（主流DRAM内存单条多为32GB和64GB，128GB已经是高端产品），又难承担其高昂的成本时，都开始选择容量数倍于DRAM、且成本更优的傲腾持久内存（单条容量可达128GB、256GB和512GB）来达成目的。

然而，仅仅扩展内存的容量，对于瑞金医院国家转化医学中心的ASTRA平台还是不够的，它需要的是对整个HPC平台存储系统进行更为全面的升级，来更为从容地应对其面临的“存储墙”问题，这就包括要让存储跟上海量数据高速处理的要求、要满足不同科研和临床团队高效并行访问海量生信数据的要求，以及要持续容纳庞大、复杂、多维且不断增长的数据等等。

因此，ASTRA平台采用了三级存储模式——传统NAS、传统并行文件Lustre、基于傲腾持久内存的高速存储DAOS。其中，前两者用于原始数据的存储及备份，而DAOS针对的则是性能要求更为严苛的生信计算。

DAOS（Distributed Asynchronous Object Storage），中文全称是分布式异步对象存储。其优势要用几句话来概括，那就是：它是一种开源软件定义横向扩展对象存储，没有延续针对高时延、块存储的I/O模型，而是选择了为访问高细粒度数据提供原生支持的I/O模型；没有使用高时延的点到点通信，而是使用了能绕过操作系统的低时延、高消息速度用户空间通信；没有只依赖传统的存储设备，而是充分利用了创新非易失性存储技术（包括英特尔傲腾持久内存和傲腾固态盘），并将更大体量的元数据保存在持久内存中，将批量数据保存在固态盘中，以此来实现对更多热数据的更高效的访问和处理。

基于这些优势，DAOS堪称是对存储介质和介质使用方式的双重革命，而英特尔也把其视作百亿亿级HPC存储堆栈的基础。

“DAOS基于高性能存储硬件傲腾持久内存和傲腾固态盘而设计，对生物信息数据分析工作支持比Lustre更好。我们和英特尔的技术专家一起，进行了细致的性能调优和测试，而结果非常理想。”在吕纲看来，DAOS的价值在于，能够充分利用傲腾持久内存的独特性能，从而提供高带宽、低时延、高IPOS和非常优秀的小文件处理能力。

“基于持久内存的DAOS，是一个非常具有性价比的方案，”吕纲评价道，“就性能而言，它拥有其他方案很难实现的优势。例如，持久内存拥有内存模式和App Direct模式，因此我们可以按需在两种模式中进行切换，从而满足我们对大内存和大存储容量的不同需求。其他一些硬件，虽然带宽性能提升了，但是毕竟没办法做内存使用，只能当成存储用，不具备灵活性。而从价格上来说，持久内存的每GB成本也比DRAM要低；另外，DAOS是一个开源软件，对于瑞金医院的上手成本相对较低，只需要支付硬件的钱，免去了一笔很大的软件授权费用。”

破墙后再破局，造就IO-500上的生信“顶流”

有了傲腾持久内存+DAOS的加持，ASTRA平台的存储性能就开始了 “火箭式”的蹿升。

2021年11月，在美国举办的全球超级计算大会（SC21）正式公布了全球最新IO-500榜单。ASTRA第一次打入该榜单，就在10节点性能排行中位列第八，在总榜单上的排名也位居第十四，而更重要的是，它也是全球生信领域惟一一个打进10节点榜单前十的系统。

对于这一成绩，吕纲向雷峰网表示，“以往排名靠前的都是全球知名科研机构，顶级互联网厂商或者国家级的超算中心。生信或者医院机构可以说是难得一见。在英特尔的这套DAOS方案下，我们成为了第一批吃螃蟹的人。”

对此，英特尔市场营销集团副总裁、中国区行业解决方案部总经理梁雅莉也曾公开表示：“我非常高兴看到英特尔和转化医学中心之间的深度合作带来的创新成果，我更欣喜地看到，在全球IO500的排名内第一次出现生信行业的客户代表，而且是我们中国区的合作伙伴来突破这个行业天花板。”

有趣的是，今年5月底在德国举办的国际超算大会（ISC22）在刷新了IO-500榜单后，ASTRA的总排名和10节点性能排名虽然变成了第19名和第12名，但它依然是全球生信领域HPC中存储性能的佼佼者。而且特别值得一提的是，新的总榜单上前十名中已经有5个系统，即半数是采用了DAOS的系统。

由此可见，英特尔傲腾持久内存以及基于它的DAOS方案，不仅吸引了瑞金医院国家转化医学中心，也是其他亟需破解存储墙的用户们期待已久的良方，它能帮助这些用户以更优的性价比，或者说更高的投资回报率来升级其HPC平台的存储系统，形成更为高效和灵活的分层存储和数据读写访问机制，尤其是能让更多热数据能够存在更靠近算力的内存子系统中，从而实现整体效率的显著提升。

事实上，即便把傲腾持久内存从DAOS中“拆”出来单独使用，它也是突破HPC，以及AI、大数据分析和云环境中存储墙的必备利器。以去年发布的第三代英特尔至强可扩展平台为例，理论上它已能在一个双路服务器平台上最高配备近8TB的傲腾持久内存（选择单条512GB的版本），如此惊人的容量扩展能力，足以应对几乎所有内存容量敏感型的应用的需求。因此，在基于傲腾持久内存的DAOS成为越来越多HPC用户冲击百亿亿级系统的存储基座时，傲腾持久内存也会成为更多HPC和非HPC客户突破存储墙的优选方案。

关于瑞金医院转化医学中心超算平台的更多方案细节，可点击此处了解详情。

会上，平安公布了“保险+高端康养”、“保险+居家养老”、“保险+健康管理"一体化养老解决方案，并分享了居家养老业务和高端康养业务的相关进展。

中国养老难题怎么解？

复旦大学老龄研究院副院长、教授，全国老龄办原副主任吴玉韶在演讲中指出，新时代的新养老将由生存必需型向享受型、发展型、参与型转变，人们普遍面临“养老钱从哪儿来”、“养老服务谁来提供”、“健康支撑体系如何构建”三大问题。

对此，市场和社会应当积极发挥资源配置作用。

他表示，国家养老保障制度顶层设计上有三支柱，第一支柱是基本养老保险，第二支柱是企业年金或者职业年金，第三支柱是商业的养老保险。目前，第一支柱占养老金的比重仍高达77.47%，而第三支柱几乎为0，在美国第三支柱占比则高达31.71%。

在未来，随着国家养老保障制度不断完善，第二、第三支柱将会重点发展。

目前真正入住养老机构的老年人并不多，截至2020年7月仅有214.6万人。养老机构中仍有约半数的床位空余，其中大部分是设施较为不完善的农村养老机构。这些入住养老机构的老年人仅占老年人口的1%，其余99%的老年人仍是居家养老。

根据中国的国情、传统或者老年人的习惯，居家养老往往是第一选择，为了实现居家养老，就需要社区服务提供重要保障。而占比最小的养老机构，则在失能老人的养老中具有不可代替的作用。

据中国社科院相关失能失智老年人照顾的专题研究，在家照顾生存期只有27个月，但是在机构照顾生存期长达44个月，也就是说，对于失能失智老人，机构照顾比居家照顾更科学。

因此，吴玉韶表示，养老服务需要家庭、政府、市场社会共同承担，家庭是基础，政府是保基本，市场和社会发挥资源配置的决定性作用，提供个性化、多样化、高品质的养老服务。

保险公司凭借在确定资金给付、高品质服务供给、综合健康管理打造上的相关优势，将在国家养老保障制度完善的过程中扮演重要角色。

北京大学经济学院副院长、风险管理与保险学系教授锁凌燕对吴玉韶的观点表示认同。

随着中国现代化进程的发展，城镇化与工业化趋势凸显，年轻人口外流，导致传统家庭的照料和赡养职能严重弱化，十年间我国的流动人口规模增长了将近70%。因此，老年人的照料或者照护的职能，不能再由传统的家庭来承担，而是要向社会和市场来寻求解答。

锁凌燕分析，高质量的养老保障体系，离不开有效的养老服务体系支撑。

然而，中国目前的养老服务体系发展明显不足，到2020年底，注册登记的养老机构只有3.8万个，这个数到2021年底大概是3.9万个左右，而各类社区养老服务机构和设施在2020年底大概是29.1万个，远远没有达到社区的所谓全覆盖，同时按照养老护理员和老人1：4的比例估算，现在养老护理人的缺口大概有200万。据调研，护理队伍年龄偏大、职业技术水平偏低等问题也十分突出。

在这样的背景下，未来中国养老工作的两个主战场：

一个是经济保障，通过优化基本养老保险制度，提高基础养老金的水平，规范发展三支柱养老保险；

另一个是加快构建居家社区机构相协调、医养康养服务相结合的养老服务体系，同时也要优化养老服务供给。既要关注“养老的钱从哪儿来”，还要关注“养老的服务从哪儿来”。

对于险企如何参与养老服务体系构建、优化市场供给，平安集团董事会秘书兼品牌总监盛瑞生，平安人寿党委书记、董事长杨铮详细分享了平安的解决方案。

杨铮

考虑到中国养老“9073”的特点，中国平安的康养战略主要集中在两个方面：一是聚焦到90%的居家养老人群，二是聚焦到少量的机构高端养老的总体策略。

如今，中国的家庭结构呈现倒金字塔型，独生子女往往承担着很大的养老压力，因此，社会和市场机构提供的养老服务就显得尤为重要。

杨铮表示，凭借在医疗健康领域积累的近30年经验，中国平安很早就切入养老赛道，目前已形成“保险+居家养老”、“保险+高端康养”、“保险+健康管理"的一体化解决方案。

具体而言，在保险产品供给端，平安推出了养老年金产品、长期护理险等专属养老产品，发布"御享、盛世、智盈、如意"四大产品系列，组合重疾、意外、医疗、寿险、储备和养老六类保险产品。

在养老服务供给端，打造"保险+居家养老"、"保险+高端养老"、"保险+健康管理的三位一体服务模式，形成了平安养老生态体系，积极探索“中国式养老”解决方案。

“保险+居家养老”一站式方案，已覆盖20城、上线200余项服务

平安人寿董事长特别助理李斗详细分享了中国平安在居家养老业务方面的相关进展。

李斗

据了解，基于90%老年人选择居家养老的市场现状，依托集团医疗健康生态圈的优势，平安筛选、整合市场上优质养老服务和医疗健康资源，针对老年群体居家养老的主要场景，构建起覆盖全生命周期的一站式居家养老解决方案。

李斗表示，平安居家养老服务的核心特色是1个养老管家携手N个专家顾问，为客户动态打造围绕"医、食、住、行、财、康、养、乐、护、安"十大场景的专属养老服务建议方案。

平安具有百强医院和三甲医院的就医立通资源，能够通过科技设备检测老人身体状况，排除风险。此外，平安的线上智能管家7*24小时在线，及时相应老人居家需求。

目前，平安居家养老项目完成200余项服务构建。目前已有近1万名客户获得居家养老服务资格，约1000名客户体验服务，客户整体评价良好。

李斗表示，当前平安居家养老项目还处于起步阶段，下半年，预计业务将由目前的20城拓展至30余个城市，服务项目逐渐拓展到10大场景。

医养综合体项目落地海口，优先布局一、二线城市核心区域

平安人寿康养事业部总经理王宇科具体介绍了平安在高端康养业务方面的相关进展。

王宇科

据了解，在“保险+高端康养”方面，平安构建了高品质康养品牌“臻颐年”，从身体、认知、情绪、社交、职业、经济和精神七项健康维度出发，提供定制化服务。

2021年5月，康养品牌"臻颐年"发布，并从综合养老社区"颐年城"切入，打造集全景医疗、智慧社区、精细养护、乐享生活为一体的医养综合体项目。

2022年3月25日，平安颐年城首个项目落子深圳前海蛇口自贸区。根据开放日相关介绍，除蛇口项目外，平安在其他一线城市已有新增项目，其余城市项目亦在储备中，将逐步布局和落地。

王宇科表示，未来，平安在高端康养方面的布局，将优先聚焦一线城市及部分核心二线城市的核心区位项目，建设市中心CCRC综合康养社区。

同时，王宇科透露，不排除未来在CCRC综合康养社区产品线外，逐步探索旅居社区及护理院等产品业态的布局。

该系统由导航平板电脑、导航棒、深度相机等设备组成，小巧便携，不占据手术室空间，是一款可位于头架上的神经外科导航系统。它具有高精度、便携式、低成本等特点，就像给临床医生的手术配上了GPS，辅助医生精准定位隐藏在脑组织中的病变。

目前，该产品已在北京协和医院神经外科开展了三十余例临床试验，涉及脑出血、垂体腺瘤、胶质瘤、脑膜瘤、颅咽管瘤等多种疾病。

手术导航术中使用场景&系统核心组件

北京协和神经外科教研室主任、博士生导师王任直教授表示：“神经外科医生在手术时，不仅对病变定位精度要求高，同时还需要了解病变与周围血管和神经的关系，避免手术当中损伤这些重要的组织。过去我们只是凭着经验，将病人的CT或磁共振二维影像片子重新整合在大脑中形成三维图像。实际上，这个学习过程是非常漫长的，需要大量长期的经验积累。我们和腾讯共同研发的手术导航简单、方便、易用，可以帮助临床医生解决许多实际问题。”

在我国，传统手术导航的使用率很低，这是因为：一方面，传统手术导航系统的核心技术、组件都依赖进口，动辄数百万的费用很难让这项技术真正惠及基层医院；另一方面，传统手术导航设备体积庞大，学习、操作门槛高，使用起来耗时较长，很难真正在急诊等实际场景下应用。

为了从根本上解决这些问题，方便患者在家门口接受更精准的手术治疗，研发团队历时三年，对手术导航进行了颠覆性的创新设计，不仅大幅降低了成本，更节约了准备时间，与国外产品相比具有同样的精准程度，完成了手术导航系统的国产化替代。新型导航在具有较高精度的前提下，将其成本压缩到传统手术导航产品的十分之一，填补了国内市场的空白。

术前，基于AI和影像技术，该手术导航系统能够将磁共振、CT等影像自动进行分割重建及三维可视化处理，通过腾讯AI Lab的算法能力，一键生成定制化的3D“透明脑”，方便医生制定手术计划，向病人和家属讲解手术方案。

术前“透明脑”生成

整个系统集光学定位和SLAM跟踪于一体，通过光学定位，该手术导航系统能实时跟踪手术器械；通过实时定位技术（SLAM），系统可在无需头架和参考架的情况下，多角度观察病灶位置。

术中，通过SLAM跟踪可在无需头架和参考架情况下，实现增强现实导航。以一位胶质瘤患者为例，医生移动摄像头，系统可实时展示病人颅内的三维结构相对头皮的位置关系，辅助医生快速制定切口。

术前切口制定

借助深度相机，综合深度学习和视觉算法，该系统能实现虚拟空间和现实空间的高精度一键配准，将生成的3D“透明脑”1:1与病人实际情况进行匹配, 进行术中导航。

术中导航

试验数据显示，其配准精度可达亚毫米级。算法能力的提升，可将传统手术导航的配准时间由传统的近半个小时，缩短至几秒钟，为病人抢占宝贵的治疗时机。

在实际应用场景中，该系统还可根据医生需求，通过与AR眼镜配适，对大脑进行多视角观察，扫除视野盲区。

未来，除了神经外科，五官科、急诊科，都可以使用手术导航系统。该系统还能用于课堂教学，提升基层医疗服务能力。

腾讯在医疗及生命科学领域已有多项布局。雷峰网此前也有相关报道《钟南山团队携手腾讯研发新冠重症AI预测，成果登上《Nature》子刊》，2020年疫情爆发时，腾讯AI Lab曾与钟南山院士团队联合发布了一项利用AI预测COVID-19患者病情发展至危重概率的研究成果，并发表于《Nature》子刊。

在腾讯AI Lab的前沿算法能力和北京协和医院神经外科多年的临床积累助力下，此次发布的全新国产手术导航系统将在术前、术中等多个环节，辅助医生提升诊疗效率。

就在不到两个月前，推想医疗获得了NMPA第一张多类型胸部骨折AI三类证，一举囊括肺结节、肺炎、胸部骨折的“全三类”NMPA认证，实现“胸肺三件套”黄金组合，助力中国胸部多种疾病一查多筛。加上此次推想医疗在心脑血管领域获得的首张NMPA三类证，这意味着在心脑领域与胸肺部领域，推想医疗都已经拿到了NMPA认证，商业化进程再获重大突破。目前，推想医疗的肺结节AI产品与脑卒中AI产品均已获得中国NMPA三类证和美国FDA的双重认证。

脑卒中救治，“快”是关键

脑卒中是一种急性脑血管疾病，是由于脑部血管突然破裂或血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性卒中和出血性卒中。脑卒中是我国成人致死､致残的首要病因，且呈逐年上升趋势，给社会和家庭带来了沉重的负担。

脑卒中的救治原则是“时间就是生命”，每一秒都直接影响大脑的病变速度。然而医疗资源不足、卒中筛查难普及，卒中急救到院久、评估慢、环节多、治疗晚、标准化低等问题仍然存在。

推想医疗在深度学习脑卒中辅助诊断方面取得了多项科研成果，早在2019年推想医疗利用深度学习技术辅助出血性脑卒中血肿体积测量以及缺血性脑卒中Alberta卒中项目早期CT评分(Alberta Stroke Program Early CT Score, ASPECTS)评估的科研成果就分别在国际放射学顶级会议——欧洲放射学大会(European Congress of Radiology, ECR)和北美放射学会年会(Radiological Society of North America, RSNA)上以口头报告的形式进行发表。推想累计在脑卒中科研领域发表了7篇ECR和RSNA国际顶级会议摘要、1篇中文核心期刊论文，以及与北京天坛医院、上海复旦大学附属中山医院合作发表一篇SCI论文（Frontiers in Neuroscience, 影响因子4.677）。

脑卒中CT一站式AI解决方案

支持卒中急救精准诊断决策

基于我国卒中防治痛点，以及6年来在AI和卒中影像领域的深厚积累，推想医疗推出了脑卒中CT一站式AI解决方案。该解决方案支持对NCCT、CTP和CTA多模态影像的AI辅助评估。不仅能够实现对卒中高危人群早期的精准筛查、智能随访，还具备对超急性期、急性期卒中患者的快速分诊，以及在卒中急救中提供快速、精准的诊断决策支持。

脑卒中CT一站式AI解决方案包含出血性卒中AI精准诊断模块及缺血性卒中AI快速定量分析模块。其中出血性卒中AI精准诊断模块包括颅内出血CT影像辅助分诊系统、颅内动脉瘤辅助分析系统；缺血性卒中AI快速定量分析模块包括CT智能ASPECTS评分系统、智能CTP量化分析系统、智能CTA辅助诊断系统。无论是缺血性卒中还是出血性卒中，推想医疗均可提供基于AI的解决方案，满足卒中急救快速评估的需求。

推想医疗脑卒中CT一站式AI解决方案具备以下优势：

智能：自动识别，自动分割，自动重建，自动计算

精准：精准检出病灶，多维展示，为医生提供丰富的诊断信息

高效：AI自动重建，后处理效率提升10倍以上

结构化：图文报告标准化输出并与医院PACS和HIS无缝对接

推想医疗脑卒中项目入选工信部、卫健委5G+医疗健康应用试点

对于脑卒中患者来说，尽早诊断、尽早治疗是非常重要的。在医院的诊疗过程中，传统头颈CTA检查一般需要两次CT扫描，减影去骨与手动重建需要15-20分钟，10分钟进行报告编写与胶片排版，最后进行报告审核，这个流程往往需要30分钟。

推想医疗脑卒中CT一站式AI解决方案是基于一次CT扫描，AI自动实现“血管重建+病灶分析+胶片排版+结构化报告生成”，最后进行报告审核，此流程只需5分钟，为卒中抢救赢得了宝贵的时间。

 ▲5G+AI+移动CT卒中急救走上救护车

 2021年9月，工业和信息化部、国家卫生健康委员会联合公布了全国《5G+医疗健康应用试点项目名单》（工信厅联通信函〔2021〕220号），推想医疗参与的脑卒中项目成功入选。12月，中国西部5G+急性卒中天网智慧医疗急救体系建设项目在四川省医学科学院·四川省人民医院正式启动，5G、AI、移动CT、智能救护车、数字化天网共同支撑起了中国西部5G+卒中急救天网工程，实现“上车即入院”，AI的融入给5G+技术插上了翅膀，让卒中患者尽早接受救治，同时减少并发症，降低死亡率，降低病人及其家庭的经济负担。

 ▲推想医疗等单位在项目启动仪式上获颁首批联合申报单位证书

 数据显示，推想医疗脑卒中CT一站式AI解决方案不仅将（NCCT、CTP、CTA）影像的阅片效率提高10倍以上，诊断准确性也达到三甲医院专家平均水平，并且自动输出量化分析结果，获得了影像、临床专家的广泛好评。

在脑卒中AI项目入选工信部，国家卫健委重点项目之前，推想医疗在AI医疗创新上的能力就已得到工信部等多个国家部委的肯定，比如在2020年，推想医疗就在上千家企业中突围而出，凭借胸肺一筛多查的优异表现，以“医疗影像辅助诊断系统赛道”第一名的成绩荣获揭榜优胜单位！

推想医疗创始人兼董事长陈宽表示：这是推想在两个月内获得的第二张NMPA三类证，此前获得了NMPA第一张多类型胸部骨折AI三类证，组成了囊括肺结节、肺炎、胸部骨折的“胸肺三件套”黄金组合。本次获批，不仅是对推想“一横一纵”产品战略最好的诠释，也更坚定了我们持续深耕的决心！脑卒中AI产品对社会、对患者意义重大，我们必将全力以赴助力卒中临床诊疗体系建设，为我国卒中防治事业贡献力量！

雷峰网

它被指控通过医院网站收集敏感的患者状态数据，该行为违反了《健康保险流通与责任法案》(HIPAA)。

近日，一名来自美国马里兰州巴尔的摩市Medstar Health公司的匿名患者，作为“数百万个被Facebook的Meta Pixel跟踪器非法收集医疗隐私的受害者代表，对Meta提起诉讼。

Medstar Health公司是马里兰州和华盛顿地区最大的非营利医疗机构。

在此之前，非营利性科技调查网站The Markup曾公布一项调查，详细说明了他们在多家顶尖医院网站上发现Meta的患者数据跟踪器的过程。

这个被称为Meta Pixel的数据跟踪器，是Facebook的母公司为网站经营者提供的分析工具。

作为社交媒体广告信息的交换，跟踪器向Meta发送相关关用户IP地址和网页活动的数据，其中包括患者主治医生姓名，以及与患者健康状况相关的近期网络活动等等。

报告称，The Markup查看了100家顶尖医院的网站，在其中33家的网站上发现了Meta Pixel。根据The Markup引用美国医院协会调查数据，2020年共有2600万以上的患者在这些医院内接受治疗。

The Markup还在七个主要卫生系统的受密码保护的患者门户网站中发现了跟踪器，其中的跟踪器能够记录发送真实志愿者患者的个人数据。

The Markup的调查报告与诉讼文件，都详细说明了Meta患者数据跟踪器收集的可识别信息（例如IP地址等）以及其他潜在敏感信息，包括患者主治医生姓名和与患者健康状况相关的近期网络活动。

这两份文件还表示，网站有跟踪器的那些医院的患者们拒绝Meta收集他们的医疗数据。

原告在诉讼中指出：“Facebook知道它从美国数百家不同的医疗机构获取患者数据的行为没有获得HIPAA授权，并且患者对此也并不知情。”

原告还表示，截至周五提交的文件中，他们已经确定了Facebook通过Meta Pixel跟踪工具接收了至少664个医疗机构的患者数据。

原告要求法院裁定Facebook涉嫌违反合同、宪法侵犯隐私、违反《电子通信隐私法》、违反《加利福尼亚侵犯隐私法》和其他指控有关的补偿性和惩罚性赔偿金。雷峰网

资料来源：https://www.fiercehealthcare.com/health-tech/report-third-top-hospitals-websites-collecting-patient-data-facebook

据了解，本次IPO募集资金主要用于消费级基因检测及癌症筛查服务及产品的销售、营销及商业化，投资研发公司的服务及产品，增加或扩大检测能力及产能等。

这是美因基因第二次走上IPO之路。

作为美年大健康旗下企业，美因基因是目前国内规模最大的消费级基因检测与癌症筛查基因检测平台，也是目前唯一实现盈利的公司。

随着国家政策推动以及国内群众疾病预防意识的不断提高，美因基因等企业所从事的疾病筛查、健康管理相关业务热度越来越高。

国内唯一一家盈利的消费级基因检测平台

据招股书披露，美因基因成立于2016年1月，开始提供基因检测服务，并于2017年推出癌症检测服务。

截至2021年12月31日，美因基因公司与中国超过340个城市的逾1400家医疗保健机构合作。共进行了超过一千两百万次基因检测，2020年平均每月进行超24.6万次检测。

根据弗若斯特沙利文的资料，按累计已进行检测量计，美因基因是中国最大的消费级基因检测平台；按于2020年产生的收入计，美因基因占据市场份额为34.2%，在中国基因检测市场排名第一，高于前五家竞争对手的市场份额总合。

同时，美因基因也是国内唯一一家盈利的消费级基因检测平台。

能取得行业内领先的成绩，与美因基因背靠大树不无关系。

美因基因的实控人俞熔，同时也是美年健康的董事长和实际控制人，美因基因招股书中介绍，两家公司是战略合作伙伴。

在美年大健康的布局中，美因基因是其中重要的一环。美年大健康通过美维口腔、民生五官科布局专科，掌中医布局中医，美因基因则是基因技术的布局。

在美因基因成立前期，为了强化美因基因与美年大健康之间的战略协同，借助公司的平台优势，把基因检测业务做成公司未来主业持续高速增长的新引擎，美年大健康于大量收购美因基因股权以实现控股。

2016年A轮融资完成后，上海天亿资产管理有限公司以33.42%的持股比例成为美因基因第一大股东。

2018年，美年大健康以人民币3.88亿的价格收购天亿资产持有的美因基因全部股份。 此次交易完成后，美年大健康共计持有美因基因50.56%股份，成为最大股东。

经过双方的双向赋能，以及核酸检测业务的发展，美因基因的市场竞争能力逐渐提升，为其独立发展奠定了基础。

因此，美因基因开始按照公司自身发展需要引入战略投资者，同时进行股权结构优化，重组美因基因的组织架构，不再由上市公司控股，为后续独立上市创造条件。

经过多轮股权转让与重组后，截至上市前，美年大健康持股比例变更为16.39%。

五成收入靠美年大健康的业务输送

美因基因是一家具备综合能力的基因检测公司，实现了上中下游全产业链覆盖。

图片来源于美因基因招股书

美因基因业务的上游环节涉及由内部研发团队开发的技术以及与第三方合作伙伴合作开发的技术，中游环节主要为基因检测技术平台，下游环节为销售及营销网络。

值得注意的是，截至招股书披露日期，美因基因的基因检测服务尚未纳入中国任何国家医疗保险计划的承保范围内。

美因基因目前经营的业务主要为消费级基因检测服务与癌症筛查服务两个板块。

其中消费级基因检测服务包含ApoE基因检测、叶酸代谢能力评估、癌症风险评估检测、其他疾病风险评估检测、非疾病相关消费级基因检测、新型冠状病毒相关检测、HPV检测、遗传性乳腺癌╱卵巢癌基因检测（BRCA1/2基因）、个人全基因组检测Plus、成人全外显子组测序套餐、儿童全外显子组测序套餐等11项；

癌症筛查服务包含Septin9结直肠癌筛查检测、SDC2结直肠癌筛查检测、RNF180/Septin9胃癌筛查检测3项。

据招股书披露的财务数据，2021年美因基因收入总计2.36亿元，其中新冠病毒相关检测收入占比17.56%，相比2020年36.37%的占比大幅下降。

癌症筛查服务的营收则是大幅上涨，2021年过亿元的营收为2020年该项营收的两倍之多。

图片来源于美因基因招股书

同时，招股书中也披露，美因基因的业务很大程度依赖美年大健康。

就上市规则项下的关连交易而言，截至2019年、2020年及2021年12月31日止年度，美因基因向美年大健康、俞熔及二者的联系人提供服务产生的收入分别占其总收入的53.8%、57.9%及47.6%。

平均下来，美因基因半数的收入都是母公司的业务。其1400余家合作医院中，也有500余家来自美年大健康。

虽然，在最初阶段依托美年大健康通过体检平台达到了低成本获客，快速抢占市场份额的预期，在赛道内独占鳌头，但需要依赖体检等检测渠道推动的消费基因产品，必然会在后续的市场扩张中遭遇瓶颈。

招股书中还提及了其他几项公司面临的风险。

自2020年初新型冠狀病毒疫情爆发初期，受疫情影响及防疫政策约束，国内体检中心不得不临时关闭。

虽然大部分体检中心在第二季度得以重新开业，但许多消费者顾虑新兴冠状病毒的感染风险不愿进行体检，导致体检中心消费者流量减少。

根据美年大健康2020年的年报，美年大健康的体检中心进行的体检数目由2019年的18.7百万次减少到2020年的16.6百万次。

新型冠状病毒疫情对美因基因通过机构客户进行的基因检测服务的数量产生了重大不利影响，在疫情防控常态化背景下，这种影响也许会长期持续。

此外，医疗行业普遍面临的政策法规问题也将对美因基因产生一定影响。

价格战能否赢得行业竞争？

消费级基因检测市场是中国基因检测市场的一个细分市场，按2020年的收入计，占整体市场的3.1%。

此外，2020年中国的消费级基因检测渗透率仅为0.8%，而美国则为8.8%，这代表着中国市场的巨大增长潜力。

从市场格局来看，相比临床级的基因检测，消费级基因检测更加偏重于宣传并非研发，行业门槛更低，竞争也更激烈，目前约有20名参与者。

在激烈的竞争下，消费级基因检测的选手们开始进行价格战。

弗若斯特沙利文的数据报告显示，2020年按收入计算，美因基因在中国消费级基因检测服务市场的市场份额最大，为34.2%，远高于紧随其后的竞争对手的10%市占率。

图片来源于美因基因招股书

市场份额排名第二的23魔方没有美年大健康这样的合作伙伴为其输血，于是靠着低廉的价格争取客户。

2017年8月8日，完成4000万元B轮融资后仅6天，23魔方就将基因检测产品的价格从999元降到了499元，直接腰斩。

2018年3月和5月，23魔方又先后宣布完成1亿元B2轮和6200万元B3轮融资，同年6月26日再次发布降价公告，将其基因检测产品的价格从499元降到299元。

不到一年的时间，23魔方两次降价，将产品价格压缩至不足原来的三分之一，也将消费基因检测的市场价格压到了极限，其举措也引起了业内广泛质疑。

对此，23魔方回应称，这次降价与烧钱补贴不同。随着消费级基因检测行业洗牌加速，基因大数据也成为消费级基因检测企业竞相逐鹿的资本，所以公司降价的目的是获取更多的用户。

23魔方的降价曾引起同行的跟进。2017年8月9日，在23魔方首次降价后的第二天，微基因也将原价999元的基因检测产品降价到499元。

2018年9月30日，23魔方也将其基因检测产品的定价由299元调高至了399元。截至2021年9月，经过各自几次提价后，微基因和23魔方的基因检测产品已分别涨至799元和599元。

然而，持续一年多的价格战也没能撼动美因基因的地位，美因基因仍是目前国内所有消费级基因检测厂商中唯一一个已经实现盈利的公司。

虽然存在着市场扩张、疫情、法规等潜在经营风险，但就目前的市场表现来说，美因基因在行业内仍具有压倒性的优势。雷峰网

过去十年，中小型生物科技公司数目和体量不断增长，资本的加速助力，以及亚太地区行业规模日益扩大，也推进了生命科学领域的研发投入飞速增加。效率提升和资源优化成为行业发展亟待解决的核心痛点，而智能自动化是应对该挑战的必然解决方案，并且可能重塑下一代生命科学实验室的效率标准。

自2016年成立至今，镁伽为生命科学行业提供了一整套自动化解决方案，从简单的操作台工作流程自动化，到大型系统流程应用中处理复杂步骤的全自动解决方案，并延伸至赋能AI药物研发服务的下一代生命科学基础设施和系统。针对日益增长的劳动力需求和通量限制，镁伽的工作流程自动化将AI软件、分析仪器、实验室硬件和试验耗材整合于单一实验室系统之中，实现了多元场景下的流程和实验的智能协调。对比传统的实验室系统，镁伽在抗体选择、细胞系开发和分子筛选等各种生命科学应用领域中，可实现更高的效率、更稳定的实验结果，并且已在全球多个国家推出和投入使用。

 镁伽生命科学自动化解决方案

与此同时，镁伽着力打造下一代生命科学基础设施——镁伽鲲鹏实验室，与多家领先的生命科学领域企业开展深度战略合作，构建优化研发流程、提高效率的基础设施和平台，积极探索生命科学前沿研究，并于多项生命科学垂直细分领域取得重要进展。

• 在细胞基因治疗领域，镁伽与安捷伦联合开发针对合成生物学、生物药研发等领域的自动化整体解决方案；与测简奕携手建立标准化、自动化的mRNA、病毒载体等检测和分析平台。

• 在基因编辑领域，镁伽通过自研MegaMolecule全自动分子实验平台构建了大规模CRISPR质粒库，结合MegaCell全自动细胞实验平台的细胞培养和成像系统，以数十倍于手工实验的速度积累标准化的细胞表型图像和组学数据。

• 在中医药领域，镁伽与中国中医科学院医学实验中心合作，成功建立起中药与疾病体外模型筛选的自动化实验与数据平台，共同开发中药靶点细胞库。

• 在类器官领域，镁伽携手赛拉达生物，实现高通量标准化大规模类器官培养和测试。目前已成功培养出具有 2 波段跳动和显著腔室结构的心脏类器官、具有脑室和清晰神经结构的脑类器官等数十种具有极高价值的类器官模型。

 类脑的形成

除了在生命科学前沿领域的布局和探索外，镁伽一直积极投身于全球新冠抗疫一线，在短时间内开发出快速迭代的丰富产品组合，从高通量样品前处理系统、可实现“管式样本进-检测结果出”的全自动病毒核酸检测系统、全自动移动方舱实验室，到全自动高通量抗原试剂生产解决方案，在大幅提升检测效率和准确度的同时，减少一线医护人员感染风险。

镁伽首席科学家王承志博士表示：“镁伽通过将智能化和自动化技术与生命科学深度结合，在众多领域大幅提升了生物医药研发和生产的效率。通过大规模自动化实验平台，镁伽与多家顶尖机构合作，为下一代AI驱动的研究开发构建标准化、结构化的生物数据库。本次融资将帮助镁伽进一步加强‘自动化+人工智能+生命科学’的能力闭环，打造和完善以智能自动化为特色的下一代生命科学基础设施。”

亚投资本创始合伙人兼首席执行官刘二飞先生表示：“亚投资本长期关注产业自动化智能化升级的机会。镁伽凭借突出的技术和商业能力，在生命科学领域已经获得了众多龙头客户的认可。我们看好镁伽在自动化和人工智能领域的复合能力、多年深耕的行业经验、以及持续探索前沿领域的创新精神。镁伽将以自动化、数字化为基础，推动生命科学行业的智能化发展，持续拓展业务深度和广度，为行业发展提效赋能、创造价值。”

高盛资产管理专注医疗行业私募投资的执行董事丁一鸣先生表示：“全球生命科学自动化市场规模发展前景广阔。随着生命科学领域持续的高速发展，我们预计生产规模和研发人才瓶颈将推动自动化渗透率在该领域显著提升。镁伽为客户提供完整的自动化解决方案并显示了持续创新和产品迭代能力，作为全球生命科学领域的长期投资者，我们很荣幸可以参与和支持镁伽的未来发展。” 

作为长期以来持续支持镁伽前行的伙伴，创新工场合伙人杨小龙先生表示：“在AI、自动化技术深度融合先进产业的时代机遇下，镁伽在过去几年中获得了长足的发展，使用自动化技术大举提升生物与化学行业的效率，到产生质变推动行业的升级，进而延伸核心竞争力到其他尖端产业。创新工场有幸作为这个过程的见证者和陪伴者，一路走来有很多的感动和启发。镁伽人胸怀天下、脚踏实地，短短几年内持续地自我挑战、升级和蜕变，形成了迎难而上、‘Always Day One’的镁伽精神。随着更多资本合作伙伴的加入，镁伽正式晋升独角兽的行列。但我们相信这只是个开端，并希望有更多的人才、合作方加入到这个伟大的事业中来，共同用科技和爱推动人类生命的进步。”

镁伽创始人兼首席执行官黄瑜清先生表示：“此次融资是镁伽发展过程中的重要里程碑，非常荣幸能与众多顶尖机构投资人和合作伙伴携手并进。我们坚信智能自动化是生命科学不可阻挡的发展趋势，镁伽将不断纵向深耕，夯实研发与技术能力，同时积极横向探索，将智能和自动化技术延展并赋能给能源化工、食品安全、应用化学及半导体等领域，助力更多产业实现升级变革，真正践行‘为每个人创建更高效、更健康、更美好世界’的愿景使命。”雷峰网

ACE2，即血管紧张素转换酶2，是SARS-CoV-2进入细胞所需的受体，在SARS-CoV-2入侵宿主细胞的过程中起着至关重要的作用。而新冠刺突蛋白结合剂具有和S蛋白结合的能力，从而成为SARS-CoV-2病毒的诱饵受体。通过与病毒竞争性结合，有效防止病毒与细胞表面的天然ACE2结合，进而阻止病毒进入宿主细胞。

目前，天壤XLab正在积极推进新冠刺突蛋白结合剂的湿实验流程，有望在近期取得新进展。如果进展顺利，这将是蛋白质治疗领域的一次重大飞跃，意味着我们不再依赖传统的药物发现方法，可以主动设计治疗性蛋白质，那些以前无药可用的疾病，也会因设计出有效的蛋白质候选药物得以医治。

以AI为主导的蛋白质设计方式，助力实现“规模化生物制造”

2021年，AlphaFold预测蛋白结构的精准度超过传统方式，成为AI对基础科学领域的重大突破。自此，AI+合成生物学的组合，掀起了新一波的创新浪潮。

“AI+合成生物学”有许多细分赛道，比如智能化元件工程、线路工程、代谢工程和基因组工程等。近来，由AI主导的蛋白质设计则异军突起。

主流的蛋白质开发、酶工程优化通常以天然蛋白质为基础，采用突变或定向进化的办法对其进行改造和修饰。此类方法研发耗时长、费用高，应用范畴也被局限于已知天然蛋白质的功能区域内，很难满足人们对于生物药、工业食品酶等的广泛需求。

以AI主导的蛋白质设计则致力于走出有别于传统方法的全新路径。AI通过大量学习蛋白质序列与结构的关系，能够准确探索出蛋白质可折叠空间所有潜在的可能性。挖掘具备目标功能的蛋白质序列，以从头设计的路线快速生成多肽、抗体、蛋白质。

相比其它方式，AI主导的蛋白质设计平台拥有更高的设计成功率，设计时间所需也大幅降低，从而使实现“规模化生物制造”的目标成为可能。

从全球范围来看，以AI为核心的蛋白质设计已经从技术概念过渡到价值验证阶段，已经有多款以AI为主导研发的生物酶、医药蛋白进入临床试验阶段。

AbCellera专有的AI驱动抗体发现平台，通过分析天然免疫系统数据库来寻找可以开发为药物的抗体，结合了高通量微流体技术、大规模数据科学、机器学习、生物信息学以及基因组学信息，在60天内制定医疗对策。Neoleukin也通过复杂的计算从头设计出具有比天然蛋白更好的药学属性且具有高选择性、高度稳定的蛋白质药物。

 TRDesign平台

据雷峰网了解，融合IT和BT技术，天壤XLab从分子层面对细胞微环境进行分子层面的多组学分析，利用AI从头设计特异性更强、安全性更高的人工蛋白质，打破当前大分子药物开发中完全依赖于天然蛋白质改造的局限性，。

目前，团队自主研发出快速、准确度媲美AlphaFold2的蛋白质结构预测平台TRFold及具有端到端从头进行蛋白质设计、检测并进行稳定性、亲和力优化的蛋白质设计平台TRDesign，目前正在新冠S蛋白结合微蛋白、IL-2细胞因子替代蛋白等项目中进行技术验证。

XLab团队具有数十年的人工智能、生物计算、生物医药研发经验、专利和技术，正全力推动特性更优异的人工蛋白质设计工艺和药物开发流程，为人类健康保驾护航。

合成生物学迎来利好

2022年5月10日，国家发改委印发《“十四五”生物经济发展规划》，合成生物学再迎利好。《规划》提出，“十四五”时期，我国生物技术和生物产业加快发展，生物经济成为推动高质量发展的强劲动力。

据麦肯锡统计，生物制造的产品可以覆盖70%化学制造的产品，且天然生物有300万种分子或新材料尚待发掘，如小分子聚合物、生物大分子、细胞和生物材料等，预示着合成生物学具有十分广阔的应用前景。在资本市场上，向来嗅觉灵敏的风投紧盯着合成生物领域的“风吹草动”，以AI主导的蛋白质设计平台公司多次被红杉、Accel、IDG等国内外顶级投资机构出手押注。

2020年底至2021年，国外以AI主导的合成生物学领域不断传来好消息，AbCellera、Neoleukin等独角兽相继上市，一级市场再次受到了激励，融资额不断突破历史新高。即便到了2022年，这股势头也没有出现减弱的信号，以致于SynbioBeta预测，2022年将是合成生物学有史以来最好的投资年，全年的融资总额将会是过去三年的总和。

雷峰网

当地时间5月29日，世界卫生组织(WHO)发布疾病信息通报，将猴痘的全球公共卫生风险评估为中等。世卫组织在通报中称，5月13日至26日期间，已有23个非猴痘流行国家和地区向世卫组织上报了257例猴痘确诊病例，还有约120例疑似病例。

面对潜在的疫情风险，一批生物医药相关机构已经开始行动起来。

近日，生物计算平台型公司智峪生科就宣布，已发布了600多个猴痘蛋白质组的蛋白质结构预测，并进行了相关的蛋白质功能注释。相关预测结果均通过公司自主研发的全栈式蛋白计算在线平台——峪云ZCloud实现，有望帮助世界各地的科学家开展基于蛋白质结构的猴痘病毒疫苗和药物设计工作。

“我们希望通过我们的工作加快猴痘疫苗和药物研发的进展。后续随着研究工作的推进，我们将不断更新和公布最新研究成果。”智峪生科CEO王晟博士表示。

火速预测“600+”猴痘蛋白质结构

公开信息显示，猴痘是一种罕见的病毒性人畜共患病(从动物传播给人的病毒)，病人临床症状与天花病人身上所观察到的症状类似，但临床严重程度较轻。随着在1980年消灭了天花和随后停止接种天花疫苗，猴痘成为最严重的痘病毒。

而在此次的猴痘相关蛋白质结构预测过程中，智峪生科选用了2022年5月猴痘流行菌株的基因组全序列（ID:ON563414.2）（参考文献1），2018年西非（WA）病毒株（猴痘病毒分离物MPXV-UK\U P3，ID:MT903345.1）的整个蛋白质组（参考文献2），以及1996年刚果盆地（CB）病毒株（猴痘病毒株扎伊尔-96-I-16，ID: NC_003310）的整个蛋白质组（参考文献3）。

在搭载了AlphaFold2-Batch算法的峪云ZCloud的帮助下，智峪生科快速实现了对上述毒株全部蛋白质的结构预测，合计产生了600多个预测结果。据悉，AlphaFold2-Batch是智峪生科在AlphaFold2基础上构建的崭新算法，相比原有算法实现了近2个数量级的异构加速，也由此实现了猴痘病毒相关蛋白质结构的快速预测。

另外，对于每个蛋白质的三维结构，智峪生科还均使用了团队主导研发的PointSite算法，进行了高精度的小分子结合区域预测标注。此次公布的预测结果中，就包含了2018年西非菌株与1996年刚果盆地菌株的蛋白质组的功能注释和分析。

目前，智峪生科已选择将所有预测信息和功能预测结果公开，全球科学家均可在该公司官网获取相关信息(https://www.zelixir.com/Monkeypox/index.html)。

在过去的1周，智峪生科积极探索并建立猴痘病毒预测模型，对猴痘病毒流行进行精准预测，并且根据猴痘的最新情况，更新猴痘预测模型，不断优化全球猴痘预测系统。

在业内人士看来，虽然仅是基于AI计算预测出的蛋白质近似结构，但在猴痘病毒全球蔓延的背景下，这些蛋白质结构均可能包含新药或治疗药物的有效位点，对后续药物及疫苗研发具有十分重要的指导意义，能够为遏制猴痘病毒作出切实贡献。

以AI计算掀起生物科技革命

实际上，针对蛋白质结构的预测与设计正是智峪生科的“看家本领”之一。

公开信息显示，智峪生科成立于2021年4月，专注蛋白结构预测和设计技术并应用于靶点发现、药物设计、酶工程、生物合成催化等领域，提供药物研发辅助与合成生物学产品研发生产服务。

目前，智峪生科已自主打造了完整的蛋白质结构预测、设计、生产体系。具体而言，公司打造了蛋白质结构预测及研发辅助设施峪云ZCloud；搭建蛋白结构计算一站式工程化解决方案智山ZPod；建设高通量自动化湿实验平台智汇ZBot，显著提升药物研发成功率，形成一个集基础设施、蛋白设计服务、合成生物品三位一体的全产业链高新科技企业。并据此在成立不到一年的时间内，连续获得了由鼎晖投资和朗煜投资领投的天使轮和高瓴创投领投的PreA轮融资。

其中，在药物研发领域，智峪生科基于大数据与AI的蛋白结构预测以及蛋白-配体结合能计算与优化，可以显著提升药物发现阶段的效率。目前，公司就已为近30家客户完成30W+个蛋白质结构预测及研发辅助服务。

未来智峪生科云计算服务平台还将加入全自动高通量虚拟筛选、基于结构的小分子生成、全自动高性能自由能微扰、小分子属性预测等药物研发新服务。

“每一个模块都是生物科技研究过程中的一个特定步骤，我们希望通过自研的服务平台将每一个步骤串联起来，帮助生物医药企业一键完成新药研发前的蛋白质相关研究工作。后续药企只用参照计算结果，即可顺畅完成药物发现的工作。”王晟博士表示。

在继续为广大生物医药企业提供新药研发过程中的蛋白质预测与设计服务，夯实计算领域CRO公司基础的同时，智峪生科也将基于已有的技术优势开拓合成生物学业务。

据透露，通过纯AI计算和设计方法，智峪生科可以在短时间内将医药中间体的酶从天然底物出发进行了改造和设计。数据显示，改造后的酶催化活性大约提高了5-7倍，热稳定性也提高了近30度。同时，还可以对酶的催化口袋进行嫁接和改造，创造出一种此前不存在的通路，通过纯生物法开发出产品。“这是一套非常通用的技术，基本上可用于所有的酶和蛋白质，而且相对传统方法更精准，速度更快，成本更低。”

“我们希望通过计算理解生命、通过合成改进生命、通过设计重构生命，成为世界领先的合成生物学技术及产品提供商，为生物科技带来一场看得见的革命。”王晟博士表示。

参考资料：

[1]https://virological.org/t/first-draft-genome-sequence-of-monkeypox-virus-associated-with-the-suspected-multi-country-outbreak-may-2022-confirmed-case-in-portugal/799

[2] http://exon.gatech.edu/genemark/genemarks.cgi

[3]https://www.uniprot.org/uniprot/?query=monkeypox%20virus&fil=organism%3A%22Monkeypox+virus+%28strain+Zaire-96-I-16%29+%28MPX%29+%5B619591%5D%22&sort=score

雷峰网

上市之后，企业再无秘密可言，企业必须要找到新的故事和增长点，否则市值将会不断流失，这样的境况下，出售股份套现抑或引入大腿，是一个惯用的套路。

从营收规模来看，卫宁健康、东华软件、万达信息、东软集团、创业慧康这五家企业分列国内医疗信息化市场的前五名；思创医惠、麦迪科技、和仁科技、易联众、久远银海则是属于第二梯队。

然而，从去年开始，一些医疗信息化的种子选手，市值暴跌甚至腰斩。

一位业内人士坦言：“医疗信息化，是一个可以看得见天花板的行业，虽然每年有业务需求，但医疗信息化行业利润较薄，净利润在10%左右，每年市场增速稳定在10%-12%，只是跑赢通胀的速度。”

营收承压、增长见顶，医疗信息化或许处在最艰难的时期。

套现2.7亿后，“真大腿”浮出水面

继第一季度陆续发布2021年度报告之后，医疗信息化行业的资本变动愈加频繁。

5月13日，创业慧康公布与外资巨头飞利浦达成合作，后者斥12亿巨资收购创业慧康10%的股份，成为创业慧康第二大股东。

就在此前不久，创业慧康曾于4月25日在公告中披露，董事长、实际控制人葛航将减持公司部分股份。葛航及其一致行动人福鼎嘉盈将在六个月内共减持公司5%-7%的股份，减持原因为“为引入合格投资者及股东资金需求”。

这是葛航半年内第二次减持。

2021年底，葛航曾以大宗交易方式减持了约2%的股份，套现2.7亿元。

4月的减持公告发出后不到20天，5月13日，创业慧康就公布了与飞利浦合作的消息。

尽管创业慧康在减持公告中强调，此次减持不会导致公司控制权发生变更，葛航仍是创业慧康的实际控制人，但创业慧康与飞利浦之间这笔突发的股权转让立刻引来了监管层的注意。

一位业内人士认为，“此次股权转让完成后，公司实控人葛航股权占比将不足15%，与飞利浦10%的持股比例十分接近，可能影响公司管理结构的格局。”

创业慧康创办于1997年。

2021年，创业慧康在医疗行业营收16.96亿元，占本年度总营收的近九成，远远高于非医疗行业的营收。这也是创业慧康的医疗卫生信息化业务自上市以来连续第七年保持增长。

从市场占有率来看，创业慧康不是医疗信息化行业的头牌。这个名头，目前属于卫宁健康。

2021年7月，创业慧康与卫宁健康一度传出合并的消息，并于当月18日签署了《合并意向协议》。两家企业合并后，从最直接的纸面实力来看，就将一跃成为医疗信息化行业内排名第一的企业，成为真正的“行业龙头”。

然而，仅仅五天后，这次合并计划就宣告破产，原因是“交易双方对核心条款无法达成一致”。据媒体报道，双方进入正题之后，发现合并必须要一家企业退市，意味着创业慧康会被注销，客户和员工无法确保不会受到实质影响。

此前在签订意向书时，是双方初步意向，没有涉及到具体内容协议。而到具体内容协商后，按照原定计划进行合并的话，与其说是“合并”，更确切是“卖”。

创业慧康与卫宁健康这次异常的合并也引起了监管层的注意，7月25日，卫宁健康、创业慧康收到深交所关注函，调查双方是否存在滥用重组停牌情形。

对创业慧康来说，此事也就告一段落。

时间来到2022年。从2022年开盘第二天起，创业慧康从一年来的股价最高点11.24元/股，一路下跌至5月5日的全年最低6元/股，近乎腰斩。

创业慧康开年以来的股价下跌，或许与医疗信息化行业的季节性波动也有一定关系。

创业慧康的医疗信息化行业客户主要为公立医院、卫生管理部门，需执行严格的预算管理和集中采购制度，一般项目的验收和回款主要集中在每年下半年，尤其在第四季度更为集中。

因此，创业慧康第四季度的营业收入通常远远高其他几个季度。

数据来源：创业慧康2021年年度报告

虽然受客户采购模式影响，每个季度的收入会有上下波动，但创业慧康上市六年来，年度营业收入与净利润一直稳步增长，同时利润率也不断提升，2021年达到21.81%，比起创业慧康2015年上市之初的利润率已经翻番。

在一位业内人士看来，飞利浦入股创业慧康是一件正常不过的事，“飞利浦想进军信息化，路人皆知，不是一天两天了。创业慧康将一部分股份出售，顺了飞利浦的意，也让自己抱上了一条大腿。”

相比营收与净利润逐年上涨的创业慧康，去年两企合并事件的另一个主角卫宁健康，受挫的则不仅仅是股价了。

1月24日下跌6%，1月25日下跌13.51%，短短两个交易日就下跌了近20%。2021年7月至今，短短十个月内卫宁健康的市值已蒸发近半，从350亿跌至177亿（5月25日数据）。

虽然占据着行业头牌的位置，卫宁健康的经营状况似乎更加艰难。相比创业慧康还算好看的财务报表，卫宁健康在2021年整体营业收入持续增长的情况下，净利润却同比下降了30%。

这或许与卫宁健康2021年度在互联网医疗行业骤增的营业成本有关。

2021年，卫宁健康在互联网医疗行业投入营业成本近4亿元，是上一年度的四倍之多，净亏损则大幅增长，这部分亏损同样导致了2021年度卫宁健康净利润的下滑。

六年过去，卫宁健康健康创新业务投入不少，但是带来的经济效益却不尽人意，卫宁互联网、纳里健康、卫宁科技、钥世圈亏损额持续扩大，2019年合计亏损9056.88万元，2020年亏损1.36亿元。

医疗信息化的大环境不好，有一些企业也想玩跨界，讲一些新故事，比如麦迪科技。

麦迪科技选择的是辅助生殖和医疗美容业务。2019年，麦迪科技通过收购玛丽医院进入辅助生殖医疗服务领域，建立了医疗IT和医疗服务的业务布局。

2021年5月5日，麦迪科技发布公告称，计划收购美贝尔集团持有的苏州美贝尔美容医院与常熟瑞丽美贝尔医院股权。

这两家医院均从事医学美容行业，麦迪科技计划通过此次收购打造“辅助生殖+医疗美容”的消费医疗服务新模式，继辅助生殖医疗后再次拓宽医疗服务行业。

公告发出后，麦迪科技迎来近一年中的股价最高值42.15元/股，之后却持续震荡下跌。

但是，这次收购计划最终未能实现。半年后的2021年11月5日，麦迪科技发布公告称，由于双方未能就正式协议相关条款达成一致，将终止此次收购。当月，麦迪科技股价已下跌至18元左右。

收购过程中如此动荡的股价，也使得麦迪科技被质疑“蹭医美热点”。

汪建华

值得注意的是，从公布收购计划至宣布终止收购期间，麦迪科技前总经理汪建华和自然人股东陆平纷纷抛出巨额减持计划，公司董事、副总经理傅洪也进行了减持，且大部分竞价减持价格远高于当前股价。

事实上，自2019年起，麦迪科技净利润已连续大幅下滑两年，直到2021年度才实现了微弱增长。

一位业内人士表示，“麦迪科技没有跳出医疗信息化的范围，它只是进入了其中一个更加细分的小市场。”

但是他也认为，如果麦迪科技在公司原本手术麻醉业务的基础上向上游拓展，开展手术室设备相关业务，继而向手术耗材的方向发展，不失为一个好的方向。但是，麦迪科技暂时没有这方面的计划，“目前就是躺平的状态，基本没有战斗力。”

疫情常态化下，医院在信息化领域预算缩减，也导致企业生存愈发艰难。同样受疫情影响的还有万达信息，2019、2020两年，合计净亏损27亿。

2019年，万达信息持股的第一大股东上海万豪投资，在连续两年减持股份后最终撤资退股。该年度万达信息净亏损14.02亿。

在此之前，万达信息多年来一直保持着2亿~3亿左右的年净利润。

上海万豪投资撤资退股后，中国人寿接棒成为了新一任的第一大股东。同时，中国人寿还为万达信息带来了新的业务增长点，两家公司在医保智能审核、长护险、医疗DRGS控费、稽核内控等业务领域达成合作，共同孵化了健康管理服务平台“蛮牛健康”。

然而，新业务的拓展也没能阻止万达信息继续亏损。

2020年疫情爆发后，万达信息投入了多个无偿或先行实施的抗疫项目，在研发上的大额投入导致营业成本骤增，年度净亏损12.86亿。

直到2021年，疫情的影响逐渐退去，健康管理及智慧城市两个创新板块的业务规模与盈利双增，才结束了万达信息连续两年的巨额亏损，但净利润仍旧远不及亏损前的盈利状态。

持续的亏损也影响了万达信息的股市行情，相比去年同期，其股价已下跌了将近一半。

思创医惠也受疫情影响颇多。

由于受新冠疫情期间复工延迟及项目建设进度缓慢、项目验收延后，以及原材料价格上涨、芯片短缺等的影响，公司智慧医疗板块2021年营收4.61亿，仅为2020年的二分之一左右。

这是自2015年思创医惠切入智慧医疗产业以来首次出现营收负增长的情况，也是智慧医疗板块在企业总营收中所占比重首次下滑。

医疗信息化的几大排头兵，难。

一个看得见“天花板”的赛道

一位业内人士向雷峰网表示，相比于其他互联网产业，医疗信息化行业的营收主要是国家在医院信息化建设方面的财政支出，市场规模是可预见的，难以出现爆发期的增长，每年市场增速稳定在10%-12%左右，是正常的跑赢通胀的速度。

也因此，医疗信息化行业利润较薄，利润率只有10%左右。这远远无法支撑企业大规模扩张。

加上近年来医疗卫生信息化领域市场空间扩大，大量新的市场竞争者入局，竞争激烈，业内企业普遍面临着经营困难。

作为医疗产业链最末端的环节，医疗信息化企业想要拓展新的业务方向并不容易：

一、向上游产业纵向拓展，转型为药企或医疗设备企业；

二、横向拓展医药行业与保险行业的客户。

然而，在实际发展中，药企、保险、医疗三者之间行业壁垒非常高，医疗信息化企业想要横向拓展几乎没有可能；

而纵向，往往是上游企业向下游的医疗信息化拓展，医疗信息化企业作为软件厂商想要反向拓展产业链上游业务更加困难。

“狼多肉少”是这个行业的特点。

另一方面，当医疗信息化企业终于站稳脚跟后，它们的掌门人大多已经到了四、五十岁的年纪，很少会有人愿意再花十几二十年的时间去开拓另一条业务，也就是所谓的“守成”。

因此，出售套现，反而成为一条利益最大化的道路。

飞利浦是上游企业向下游医疗信息化拓展的典型，作为硬件设备的老牌厂商，多年来也在寻找自己的第二曲线。

往前倒推十年，GE医疗在前CEO John Flannery的带领下，成功转型为数字医疗企业，为医疗供应商带来了颠覆性的解决方案。

所以，早在数年之前，飞利浦就曾有过收购医疗信息化企业嘉和美康与海泰集团的规划，虽然最终未能实现，但是其拓展全新业务增长点，进行数字化、信息化转型的决心却始终没变。

医疗信息化企业大多规模有限，没有巨头们的规模与实力，想要在医疗信息化之外开辟并支撑起新的业务并非易事，相比之下，将股份出售变现似乎是最省心省力的选择。

5月15日，创业慧康与飞利浦合作消息传出后两天，通策医疗也发布公告称，将以7.69亿元的价格收购和仁科技近三成的股权。

此次交易完成后，通策医疗将成为和仁科技的第一大股东。

前有疫情反复，后有激烈的行业竞争，已经触摸到天花板的医疗信息化上市企业想要突围只能寻找第二曲线，发展新的竞争力，这是企业转型与持续生存的关键所在。

没有第二曲线的企业，最终的命运或许就是被收购与吞并。雷峰网

本次融资的资金将用于进一步加速团队的人才梯队建设，加速核心团队建设，引入更多行业内资深人才，不断完善肿瘤智能服务业务线建设，加强研发及商业化拓展。

值得一提的是，这是本年度海心智惠完成的第二次融资，海心智惠凭借其团队强大的执行能力带来的超出预期的成长速度，在医疗行业资本寒冬下，仅仅3个月，接连斩获两轮融资。

三个月融资数亿，实力受到资本市场高度认可

海心智惠创办于2018年，是一家专注于肿瘤领域、利用人工智能技术为患者提供普惠型疾病管理和服务的创新科技公司，以“帮助肿瘤患者活得更久，活得更好！”为企业使命，致力于成为未来抗肿瘤领域的新基建。

成立至今，海心智惠在医疗生命科技领域稳步前行，不断做出创新与升级，积极为医疗健康行业提供数字技术能力。截至目前，海心智惠已跨越国内30+省份/自治区，覆盖600+合作科室，服务于数万名医生。注册患者数量呈爆发式增长，数十万患者主动在海心智惠平台上建立并实时更新自己的病程档案，用户活跃度呈几何级提升。

海心智惠的技术、产品和服务能力在行业内备受认可的同时，在3个月的时间里，也接连斩获两轮融资。今年2月，海心智惠宣布完成由启明创投领投的数亿元B1轮融资，近期又获得了泰格、厦门宝拓、正和本源的B2轮追加投资。

多瘤种CDSS+全病程管理体系，构建多元化商业服务模式

目前，海心智惠已成功建成肿瘤智能全病程管理平台，主要产品矩阵及服务包括多瘤种CDSS、数字疗法、临床新药研发支持和患者院外产品及服务等。

全球都很重视建立更现代化、规范化的肿瘤诊疗服务体系，海心智惠的CSCO AI智能辅助决策系统立足中国，是我国专家联合开发的符合中国人群治疗现状的有效工具，是高质量、标准化肿瘤诊疗方法。

CSCO AI是中国临床肿瘤学会（CSCO）唯⼀冠名和背书的智能辅助诊疗系统，由中国临床肿瘤学会与海心智惠联合开发，协助临床医生制定更规范、更精准的治疗⽅案。能够⾼效赋能各级别肿瘤临床科室，提升中国肿瘤诊疗整体水平，把⼤量科室的肿瘤治疗能⼒提升至CSCO标准，提⾼肿瘤科室整体服务能力、服务效率。目前已推出乳腺癌、肺癌、食管癌、胃癌、结直肠癌等多癌种产品，预计在未来几年内将会完成全癌种覆盖。

海心智惠以患者为中心，打造肿瘤全病程管理体系，构建多元化商业服务模式，辅以多方位的患者关爱，让肿瘤患者真正实现临床获益。

海心智惠以患者为中心，打造了智能引擎+人工个案管理师综合管理，覆盖了患者院前、院中、院外三大治疗场景，实现患者院内外全病程闭环管理。海心智惠凭借肿瘤患者数据库，构建多元化商业服务模式，面向政府、药企、患者分别提供肿瘤专科诊疗一体化解决方案、临床招募服务、患者院外消费线上商城服务。

同时，海心智惠提供多方位的患者关爱服务。关注患者心理健康，建成数十万患者参与的真实肿瘤病友大型社区交流平台，提供包括就医、会诊、科普及患友交流等全方位的患者关怀。

未来，海心智惠将始终秉持着“帮助肿瘤患者活得更久，活得更好”的企业使命，持续探索创新数字技术在肿瘤疾病全病程中的应用，为医生提供更有力的技术及服务支持，为患者提供更全面更优质的服务，加速肿瘤领域建设步伐。

关于泰珑投资

泰珑投资成立于2021年，管理的泰鲲基金是由泰格医药与杭州市国有资本投资运营有限公司、泰珑投资等共同发起设立的生物医药产业基金，基金规模达200亿元。以生物医药、创新型医疗器械、CXO核心服务及创新领域、优秀生物医药产业基金为主要投资方向，重点关注创新型医疗器械、生物医药、医疗服务、医疗信息化、数字疗法、智能制造、营养健康等企业，覆盖企业发展的各个阶段。

关于厦门宝拓

厦门宝拓资源有限公司成立于2008年，拥有多家全资子公司，分布于厦门自贸区、香港、新加坡等地。年营业额超过100亿元，市场范围辐射中国、日本、韩国、越南、印度、巴西、墨西哥、澳大利亚、荷兰、英国等。厦门宝拓投资范围较广，包含生物医药、半导体、新材料、消费、汽车后市场、教育和sass等领域，海心智惠是厦门宝拓进军生物医药投资领域的标志性项目。

关于探针资本

探针资本成立于2017年，是一家专注医疗健康与生命科技的精品投行，旗下业务包括财务顾问、直接投资、产业咨询和创新孵化。创始团队来自业内一线私募股权投资机构、财务顾问机构、管理咨询公司和医疗垂直媒体。自成立以来，探针资本每年均完成两位数的私募融资与并购交易，累计交易金额超百亿元人民币。在企业增值服务方面，探针资本团队拥有成熟的产业经验。2020年探针新医疗基金成立，截至目前已投资十余家业内头部公司。

雷峰网

图片来源于：Soumil Kumar/Pexels

律师Andrew Prismall将作为Mishcon de Reya 律师事务所的代表，在英格兰和威尔士高等法院的诉讼中向Google提出索赔。

这项滥用私人信息的指控要追溯到2015年，Google的子公司DeepMind曾与英国皇家自由医院NHS基金信托会达成一项合作。

DeepMind收到了来自皇家自由医院的患者数据，将其应用于智能手机应用程序“Streams”的临床安全测试中，该应用程序能够检测急性肾损伤。随后，皇家自由医院以折扣价购买了“Streams”的服务。

但英国数据隐私组织信息专员办公室(ICO)裁定，皇家自由医院在提供患者数据时违反了数据保护法的要求。

这项诉讼也引发了人们对科技巨头滥用健康数据的担忧。

2020年，欧洲数据保护委员会(EDPB)要求谷歌对其收购的可穿戴设备巨头Fitbit进行“全面评估数据保护要求和隐私影响”。最终，谷歌签署了这项为期10年的协议，接受了协议中约定的一系列要求。

DeepMind此前是谷歌和芝加哥大学医学中心集体诉讼的核心，在双方达成数据协议后，后者指控前者侵犯患者隐私。

此外，科技司法公司Foxglove去年也曾代表新闻网站openDemocracy，就2300万英镑的NHS新冠数据存储协议向科技公司Palantir提起诉讼。

该诉讼称，NHS没有通过进行新的数据保护影响评估，考虑该协议对患者和公众的影响。

在面临司法审查要求后，政府承认了这项指控，并同意在未经协商的情况下不会将Palantir的合同扩展至疫情范围之外。

在2020年6月的法律质询中，openDemocracy和Foxglove强烈要求英国政府公布与大型科技公司的合同，称公众有权了解健康数据资产的转移。

Prismall说：“我希望这起案件能够给患者们一个公平的结果，为那些在不知情的情况下被科技公司获取和使用医疗数据的患者结案。“

Mishcon de Reya律师事务所的合伙人Ben Lasserson说：“这项主张尤其重要，目前急需提供一些明确的信息，说明科技公司被允许访问和使用私人健康信息的恰当范围。”

资料来源：https://www.healthcareitnews.com/news/emea/google-and-deepmind-face-legal-claim-unauthorised-use-nhs-medical-records

报告中指出：中国医疗行业IT支出在2021年达到494.0亿元人民币，预计到2026年将会达到920.7亿元人民币；2021年医疗软件解决方案的总体市场规模为160.4亿元人民币，比上一年增长14.5%，预计到2026年市场规模将达到296.1亿元人民币。

医疗软件在未来五年将迎来市场蓝海，数据价值正在成为行业共识。

数据价值焕发，市场蓝海充满想象

2021年，我国发布了《公立医院高质量发展》重要指示，其中提到公立医院在十四五时期的“三个转变”：

公立医院发展方式从规模扩张转向提质增效；

运行模式从粗放管理转向精细化管理；

资源配置从注重物质要素转向更加注重人才技术要素。

信息化手段成为公立医院实现三个转变的重要手段，也是建设健康中国的重要支撑。

在互联网、5G、新基建的时代背景下，社会数字化程度越来越高，数据已经成为机构的核心资产。

在过去的医疗信息化建设浪潮中，医院的HIS、EMR等系统建设成熟度非常高，另外各种大型影像器械工作过程中留下了大量的影像资料。这些数据价值“封印”在医院系统内，在未来将成为医院核心竞争力、医学科研发展的强大动力。

医疗数字化新标准：可利用、可挖掘、可持续

医院数据利用需要强大的分析平台作为支撑，平台需要具备先进的数据挖掘模型、同时可以支撑医院内各种类型的高通量数据训练。

同时，数据也不仅仅是“信息科”的工作，越来越多的临床业务部门也开始重视数据价值。

如何用低成本搭建一个可以最大化挖掘数据价值的全院科研平台，是医院数字化转型的关键。

从更长远的决策来讲，医院数字化建设应以数据持续利用为目的，通过数据中台提供的工具、方法和运行机制，把数据变为能够持续利用、发掘和开放的服务能力，让数据更方便地被业务所使用，实现场景数据化、数据服务化、数据服务智能化。

恰如广州市妇女儿童医疗中心信息数据中心主任曹晓均所表示的，医疗AI与业务场景的无缝结合一定是大势所趋。在这个大趋势中，汇医慧影通过持续的影像数据技术为医院的数字化、智慧化建设赋能。

新一代AI数据中台

目前数据挖掘分析平台备受瞩目，在影像数据中台的探索和应用中也不乏Al影像企业的身影。

传统AI影像企业拥有大规模的算法训练能力，以汇医慧影为代表的Al企业率先聚焦在影像数据挖掘，将算法能力赋能医院，为医院建设新一代数据中台。

汇医慧影新一代数据中台以人工智能算法模型为基础，通过数据中台赋能，可以使医院业务系统拥有“全维度”、“智能化”的能力，系统从信息化升级成为一个智能化的业务系统，“新一代”强调“全周期”、“全院”、“全流程”。

• 全周期：中台价值贯穿数据采集、数据治理、数据利用、数据存储，让数据价值得到充分的利用和发挥，医院无需采购多个系统集成；

• 全院：汇医慧影数据中台包含影像、病理多种数据类型，可以支持医院全科室应用；

• 全流程：中台下可对接数据产生系统，上可链接AI、科研平台。汇医慧影在中台之上搭建了多病种AI辅助诊断平台和大数据科研平台，为业务提供全流程服务。

中华医学会放射学分会主任委员刘士远曾在一次演讲中提到：在AI模型的研发阶段，数据也是一大难题。

首先是现在普遍缺乏标准化高质量的训练数据，国内外虽然有很多公开的数据库，但是存在同质化和人种差异等问题。

而且各家人工智能企业和机构采用的训练数据集标准多样，系统偏差较大，整个行业缺乏医学图像和疾病征像的统一认识。

最后，整个行业的医疗数据保护和监管措施也是缺失的，数据不能被溯源，也就缺乏合法性和可分享性。还有就是伦理问题，业内缺乏对数据使用标准的判断依据，在现有的法律基础上寻找合规使用和分享数据的渠道，也是迫在眉睫的一件事情。

他建议到，要构建标准库，离不开医生的参与。要形成与AI研发相关的标准和数据，需要在图像的采集环节，标准库的构建环节，病种的分布以及各种描述术语等等都要达成一定的共识。

在过去的十年，人工智能专注提供辅助决策或筛查。在“十四五”规划时期，人工智能转变为以数据为中心，将AI能力贯穿产学研用，推动医院高质量发展。

雷峰网

数丹医疗成⽴于2021年，是⼀家⽴⾜中国、⾯向全球的创新型数字疗法公司，致⼒于为中国及全球的⽤户患者提供突破传统医疗医药局限的脑健康创新数字疗法。

随着经济社会的进步， 由于低⽣育率和寿命延⻓的共同作⽤， ⽼龄化已成为全球普遍现象。 中国因为⼈⼝基数更为庞⼤，⾯临更为严峻的⽼龄化形势。在众多和⽼年相关的健康需求中，脑部疾病， 特别是神经退⾏性疾病，是⼀个供需关系严重不匹配的领域。与需求端每年全球急剧攀升的患者数量形成鲜明对⽐的是，供给端⻓期以来缺乏临床有效，低成本，⾼可及性的⼲预⼿段。近⼏年，包括MIT在内的多个研究团队证明基于⾮侵⼊式脑机接⼝技术的数字疗法对多种神经系统性疾病的阻断和逆转有临床效果。

数丹医疗⾃研的⾮侵⼊式脑机接⼝数字疗法，由可穿戴智能硬件和智能数字平台构成。可穿戴智能硬件使⽤物理性刺激⼿段并监测EEG电⼦⽣物标记物，激活⼤脑⾃身免疫系统， 增强功能性脑区之间的连接性， 降低脑部病变蛋⽩沉淀，从⽽达到阻断甚⾄逆转脑部退⾏性病变的效果。 同时，智能数字平台通过医学循证的AI互动性软件产品以及⽤户管理服务， 使⽤户获得个性化⼲预服务，显著提升⼲预效果和⽤户体验。

创始⼈兼CEO⽅骢博⼠拥有加州⼤学洛杉矶分校（UCLA ）医学与分⼦药理学博⼠学位、麻省理⼯

（MIT）⽣物⼯程硕⼠和斯隆管理学院MBA。在中国和美国医疗⾏业均有成功的研发，管理及商业化经验。创⽴数丹之前， 她作为依图医疗核⼼创始⼈，创⽴并负责依图医疗的全球业务。在加⼊依图之前，曾在Amgen、Cynvenio Biosystems等公司担任全球临床运营负责⼈、研发科学家等。

惠远资本总裁张珊珊表示：

惠远资本于2021年与山东健康集团、新华医疗在“智慧科技医康养”领域合作正式成立了山东健康股权投资平台，长期关注满足老龄化人群巨大需求的创新产品及服务。神经退行性疾病在全球范围内都缺乏有效的治疗方案，我们非常看好数丹医疗适应不同场景开发的数字医疗产品矩阵，将一起携手助力数丹医疗实现更多里程碑，为患者带来可负担的突破治疗方案。

山东健康基⾦总经理许静波表示：

数丹医疗拥有⽬前国内领先的⾮侵⼊式脑机接⼝技术， 并在医疗科技领域有极强的创新能⼒和落地能⼒。我们很⾼兴有机会和数丹医疗⼀起，协同山东健康集团深厚的医疗及康养产业资源，加速智能化脑健康解决⽅案的落地和推⼴。

真格基⾦创始合伙⼈兼CEO⽅爱之表示：

数丹医疗核⼼团队是市场上少有的复合型团队，拥有融合脑科学、医学、⼯程学、信息技术、智能软硬件等多学科交叉团队，并在医疗科技创新领域有多年传统药械及数字化医疗产研及商业化经 验。同时，脑健康和脑机接⼝是现代科学最富前景的领域之⼀，同时伴随着极⾼的社会意义，期待数丹医疗能够创造更⼤的社会价值。

数丹医疗CEO⽅骢博⼠表示：

我们带着对医疗创新的初⼼和信念，创⽴了数丹医疗。在过去⼀年， 数丹团队展现了强⼤的战略和执⾏能⼒。我们⾃研的硬件产品获得了国家专利， 软件产品和平台产品也陆续上线，部分产品完成了商业化闭环。未来，数丹医疗将秉承“专业、创新、普惠”的企业价值观，坚持以⽤户为中⼼，以技术为创新⼿段，⽤最好的技术服务最⼴泛的⽤户，打造智能化脑健康全新⽣活⽅式。

关于惠远资本

惠远资本成立于2019年，是一家由市场化专业团队控股和运作，并与国资战略股东共同发起设立的专注于生物医药和医疗器械领域价值投资的专业医疗投资机构，系统布局细分赛道中具有突破性和创新性技术的优质标的，与多家产业机构建立深入合作关系，坚持以“产业赋能+资本助力”为投资策略，旨在为投资者带来长期稳健的投资回报。

关于山东健康基金

山东健康基金成立于2021年，是由惠远资本联合山东颐养健康产业发展集团有限公司（“山东健康集团”）和新华医疗（600687.SH）共同发起成立的健康产业股权投资平台，首支基金以 “智慧科技医康养”为主题，聚焦以满足医康养人群需求的创新治疗技术、创新药械产品和智慧医康养服务，通过产投联动模式，充分发挥山东健康集团和新华医疗在康养和医疗领域的深厚产业资源，深度赋能优质企业。

关于真格基金

真格基金是由徐小平、王强先生于 2011 年联合红杉资本中国基金创立的早期投资机构，累计管理资金总规模超100亿人民币。真格基金自创立伊始，一直积极在未来科技、人工智能、企业服务、医疗健康、大消费、移动互联网等领域寻找最优秀的创业团队和引领时代的投资机会。

真格基金总部位于北京，并陆续布局上海和深圳。“寻找真正优秀的创业者，缔造引领科技创新并改变世界的伟大公司”是徐小平和王强先生创立真格的初衷。真格基金具有的诚信正直、友善谦卑、亲和温暖、专业效率与理想主义并重的文化价值观得到了海内外创业者的认可和赞赏。

雷峰网

“就是跟着内心走。我到这个岁数已经不需要头衔了，我需要实实在在的心理安慰。”

潘毅这样解释他放弃国外数十年教职，决定回国的选择。

2020年底，中国科学院深圳理工大学（筹）（以下简称“深理工”）计算机科学与控制工程学院迎来一位新院长，正是从美国归来的潘毅。

这是时年60岁的潘毅第一次在国内全职任教。

过去十几年间，潘毅在美国亚特兰大的乔治亚州立大学，陆续担任计算机系和生物系系主任、文理学院副院长等职位。在2011年到2021年这10年里，该校的计算机系，从一个相对冷门的专业，成长为生物信息领域世界第22名，甚至超过了国内的一些顶尖学府。

这番成就也使潘毅获得了乔治亚州立大学终身教授、大学杰出教授、州校董教授、AIMBE 院士等荣誉。

耳顺之年功成名就，潘毅却不满足于此。

2020年5月，深圳先进院院长樊建平对潘毅递出橄榄枝，请他担任深理工计算机科学与控制工程学院的院长，从零开始搭建起一个新学院。

正如当年接手乔治亚州立大学计算机系，潘毅对这项挑战跃跃欲试，决定辞职回国，担任全职教授。

在人生的又一个十字路口，他向来有迎难而上的决心与勇气。正如45年前，他独自背上行囊，北上清华求学时一样。

从江南小镇走出的高考状元

1977年10月21日，恢复高考的消息印在《人民日报》传到吴江时，潘毅刚刚高中毕业。

这个消息打乱了许多人的计划，潘毅也是其中之一。

彼时，中国高考制度已经中断十余年，只有寥寥无几的工农兵大学生能够通过推荐制度进入大学，获得接受高等教育的机会。绝大部分高中毕业生，走出校园后只能踏上工作岗位，无法继续深造。

恢复高考的消息公布后，离当年的考试日期只剩不到两个月，在紧迫的考试压力下，已经放下书本多年的考生们不得不起早贪黑、抓紧一切时间在工作之余紧张复习。

诸多日后的商界大佬，也在这个消息之后，改变了人生轨迹：文工团小提琴手徐小平决定报考中央音乐学院；在湘潭钢铁厂工作的熊晓鸽，为了捡起阔别多年的书本向单位请了两个星期的假，疯狂补习。

从最后的结果来看，570万人的高考生中，只招收27万人，平均每29个考生中只有一个人能进入大学。

而当年的江苏因为报考人数太多，将高考分为了两轮。11月份的初试，30多万报名考生中淘汰了20余万；剩下的10万人还要通过12月的正式考试，才能获得上大学的机会。这样的竞争，可以用“惨烈”来形容。

高考放榜后，潘毅成为了江苏省理科状元。那一年，他只有17岁。

潘毅是苏州吴江黎里镇人，这里也是民国时期著名爱国民主人士、诗人柳亚子的故乡。

潘毅的父亲中专毕业，是镇税务所所长，母亲在一家工厂担任妇联主任。潘毅坦言：“我的父母文化水平都不高，但是他们对我的学业十分重视，哪怕高中毕业后进入大学的机会十分渺茫，他们依旧鼓励我专注学业，作好继续深造的准备。”

潘毅对理工科的兴趣，起源于自己的母亲。

潘毅母亲就职的工厂，以生产煤矿配件激光定向仪为主，在当时算是高科技产品，制作时要用到二极管、三极管、电阻、马达、保险丝等许多繁琐的配件。

童年时的潘毅对此十分感兴趣，常常收集车间里淘汰的零件，按照儿童读物《少年电工》的指导，自己制作半导体收音机。

这段经历在潘毅心中埋下一颗种子，对科学的好奇心自此而生。

潘毅到黎里中学就读后，也遇到了很多好老师。

即便是在教育百废待兴的上世纪七十年代，黎里中学的师资力量依旧雄厚。就读期间，潘毅的英语老师都有国外留学经历，化学老师则是华东师范大学毕业的高材生。

潘毅对自己英语老师的一番话印象深刻：“中国的大学入学制度终究改革，推荐选拔制不会是学子们进入大学的唯一途径，国家必然会推行考试制度进行大学生选拔。”

即便是农忙时和学生一起下乡劳动，这位老师也不忘督促学生学习，随时作好高考的准备。

幸运的是，在潘毅刚刚将结束中学生涯时，恰好赶上恢复高考制度后的首次考试。

作为高中应届毕业生的他，没有远离书本，没有农活要忙。他要做的，是按照平时的生活节奏复习两个月，踏上高考考场。凭借扎实的基础，潘毅顺利进入清华大学电子工程系就读，也就是改组前的计算机工程与科学系。

高考结束后，江苏省地方媒体《新华日报》对潘毅进行了采访。报道发出后，这位恢复高考后的江苏省首位理科状元的经历吸引了许多读者，仰慕者的来信从全国各地寄到潘毅的手中。

其中一封信件来自扬州，一位在船上工作的女孩子得知潘毅的经历后深受感触，决定参加次年的高考，希望得到他的指导。

这封信寄到清华大学计算机系后，潘毅周围的同学、朋友对此颇为赞赏，潘毅本人也为自己的经历激励了一个已经放下书本的人重新开始学习而感到高兴。以至于当天兴奋地难以入睡。

直到现在，潘毅仍然记得这件事情。他说，“人生中的很多小事，都会影响一辈子。我现在的心态，就是珍惜身边的人和事，它们都来之不易。”

落差感与重塑的价值观

进入大学后，潘毅也面临着新的压力。

初到北京，清华的校园环境与饮食习惯在潘毅心中形成了强烈的反差。一方面，金碧辉煌、雕梁画栋的校园建筑和先进、完备的器材设施令潘毅既震撼又兴奋。

另一方面，上世纪七十年代的中国物质生活尚不丰富，即便是清华的学子们也只能按照饭票定量打饭。北方人爱吃面食，这让长在鱼米之乡、喜欢吃小鱼小虾的潘毅十分不习惯。

除了饮食上的不适应，从吴江小镇到首都顶尖学府，潘毅的学习环境和竞争对手完全不同。

恢复高考后的第一届大学生，都是从570多万人中厮杀出来的佼佼者，更遑论清华大学这样的国内顶尖学府。

1977级学生，绝对是清华历史上最奇特的年级。作为聚集10年社会上人才的结果，77级各个班的学生都是来自各行各业，年龄相差悬殊。

潘毅的同班同学中人才济济，有获得过全国冠军的乒乓球运动员，也有工作过十几年、随时随地能脱稿发言的公社书记，更有不少国家和部委的“高干子弟”。

潘毅的室友周笛也说，“ 当时， 我们班最大的老马已30出头，最小的小丁还不满17。柯亮来自新疆，杜超英来自黑龙江。”

相比于这些社会经验丰富的同学，入学时的潘毅像是白纸一张，人生的前17年只做了学习这一件事，同学之间悬殊的家庭背景也对他的心理造成冲击。在这样的环境中，潘毅很快感受到了比学业竞争更大的压力。他坦言，“在这样的环境中，普通人很容易就会被淹没。”

左二为潘毅，左五为侯紫峰（图片来源于清华计算机系77级毕业三十周年纪念文集）

潘毅的大学室友侯紫峰曾回忆：" 潘毅来自江苏吴江，说话有点口音，是大家公认的带有江南特色的聪明人。潘毅上进心很强，凡事都力争做好，只是体育方面有点有劲使不上的感觉。"

潘毅自己也说，他羡慕别人从来不锻炼，就轻松跑进14秒。"我这个人体育不好。清华要求毕业生必须要过体育关，单杠、双杠、跳马都要。对我来说，最难的还是100米。”

一段时间后，他突然体会到，每个人都有长处和短视："我不必天天熬夜看书，甚至时常有空去看看电影，依旧能在考试中取得非常出色的成绩。"

本科毕业照，第四排右二为潘毅（图片来源于清华计算机系77级毕业三十周年纪念文集）

四年的大学生涯里，他学会了如何发挥自己的长处，使自己在一群优秀的同伴中依旧出类拔萃。

同时，潘毅为人处世的原则也逐渐形成：不因自己有所专长而骄矜，更不因他人有所缺陷而生轻视之意。

潘毅的严于律己和友善待人，也使他在后来的学习和工作中受益匪浅，吸引了许多愿意亲近和帮助他的朋友。

童年时家庭的引导、少年时中学的教育以及大学时代的成长和磨砺使潘毅心志愈坚，后来在异国他乡求学、工作时屡受挫折，这样的心态也帮助他度过了那些难捱的时光。

九年饮冰，难凉热血

1977年恢复高考制度的决断后，留学生派出工作被国家领导人提上日程。

邓小平说：“我赞成留学生数量增大，主要搞自然科学”， “要成千成万地派，不是只派十个八个”，而且，派出留学生“要千方百计加快步伐，路子要越走越宽。”

这个一度封闭的国家，再次推开了国门。

1978年12月，恢复高考一年后，国家选拔的首批赴美留学人员登上前往美国的飞机。

1984年，国家颁布了《国务院关于自费出国留学的暂行规定》，打开了人们自费留学的渠道，出国留学迎来了大潮。这一年，潘毅刚刚读完硕士研究生。硕士毕业后，潘毅获得了留校继续读博的机会。

在攻读两年博士学位后，由于导师决定定居国外，潘毅最终放弃留校，于一年之后的1987年，经清华大学的允许，前往美国匹兹堡大学计算机科学系攻读博士学位。

就在他出国的前一年，我国将生物技术写进《高技术研究发展计划纲要》，列于航天技术、信息技术、激光技术、自动化技术、新能源技术和新材料技术等高技术的首位。

潘毅不会预料到的是，多年后的一天，他将会与这门技术结缘，并且延续了数十年。

1991年，潘毅在美国著名高等学府，也是美国最早的十所大学之一——匹兹堡大学取得博士学位后，也到了年轻人都要做决定的时候：去哪儿找工作？

彼时，美国正深陷新一轮周期性经济危机的泥潭，冷战时期的军备竞赛与同年美国发动的海湾战争，几乎掏空了美国经济。经济萧条之下，工业界不再需要大批的高学历人才，毕业的博士生们只能涌向教学岗位，使得就业竞争加剧。那时候，还没有一个词叫“内卷”。

那时的潘毅出国仅仅四年，作为一个中国人，在生活习惯、文化背景乃至思维方式等方面都与主流的美国文化格格不入。

他操着尚不熟练的英文，平生第一次穿上西装，在愁云惨淡的博士生毕业季涌入了求职大军之中。

潘毅还算幸运，在激烈的竞争中面试了四五个岗位后，获得了美国戴顿大学的offer，避免了“毕业即失业”的窘境。

戴顿大学是一所私立天主教大学，位于在美国被称为“飞越之地（flyover states）”的俄亥俄州——即人们只有在东西两岸间往返时，透过飞机窗户才会看一眼的偏僻之所。

作为教学型学校，戴顿大学更注重学生教育，以小班授课的模式进行教学。

入职后，潘毅几乎没有机会进行科学研究，戴顿大学没有博士点，每年入学的硕士人数也寥寥无几，所有的科研工作都要靠自己一点点开展和推进。潘毅在戴顿大学工作了9年。相比在国内学习时的顺风顺水，这9年中潘毅在科研工作上经受了无数挫折和阻碍，也会感觉到孤独。

多年后，作为杰出校友受邀回到匹兹堡大学做报告时，潘毅讲起这段求职和工作的经历，许多来自中国、印度的学子都因此深受感触，潘毅过去的坎坷是他们此时正经历的困难，而潘毅当下的成就正是他们未来的目标。

时间来到2000年，潘毅进入乔治亚州立大学工作，2005年开始担任计算机系主任。这时候的他，已经45岁。但是，乔治亚州立大学计算机系初初设立，毫无根基，系里只有十五六个教授，不论资金还是人力都十分紧缺。他开始思考，如何分配这些为数不多的人力和资金，才能使这个年轻的系脱颖而出？

潘毅认为，不仅要“集中力量办大事”，将教授们集中到一起，更要另辟蹊径，从新的领域打开局面。

那些年，生物学正随着克隆羊多利的诞生和人类基因组计划的启动越来越多地出现在人们的视野，潘毅发觉，对乔治亚州立大学计算机系来说，生物信息是一个很好的突破点。

21世纪初，生物信息还是一门新兴学科，不论是美国老牌名校还是刚刚成立的乔治亚州立大学计算机系，都没有历史积累，站在同一个起跑线上。只有这样，才有“弯道超车”的机会。

作为生物学和计算机学两门学科的融合，生物信息利用计算机技术解决生物学的问题，这就要求从业者必须同时具备两门学科的知识背景。

在当时，这并不是一门好“生意”。不论是计算机学科还是生物学科的学者，都不太愿意跨行到另一个完全陌生的领域。潘毅却觉得，别人不想干的事情他来干，并且一定能干好。他要成为最早一批“吃螃蟹”的人。

潘毅申请到一笔一百多万元的科研经费，他将经费分配给其他教授，要求他们与生物系的教授合作，在自身研究方向的基础上结合生物学知识，在一定期限内产出一批新的科研成果。比如，将人工智能用于生物数据分析，将计算机可视化用于蛋白质和分子可视化，将算法、数据库等技术全部融入生物学领域。

这种方式点燃了大家科研创新的热情，团队飞速成长起来。取得一定成果后，潘毅带领团队开始组织生物信息领域会议、创办学术杂志、出版系列丛书。2007年，IEEE生物信息与生物工程国际大会授予潘毅杰出成就奖。

根据相关网站排名，2011年至2021年间，乔治亚州立大学计算机系生物信息领域世界排名22名。

潘毅，打赢了这场以少胜多的科研战役。

但荣光背后，往往有着无数不为人知的坎坷曲折。作为华人外来者，想要融入美国当地圈层并不是一件容易的事情。即便获得了与白人同样的工作岗位，也很难获得同等的尊重和重视。

一位在美国某所大学担任副院长职务的华人教授，在乔治亚州立大学进修时曾与潘毅分享过自己的经历。

作为学校里几十个院长中唯一的亚裔，这位华人副院长虽然没有受到明显的针对和攻击，但隐形的歧视无处不在。在他工作的学校，其余的白人院长形成了自己的小圈子，将他排斥在外，甚至连日常的对话都无人给予回应，更不必说在涉及学校工作决策时的发言权，可谓是孤立无援。

同样作为亚裔的潘毅在美国境遇如何，可想而知。说不被排挤和忽视，是不可能的。让作为亚裔的潘毅担任系主任，能服众吗？

潘毅对雷峰网说，在他数十年异国的经历中，始终秉持着“顶天”、“立地”、“做人”的原则。“当你的研究水平远远超过别人，同时又能为团队无私奉献的时候，慢慢就会获得大家的认可。这也许就是刻在中国人骨子里的集体主义精神。”

对于潘毅的上级来说，他是一个能够带领团队创造奇迹的leader，无需学校的额外支持就能将工作打理得井井有条。

就这样，潘毅在生物信息领域耕耘16年，将乔治亚州的计算机系从籍籍无名送上顶峰。但他的人生，会一直在乔治亚大学直至谢幕吗？

甲子之年，重新出发

在2020年5月前，潘毅没有想到，自己会与深圳结缘、会在数十年的海外教学后，重新回国。

深圳是一座年轻的城市。1983年9月，深圳第一所高校深圳大学开学；2012年，教育部正式批准建立南方科技大学，10年后的2022年，南科大已进入“双一流”建设高校行列；2018年11月30日，教育部批准正式设立深圳技术大学。

此外，深圳还吸引了诸多国内外名校前来合作办学。近年来，北京大学深圳校区、清华大学深圳国际研究生院、哈尔滨工业大学（深圳）、中山大学（深圳）、暨南大学深圳旅游学院、香港中文大学（深圳）、深圳北理莫斯科大学、深圳墨尔本生命健康工程学院等学校相继创办。

深理工也是合办高校之一。

2020年5月，潘毅受邀到深圳先进院进行学术交流时，深圳先进院院长樊建平邀请潘毅加入深理工，组建一个新的计算机学院。

这是一所新学校中的新学院。深圳理工大学是由深圳市人民政府与中国科学院共建的新学校，2019年正式进入筹建阶段。2020年10月，潘毅入职前夕，深理工建设刚刚启动。

深理工下属共6个学院，分别是潘毅担任院长的计算机科学与控制工程学院，以及生物医学工程学院、生命健康学院、药学院、材料科学与工程学院、合成生物学院。

从院系设置不难看出学校对计算机与生物两门学科“融合共生”的期待，潘毅作为在生物信息领域有着深厚积淀的教授，正是这个新学院所需要的开拓者。

但是对潘毅来说，创办一个新高校中的新学院需要耗费巨大的精力。彼时潘毅已经升任乔治亚州立大学文理学院副院长，入选学校终身教授，并先后被评为大学杰出教授与州校董教授。

对他来说，再过几年，自己就可以光荣退休。而接下深理工的橄榄枝，意味着接纳一个新的环境、新的团队，一切要从头开始，所有的风险和困难都不可预测。

“就是跟着内心走。我到这个岁数已经不需要这种头衔了，我需要实实在在的心理安慰。”

对潘毅来说，回到故国在祖国的支持下继续做研究，工作之余与国内的旧友聊聊天，这才是他真正向往的生活。

自2020年12月入职深理工后，潘毅主要将精力放在了三项工作上。

首先，要为学院未来发展的方向梳理出清晰的脉络。

与接手乔治亚州立大学计算机系时的情况相似，深理工的计算机学院同样是毫无根基的新学院。而生物信息既有理论创新，同时又能做出落地的应用，因此潘毅延续了当年的思路，再次将生物信息作为突破点。

深圳先进院原有的生物信息医疗中心对潘毅来说是一大助力，他面向海内外招聘生物信息领域高素质人才，先将团队组建起来，才好进行后续的科研与教学工作。

其次，继续用大量精力完成个人研究。

潘毅始终信奉“实力才是硬道理”，作为学院的掌门人，只有个人实力出众，以身作则专注科研，并且能够取得很好的学术成果，才能让团队中的其他成员信服，从而接受他在学院发展过程中做出的决策和判断。

最后，也是学院最重要的任务——培养一批有计算机背景的交叉领域的高质量毕业生。

目前，深理工尚在筹建阶段，不能独立招生，计算机学院从河北大学、沈阳航天航空大学等学校招收了一批优秀学生进行联合培养。按照潘毅的计划，学院将于明年开始正式招生。

随着国内对生物信息技术越来越重视，许多高校陆续开办了相关专业，在谈到如何在激烈的竞争中取得好成绩时，潘毅介绍了深理工计算机学院的两点差异化优势。

一是“小而精”教学模式，学院招生数量有限，因此有足够的师资力量对学生进行精细化的管理教育。

在教学过程中，学院鼓励学生参加专业相关比赛，要求学生多访问教授实验室，推动应届毕业生到华为等高科技企业实习。

潘毅主张因材施教，根据学生的兴趣爱好，引导学生选择不同的职业方向。未来，不论是继续深造还是进入高校或企业工作，潘毅都希望从深理工计算机学院毕业的学子能够独当一面，成长为栋梁之才。

二是培养跨学科的专业人才。要实现这个目标，课程的设置尤为重要。

介绍专业特点时潘毅提到，“如果说深理工其他几个生物医学相关的学院，他们的工作是使用现成工具解决问题，那么计算机学院要做的就是利用生物大数据研发工具。”

因此，学生既要懂得计算机相关技术，也要了解生物医学的相关知识，学院要培养的是既懂生物医学又懂计算机的跨学科桥梁型学生。

潘毅计划：让学生根据兴趣自由选择生物医学类的课程进行学习，毕业时根据个人的选修方向结合计算机基础，独立或与其他学院合作完成毕业设计。

同时，其他学院的学生也要学习一到两门计算机学院的课程，了解基础的计算机技术，以便将来不同学院的学生之间进行跨学科的项目合作。

回国后，潘毅的工作明显忙碌起来。相比已经拥有坚实基础的乔治亚州立大学，要推动一个新学院的创建和发展要耗费的精力显然更多。

“辛苦却兴致勃勃”——这是潘毅对自己回国后工作状态的描述，深理工的工作使他获得了更大的成就感，是美国平稳工作无法给予他的。

六十二岁的他，又一次站在了自己人生路口。

以下为雷峰网与潘毅教授的对话节选：

雷峰网：您在国内学习期间，以及申请到美国读博士的时候，主攻的方向都是计算机，后来是怎么决定要转到生物医疗加计算机这个跨学科的方向？

潘毅：2005年我在乔治亚州立大学开始做系主任的时候，计算机系还是一个年轻的系，总共也就十五六个教授，十五六条枪。于是我就在想这么一个年轻的系，怎么才能出头？

假如说这十五六条枪每一个地方都放一条，那这个系一定就埋没了。所以我就想把人和资源都集中在一个新的领域上。后来我发觉生物信息很好。

什么叫生物信息？就是用计算机的技术来解决生物的问题。为什么好？因为一般搞计算机不懂生物，不愿意转方向，搞生物的不懂计算机也转不过来。我找到这个机遇以后就觉得，你们不干我能干，而且一定能做好。

这是一个新兴学科，不论是老牌大学还是新大学起点都是一样的，只要我努力就可以超过你。如果是一个老的领域，那些学校已经有几十年的积累了，我要从头开始超过他们是不太可能的。

之后我去跟生物系教授沟通，我们一起拿到了一个100多万美金的项目。我要求这些教授在自己的研究领域的基础上结合生物学，比如说研究人工智能的用人工智能做生物数据分析，研究计算机可视化的就去做蛋白质和分子可视化，让他们利用这些科研基金，在限定的时间里发表论文。

这样一来，教授们都有了兴趣，团队一起向上走，没几年就拿到了IEEE生物信息与生物工程国际大会的杰出成就奖，后来我们也成立了自己的大会，主办杂志，出版教材。

在2011年到2021年这10年里，乔治亚州立大学的计算机在生物信息领域达到了世界排名22名。虽然是一个很小的系，但是在成立这么短的时间里打败了清华、北大在内的很多顶尖高校。

雷峰网：在欧美话语体系和传统观念里，亚裔的社会地位并不理想。您在乔治亚州立大学担任系主任时，有没有因为亚裔的身份遇到过一些冒犯或者挫折？

潘毅：肯定会有的。但是作为亚裔机会肯定会比白人少得多。白人之间有共同的语言、文化，比如他们聊天的时候说起小时候看过的卡通、电影，我是听不懂的。所以他们自然而然会更亲近，相互之间的提携和帮助也会更多，那么我们的机会相对来说就会更少。

我的一个华人朋友在美国其他高校做副院长，他来乔治亚州立大学进修的时候给我讲过他的故事，他是学校几十个院长、副院长中唯一的亚洲人，就会被其他白人院长排斥在外。比如说，在party上院长们一起聊天的时候，如果他参与发言了没有人会回应，但如果是白人发言了他们就会继续聊天。久而久之，他说的话就没有人听了。这是一种非常隐蔽的歧视。

但我在美国的工作经历里始终是顶天立地的，不论是我的下属还是领导对我都非常满意，这是很难得的一件事情，我是怎么做到的呢？

对我的领导来说，潘老师带的这个系给学校创造了奇迹，创造了业绩，不会三番两次的找领导帮忙，每次向他汇报的都是好消息，相比troublemaker，他肯定更喜欢我。

所以，还是自身能力过硬。当你的研究能力大大超过别人，而又能无私地为团队做贡献的时候，大家对你就会有更强的认同感。

雷峰网：在多年的教书育人过程中，您一直秉持的观念是什么？

潘毅：我一直希望以及最有成就感的事情，是让一个学生拔高多少。当然，老师喜欢优秀、聪明的学生，这很正常。但是在我看来，如果他原本就有9分的水平，我带他做到10分，这不是我的目标，也没什么意思。

十年前，我有一个博士生毕业。当时，他在中国只是一个大专生，本科也没有考上，专业是英语。因为乔治亚所在的亚特兰大和成都是友好城市，他过来做英文翻译。结束之后，他就申请到我们大学重新读了计算机的本科。本科毕业之后，我手把手地教他，他也很刻苦，因为是跨专业学习，所有的一切都要从头开始。博士毕业之后，他发了几篇好文章，前几年已经成为一所美国高校的正教授。

从他的例子，我想说明两点：第一，我想做的是“雪中送炭”，而不是“锦上添花”；其次，对于一个学生而言，只要刻苦、瞄准一个方向坚持下去，就能成功。

这也是未来，我想在深理工做的事情。

感兴趣的读者，可以点击公众号的【云峰会】菜单栏，观看4期嘉宾的视频回放。

作为本次云峰会的最后一位演讲嘉宾，翼方健数合伙人、医疗健康事业群总裁李苇刚，进行了题为《隐私安全计算和人工智能如何在大数据时代推动医疗行业数字化转型》的演讲。

他围绕医疗行业的数字化转型中，如何通过包括隐私安全计算在内的全栈技术，打造数据在全流程安全计算环境下的价值利用和价值共享等内容进行了分享。

数据是智能时代最活跃的生产要素，李苇刚表示，“数据价值体现的终极形式是数据资产化，而数据资产化的实现，必须依赖具有隐私安全计算能力平台所提供的完整流程能力，包括从数据汇集、治理、确权、授权、到数据应用、定价、交易、以及数据价值的溯源和分配等。”

以下为李苇刚的分享内容，雷峰网&《医健AI掘金志》作了不改变原意的编辑及整理。

数字化转型的下半场——数据推动新兴业务

国家卫健委卫生发展研究数据中心游茂主任曾提及，“目前我国医疗服务发展正处于从信息化向数字化过渡的关键阶段”。

大家经常讨论的数字化转型分为两个内容，一是业务数字化，一是数字业务化。

从翼方健数的角度理解，业务数字化是整个数字化转型的上半场，也就是大家熟悉的信息时代通过信息化的系统来优化和改造业务流程。

而作为下半场的数字业务化，即在智能时代通过数据推动新兴业务的发展，通过数据寻找和创造更多更好解决问题的思路和方法。

数字化转型上半场将持续进行，当前的重点则是在下半场如何以数据优先，产生新的数据业务，开创新的数据经济。

比拟于过去的农业时代和工业时代，智能时代的数据就像从前的土地和资本，在当今时代为一个行业、一个地区、一个国家、一个社会创造难以预计的价值。

2020年中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，将数据纳入进行市场化配置的重要生产要素。

作为信息时代的副产物，数据往往存在质量参差不齐、非标准化、非结构化以及数据之间相互隔离等问题。

如果我们将数据与资本、土地、人才、知识等生产要素进行比较，就会发现它最具代表性的特征是非竞争性和非排他性。

非竞争性与非排他性是指同样的数据可以同时在不同的场景下被反复使用，而一般的要素，当在一个场景中使用时，在很长一段时间将无法在其他场景下被使用。

这是一把双刃剑，一方面数据的价值没有天花板，但另一方面如果数据被人拿走，不论采用什么方法，通过什么渠道，拿走数据的人都将和数据所有者一样拥有对数据的使用权，拥有对数据价值的分配权，从而影响数据所有者手中数据的价值。

再加上医疗数据本身所包含的隐私、机密信息，就导致我们对于医疗数据的使用非常的小心和谨慎。

将数据作为一个新的生产要素发挥价值，就需要在很多场景中开放地使用；但使用过程中，又面临着数据安全问题。这个矛盾如何解决？

首先要分清一个概念：原始数据和数据价值是两个不同的东西。

第二个要分清楚的概念是：数据的所有权和使用权不同，二者可以分离。

当我们将原始数据和数据价值分开，将数据所有权和使用权分开，也就为利用隐私安全计算解决数据安全和数据流通之间的矛盾提供了一种可能性。

不分享数据，只分享数据的价值

将数据作为一个新的生产要素使用时，需要解决数据安全和数据价值流通二者间的矛盾，隐私安全计算技术就是解决这个矛盾的灵丹妙药。

隐私安全计算强调不分享原始数据，只分享数据的价值。即提供一个环境，在这个环境中通过计算数据获取想要的结果，也就是数据的价值。

整个计算过程始终保证原始数据的安全，保证使用者获取数据的价值。

隐私安全计算领域包含很多技术，既有大家耳熟能详的区块链、云计算，也有最近云峰会中被反复提及的多方安全计算、同态加密、联邦学习、安全沙箱、可信环境等。

这些都是隐私安全计算中的核心技术，使用这些技术手段能够保证数据在计算和使用过程中的安全。

打造全流程、多方参与的安全计算环境

了解隐私数据平台，首先要了解医疗信息化历程。

从信息时代到数字时代再到智能时代，医疗信息化不断演变。从院内信息互联互通到建设数据中心，再到互联网医疗线上线下打通和阿里提出的数据中台概念，医疗信息化进程经历了基础阶段、完善阶段和应用阶段。

如今我们提出“隐私数据平台”的新概念，是在中台的基础上加入隐私安全计算的技术，使数据中台里的数据能从原始状态转变为数据资产，实现更好更安全地管理、使用与价值共享。

何为隐私数据平台？

隐私安全计算技术只是其中一部分核心技术，隐私数据平台是一个系统工程。

在这个系统工程中，首先要保证的是全流程的通畅。从数据的汇集到数据的治理，以及归一、结构化、标准化等。

数据汇集后，还要对数据做最小单元的管理、确权。只有完成确权后，才能在需要做数据授权使用时，知道找谁去授权，谁有权利进行授权。

然后是使用数据，从数据的查询、探测开始，找到想要的数据，并向相关数据拥有管理权限的管理方，申请授权后才能开始使用数据。

在使用数据时，还需要引入自己的解决方案，或是借用第三方的服务或应用工具进行数据计算，当所有的计算在安全环境中完成后，即可得到想要的结果，也就是数据的价值。

最后的工作是考虑如何下载计算结果，如何分配数据价值，以及对前面工作做出贡献的参与方如何分配利益。

以上工作全部完成后才是一个完整的隐私数据平台。

数据价值分享的第一步就是数据治理。

翼方健数具有自己的数据治理平台DATAWAND，能够对数据进行清洗，将各系统提供的原始数据转换为可供使用的数据资源。

经过数据治理后，我们就有了可供使用的数据资产，之后就是数据共享环节。做数据共享时，要遵循FAIR原则，即可发现、可访问、可互操作和可重用。

以数据为核心的数字产业化解决方案

翼方健数目前最核心是围绕XDP平台的相关产品，包括医院使用的科研平台、药厂使用的药研平台、保险公司使用的医保平台以及用于公共卫生领域的疾控平台。

我们在医院端也有一些AI应用，即智慧病案管理的系列解决方案，包括智能分级诊疗、智能哨点、辅助书写、辅助决策、病历质控、首页质控、DRG/DIP费控等一系列的医院院端应用解决方案。

最后，我们也在隐私安全计算保护的前提下，为保险公司、药厂等提供数据使用的服务。

我们的理念是用技术解锁数据的价值。将数据从原始状态通过隐私安全计算、数据治理、建模、应用等一系列的技术和工具进行加工，转化为数据价值，再回馈到应用中去，形成从原始数据到数据价值再到数据资产的闭环，在闭环当中反复使用。

只有医疗隐私计算技术是无法真正发挥数据的价值，必须具备全栈的技术，多方合作一起完成闭环，推动数据价值的流动。

接下来为大家介绍我们实施完成的三个医院案例与两个区域案例：

第一个医院案例是瑞金医院自主学习型智能化电子病历。

我们利用在瑞金医院通过隐私安全计算拿到的数据进行建模后，再通过模型引导电子病历的智能书写。

目前，已经完成了门诊和住院的两个科室的落地和应用，平均病历书写时间缩短了70%，正在推广全院的门诊、急诊电子病历书写的智能辅助。

第二个医院案例是上海九院全息全病例智能内涵质控。

我们与九院合作，通过对病历数据按病种分类，并按各科室进行数据建模，采用深度学习人工智能技术进行病历数据质量校验和内涵质控，有效保证病历质量。

系统可参照知识库中质控规则以及诊疗路径中前后文书的涵义做出对比，找出其中不符合规则或前后不一致的地方，在秒级内给出建议并提示，实现近实时的、自动化的、从事中到终末的门急诊、住院数据质量控制体系。

第三个医院案例是翼方健数与中山大学肿瘤防治中心胡丹旦教授合作的项目。

我们在院内搭建了科研大数据平台，将基因影像、文本病历等多模态的数据融合，建立一个专科专病库。

项目应用了通过隐私安全计算融合来源于不同渠道的数据源的数据。

第一个区域案例是长三角生物医学产业大数据联盟。

该项目是由中科院营养所牵头，翼方健数与上海生物信息学会、福建省生物信息学学会等单位联合组建的大数据联盟。

大数据联盟中使用了翼方健数的平台，通过技术将长三角不同医院、不同学校的数据汇集在平台上，由数据提供方管理数据的授权与使用，构建生物医学产业全新的数据协作共享生态。

第二个区域案例是我们刚刚完成的宜昌市多点触发疾控大数据平台。

该项目包括两个平台，一个是宜昌市卫健委的医疗数据隐私安全计算平台，另一个是宜昌市大数据中心的政务数据隐私安全计算平台。

我们利用隐私安全计算将两个平台之间的数据通过授权共享，而非传统的原始数据互联互通。

此外，该项目不仅完成了政府和政府数据之间连通，也做到了政企数据的融合。

政企数据融合是近年来非常热门的话题，政府想要用企业的数据，企业也想用政府的数据，但是因为种种原因无法实现。

在这个案例中，我们利用隐私安全计算技术实现了宜昌市两个政府平台与外部两个企业的数据的联通使用。

在结束之前，我们用两个问题总结一下今天的内容。

第一个问题是你的数据能用吗？

这个问题有两个内涵，一方面是指数据是否是可用的状态，如果不可用，则可以通过数据汇集治理后实现。

另一方面是指治理好的数据是否敢用，如果没有隐私安全计算的保护，无法充分保证数据在使用过程中的安全，大多数人都无法放心地使用数据，所以我们希望通过一系列的技术解锁医疗数据的价值，将医疗数据用起来。

第二个问题是你的数据用了吗？

当我们拥有可用、敢用的数据后，应该将数据用在什么地方呢？可以自己使用，可以和同行共享，也可以跨区域、跨平台、跨行业使用。

在隐私安全计算的保障下，我们期待共同探讨数据使用的途径，寻找更多的合作伙伴，一起将数据用起来，让医疗数据为人民服务。

该公司表示，将DICOM文件转换和分割为STL文件的过程，在口腔种植和正畸的3D数字病例的治疗规划中非常具有挑战性，Diagnocat 的AI产品将使这一过程更简单、更高效。

Diagnocat的创始人兼CEO Alex Sanders，同时也是一名口腔修复专家，他经营着齿科诊所。Alex 表示，“Diagnocat的目标是使齿科诊断尽可能接近无错误，3D数字齿科正在成为当今齿科行业的巨大组成部分，只需点击Diagnocat按钮几秒钟，齿科专业人士就可以轻松、快速、高效地完成诊断工作。”

Diagnocat 的北美经理Doug Gillespie表示：“齿科学校对学生进行了大量识别FMX和Pan图像的培训，但是，对齿科医生来说，理解和评估CBCT图像的难度要大得多。将Dicom文件转换和分割为STL文件的过程，也是为种植和正畸的3D数字病例的治疗计划积累经验的过程。Diagnocat使这个过程变得简单而高效。”

Diagnocat的人工智能软件目前在欧洲、以色列、意大利、墨西哥的放射科、齿科实验室和大学投入使用，加拿大将成为下一个投入使用的区域。

资料来源：

https://www.dentistrytoday.com/ai-software-from-diagnocat-cleared-for-approval-by-health-canada/

智慧医院建设的关键指标是医院信息化水平，其核心是医院的信息系统，通过不断加强信息系统建设，充分发挥信息技术优势，不断改进完善，进一步提升医疗服务品质，让广大人民群众享受到更加便利、快捷、优质的医疗服务。

在此背景下由“中国信息协会医疗卫生和健康产业分会、智慧医疗网、智慧产业网、科雷会展”等联合主办“2022智慧医院信息网络建设在线论坛”。

本届线上峰会将涵盖行业热点趋势前瞻、典型项目案例分享、前沿技术应用实践，助力中国医院在数字经济浪潮下快速实现数智化转型与升级。

一、会议名称

2022智慧医院信息网络建设在线论坛

二、时间与形式

2022年5月9日   13：30--18：00

会议形式：线上直播

三、组织机构

主办单位：

中国信息协会医疗卫生和健康产业分会 

智慧医疗网

智慧产业网

科雷会展

协办单位：

雷峰网    医健AI掘金志

健康界    连线CIO

医盟网    医信邦     

器械之家  思宇器械观察

中国医疗器械采购公共服务平台

承办单位：

科雷会展

四、论坛媒体

腾讯网、凤凰网、今日头条、财经大健康、智慧医疗网、医盟网、网易新闻、雷峰网、医健AI掘金志、智慧产业网、健康界、动脉网、HC3i数字医疗网、连线CIO、投资界、新芽、中国基层卫生网、中国医采网、大健康产业资讯、医信邦、泽桥医生、医视屏、 医阶

五、拟邀嘉宾

宋 新   中国信息协会医疗卫生和健康产业分会会长

黄 虹    复旦大学附属华山医院信息中心主任

王 奕    复旦大学附属肿瘤医院信息中心主任

李 瑞    北京天坛医院数据管理与信息中心主任

董 亮    上海中医药大学附属龙华医院信息中心主任

冯 嵩    中南大学湘雅医院信息中心主任

胡梅英  江西省儿童医院信息科科长

连万民  广东省第二人民医院信息中心主任

左秀然  武汉市中心医院信息中心主任

师庆科 四川大学华西医院信息中心主任

高志宏  温州医科大学附属第一医院信息处处长

何剑虎  浙江大学妇产科医院信息科科长

嘉宾持续更新中.............

六、在线参会人员

1、各级卫生健康行政部门负责人；

2、医疗信息化相关行业学会、协会等组织专业技术人员；

3、医疗信息化相关管理人员；

4、各类医疗卫生机构负责人、信息化工作主管领导、专业技术人员；

5、医院临床、教学、科研、运营、财务等专业技术人员；

6、高等院校、科研机构医疗卫生信息化专业技术人员；

7、从事医疗信息技术研发、产品生产、经营、服务的企业管理人员和技术人员；

8、全国各省市、各级医院分管信息化、后勤、设备、护理、检验、医务、医工、医保、绩效、质控、采购等负责人；

9、全国各省市智慧医疗行业代理商、集成商、渠道商等代表。

七、参会报名 ：（免费线上会议）

参会报名长按下方二维码填写报名表

论坛在线演讲或商务合作添加微信号：allen-9900或联系下方组委会工作人员获得资料

八、组委会联系方式：

参会报名及商务合作：

联系人：李老师  

电话：18916841069

微信：allen-9900  

邮箱：2314180965@qq.com

联系人：张老师  

电话：18121005829 (微信同号）

邮箱：3383001848@qq.com

联系人：李老师  

电话：15800928898

微信：king09320

邮箱：173676954@qq.com

媒体合作联系人：王老师   

QQ：531405538

邮箱：531405538@qq.com

锘崴科技创始人、董事长王爽教授发表了题为《隐私计算赋能医疗健康大数据价值流转》的演讲，就医疗大数据隐私保护的背景、医疗大数据安全共享解决方案与底层技术、医疗大数据隐私保护的应用场景等话题进行了分享。

王爽教授是四川大学华西医院特聘教授、同济大学附属医院客座教授。回国之前，王爽教授在美国加州大学圣地亚哥分校UCSD医学院做教职。

过去十余年，王爽教授及其团队一直专注医疗大数据隐私保护相关研究。2014年，王爽教授创办了目前最早也是规模最大的iDASH国际隐私保护计算大赛；2017年，牵头成立了国际同态加密标准委员会，推动制定相关国际标准。

王爽教授表示，医疗大数据的隐私安全保护需要进行全局性的思考。

“首先，我们要弄清楚数据的类型是什么，数据在哪里，由谁在用以及如何在用，从而实现对数据整体安全的保护。在保护过程中，我们既需要满足合规的能力，又需要数据保护的能力。

他认为，隐私计算正是一种能够辅助实现从形式合规到实质合规的全流程医疗大数据安全的技术手段，并且它是目前最优技术解。

以下为王爽教授的演讲内容，雷峰网《医健AI掘金志》作了不改变原意的编辑及整理。

医疗大数据要“放得开”，又要“管得住”

数据正加速向“生产要素”转化。

近些年，国家层面相继出台了数据要素化市场配置的政策文件，今年4月10日又推出了加快建设全国统一大市场的相关意见，这些政策都明确要加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、共享开放、安全验证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。

在地方层面上，多个省、市也推出了聚焦数据要素领域的相关法律法规，并主导成立地方数据交易中心，推动数据要素实现市场化，加快数据资源共享开放进程。

在数据要素市场发展过程中，存在着一系列问题和挑战。

首先，是法律合规风险。明文数据一旦可见就可能被无限复制，同时暴露数据中所包含的个人敏感信息，以及数据所对应的某个用户或数据提供方的商业机密。

其次，是数据的不可控。数据一旦被泄露或复制，将导致超范围使用甚至被转卖，无法控制其用途、用量，因此也存在数据滥用的风险。

此外，当明文数据被滥用，打破市场供需关系后，会导致数据价值无法定价，也无法形成“要素化”的概念，无法产生大规模的市场流通，数据要素的价值也将无法充分体现。

在国家层面上，数据隐私保护也受到重视，法律法规日趋严格。

2021年9月正式施行的《数据安全法》提出国家将对数据实行分类分级保护，开展数据活动须履行数据安全保护义务、承担社会责任。

2021年11月正式施行的《个人信息保护法》明确要求保护个人信息权益，规范个人信息处理活动，保障个人信息依法有序自由流动，促进个人信息合理使用。

如何在数据开发利用与安全保护上实现平衡？既要能“放得开”，又要“管得住”，传统的数据中心化模式已经不适应当前市场需求，需要引入新技术、新方法适应数据在共享、开放、利用中的隐私保护问题。

传统数据隐私保护是采用脱敏的方式。

但脱敏后的数据并不等于匿名化数据。过往研究发现，美国HIPPA Safe Harbor脱敏后的数据中，每15000人里依旧有两个病人的信息可能会被恢复。

2020年，我们与国家癌症中心合作，完成了全国最大规模的脱敏数据风险评估，横跨34个省、市、自治区、直辖市，共涉及7000多万病人的脱敏信息，其中大约0.01%病人的脱敏信息，能够结合背景知识恢复出病人的身份。

因此，脱敏只是对数据的保护与约束，并不等于完全没有风险，它只能够将风险控制在一个较低的范围内。此外，数据脱敏很难有效处理医学相关的基因数据、影像数据的隐私保护。

根据《个人信息保护法》规定，匿名化数据是指经过处理后无法识别出自然人的数据。参照前例，脱敏数据并不等价于匿名化数据，所以同样受到《个人信息保护法》的保护。

因此，医疗大数据的隐私安全需要进行全局性的思考。首先，我们要弄清楚数据的类型是什么，数据在哪里，由谁在用以及如何在用，从而实现对数据整体安全的保护。

在保护过程中，我们既需要满足合规的能力，又需要数据保护的能力。

所谓合规能力，是指从数据采集源头保证其合规性，对此，现有法律对包括知情授权、数据使用协议、数据使用范围等在内的要求都有明确的规定。

同时在使用过程中对数据进行分级分类，通过数据日志监控匹配是否存在超范围使用，使用后需要进行数据安全审计与可信存证。

在这个过程中，需要一些技术手段来保证从数据采集到使用的合规性，隐私计算正是一种能够辅助实现从形式合规到实质合规的全流程医疗大数据安全的技术手段，并且它是目前最优技术解。

实现数据“可用不可见”的联合分析

医疗大数据安全共享解决方案包括几个层面，首先是支持安全合规高效。通过隐私保护计算结合区块链等其他技术，提供安全合规高效的医疗大数据，在“可用不可见”的情况下融合多源数据，实现联合分析。

其次是支持医疗监管决策。通过结合区块链实现数据使用全流程可追溯、可监管，对数据的用途、使用方、使用期限、使用范围等都能进行非常细致的控制与监管，为监管部门决策提供数据支撑。

第三是支持医疗数据开放。通过医疗大数据价值转化平台，实现医疗数据跨医院甚至是跨境合作。

通过以上几个目标，该方案还可以支持医疗产业应用，形成围绕医疗产业的聚合，包括在科研、制药以及保险等相关领域的应用。

医疗大数据安全共享解决方案具备几个核心能力，第一是隐私合规的多维检测。

在医疗大数据从形式合规到实质合规的过程中，对数据知情授权、使用协议、数据的使用范围、数据使用后的销毁等环节进行自动化检测，保证全流程的数据合规，这是医疗数据使用中的先决条件。

另一个核心能力则是数据的分级分类。对不同级别和不同类型的数据，我们可以采取不同的安全措施，充分利用不同技术能力范围满足法律监管的需求和敏感信息保护的需求。

这里涉及到隐私保护计算。我们经常提到的隐私保护计算有四个类型的底层技术。

其中一种技术是联邦学习（FL），是指在各个数据源不需要分享个体数据的情况下，通过交换统计信息完成多中心的联合计算，实现“数据不动模型动”的虚拟数据融合。

联邦学习的安全假设条件是在不交换个体数据的情况下，只需要交换一些统计信息。然而，在很多情况下这些明文的统计信息通过推理或者逆向工程的方式，可能推演出数据源的敏感信息，造成隐私泄露。

基于以上考虑，我们提出了安全联邦学习的概念，通过结合联邦学习、同态加密、多方安全计算、可信执行环境等技术，实现数据建模过程中的数据隐私保护。数据源本身，个体信息交换的统计量，模型的梯度，最后生成的全局模型，以及统计分析的结果，都可以在密态下完成计算，并且只有授权用户才能够拿到对应密钥，获得计算结果。

除了联邦学习外，还有一些其他的辅助技术，比如上文中介绍到的同态加密（HE），它是一种基于软件的密码学技术，能够在加密数据上进行运算。同态加密技术在密文下所做的加法和乘法运算完全等价于在明文下进行计算，因此一些计算任务能够在密文下利用同态加密技术完成，从而保护原始数据的隐私安全。

同态加密设计之初是用来解决数据的外包服务问题，包括数据的储存外包与计算外包。

数据拥有方将自己的数据利用同态加密进行加密后，将私钥保留在自己手中，将公钥加密后的数据放到公有云之类的第三方，即可进行储存或计算。当有多个计算方或多个数据源参与时，则需要第三方生成密钥。

多方参与情况下的密钥管理问题，正对应我们上文所说的基于数据分级分类采用不同安全级别的保护措施。

多方安全计算（MPC）是指多个数据参与方以乱码电路或秘密分享的方式，在不需要交换明文数据的情况下，共同完成某项计算的密码学解决方案。

其中最常用的是基于乱码电路实现的安全两方计算，超过两方的计算则通常以秘密分享的方式实现。

在多方安全计算中，基本的安全假设是参与方是不能进行窜谋。因此如果在某些应用场景中参与计算的几方之间不足以信任，可能会存在窜谋风险，那么多方安全计算就不适用。也就是说，对于非常机密的数据，仍需要其他的额外技术提供保护。

可信执行环境（TEE）是指在基于硬件防护能力的隔离环境中进行计算，实现数据安全和隐私保护功能。在CPU或GPU空间中形成的隔离区域中运行的代码、程序、数据均不受外界干扰，只有授权用户方可使用。

可信执行环境提供了一套验证机制，使用户能够远程确定所使用的可信执行环境安全性，以及确保在可信执行环境中运行的代码和数据的完整性和安全性，从而实现对某些敏感数据在隐私保护的情况下进行运算。

可信执行环境的优点在于，基于硬件模式，与同态加密和多方安全计算相比能够支持更大规模的复杂运算。

在上述四个不同技术领域中，我们都完成了一些早期工作。

在联邦学习领域，最早在2012年我们将联邦学习应用于在线多中心医疗数据在“可用不可见”情况下的联合分析，后面会介绍一个相关的案例。

之后联邦学习也被谷歌应用到移动互联网领域，以及被微众银行应用到金融科技领域。

可信执行环境最早于2009年提出，大规模的商业化应用则是2015年底英特尔发布支持SGX功能的CPU之后。

我们是全球最早与英特尔达成深度合作的两个机构之一，通过可信执行环境完成了全球首例多中心跨国罕见病研究，荣获了英特尔杰出贡献奖。

同态加密领域的概念早在上世纪七八十年代就已提出，但是直到2009年，第一个全同态算法（即可做密文下做加法和乘法运算的算法）被Craig Gentry提出。

我们团队在2015年首次将同态加密应用到多中心罕见病研究中，解决了基于同态加密的多中心情况下的基因数据比对和统计分析问题。

2017年，我与ISO、美国国家标准局（ANSI）、IBM和微软等机构共同创办了国际同态加密标准委员会，推进同态加密相关标准制定。

多方安全计算中最著名的是姚期智教授提出的百万富翁问题，它解决了安全的两方计算，之后在1987年被拓展到多方计算。我们在2016年将多方安全计算技术结合联邦学习运用到了国家级医疗网络数据共享过程中。

对于应用平台架构，我们涉及到医疗机构云、数据中心、省市健康云、专病网络等数据提供方，支持结构化数据、非结构化数据、处方数据、基因数据、影像数据等不同类型的数据，同时也支持卫健委等相关监管机构可通过区块链进行数据使用全流程的监管和审批。

在对外输出能力上，支持临床相关应用、大健康应用、健康管理、公共卫生以及科研制药等不同方面的应用。

医疗大数据隐私保护的应用场景

医疗大数据隐私保护的场景和应用有以下几种。

一种是多中心目标条件隐私查询。一个病人或者一批病人在医院的临床数据，结合基因检测中心的基因数据或者影像中心的影像数据，可以实现多模态模型研发。

在不同机构之间进行病人数据匹配时，在纵向联邦学习中，我们要跨不同的医院、机构，找到同一批病人的数据进行支持；在横向联邦学习中，提高样本量时需进行去重，去掉在多个中心里面可能重复的病人，避免重复的病人记录影响模型建立。

除了精准匹配外，模糊匹配在医疗领域中亦有应用。临床实验入组时，需选择参考组和被试组，不同的组别对应不同条件，此时需使用模糊查找，根据某一模型和权重，基于用户的不同生理指标，判断这个用户是否满足某一个入组条件，找到相关目标用户。这是多中心目标查找的隐私计算在医疗领域的主要应用。

另一个常见的应用是多中心隐私数据分析、建模及推理。在某些疾病研究中，单体大数据的数据量或者单个医院的数据维度是不够的，我们需要更大的样本量提高模型的统计效果，或者实现更精准的病人画像，因此需要结合多个中心进行联合计算。

这个过程中，如果不直接交换个体数据，使用隐私计算即可实现在数据“可用不可见”的情况下，通过虚拟数据融合实现多中心建模。

医疗大数据隐私保护的典型案例

接下来，介绍我们在医疗大数据隐私保护领域做过的案例。

下图是我们在2012年开始做的全球首创的隐私保护超大规模医疗科研网络，通过隐私计算覆盖了美国3000多万病人，这些病人来自17个医疗系统，覆盖200多家医院。

我们做的是比较效果研究。具体来说是，探究不同药物对于同一个病人，或是不同手术方法、器械对于同一种病人所产生的不同效果，从而帮助制定更好的临床指南；

探究同一药物对于不同并发症的病人产生的效果，或是同一个药物不同剂量时的相关效果或副作用，以及药物适应症的扩展。这些场景可以通过基于多中心的研究实现更大样本量、更具有统计意义的结果。

但医疗机构受限于隐私保护政策的限制，以及医院自身对于数据安全的顾虑，无法直接形成大规模数据迁移，将数据都汇总到公共区域。

于是我们通过联邦学习方式，将计算节点部署到各个医院，然后通过一个中心节点将比较效果研究的请求发送到各个计算节点，在本地完成运算后，通过交换加密统计信息完成基于大规模数据的临床研究。

基于在国外完成的成功案例，我们在国内也将相关的研究范式应用到了不同的癌症领域，下图案例是我们在消化外科领域的尝试。

我们横跨24个省、直辖市、自治区的60多家医院，覆盖数万名相关病人，在数据库中进行上述比较效果研究，有关不同的器械、术式对胃癌、肠癌等消化外科病人治疗过程中的复发症以及生存率等分析，能够更好地为临床治疗提供帮助，同时也为药厂与器械厂商在相关药物器械的研发提供临床证据。

下图是我们2016年做的隐私保护跨国罕见病分析项目。

罕见病的痛点有两个，一是由于其罕见性，许多医生缺乏足够的经验在第一时间做出正确诊断。由于医生缺乏对罕见病的了解，容易出现误诊现象。

本案例中研究的罕见病是川崎病。川崎病主要发病人群是儿童，症状包括发烧、草莓舌、眼睛发红、身上起疹子等，大多数情况下会被误诊为与发烧相关的疾病，错过最佳治疗时间。

如果不能及时治疗，60~70%的患儿可能会发展成严重的心脏并发症，甚至危及生命。但是，如果能够在患病早期完成诊断，就可以针对此病症有非常好的干预和治疗方法。

罕见病的第二个痛点是每家医院的数据量都极少，难以通过单体数据源实现对于罕见病致病基因的研究。

通过多中心合作可以找到满足样本量的病人数目，从而帮助医生能够更好地确定与疾病相关的致病位点。类似于新冠疫情中使用核酸检测快速定位某个人是否感染新冠病毒。

如果能够找到罕见病基因与疾病的相关性，即可设计试剂盒或临床辅助诊断系统，帮助医生进行罕见病诊断，在患病早期进行干预和治疗。

此外，由于是罕见病，基因变异位点通常比较罕见，因此敏感性也更高，这些病人的数据隐私需受到更好的保护。

基于以上几点，我们通过隐私计算为儿童罕见病，特别是川崎病提供了整套解决方案。

我们联合美国雷迪儿童医院、英国帝国理工学院以及新加坡基因研究所，通过虚拟化容器的方式，在每家医院的数据中心进行了本地计算节点的部署，本地计算节点通过虚拟化容器将底层跟川崎病相关的疾病数据，包括基因数据和表型数据接入系统，即可实现本地计算。

将本地计算生成的统计信息进行加密，在密态下完成全局模型构建，通过反复交互实现统计模型训练，获得最终结果，从而基于大样本获取更具有统计意义的信息。

在三个国家的多所医院中，共找到250个满足条件的家庭。研究中，共使用了150个个体数据，每个个体有70万个基因变异位点，可在秒级内完成跨国隐私保护研究。

这项研究成果获得了英特尔杰出贡献奖，并发表于核心生物学期刊。

基于在国外的研究成果，我们回国完成了全国首例基于隐私保护的跨多个省市的全基因组分析系统。

其中涉及的疾病是强直性脊柱炎。通过基因分析，我们能够尽早确定某些基因变异位点与强直性脊柱炎的相关性，进行疾病的早期预测和诊断，从而实现更早干预、治疗，减缓病情。

在这项研究中也遇到了之前类似的问题——单体医院的数据量非常有限。我们与清华大学、四川大学华西医院、上海长征医院、郑州大学第一附属医院、安徽医科大学第一附属医院5所机构合作，将锘崴信一体机部署到医院信息科，然后医院将相关数据接入一体机，在防火墙后完成本地病人基因数据和表型数据分析。

每家医院都提供了将近1000例的患者与非患者数据，我们组成了参考组和被试组做对比性分析。

研究成果体现在以下几方面。

首先，我们验证了计算精度。在实验数据上，虚拟数据可以实现等价于中心式计算。在计算时间上，由于多个中心可以同时并行计算，等价于将数据集中后的明文计算。虽然计算在密文下运行，但是效率依旧非常高。

同时，该研究也验证了获得的疾病位点与中心计算完全一致。由于通过隐私计算触达到了更多的数据源，我们实现了高一个数量量级的统计意义，研究成果获得上海市科技进步奖一等奖。

此外，我们也做了一些其他应用，比如通过隐私计算帮助儿童罕见病网络进行带有隐私保护的查询和临床辅助诊断系统的应用，通过隐私计算实现对于输入系统的患儿基因信息、临床诊断信息等查询条件的保护。

我们提供了一套自然语言处理（NLP）工具，能够将非结构化的医嘱信息进行自然语言处理，提取出与表型相关信息，将其映射到人类表型本体（HPO）上。

通过以上结构化数据，即可在加密状态下与全国范围内罕见病病人的数据进行匹配。

匹配过程并非简单的精准匹配，而是在不同基因位点对应不同权重和表型相关性的情况下完成匹配，最终返回加密结果，告知医生或患者基于当前的基因和表型可能确诊的疾病或是潜在疾病。

在整个查询过程中，查询条件与查询结果不存留在被查询方，同时也保护了被查询方的数据和匹配模型，实现双盲下的数据查询。

除以上应用外，我们还将隐私计算应用到了新发和突发传染病智慧化多点预警突发系统中。

如今，疫情在多地爆发。如果能够借助于大数据，将病人在不同医院的就诊数据、轨迹信息、药房购药信息、病人自主上报的信息、病人在互联网上搜索的信息构建一个多点触发预警的深度学习模型，就可以在突发传染病刚刚萌发时实现早期干预。

然而在实际应用中，由于数据隐私、数据实时性、大数据计算资源等诸多限制，上述各种数据往往无法简单汇总到一个数据中心实现中心化的模型构建和决策。

通过隐私计算技术在不同的数据源部署计算节点，即可充分利用分布在不同地方的数据，在隐私计算下基于更多维度的信息构建预警模型。

基于预警模型，我们利用实时观测到的数据进行预警，有助于卫健委等部门进行传染病的管理和管控。

此外，医健AI掘金志也上线了王爽教授的演讲视频，感兴趣的朋友可以关注公众号 医健AI掘金志，对话框回复关键词“王爽”，即可回看。雷峰网雷峰网

孤独症患者如同来自其他星球的客人，与周围的世界格格不入，宛如被无形的屏障包围：他们能看能听，却对身边的事物漠不关心，他们会说话，却无法表达自己的情绪和想法。

他们被称作“星星的孩子”。

那层连他们的亲人都无法越过的屏障，有时却会被一些科技手段轻易打开。

早在8年前，《纽约时报》就曾描述过一个13岁的孤独症患者Gus与虚拟助手Siri的故事。

Gus：“你真是台不错的电脑。”

Siri：“我很荣幸。”

Gus：“你总是问我需要什么帮助，那你有什么想要的吗？”

Siri：“谢谢，不过我没什么需求。”

Gus：“好，晚安。”

Siri：“可现在是下午5点。”

Gus：“对不起，我是说再见。”

Siri：“再见。”

他们像真正的好朋友一样聊天，Siri不仅能为Gus那些奇怪的问题提供答案，而且比正常人更有耐心、不厌其烦。

对患有孤独症的Gus来说，这些对话能够帮助他克服对话障碍。

目前，治疗孤独症尚且没有特效药物，只能采用社交训练来治疗。

丹佛大学工程与计算机科学学院的一个研究团队曾研发过一款人形机器人NAO，能说会跳，具有面部识别及声音识别的能力，能够与孤独症儿童进行对话和社交。在2014年孤独症研究国际会议上，Mahoor和他的团队公布：当NAO机器人与孤独症儿童聊天时，他们对视的时间有所延长。

这表明，NAO机器人能帮助患者维持长时间的凝视。

Siri和NAO机器人的案例，是技术向善、体现出人文温度的一个缩影。孤独症的干预时间，3岁是一个分界点。大脑发育的关键期在出生后3年，良好的环境可以保障和促进儿童体格和脑发育，降低出生缺陷和日后疾病的发生。因此，对孤独症患者来说，早发现、早干预尤为重要。

Cognoa是全球首个致力于将机器学习应用于儿童孤独症早期筛查的公司。这家公司收集了大约10000名儿童的现有行为观察数据集，用于AI算法的训练迭代，打造出能够识别儿童孤独症的AI软件。

通过分析家长提供的儿童自然行为信息和视频，Cognoa的AI软件即可使用机器学习来评估该儿童是否正在以正确的速度发展，并评估他们的行为健康状况。

Cognoa的第一个应用早在2018年已通过临床验证，用于识别儿童的孤独症，准确率超过80％。Cognoa的产品也是首个获得FDA认证的孤独症筛查II类诊断医疗设备。

国内公司也致力于孤独症筛查与诊断系统的研发。

2021年10月，首都医科大学附属北京安定医院、清华大学无障碍发展研究院、恩启科技联合研发的“孤独症谱系障碍筛查与辅助诊断系统”正式发布。

这是国内首个孤独症早期筛查系统，该系统基于图像、音视频中的人脸和人体行为AI检测比对技术，根据孤独症预警行为特征进行行为定位、属性识别和比对分析，帮助医疗人员进行筛查及诊断。

在技术人员的努力下，越来越多的数字健康产品获得循证医学的依据，已逐渐被人接受。数字疗法、远程干预等技术手段极为快速地被应用于儿童发展障碍的康复教育领域。

据动脉橙数据库，目前孤独症的数字治疗公司主要包括四类：语言/行为康复治疗、AI及VR/AR治疗、孤独症APP管理和孤独症患者社区。

• 语言/行为康复治疗：通过科学的应用行为分析疗法，把要教授孤独症儿童的技能分解成可执行的行为单元，用特殊的手段对每一个行为单元进行培训直到掌握，最后把已掌握的行为单元串联起来形成更为复杂的行为，表现在语言、模仿、游戏技巧、社会交往等。

• AI及VR/AR治疗：与孤独症儿童进行反馈，集成反馈的数据，为定制治疗方案提供支撑。

• App管理应用：国外孤独症App功能集中在治疗上；国内尚处早期阶段，孤独症App集中在预防及提高认知方面。

• 线上患者社区：线上互联网康复平台，其内容包括个案评估、方案制定、干预实施、过程监控与问题解决、取得的效果、总结分析等。

目前，国内外共有三十余家涉足孤独症诊断和治疗的数字健康公司。

数据来源于动脉橙产业库

儿童精神疾病领域数字化医疗服务商ALSOLIFE创始人兼CEO张之光，是一位孤独症儿童的父亲。儿子确诊孤独症之后，张之光决心创业，解决孤独症康复痛点。目前，ALSOLIFE搭建了中国孤独症领域最大的线上社群，服务了32万个万个中国的孤独症家庭。

这样的案例，还有很多。

虽然，和国外相比中国孤独症数字疗法产业发展仍不成熟，数据分析和追踪技术尚不完善，但近年来国内不少技术企业投入大量成本，帮助儿童康复行业快速发展，突破空间限制，降低康复成本。如果说孤独症儿童如汪洋大海中的一片孤岛，那么日益先进的科技手段也许就是通向他们的一座桥梁，将他们与这个世界连结在一起。雷峰网

参考资料

https://mp.weixin.qq.com/s/dBjHBD6grSdwHg5gfP5VDg

https://baijiahao.baidu.com/s?id=1707131880618060590&wfr=spider&for=pc

据雷峰网统计，其中共有39位华人学者当选，占比已经达到25%。

美国医学和生物工程院会士（AIMBE Fellow)是医学和生物工程领域内的最高专业荣誉之一。

目前，AIMBE Fellow成员中包括3位诺贝尔奖获得者、18位获得总统科学、技术与创新奖章的成员、201位美国国家工程院院士、101位美国国家科学院院士和45位美国国家科学院院士。

以下为就职于国内单位的学者名单：

陈学思

陈学思，中国科学院院士，中国科学院长春应用化学研究所学术委员会常务副主任、博士生导师，中国科学院生态环境高分子材料重点实验室学委会副主任、生物高分子研究组组长 。

1988年从中国科学院长春应用化学研究所硕士毕业后留所工作，后在早稻田大学博士学位、在美国宾夕法尼亚大学从事博士后研究。

1999年，陈学思回到中国科学院长春应用化学研究所工作，先后担任研究员、博士生指导教师，从事生物降解医用高分子材料、组织工程和药物缓释、聚乳酸和聚-己内酯产业化等方向的研究与开发工作。

2016年，陈学思入选国际生物材料与工程联合会会士 ，2019年当选为中国科学院院士。

陈学思曾作为项目负责人承担国家科技部“十三五”重点研发计划项目，国家自然科学基金基础研究中心项目等。同浙江海正集团合作实现了1.5万吨聚乳酸产业化，技术水平达到了国际领先。

入选理由：在开发用于基因和药物递送、纳米医学、组织工程以及规模化生产和商业化的可生物降解聚合物方面做出贡献。

马光辉

马光辉，中国科学院院士，中国科学院过程工程研究所研究员、博士生导师，中科院过程工程研究所生化工程国家重点实验室主任，国家生化工程技术研究中心（北京）主任，中国颗粒学会副理事长，中国化工学会生物化工专业委员会副主任委员，中国生物工程学会理事。

1984年，马光辉公派留学日本群马大学，获得纤维高分子工学科学士学位；1990和1993年分别获东京工业大学高分子工学科硕士和博士学位。

获得博士学位后，马光辉在东京农工大学生物系统应用科学研究科担任助理教授。2001年回国后入选中科院“百人计划”，任中国科学院过程工程研究所研究员，博士生导师。

回国后，马光辉主要从事均一生物微球和微囊的制备及其在生化工程和医学工程中的应用，研究和开发蛋白质/疫苗分离介质、缓控释药物载体、免疫佐剂（疫苗递送系统）、细胞培养微载体、酶固定化载体等创新产品。

据中国科学院过程工程研究所消息，马光辉共获得中国发明专利授权88项，国际专利授权12项，专利技术和产品在国内外500多家单位得到应用。

入选理由：通过创新的膜乳化技术和生物医学配方的颗粒系统设计，在生物工程方面做出贡献。

聂广军

聂广军，中科院特聘研究员，国科大特聘教授，科技部纳米研究国家重大科学研究计划项目首席科学家，国家重点研发计划首席科学家，中国生物物理学会常务理事，中国抗癌协会纳米肿瘤学专业委员会委员，中国药学会纳米药物专业委员会委员。

2002年，聂广军于中国科学院生物物理所获得博士学位，之后在加拿大McGill大学从事博士后研究。

2008年回国后，在国家纳米科学中心建立了“纳米生物学和纳米生物材料”实验室，组建了一个多学科交叉研究团队，研究领域主要包括肿瘤纳米生物学、纳米生物技术和纳米生物效应等。

据国家纳米科学中心消息，聂广军共申请抗肿瘤应用等相关发明专利40余项（授权中国专利20余项，美国授权专利3项，日本专利1项，专利转让2项）。

入选理由：为肿瘤微环境调节纳米药物和智能抗肿瘤纳米机器人的开发做出杰出贡献。

高维强

高维强，现任上海交通大学“王宽诚”冠名讲席教授、博士生导师，癌基因及相关基因国家重点实验室主任  ，生物医学工程学院院长，Med-X研究院副院长，Med-X-仁济医院干细胞研究中心主任 。

1982年，高维强本科毕业于南京大学，同年进入中科院就读研究生并入选CUSBEA项目，1983年赴美，1989年获哥伦比亚大学博士，在哥伦比亚大学医学院及洛克菲勒大学完成博士后研究。1993-2010年，历任美国Genentech公司科学家/实验室主任、资深科学家。期间于2003年荣获国家自然科学基金委“海外杰青”。

2010年全职回国。担任仁济医院干细胞研究中心主任。现正承担科技部国家重点科学研究计划项目和国家自然科学基金重点及面上项目，也是上海市教委肿瘤学重点学科负责人和上海市卫计委重中之重临床肿瘤重点学科负责人。

高维强长期致力于“干细胞与组织发育修复”和“肿瘤发生发展（包括肿瘤干细胞）”机制研究。近年来聚焦肿瘤干细胞、耐药性、诊断和靶向治疗的探索以及神经损伤修复和内耳毛细胞发育再生的研究。

入选理由：对干细胞、组织再生和针对退行性疾病与肿瘤干细胞的转化医学做出贡献。

张灿

张灿，中国药科大学药物科学研究院院长、博士生导师，高端药物制剂与材料研究中心主任。兼任英国皇家化学会期刊Biomaterials Science副主编、中国复合材料学会生物医用复合材料分会常务委员、中国药学会纳米药物专业委员会委员、天津市临床药物关键技术重点实验室学术委员会委员、中国药科大学学报编委和中国药科大学学术委员会委员。

1986年，张灿获得南京大学化学系高分子合成材料专业学士；2000年获得中国药科大学药物化学专业硕士；2003年获得南京大学化学化工学院高分子化学和物理专业博士。自工作以来一直从事新型药用高分子材料和创新药物的研究。

曾作为课题负责人主持科技部新药创制重大专项、新药创制重大专项关键技术子课题，科技部国际交流重点项目、863计划、国家自然科学基金重点和面上项目、教育部重点项目等40余项科研项目；获得授权发明专利24项，主译著作1部、参编著作3部。

入选理由：对细胞治疗和转化研究做出贡献。

王梅云

王梅云，河南省医学影像中心主任。博士、主任医师、教授，博士生导师，美国哈佛大学医学院博士后，美国约翰霍普金斯医学院访问教授，国内首位国际磁共振学会认证讲师、美国放射学院首批中国影像讲师培训人员。

王梅云研究方向为神经系统疾病影像诊断与研究、磁共振新技术的应用，曾主编《医学影像专业英语教程》1部，参编专著8部。近年来相继获得全国优秀科技工作者、河南省学术技术带头人、河南省优秀青年科技专家、河南省政府特殊津贴专家等荣誉称号。

入选理由：对探索并拓展多模式成像技术在提高疾病诊断和治疗方面的价值做出贡献。

汤启宇（Raymond Kai-yu Tong）

汤启宇，美国医学与生物工程院院士，香港青年科学院创院院士，香港中文大学生物医学工程系主任。

1999年，汤启宇获得英国思克莱德大学生物医学工程博士学位，研究领域包括康复机器人、脑机接口（BCI）、神经工程、功能性电刺激（FES）和中风大鼠模型等。

2013年，他获得十大杰出青年（香港）奖，研究成果获得了第44届日内瓦国际发明展金奖，2016年应邀参加达沃斯论坛作技术报告。

入选理由：研发“希望之手”上肢康复仪用于中风康复，创办香港第一个生物医学工程系。

姚建华

姚建华，腾讯AI Lab AI医疗首席科学家，拥有天津大学计算机科学本科学位、清华大学计算机科学硕士学位，及美国约翰斯霍普金斯（The Johns Hopkins University）大学计算机科学博士学位。

姚建华在精准医疗，影像分析、病理图像处理，肿瘤生长预测、以及手术导航取得过突出成绩。同时，姚建华担任IEEE JBHI副主编，负责编辑多部AI影像特刊和担任多个AI顶会的Area Chair，并组织多次医疗影像国际学术研讨会。在国际期刊和顶会上发表论文超过350篇，被引用超过14000次，h-index指数47。

加入腾讯AI Lab以来，姚建华带领团队发布多项研究与应用成果，包括中国首款获批进入临床应用的智能显微镜；为腾讯的国家级影像产品“腾讯觅影”提供技术和方案；与钟南山团队合作开发的新冠重症预测模型发表在Nature Communication，并在全球80多个国家使用。未来，姚建华还将带领团队深入AI+生命科学方向。

入选理由：对生物医学图像分析和人工智能医疗保健领域的研究、临床服务和商业开发做出贡献。

全部入选华人名单如下：

中国科学院陈学思

中国科学院马光辉

国家纳米科学技术中心聂广军

上海交通大学高维强

中国药科大学张灿

河南省人民医院主任王梅云

香港大学汤启宇

腾讯AI Lab姚建华

雅培Qiaoqiao Ruan

雅培Tao Xin

特拉华大学Liyun Wang

贝斯以色列女执事医疗中心Wenyi Wei

美国西北大学Hao F. Zhang

OncoC4公司Pan Zheng

圣路易斯华盛顿大学Quing Zhu

西门子医疗Rui Liao

卡耐基梅隆大学Jian Ma

休斯敦大学Ji Chen

俄克拉荷马大学Wei R Chen

特拉华大学Wilfred Chen

宾夕法尼亚大学Youhai H. Chen

密苏里-哥伦比亚大学Jianlin Cheng

南卫理公会大学Jung-Chih Chiao

范德堡大学Zhaohua Ding

俄亥俄州州立大学Yizhou Dong

得克萨斯大学阿灵顿分校Jean Gao

马萨诸塞大学医学院Gang Han

波士顿大学Xue Han

得克萨斯A&M大学Shuiwang Ji

得克萨斯大学西南医学中心Steve Jiang

加利福尼亚大学戴维斯分校Yuanpei Li

加利福尼亚大学尔湾分校Chang Liu

加利福尼亚大学伯克利分校Chunlei Liu

加利福尼亚大学尔湾分校Wendy Liu

哈佛大学医学院附属丹娜法伯癌症研究院Xiaole S. Liu

伊利诺伊大学厄巴纳-香槟分校Ting Lu

雪城大学Dacheng Ren

休斯顿卫理公会医院Stephen T. Wong

马萨诸塞大学阿默斯特分校Nianqiang Wu