已用1.6亿份病例训练人工智能，大数医达要把机器培养成中级医生

从医院信息系统，到电子病历系统，到跨系统的集成平台，到基于人工智能技术的临床诊疗辅助决策系统，新技术正在循序渐进地改变传统医疗。从实现信息的互联互通，到提高医院的运营效率，直至提高临床诊疗水平，每一步都更接近问题的核心，而每一步的难度也都更高。 

当下最艰难的一步，是把人工智能，尤其是深度学习前沿技术，应用于医疗行业，实现临床诊疗辅助决策系统。如果能够成功地迈出这一步，就能够增加优质医疗资源的供给。医疗供给侧的改善，不仅社会效益深远，而且商业潜力巨大。

大数医达 CTO邓侃博士这样介绍他们的技术原理：用深度学习算法，能够把病历转换成输入和输出一对向量。输入向量包含患者的性别年龄等基本信息、身高体重脉搏血压等生命体征、以及症状、化验指标、和影像检查标志物等等。输入向量的维度非常高，高达几千维，实际上输入向量描述的是患者的病情。而输出向量包含诊断结果，也就是所患疾病，和治疗方案。

“想象一下，如果有一个宇宙空间，它的维度与病历的输入向量的维度相等，也是几千维。把病历投射到这个宇宙空间里去，那么一份病历就是宇宙中的一颗星星。我们现在处理了 1.6 亿份三甲医院的病历，那么在这个宇宙空间里，就有 1.6 亿颗星星。”邓侃说，“ 这些星星不是均匀分布在宇宙空间里，而是聚集成一团一团的星云。每一团星云的中心是某一种疾病。大的星云对应着常见病，因为常见病的病历数量多。小的星云对应着罕见病。有些星云之间，相距甚远，因为星云对应的疾病，毫无关联，例如骨科病的星云，与呼吸科的星云。也有一些星云之间有重叠区域，这说明这些星云对应的疾病，往往是并发症、合并症、或诱发症，例如肺部疾病和心血管疾病。” 

大数医达简介

所谓诊断，就是给定宇宙空间的一个坐标，希望预测输出向量中的诊断结果，也就是疾病。怎么预测呢？先寻找这个坐标周围有哪些星星，也就是相似病历，然后统计分析相似病历中，人类医生曾经做过的诊断结果。简而言之，大量优质的病历数据，是实现临床诊疗辅助决策系统的必要资源。

像大数医达这类医疗大数据及人工智能企业，不需要把病历数据占为己有。他们在医院内网帮助医院搭建私有云，在私有云里先汇总医院内网中存放的所有病历数据，然后再用深度学习算法，训练从输入向量预测输出向量的数学模型。他们从医院获得的，不是原始病历数据，而是不涉及病人隐私的数学模型的参数。

中国人口全球第一，每年诊疗人次接近 80 亿。另外，各地三甲医院实现电子病历已经十年多。这给国内医疗大数据及人工智能企业，储备了全球最大的病历数据资源。大数医达在不到一年的时间内，与各地十多家三甲医院进行合作，已经处理了 1.6 亿份电子病历，而且每天都在不断处理新增病历。

获取了海量的优质的病历数据以后，就可以训练模型，实现临床诊疗辅助决策系统了。训练模型的技术难度非常大。

病历数据来自真实世界，数据不完整的现象普遍存在，譬如门诊病历中，常常缺失症状描述。数据的质量也存在很多偏差，譬如门诊的诊断结果，往往不够精准。另外，医学存在信息不透明的问题，譬如不少疾病的病理，至今仍在探索。同一个治疗方案的疗效，因人而异，存在很大的不确定性。而且治疗过程不可逆，永远回不到昨天。这些特点，给训练模型造成了很大技术障碍。

据邓侃博士介绍，大数医达是这么规划他们的开发路径的：先对医院每个科室的病历做统计，看看哪些常见病能够覆盖超过 80% 的诊疗人次。他们发现，呼吸科 19 个常见病，覆盖了 80% 以上诊疗人次。心内科 22 个常见病，消化科 20 个常见病，等等。

大数医达首先对这些常见病逐个训练模型。训练模型，不仅依赖于病历数据，而且要参考医学文献。每个科室约 20 个常见病，需要 3 周左右的训练时间。大数医达总共要处理 14 个科室。不仅技术难度高，而且工作量巨大。邓侃博士说：“我们的目标是，希望能够让机器的水平达到中级医生的水平。为常见病的诊断和治疗，提供中规中矩的标准化的专业建议”。

谈到大数医达的产品的服务对象，邓侃博士表示，他们现在已经开始与药店合作，提供药品导购服务。下个月即将为健康险公司，提供核保防欺诈服务。等到14个科室的常见病的数学模型，被训练到一定程度后，他们将为基层医院的医生，提供辅助诊疗服务。同时为老百姓，提供智能自诊服务，提供操作简单但是高精度可信赖的第二诊疗意见。

目前大数医达拥有10多人的团队，目前主要专注于产品研发。此前，大数医达已经完成了一轮天使融资，目前正在进行pre-A轮融资，用于扩充团队。