小毛病，先找機器人醫(yī)生“聊一聊”

袁斯來

如果身體有些不太舒服，我們可能不會馬上加入到三甲醫(yī)院看病的人海中，為個小毛病掛上百元的專家號。很多時候，人們習(xí)慣于先上網(wǎng)搜索一番，對癥自我診斷一下，再看是不是真有必要勞心費力地跑一趟。

沒有任何醫(yī)學(xué)背景的張超創(chuàng)立康夫子就是想讓用戶的自我診斷更加專業(yè)一些?？捣蜃邮且患裔t(yī)療人工智能（AI）輔助診療提供商，它想用AI培養(yǎng)出靠譜的機器人“全科醫(yī)生”，更好地提高就診效率，盡可能利用有限的醫(yī)療資源。它的預(yù)問診機器人能嵌入到各大掛號平臺和醫(yī)院的醫(yī)院信息系統(tǒng)（HIS）中，完成智能導(dǎo)診和分診，讓病人更準確地找到醫(yī)生，幫醫(yī)生節(jié)約重復(fù)性詢問和初診時間。目前，康夫子已經(jīng)和知名的HIS系統(tǒng)提供商東華軟件、東軟集團、健康160、360良醫(yī)搜索等數(shù)十家企業(yè)達成合作，并且在2017年9月完成5000萬元人民幣A輪融資，投資方為火山石資本和寬帶資本旗下的晨山基金，天使輪投資方晨興資本跟投。

康夫子的創(chuàng)始人張超是個不折不扣的理工男，他本科在成都的電子科技大學(xué)學(xué)數(shù)學(xué)，到新加坡交換時，研究方向為自然語言處理，也曾在百度從事自然語言處理和信息提取工作。2015年，一直想創(chuàng)業(yè)的張超終于還是離開了百度，拉著自己的同事成立了康夫子。當(dāng)年和他一起交換的同學(xué)很多拿到了美國的教職，有的還成了“青年千人計劃”學(xué)者，但“我是肯定要去工業(yè)界的，我還是喜歡折騰”，張超告訴《第一財經(jīng)周刊》。

其實，張超當(dāng)時也還不知道AI將成為一個大風(fēng)口，他們小團隊最大的強項是善于做知識圖譜和自然語言處理，他想要切入的是一個既需要技術(shù)，又需要“知識經(jīng)驗”的領(lǐng)域。最開始，張超甚至還想過去做金融領(lǐng)域的應(yīng)用，但被在金融行業(yè)工作的妻子勸住了。后來他和同伴幾乎是憑直覺選擇了醫(yī)療健康行業(yè)，“當(dāng)時覺得醫(yī)療變化很劇烈，覺得這樣的領(lǐng)域能殺出來?！睆埑f。

正巧那個時候，妻子懷孕，張超就想著做個針對孕婦膳食營養(yǎng)分析的應(yīng)用。他們拿著靠“刷臉”得到的將近200萬元投資，五六個人全職投入進去，很快就推出了一款“孕婦營養(yǎng)”的小工具。最開始，這個應(yīng)用的表現(xiàn)還不錯，但當(dāng)他們興致勃勃地上線了更詳細的分析功能，要做產(chǎn)品迭代時，日活沒上升，反而下跌了不少。準媽媽們對每天多吃或少吃“一個蘋果”其實沒有多大的興趣，那些分析可能遠不如關(guān)鍵意見領(lǐng)袖（KOL）的一碗心靈雞湯有用?！霸袐D需要心理慰藉，需要很多運營，我們不擅長?！睆埑杏X失去了方向。

張超意識到他們幾個理工男必須從純“技術(shù)思維”中走出來，真正從產(chǎn)品的角度去關(guān)注用戶的剛需。他想起自己在百度工作時，很多人會搜索“頭痛應(yīng)該怎么辦”“咳嗽是什么病”這類問題。在張超看來，即使除開導(dǎo)流的因素，搜索引擎上良莠不齊的答案其實并不能很好地解決問題，這就意味著他們的強項可能有用武之地。

在國外，有了這些常見的癥狀，人們首先會去找全科醫(yī)生診療。同樣是頭痛，可能只是感冒，也可能是惡性腫瘤的癥狀表現(xiàn)，如果是后者，就會很快轉(zhuǎn)到?？漆t(yī)生處，全科醫(yī)生承擔(dān)的是分診的工作。而在國內(nèi)，更多人是直接到大醫(yī)院找到專科醫(yī)生。這樣一來，很可能大把時間就浪費在了一次次轉(zhuǎn)診上。

“平時看病就和升級打怪一樣，要花很多錢，還會走很多彎路。計算機技術(shù)能夠縮短就醫(yī)路徑，這個是剛需?！睆埑f。

雖然選定了新方向，但這時候的張超還對之前做的營養(yǎng)分析產(chǎn)品念念不忘，拿著BP給投資人做介紹時，他還提到70%做醫(yī)療，30%做營養(yǎng)。投資人明確表示，“不要說營養(yǎng)，我只對醫(yī)療感興趣”，張超才終于放棄了之前的產(chǎn)品。

轉(zhuǎn)型自然是痛苦的。他們實際上要從無到有去訓(xùn)練一個全科醫(yī)生，最重要的就是要搭建一個診療“知識圖譜”。

醫(yī)學(xué)是一門知識+經(jīng)驗驅(qū)動的學(xué)科，知識圖譜是知識非常好的表達方式。很多日常會使用的功能都可以靠知識圖譜解決，比如越來越“聰明”，能夠理解我們話語的“語義搜索”—輸入“咳嗽可能是感冒嗎”，計算機就會去查找“咳嗽”和“感冒”的關(guān)系，再分析推理，之后給出相應(yīng)結(jié)果。

在康夫子，最初的知識圖譜搭建非常艱難。他們得教會計算機像人類一樣學(xué)習(xí)海量的醫(yī)學(xué)文獻，在分析數(shù)據(jù)后，發(fā)現(xiàn)上億條文本書寫的規(guī)律，還要根據(jù)規(guī)律，從這些文本中自動抽取知識，形成一張網(wǎng)絡(luò)交錯的圖譜。

訓(xùn)練計算機的“學(xué)習(xí)原料”就是結(jié)構(gòu)化的數(shù)據(jù)。所謂結(jié)構(gòu)化，就是將以自然語言書寫的文獻或者病歷，處理成計算機能夠理解的信息點。“最關(guān)鍵的是要從無結(jié)構(gòu)化中提取出結(jié)構(gòu)化的信息，比如用了什么藥，癥狀是什么，表現(xiàn)怎么樣，必須是明確結(jié)構(gòu)化后的知識?！笨捣蜃拥募夹g(shù)合伙人栗曉華告訴《第一財經(jīng)周刊》。

而且，僅僅是提取信息點遠遠不夠，還要把口語和專業(yè)的術(shù)語對應(yīng)，才能形成醫(yī)療上的判斷。這需要計算機具備推理能力，比如它能自動把“拉肚子”和“腹瀉”“抽筋”及“痙攣”聯(lián)系在一起。

但是，僅僅搭建這樣一個圖譜，還不足以輔助診斷。一種癥狀可能對應(yīng)多個疾病，計算機還得算出不同疾病之間的權(quán)重，才能為醫(yī)生的診斷提供一目了然的參考意見。他們計算權(quán)重，用的是統(tǒng)計學(xué)的辦法，比如感冒病人里面有多少有咳嗽癥狀，然后根據(jù)病人的回答做計算?！澳阋x成醫(yī)生助手，即使是醫(yī)生，也會有反應(yīng)不過來的時候，機器能避免盲區(qū)。我們不是幫著決策，只是收集數(shù)據(jù)，給出建議，不是幫醫(yī)生做決定?！睆埑f。

既需要將海量信息提取和串聯(lián)，還需要算出不同可能性，對技術(shù)來說是巨大的考驗。好在張超團隊之前在百度做的就是類似的工作，當(dāng)時他們每天需要在上千億個網(wǎng)頁中抽取知識點，算是有了方法論上的優(yōu)勢，所以康夫子花三個多月就搭建起了初版引 擎。

現(xiàn)在看來，張超他們轉(zhuǎn)型初期還是陷入了過于迷信“技術(shù)至上”的誤區(qū)。雖然一開始就組建了自己的醫(yī)學(xué)團隊，但張超并沒有多重視醫(yī)學(xué)本身的特殊性。他很簡單地認為，“只要數(shù)據(jù)足夠多，應(yīng)該就能跑出漂亮的模型?！?/p>

實際上，要建立起完善的診療技術(shù)的知識圖譜，他們很多時候還是徹底的外行。比如用藥，張超只是覺得把說明書扔到系統(tǒng)里，分析下每種病應(yīng)該用什么藥，完全沒想到要考慮藥物沖突、藥物禁忌，還要知道病人的過敏史和用藥史。

而康夫子剛開始的交互甚至沒有辦法判斷患者是急癥還是慢癥，這只能通過不斷交互去優(yōu)化。比如同樣是出血，有可能只是小擦傷包扎一下就行，也可能是被帶鐵銹的利器劃傷，這會兒就沒時間再一問一答了，康夫子應(yīng)該馬上建議患者去醫(yī)院掛外科號，打破傷風(fēng)針。

張超設(shè)想的應(yīng)用場景是高度模擬醫(yī)生問診的對話式人機界面，要做到這一點，他們必須獲得大量醫(yī)患就診時一問一答的數(shù)據(jù)記錄，來訓(xùn)練對話引擎。但實際情況是，醫(yī)患之間的這些回答最終都體現(xiàn)在病歷中，無法逆向還原。雖然他們能夠從患者填寫的材料中獲得一些數(shù)據(jù)，但這些遠不足以支撐一個合格的“機器醫(yī)生”需要的計算。

康夫子只能用“笨辦法”解決，招聘了一批有醫(yī)學(xué)背景的員工，讓他們通過病歷，反向還原問答場景。比如醫(yī)生只記錄了腹痛幾天，他們就需要還原出“腹痛多長時間”“痛了3天”這樣詳細的回答。

現(xiàn)在來看，康夫子的客戶主要集中在B端。走到這一步，他們踩過的“坑“還是不少。他們最早的客戶是一家醫(yī)療信息技術(shù)公司，張超希望幫他們做電子病歷評級，對方一開始很不感興趣，“就覺得，你們團隊活到什么時候我們都不知道”，張超說，直到拿到一筆新投資，對方才答應(yīng)讓他們“試試”。

康夫子早期另一家重要的合作伙伴是東華軟件，這家公司的客戶包括北京協(xié)和醫(yī)院、四川大學(xué)華西醫(yī)院等?？捣蜃訛樗鼈兲峁┑倪€是比較簡單的病歷結(jié)構(gòu)化產(chǎn)品，也就是把病歷“翻譯”成計算機能夠識別的信息點。

但剛開始，客戶對他們的產(chǎn)品并不滿意。他們提供的結(jié)構(gòu)化數(shù)據(jù)幾乎就是照本宣科，很難達到醫(yī)生的需求?！熬褪菦]滿足具體場景和醫(yī)生患者的心態(tài)。”張超后來檢討。比如做鼻咽癌結(jié)構(gòu)化，他們提取的只是一些癥狀加上檢查報告，但實際在臨床診斷上，醫(yī)生非常關(guān)注患者的吸煙史，甚至?xí)毣綆讱q開始吸煙、習(xí)慣抽什么牌子多少價位的煙、每天吸多少支、平時吸煙會不會用濾嘴等。

不止如此，他們的“外行”還導(dǎo)致了不少bug，比如只是很機械地復(fù)制理想化的看病流程，和真實場景相差很遠，在和山東大學(xué)齊魯兒童醫(yī)院合作時，有些科室號掛完了，康夫子的機器人醫(yī)生就束手無策，直接讓患者回家。但實際上，病人可以去問導(dǎo)診臺還有沒有其他科室的醫(yī)生也能診斷?！霸阶鲈桨l(fā)現(xiàn)，這是個非常龐大的系統(tǒng)，所以對系統(tǒng)的理解是一層層的，越做越復(fù)雜，不是單純用算法能夠解決的問題?！睆埑锌?/p>

張超也是從這時開始越來越重視醫(yī)療團隊。從前醫(yī)療團隊只是做數(shù)據(jù)標(biāo)注和醫(yī)療建模，現(xiàn)在他們成了所有產(chǎn)品的“裁判員”，產(chǎn)品合不合格，首先得通過他們這關(guān)，看看是否滿意，有沒有不符合他們常識和認知的部分，只有得到醫(yī)學(xué)團隊的認可，產(chǎn)品才會上 線。

不過，除了挫折，現(xiàn)實的場景有時也會帶來意外之喜，比如兒科和婦科，康夫子就做了單獨的優(yōu)化，因為這些患者在就診時會填寫得非常詳細?！坝绕涫羌议L，一般都受過比較好的教育，所以填寫的數(shù)據(jù)質(zhì)量非常高?！睆埑f。

經(jīng)過了兩年的時間，康夫子的引擎在這樣的試錯和調(diào)整中一點點成熟。到現(xiàn)在，如果加上檢驗報告的數(shù)據(jù)，康夫子輔助診斷引擎算出的結(jié)果和醫(yī)生診斷的重合度基本能達到90%。

這個結(jié)果意味著AI輔助診療領(lǐng)域巨大的想象空間。“人工智能醫(yī)生不是很近的事，但也沒那么遙遠。第一步是先要達到一定水平，要人機能PK，第二才是在監(jiān)管下作出診斷。未來可能做到人工智能家庭醫(yī)生的級別。”火山石資本副總裁劉凱告訴《第一財經(jīng)周 刊》。

一直以來，國內(nèi)的醫(yī)生都是短缺資源。衛(wèi)生計劃委的報告表明，2017年1月至11月，中國醫(yī)療衛(wèi)生機構(gòu)總診療人次達73億，比2016年多了2.1億人次。但是，去年新增的醫(yī)生不過20萬左右。

所以，康夫子這樣的人工智能醫(yī)療產(chǎn)品獲得資本青睞的主要原因是它們實際上增加了醫(yī)療生產(chǎn)力，而不是簡單地做了生產(chǎn)力的分配。AI醫(yī)生的未來目標(biāo)，就是能夠復(fù)制醫(yī)生的能力，甚至代替他們做一些重復(fù)性的工作，這樣能最大限度解放醫(yī)生的生產(chǎn)力?！耙婧虯I算法的規(guī)模效益會很高，邊際成本很低，如果能夠替代醫(yī)生30%的工作量，會有巨大的潛力?！睂W(xué)醫(yī)出身的劉凱對此還是充滿信心。