- 医疗
- 大健康
- 医疗科技
在当前的医疗行业，从患者体验、医生诊病、到医院管理各方面，还有众多有待完善的空间。从最初的化验单解析，到AI影像诊断布局，再到儿童保健领域的发力，拍医拍在医疗科技的探索之路上一路前行。
尽管to C的化验单解析APP一度在医疗健康类APP排名中超过阿里健康，但出于商业模式层面的考虑，2015年底拍医拍科技转型to B业务，专注于为保险公司解析医疗单据。
保险公司健康险理赔业务中存在大量的医疗单据手工录入，而拍医拍科技的医疗单据识别与解析可替代约2/3的人力，可大幅度降低保险公司以及保险理赔服务公司的成本。
不仅如此，由于拍医拍科技的AI技术，可以读取人工录入所忽略的70%的医疗信息。随着数据的不断积累，可为保险公司和投保人提供更为精准的保险产品。
而随着人们对健康的重视和消费水平的提升，健康险的发展前景是毋庸置疑的，目前来看，不管是从商业模式，还是从市场推广，拍医拍科技医疗单据识别业务已逐渐趋于成熟。
随着AI技术的积累，拍医拍科技也在不断探索人工智能在医疗中的更多应用场景。
2017年影像智能诊断成为风口，原本就带着视觉识别和AI基因的拍医拍科技，也投入了AI影像诊断的事业，目前已具备肺结节、脑部、乳腺、病理细胞切片、细胞免疫荧光等领域的产品。
拍医拍科技执行总裁杨琼博士表示，未来AI影像识别、诊断一定会有广阔的前景，只是当下在商业模式上面临政策、市场、产品实用性（单一病种影像识别只是影像诊断中的一小部分）等诸多挑战。所以，拍医拍科技将不断积累技术实力，继续推进产品完善，为迎接AI影像诊断行业的发展做好准备。
同时，拍医拍科技即将推出AI儿童骨龄识别产品，并以此为契机，重点发力儿童保健领域，从智能影像诊断、个性化保健方案、智能健康管理等多个维度深入打造儿童保健领域的AI产品和解决方案。
相比于其他疾病的AI影像诊断需要配合病理、临床表现等结果而言，骨龄识别主要依据的是影像资料，所以在产品实用性和商业落地路径方面都将有更为广阔的应用场景。
未来，通过在智能影像识别和单据识别方面的技术积累，并深耕医院和保险公司客户渠道，拍医拍科技将率先实现儿童保健领域整体解决方案的商业化落地。
近期，爱分析对拍医拍科技CEO杨琼博士进行了访谈，现将精彩内容与大家分享。
杨琼博士曾在微软亚洲研究院、百度深度学习研究院从业人工智能相关研究和领导工作，是国内深度学习技术的最早推动者之一，曾在世界顶级杂志与会议发表论文四十余篇，多篇获最佳论文或最佳论文提名奖。
OCR应用于医疗单据识别，To C 到To B的完美转型
爱分析：拍医拍科技首个业务切入单据识别的考虑？
杨琼：2015年是互联网医疗很热的一年，投资也很热，而医疗有很多的痛点，所以我们就选择了这个方向。
由于政策的原因，很多医疗数据无法出医院，但是患者排队诊病痛点却又是不争的事实，长时间排完队，问诊几分钟，很多医学检查也看不懂。
患者的很多疑问我们所做的APP都可以解答，只需拍一个化验单上传，APP就会对化验单进行解读，而且不仅能做单据识别，还能给出很多医学意义上的解读。
比如说白细胞数偏高还是偏低，会对身体有什么影响，并给出相应的养护建议。
这是我们to C的产品，叫拍医拍。
爱分析：后来转向做to B业务的契机？
杨琼：后来到了15年底，意识到to C商业模式的路太漫长，就开始转型做to B。
转型to B本质上就是把识别技术及医学知识整合输出给B端客户。转型过程中我们逐渐发现保险公司对单据识别是具有刚需的，而且健康险正处于上升时期，未来前景广阔。
原来保险公司对于发起的理赔申请，需要很多工作人员人工录入单据信息，才能确认理赔额度。
业务量不多时可以人工录入，但随着这些年健康险业务量40%的增长率，人工录入处理受限受到很大挑战。
拍医拍的单据识别即可以降低成本，又能提升效率。
爱分析：医疗里面的OCR跟其他行业OCR有什么差别？
杨琼：市场上老牌的OCR大都是固定模板模式的，用于医疗行业识别效果并不理想。况且，我们国家的医疗单据又有其特殊性。
比如说化验单，不同的医院采用的版面不一样，格式方面的单双栏不一样，科目名称也不一样，比如说有的是白细胞，有的是白细胞计数。
而且医学意义要解读，并不仅仅是识别。
相比于传统的基于模板的OCR技术，我们是不需模板的，具备较广的通用性，更适用于医疗单据识别。基于模板的处理方式，可能需要10＋万个模板，而我们是基于自主研发的智能版面理解的核心技术。
爱分析：与保险公司的合作，数据主要是保险公司提供？
杨琼：保险公司本身有很多的数据，我们提供的是对数据处理和理解的能力 。
目前我们产品所服务的保险公司及保险服务公司，为了保证数据的安全性，基本采用本地部署的形式。
识别+语义理解，助力险企降本提效的同时陪跑布局未来
爱分析：识别之后还有其他的工作吗？
杨琼：不管是做哪种单据，本身识别是一部分，同时还有很多语义理解的工作，比如每个指标在医学上对应的意义，这就需要有医学知识库作支撑。
保险对应的是理赔知识库，比如说哪些药品是属于医保范围内的，客户是属于医保的客户，还是非医保客户。
医保也有好多种类型，比如说如果是部队的，会跟普通医保不一样。所以背后需要有一套完善的理赔知识库做支撑。
爱分析：这个知识库是保险公司搭建好，还是完全由拍医拍科技提供？
杨琼：我们现在有自己的知识库，但是如果保险公司愿意提供既有的会更好一些，我们可以将两个数据库做整合。
爱分析：化验单的解读技术是NLP技术？
杨琼：我们现在的AI技术不仅体现在图像本身，也体现在NLP和知识推理方面。
爱分析：在OCR技术上，拍医拍科技不用模板的做法与需要套用模板的做法，从技术层面完全是不一样的两套技术？
杨琼：需要模板的方式缺版面理解，医疗里面的单据比较复杂，不同医院的表格设计方式不一样，挖掘不同指标背后的医学意义的前提是正确的理解版面和内容。
如果用套模板的方式，必须准确地套用。如果套错了，整个理解就会是错的。
像我们这种不用模板，用语义理解的方式效果较为理想，因为这样才能保证最后做出来的医学解释是正确的。
爱分析：目前整个过程还需要人力的介入吗？
杨琼：目前完全不用人是不太可能的，能够做到的是，如果原来需要200人，可能现在只需要 1/3的人就能完成同样的业务，能够降本提效。
现在大概70%的单据信息基本不用人工，大约30%的单据信息，系统会给出标红，这部分是需要人工复核的。
爱分析：跟保险公司的合作，从现在的单据识别能延伸到其他哪些方面？
杨琼：保险公司也在为未来做布局，也是我们想布局的，OCR仅仅是个汇集数据的入口，基于对这些数据的深度挖掘，未来可以勾画多种商业场景。
例如，基于数据分析，将会更懂投保客户，可以推荐更适合客户的保险产品。
举个简单的例子，有个客户以前有心脏病，搭过心脏支架，有可能在未来几年再去做一个心脏支架手术。对这种客户可以设计一个针对性的保险产品。
而对于已经投保的客户，保险可以做一些干预，以降低发病风险。这种类型的保险依赖于大量的健康数据分析，所以单据识别过程中积累的数据，就是很多业务起始的入口。
影像辅助诊断是未来储备业务，长期看好
爱分析：后来做AI影像的考虑？
杨琼：随着面向保险领域的医疗单据识别业务商业模式日趋成熟，2017年我们开始探寻新的业务方向。
于是去年围绕着AI大规模应用的影像识别做了些尝试，现在可能有上百家公司也进入了影像识别、诊断领域。
我们涉及的有肺结节、脑部、乳腺，还有病理细胞切片，并且已经在部分医院做了试用。但是现阶段这一行业的总体情况来讲，可以说看上去很美，但现实很骨感。
爱分析：现实骨感是因为不能达到使用需求还是盈利方面？
杨琼：首先医疗诊断类及辅助诊断类的产品都需要CFDA认证，而认证则需要时间，尤其AI影像诊断这种新开的目录认证过程将势必更为漫长。
这又回到盈利模式的现实问题。
其次，以肺结节为例，肺部可能的疾病种类很多，肺结节检测只是该领域里很小的一个环节。很多其它的影像也是这样。所以，从实用性角度来说，还有很长的一段路需要走。
爱分析：影像产品开发所需数据是怎么拿到的？
杨琼：数据来源有多个渠道，首先是投资方慈铭提供很多体检数据，还有一些合作医院提供的数据，再有是网上公开的数据集，这些数据基本都会请专家做标注。
医疗影像识别工作中第一数据不容易获得，第二数据还需要专家标注，所以影像诊断是很费时间、费人力、也很费钱的事情。
爱分析：智能辅助诊断只是识别病灶还是会给出诊断意见？
杨琼：已经做到检测、量化、以及对病灶类型的分类，比如说面积大小，轮廓勾画、严重程度等。
爱分析：单据识别和影像诊断这两个产品算法层面完全不一样？
杨琼：好多底层的东西是相通的。算法方面的东西基本都可以做，但是真正最后输出来做产品，肯定是会有差异的。
从自身团队能力角度来讲，两方面的算法人员都可以根据自己的兴趣选择一个方向去专研，从能力上是都没问题的。
因为他们在很多底层的知识相互交流方面都没有问题，大家只是在上面应用层输出的时候会有差异。所以我们团队也比较灵活。
爱分析：您对于影像辅助诊断发展的看法？
杨琼：它的前景是毋庸置疑的，但是其发展可能还需要些时间。我们现在技术层面的储备是有的，但是还有待其他行业发展条件齐备，才能迎来真正商业化落地阶段。
拍医拍科技目前在持续做这方面的技术储备和产品打磨，积极等待合适的切入时机落地商业化应用。
爱分析：那您觉得在影像辅助诊断方向应该怎样走？
杨琼：首先，我们应该将问题简化，尽可能去做一些盈利路径较短、本身问题没有那么错综复杂的方向。
其次，应该深入某个细分领域去做全方位的AI解决方案，而不是仅仅围绕某个单一环节提供AI技术。只有这样，才能真正地在行业内立足，把握好成本与收入的平衡。
再次，拍医拍科技也会秉承一贯的务实风格，坚持先把工作做深、然后再求做广的路线，继续前进。