深思考杨志明：如何开启智慧医疗大门
5月10日，全球人工智能产品应用博览会在苏州国际博览中心盛大开幕，在同期举行的2018医疗人工智能产学研医高峰论坛上，深思考CEO兼首席架构师杨志明博士就“如何开启智慧医疗大门”作出了精彩论述，以深思考“全自动人工智能宫颈细胞学辅助阅片系统（iDeepWise CellScreening II）”落地为例，分享了AI产品如何在医疗领域大规模应用落地的经验。
形势严峻：国内宫颈细胞学筛查现状
杨志明表示，当前癌症在中国乃至全世界高发病率偏高且在逐年增加，尤其像宫颈癌、乳腺癌等等。而在这之中我们AI需要迫切解决一个重要问题——宫颈细胞学筛查现状。目前国内医疗和医生资源严重不足，中国病理医生与人口比例为 1:70000，而美国为 1:2000。另外人眼阅片费时费力，每张片子约10分钟，每天最多阅片约100张，伴随着阅片数量多，阅片压力也在慢慢增大，阅片人员由于疲劳和技能水平及主观判读等因素造成敏感性仅有65%左右。
针对“两癌筛查”这一现状，深思考人工智能iDeepWise提出了“云”和“端”两种模式的解决方案，其核心优势可归结为“五高”：高速度，能在100秒内能够智能分类70000个细胞，1~3分钟自动出具初筛报告，即使是重叠的细胞亦可轻松应对；高精度，在宫颈癌识别精度上：鳞状上皮细胞异常敏感性98.4%，特异性99.77%；高通量，单节点批量阅片1~480片；高智能，基于构建的AI算法模型，可在使用的过程中学习和不断优化；高适配，可适配膜式、沉降、离心甩片式等主流制片方法以及支持国内外主流病理扫描仪厂商的文件格式。
AI落地：反对人机大战，赞同人机协作
“人工智能落地难，关键还是对AI这块的一个定位和期望，我认为现阶段还是人机协同是比较好的。” 杨志明在演讲中提到，作为人工智能一线科研与产业化的一员，现阶段AI技术仍处于“婴儿期”，号称在医疗领域实现完全无监督式学习都是对大众的一种误导。另外，在人工智能落地的时候，专家经常会质疑和疑问，“你的东西是不是比专家强？”“你的准确率会比我高？”这便会导致两个极端，一个极端是只要发现一点点瑕疵，就会觉得这个东西（AI）无用。就比如自动驾驶，只要出一起事故，大家就会觉得自动驾驶不行。另外一个极端是人工智能威胁论，业界某些厂商大肆宣扬人机大战，借此噱头宣传自家产品。其实， AI有AI的擅长，人有人的擅长，一些重复性的规律性的工作可以交给AI来处理，人来做最终决策及创新性工作，人机协同效率会更高，并且效果也会更好。
随着人工智能实际的场景落地以及AI算法模型的不断优化，机器和人类的协作也越来越好，目前已经可以应用在TCT筛查中。就宫颈细胞学筛查这一块，深思考人工智能“全自动人工智能宫颈细胞学辅助阅片系统（iDeepWise CellScreening II）”就是人机协同的典范。即由CellScreening II做初筛工作，专家针对结果有问题的样本做指控和确认，而专家确认结果的样本又可作为人工智能深度学习的样本，如此人机协作，可以达到最好的效果。
深思考的解决方案：
目前有两种模式：一种是“云”模式，包括病历扫描、显微镜设备等都可以连到云端去做AI筛查。目前深思考建立了Cervical Cancer sCreening Cytology Cloud (C6)云 。
另一种是“端”模式，主要是基于自主研发的医疗领域专用AI芯片M-DPU的解决方案。目前，在国内顶级第三方检测机构和体检机构已经正式开始使用。
“端”模式：“算法+芯片”一站式解决方案
会上，杨博士向大家分析了当前人工智能自身落地的问题，“当前AI落地难，医疗器械竞争激烈，国内外急需AI的升级，目前没有针对智慧医疗领域AI算法加速的专用芯片。”2017年12月，深思考人工智能推出了全球首款医疗影像专用AI处理器——M-DPU。
iDeepWise M-DPU支持智慧医疗影像中细胞或器官的位置检测、图像分割、细胞或器官图像分类所用的 Faster-RCNN、FCN、ResNet、JST等算法的加速。同时，结合深思考的深度学习模型压缩技术，可对医疗专用算法的参数进行10X~50X的压缩，在精度损失极低的情况下，大大提高了计算速度。相比于构建集群处理的云服务模式，M-DPU具有体积小、更智能、成本低、功耗小、计算实时性强等优势，能够灵活地部署到小型的终端设备，更加适合广大基层医疗机构应用。
2018年3月，CCTV4中文国际《人工智能改变生活》节目和BTV新闻《人才》节目相继对深思考人工智能进行了综合报道。
未来愿景：实现智慧医疗的普惠
杨志明博士还提到：深思考凭借人机交互及计算机视觉领域的优势，正在将二者融合于终端深度学习处理器M-DPU之上，形成一整套终端人工智能解决方案。现阶段的切入点主要有两部分：在家庭健康管理领域，已与一系列巨头厂商的智能音箱及移动设备进行合作，提供医疗大健康的AI咨询，即通过AI学习知名医生的知识经验后，为家庭用户提供健康咨询与服务。比如说可以向音箱或手机咨询每天的膳食营养、健康建议、诊前轻问诊、诊后咨询等。在医疗器械领域，将M-DPU植入合作方的众多医疗器械中，形成医疗器械的“AI大脑”，赋能医疗器械。
总结：
最后，杨博士总结道：以人机协同的理念，“端”与“云”两种模式，将人工智能技术与产品深度切入智慧医疗领域，最终“开启智慧医疗的大门”，形成人工智能在医疗大健康领域的大规模落地应用。