近日，推想科技在北京發(fā)布AI學者科研平臺——InferScholar＊Center，將人工智能基礎設施與科研服務能力相結合，為醫(yī)生提供零門檻的AI科研能力。

InferScholar＊Center可提供臨床科研全流程的可視化操作，并且預置深度學習模型和影像組學算法，醫(yī)學研究人員無需進行任何代碼編程即可開展AI醫(yī)學研究。InferScholar＊Center也支持創(chuàng)建、修改、編輯模型源代碼的功能，使具備代碼基礎的研究人員可依據個性化需求編輯預置模型代碼或創(chuàng)建全新模型。

跨越編程，賦予醫(yī)者AI開發(fā)能力

隨著醫(yī)療信息化水平的提升，醫(yī)療設備的升級，醫(yī)療數(shù)據無論從數(shù)據量、數(shù)據產生的速度或是數(shù)據種類，一直保持高速增長。以醫(yī)療影像數(shù)據為例，每年都保持著30－40％的增長率。大數(shù)據顛覆了臨床、科研對醫(yī)療數(shù)據的利用方式，能否讓海量醫(yī)療數(shù)據發(fā)揮最大的醫(yī)學價值，成為關鍵所在。

現(xiàn)在，越來越多的醫(yī)學研究者不僅希望使用AI產品，也希望結合自身的醫(yī)療大數(shù)據和臨床經驗優(yōu)勢，進行AI方面的自主臨床研究。然而，從事深度學習和影像組學研究往往需要具備扎實的代碼能力，以及全面的數(shù)學、統(tǒng)計、計算機工程基礎，甚至還需要認知科學的理論常識，形成這樣跨學科的知識體系往往需要多年的系統(tǒng)化訓練，也成為了深度學習和影像組學研究最高的門檻，從一定程度上限制了深度學習和影像組學作為新一代醫(yī)學大數(shù)據分析方法論在不同學科領域的傳播與推廣。

借助InferScholar＊Center，醫(yī)生可以快速將深度學習（DeepLearning）、影像組學（Radiomics）以及文本數(shù)據處理相關的前沿技術應用到自己的臨床科研實踐中。

推想科技營銷總裁席渭齡表示：“醫(yī)者更貼近臨床，有更多臨床探索方向，并且其數(shù)十年的臨床經驗沉淀也無法替代。所以，我們能做的就是建立InferScholar＊Center，跨越編程，賦予醫(yī)者AI開發(fā)能力�！�

兩座大山：醫(yī)療AI商業(yè)化、數(shù)據安全

醫(yī)者可通過InferScholar＊Center構建專屬AI進行研究，孵化AI的數(shù)據、模式、邏輯、參數(shù)等，將讓AI更加契合醫(yī)療業(yè)務特性，并從臨床角度獲得更多科研成果。

盡管如此，醫(yī)療AI落地難、無法實現(xiàn)商業(yè)化依然是醫(yī)療AI企業(yè)面臨的一大難題。席渭齡表示，無論是臨床還是科研，完全解決了醫(yī)生的痛點，有價值就能變現(xiàn)。

在挖掘醫(yī)學大數(shù)據價值的同時，數(shù)據的安全性是重要且敏感的一個話題。推想科技方面表示，InferScholar＊Center考慮了醫(yī)學臨床科研的安全性需求，采用軟硬件一體機的方式，直接交付到醫(yī)院，并且可以在與互聯(lián)網完全隔離的環(huán)境中工作，可以做到數(shù)據不出院，保證了醫(yī)院所有的科研數(shù)據、模型算法、研究成果無泄漏風險。

推想方面表示，格物致知，是醫(yī)學研究必需的品格；格物致智，是醫(yī)學研究通往未來的方向。疾病種類繁多，人類與疾病的斗爭延續(xù)了千年，雖然現(xiàn)代醫(yī)學大幅改善了人類的健康狀況，但由于其博大精深，不計其數(shù)的醫(yī)學專家將畢生精力奉獻于此。若醫(yī)學專家均有能力、有設施進行AI原創(chuàng)性研究，可以借助AI的力量節(jié)約大量精力和時間，大幅提升醫(yī)學大數(shù)據寶庫的挖掘效率，醫(yī)學健康全面進步的新時代或將迎來。