<mark id="oztn4"></mark>
0
在近兩年掀起的這股醫療AI浪潮中，產、學、研、醫密切合作已經成了行業共識。但從目前的發展來看，大家顯然還沒有找到最舒適的合作和創新模式，AI科研成果的產業轉化并不順暢。
AI技術在醫療領域的應用前景究竟如何？什么樣的產學研醫合作模式才能最大限度地推動AI技術在醫療領域落地？
為了促進產學研醫的深入交流與合作，日前國際數字醫學會、中華醫學會數字醫學分會、中華醫學會病理學分會、電子科技大學電子工程學院聯合舉辦了圖像計算與數字醫學國際研討會（ISICDM2017）。在大會的圓桌討論環節，多名分別來自學術界、產業界和臨床一線的嘉賓就這些話題展開了深入交流。整個圓桌討論長達3小時。
在圓桌討論的前半部分，美國北卡大學沈定剛教授，四川省腫瘤醫院周鵬博士，中華醫學會病理學分會主任委員、原四川大學副校長步宏教授，視見醫療創始人陳浩博士，微軟亞洲研究院副院長張益肇博士，江蘇省人民醫院放射科主任醫師唐立鈞博士，科大訊飛醫療CEO陶曉東博士（嘉賓名單按座位順序從左往右進行排序），圍繞“AI在醫療領域的應用”“AI與醫生的關系”“深度學習是否是‘萬金油’”“深度學習在醫療中的不可解釋性”，以及“醫生和AI專家的合作方式”等話題展開了思想交鋒（獨家 | 唇槍舌戰，7位頂級專家激辯“AI + 醫療”（上））。
緊接著，微軟亞洲研究院副院長張益肇博士，美國印第安納大學黃昆教授，美國硅谷企業創新者組織合伙人、IEEE Fellow、前西門子美國硅谷創新中心總經理徐晨陽博士，湖南大學劉國才教授，德國Surpath Medical公司創始人謝衛國博士，青島美迪康數字醫療有限公司研發部賴永航經理，科大訊飛醫療CEO陶曉東博士，浙江大學孔德興教授（嘉賓名單按座位順序從左往右進行排序），又就“產學研醫的合作創新之路”這一議題展開了熱烈討論。觀點犀利之余不失幽默。
以下是圓桌討論內容（下篇），雷鋒網做了不改變原意的編輯：
主持人：我們接下來討論的主題是“產學研醫合作的創新之路”，請幾位嘉賓結合自己的經歷談談，您認為哪種產學研醫的合作模式最好，或者現有合作模式有哪些不足。
張益肇：我覺得產學研醫合作要做好兩點：一、大家溝通的時候要清楚彼此的期待，知道合作中各自想要的是什么；二、每個人專注于自己的專長。極有天分的人畢竟是少數，對大多數人而言，做好一件事情相對容易，同時做好兩件甚至三件事情非常難。只有大家各自專注自己擅長的事情，才能更好地發揮產學研醫合作的效果。
黃昆：我來自印第安納大學。我本科學的生物，博士讀的電子，但過去十三年一直在醫學院工作。我看過很多合作形態，但迄今為止還沒有看到很好的模式。我想強調一點，過去我看到的很多合作之所以進展得不好，很重要的一個原因在于，學理工、醫學和生物的人之間存在文化差異。學理工的人主要追求模式和方法的創新，學醫生或生物的則以結果為導向，更看重結果和解決實際問題。我們合作時必須充分考慮到這一點，才能平衡各方的意見。
另外，大家還應該建立長期的合作關系。這個愿景很美好，但實現起來不容易。我以前有個朋友說，找人合作就像相親。你可以跟很多人相親，但最后只和一個人走向婚姻。我認為我們應該像經營婚姻一樣經營彼此間的合作。
徐晨陽：我在西門子工作了十七年，最開始負責醫療影像，后來在硅谷創業中心擔任總經理。我最近離開了西門子，在硅谷的企業創新者聯合會負責創新中心的投創工作。我們經常會舉行長期研討會，分析先進技術的應用前景，加速其商業化落地。
上半場討論中出現最多的一個詞匯是“碰撞”，我認為“碰撞”十分重要。產學研醫合作最大的障礙就是，各個學科之前存在一堵“墻”。假如我們能多創造一些機會，比如舉辦今天這樣的會議和論壇，把這堵“墻”去掉，讓大家相互碰撞，就能增加許多相互間的理解。比如通過今天的會議我們就了解到，醫生平時都非常忙，企業找醫生是真心想合作的，并不只是來要數據。
我希望今天這個會議明年可以繼續舉辦，為大家創造持續碰撞的機會；同時我也希望大家回到各自的崗位之后，能夠繼續交流碰撞。
劉國才：我大概從2004年開始從事醫學影像方面的研究；2007年又前往美國加州大學戴維斯分校研究PET/CT。回國后我一直在思考，如何將PET提供的腫瘤生物信息應用到化學治療當中。我從2010年開始跟醫院合作，嘗試解決放射治療領域的三大難題：一、精準定位，即找到腫瘤的邊界，要求誤差在2mm以內，我們目前的精度還遠遠不夠；二、精確計劃，計算出治療的劑量；三、準確實施。這是一個非常復雜的過程。
我認為，在產學研醫的合作中，醫生的主要工作是提需求，把問題定義清楚。然后由工科學者提供解決方法，產業界再把方法做成產品，最后回到臨床來驗證，解決臨床中的實際問題。為了把我團隊將近八年的努力產業化，我最近成立了一家公司。
謝衛國：我是瑞士伯爾尼大學的生物工程學博士，同時也是德國Surpath Medical公司的創始人。我曾經就職于中國和德國西門子醫療，以及德國海德堡大學醫學院附屬骨科醫院。
如果我們把產學研醫的合作想象成一個鐘表，產、學、研、醫分別按照12、3、6、9點鐘方向排列。目前國內比較常見的是“逆時針循環”的模式：臨床觸發需求—研究界推動—學術界跟進—產業界配合。乍聽起來似乎沒什么問題。但這個循環中最關心臨床問題是否得到解決的是誰呢？當然是醫生，其次是產業界。
為什么產業界會排在研究界前面？我讀博士期間，我的博士生導師曾經跟我說，如果一個課題已經有了算法，不能發表論文，那就不要去做了。也就是說，研究界追求的是“新”；工業界做的往往不是最新的東西，但卻是最實用的。因此，我認為正確的循環模式應該是順時針的：臨床觸發需求—產業界推動—學術界跟進—研究界配合。只有這樣才能真正推動臨床問題的解決。
據科技部公開數據，雖然這兩年有很多的項目，但真正通過CFDA，落實到臨床的只有一個。所以我認為，接下來我們應該轉變思維模式。
另外，我也同意張院長的觀點，循環中的各個環節要各司其職。我經常碰到學術界的人想要做產業，但我認為學術、科研和工業是有區別的。學術成果進展到一定程度后，一定要讓產業界來接手，才能真正把它做好。學術界和產業界的驅動力不同，如果既做學術又做產業，很難將二者劃分清楚。假如我是醫生，那么我就只提供標記好的數據，由合作的企業來做臨床解決方案，而不是我自己跨界來做。
賴永航：我是青島美迪康數字醫療有限公司的研發部經理賴永航。我想簡單介紹一下我們公司在產學研醫當中所處的位置。
我們公司是做為唐主任等影像科醫生日常工作服務的醫學影像管理系統的，是決定數據質量的重要因素。對于AI來說，數據的質量非常重要。就像陶博士說的，如果輸入的數據是垃圾，那么輸出的結果必然也是垃圾。為什么現在很少見到用AI做文字處理的公司？原因就在于文字和語音的數據質量遠低于影像和病理圖片。
另外，最新研究成果在影像科的應用也必須借助我們的平臺。比如讓機器人看片子，首先要通過我們的系統把片子傳給它。
陶曉東：我認為產學研醫的合作，要根據不同的情況來選擇合適的合作模式。
這里我主要談談產學研醫合作的挑戰。我認為產學研醫合作最大的挑戰在于，如何兼顧這四個領域不同的激勵機制。以學術界為例，對學術界來說可能需要失敗1000次才能收獲一個有用的成果。只有成功的結果才能發表論文，幫助研究者評職稱。但對工業界而言，知道1000次失敗的原因也很有價值。我們需要找到一種平衡各方利益的合作模式。
另外，前面提到科技部有很多項目，但只有一個通過了CFDA。我們究竟該用什么標準衡量產學研醫的合作是否成功？是以學者發表了多少論文，企業賺了多少錢，還是有多少技術真正服務到了病人？我這里沒有答案，只有問題。
孔德興：我是學數學出身的，是浙江大學數學學院的老師。我們團隊認為，在中國特殊的大環境下，“產學研醫”的完整提法應該是“政產學研醫用”。所謂“政”是指，要考慮政府的態度，征求國家衛計委和各個相關部門的意見；同時做的研究要符合中國國情，幫助解決“看病難、看病貴”的難題。“用”是指，學術界、醫生、技術人員，以及其他方面的力量，必須聯合起來推動技術的落地，實實在在地解決臨床問題。
2015年，我們在浙江成立了浙江數理醫學學會，當時學會只有100多位成員。經過一年多的發展，截止去年12月，我們已經發展到了900多位成員，其中400多人是主任級以上的醫生，其余是數學、計算機、物理學等領域的專家。我們這個學會希望能圍繞醫生提出的問題做一些研究，并最終應用到臨床當中。
主持人：美國NIH建立了很多疾病的公開數據庫。他們花了很大的功夫做數據清理，請了多達四位數——甚至五位數的醫生來做數據標記。我想請教黃教授，美國是怎么做數據標準化和數據開放工作的？
黃昆：我們印第安納大學正在建立一個data comments，期待未來能生成很多數據，并把它開放出來。但開放數據涉及到很多問題，比如怎么開放，哪些數據是可以開放的，如何建立相應的開發平臺和工具。
剛才大家都提到了數據的質量問題。的確，醫療數據經常不太干凈。比如我拿到的數據，9000個病人里面有300個體重超過3000公斤，大家都知道這是不可能的。后來才知道，原來是數據傳輸時弄錯了單位，正確地單位應該是盎司。
另外一個問題是，數據到底能在多大范圍內共享。一般來說，通過一定的流程讓數據在校園內共享是沒問題的，但如果要把它放到公用數據當中，就涉及法律和制度的制定了。其中很重要的一點就是病人知情同意機制的設計，如果設計不當，某個病人去世后，研究者很可能就無法繼續使用他的數據了。
另外，這套機制是否能回饋病人也值得深思。病人無私地貢獻了自己的數據，到底能得到什么呢？美國有一份協議，病人簽署以后，制藥公司看到他的數據之后就能邀請他參加臨床試驗。這對病人——尤其是晚期癌癥病人是非常有利的。
另外還有隱私和倫理問題。判斷某個數據是否涉及隱私，很重要的一個標準就是，該數據放出來以后，是否能讓別人猜到他是誰？比如根據病理片子，我們不可能猜到病人的身份；但如果有基因組數據我們就能推斷出他是誰了。因此，即使病人非常無私，愿意開放自己的基因組數據，但這是否合法仍然值得商榷。隱私、倫理的問題我們無法解決，但必須考慮在內。
主持人：黃老師有一點說的非常好，我們向病人要數據的同時也要想著如何回饋病人。只不過黃老師說的是美國的模式，在中國不一定能推廣。中國現在也在建立自己的大數據平臺，其中最大的障礙在哪？孔老師在做甲狀腺方面的研究，需要大量數據。我想問問孔老師，你從醫院拿到數據之后是如何建立數據庫的？有沒有碰到過黃老師提到的道德倫理問題？
孔德興：國家正在啟動一個國家醫學數據庫的項目，由國家衛計委牽頭。我們已經開過兩次會了，將在今年十月底或十一月初啟動一個大項目，首先從超聲數據開始。
我們做甲狀腺方面的研究比較早，需要的數據量比較大。我們通過多中心合作的方式獲取數據，比如和北京301醫院和浙大一院合作，由每家醫院提供數據。有些數據我們會付費，但我們不追求數據的所有權，只要有使用權就夠了。
中國到目前為止還沒有明確的法規，如何從醫院獲取數據用于科研或者商業化。從某種程度來說，數據就像土地一樣，是屬于國家的。我們目前只想通過合作的方式獲得數據的使用權。
主持人：孔老師是學術界的人，可以通過一些國家科研項目和醫院合作。我想問問陶博士，訊飛作為一家企業是如何和醫院合作的。
陶曉東：相較于前幾次AI大發展，這次AI浪潮的興起更多是建立在數據的基礎之上。尤其是深度學習，建立在大量數據的基礎之上。
中國和美國對數據所有權的定義有所不同。在美國，數據的所有權毫無疑問屬于病人；但中國對數據的所有權尚沒有明確規定。孔老師剛才說數據的所有權屬于國家，我認為一定程度上是對的，但也有些醫院認為數據的所有權歸他們。
除了孔老師剛剛提到的國家醫學數據庫項目之外，衛計委還有另外一個項目——健康醫療大數據中心。這個大數據中心去年已經在江蘇和福建省進行了試點，今年會逐步在全國推廣。這個項目將通過連接過去建設的區域衛生平臺，將所有數據集中到一個國家級的健康數據平臺上。在這個平臺上有各種級別的運營方式，比如科研、商業化等。未來中國的玩家可以非常靈活地接入平臺，利用數據開發自己的應用，最終服務于臨床。
當然，這也涉及到安全問題。一方面是病人的隱私安全，必須對數據進行脫敏處理。剛才黃教授提到，不能開放基因組數據。但其實通過頭部CT的三維重建也能大致得出病人的樣貌，這算不算隱私數據？該如何處理？要真正做到脫敏，還有很多技術問題需要解決。另一方面是數據的安全性問題，如何防止數據被盜。
總之，未來這個大規模集中數據平臺需要做到三點：一、保證數據有用；二、方便接入；三、保證數據安全。
賴永航：今年國家醫療信息管理部門發起了一個項目，是關于數據脫敏的。今年我們輸出的數據要求去標識化，也就是去除能定位到病人的信息，比如姓名、手機號、身份證號等。目前國家正在制定相關的標準。
主持人：有了數據和算法之后，還要將算法產品化才能在醫院中應用。那么企業將算法產品化時，面臨的最大挑戰是什么？
謝衛國：我很羨慕中國的同行，有國家層面的重視，建設集中的數據平臺。在德國，數據是嚴格屬于病人的。我們從德國的醫院拿數據一定要病人簽知情同意書，而且要對數據進行脫敏處理，十分費勁。德國沒有國家級的大型醫療數據管理機構，數據基本由各地的醫院自行管理。這意味著，如果我們需要大量數據，就必須一家一家醫院去談合作，甚至還要和專門的科室。我認為我在做企業的過程中，遇到的最大挑戰還是數據。
其實我們并不認為自己是一家AI公司，我們對自己的定位是德國的一家傳統醫療設備研發和生產企業。只不過我們在部分產品中用到了AI技術來提高其局部性能。我們在推進AI算法和用數據訓練模型的時候發現，數據非常短缺。雖然我們在中國和德國都有公司，但在數據的使用上必須嚴格按照地域劃分，即在中國拿的數據決不能在德國使用，反之亦然。
大概是今年6月份，國務院發表一項聲明稱醫療數據是國家的戰略性資產，隨后才成立了孔老師說的國家醫學數據庫，負責各個領域醫療數據的存儲、管理和運營。我認為未來AI公司是有福的，但從我們過去的經驗來說，數據的確是發展的一大瓶頸。
我們是嚴格按照臨床需求來制定企業戰略規劃的。現在AI很火，但我們并沒有跟風去做最新潮的東西。因為我們在做企業的過程中，時時刻刻在和醫生溝通。現階段AI究竟能解決什么問題，醫生也不清楚。所以，我們始終著眼于解決某個科室的某種疾病的診斷和治療問題。
主持人：我們再來聽聽微軟是怎么處理這個問題的。
張益肇：微軟做新產品往往會考慮三個維度——BXT：
T代表technology。微軟作為一家科技公司，做新產品前首先要驗證技術的可行性。比如訊飛做語音識別，首先要知道語音識別的準確率有多高。
X代表user experience。也就是說，技術做成產品之后，用戶到底會不會用，或者好不好用。其實很多企業對于產品投入市場后究竟是怎么使用的并沒有清晰的認知。
B代表business，即商業模式。假如你開發出了一款很好的產品，但成本需要十萬美元，沒有幾家醫院愿意拿出十萬美元購買這個設備，那么你的商業模式是不成立的。即使前面的X和T都做的很好，產業也無法推向市場。
這個世界上有很多人得了相對罕見的疾病，醫藥公司對這些人的興趣是不大的。因為為了一小部分人專門開發一款新藥，代價過于高昂，也很少有人用得起這種藥。雖然這很殘忍，但從商業模式來講是正確的。
主持人：張院長提到了罕見病的問題。對于罕見病，即使企業投入很多，最終得到的回報依然很少，從商業模式上來說是行不通的，畢竟企業需要賺錢。說到賺錢，現在涌現出了很多AI創業公司，我想問問各位企業家是如何看待這些創業公司的。
徐晨陽：我們五年前開始做大數據，現在又做AI。西門子創新中心和投資者中心合作了很多案例。期間我們觀察了很多行業，從中總結出一些心得，可以反過來用到醫學領域。
現在AI無論在中國還是美國都很火。在這種全民發熱的情況下，我有一些擔心。創立公司的門檻低其實是件好事情，但如果資本對創業公司的質量把關不夠，就很容易出問題。創業公司的成功是概率事件，每一輪融資都要篩去很多公司。現在很多醫療AI創業公司在處在種子輪——融資快一點的到了A輪，到B輪融資的時候很可能一半公司已經不在了，到C輪融資的時候又要篩去一半。如果起初資本對創業公司的質量把關不夠，導致后面淘汰過快，就容易引起資本的恐慌，很多資金會撤走。
雖然現在大家都能從醫院拿到數據，似乎創業的門檻很低。但實際上醫療行業創業的門檻是非常高的，因為我們最終的目的不是發論文、做產品，而是拯救病人的生命，讓人類過上更好的生活。在醫療行業，99.9%的準確率仍然是不夠的，因為哪怕只有1000萬人使用這個產品，還是有很多人會被誤診。我們必須努力追求100%的準確率。我希望在座各位能秉著負責任的態度，在別人都發熱的情況下保持冷靜，想清楚自己擅長什么，不擅長什么。我認為，由比較冷靜的人來設計AI，AI才能走得更加長遠。
主持人：徐博士站在投資人的角度，講得非常透徹。雖然現在人工智能很熱，連學生都開始創業了，但最終能夠生存下去的真的不多。劉教授既是教授也是創業公司的老板，我想聽聽他是怎么看待這個問題的。
劉國才：我的公司成立才幾個月時間，公司成員主要是原來大學里的團隊。我不把自己的公司看成一家AI公司，因為我要解決的問題不是光靠AI就能解決的。
創業最大的困難在于最終要實現盈利，因為投資人一輪輪投下來是要求有回報的。對于醫療公司來說，最難的是把產品做出來。產品做出來后如果要推向市場，還要經過CFDA認證和一期、二期、三期的臨床實驗。即使通過了認證和臨床實驗產品也不一定賣的出去。產品有沒有市場？市場有多大？能不能滿足投資人的回報期望？這些都要仔細分析。如果沒有經過分析就盲目上馬，最終很有可能會失敗。
我說過，我不把自己的公司定位為一家AI公司。目前的醫療AI公司，尤其是做醫學影像分析的AI公司，其目的主要是幫助醫生做診斷。對于計算機來說，診斷是相對容易的，因為輸入的結果只有兩種——是和否，是良性腫瘤還是惡性腫瘤。治療則復雜得多，不單單是回答是和否。很多問題從影像找不到答案，需要專業的臨床和腫瘤學知識，而這些是AI公司和理工科學者所不具備的。
對于任何一家醫療創業公司來說，必須幫助醫生解決臨床問題才有價值，而不是看你的技術有多新。剛剛謝總也說了，真正解決臨床問題的不一定是最新的技術。
此外，贏得醫生的信任也很重要。我給大家分享一個小故事：大約六年前，一位腫瘤醫院的醫生跟我說，理論上PET影像的SUV值大于2.5即可診斷為肺癌，但是沒有任何一個系統能告訴他SUV值到底是多少。于是我告訴他，你只要給我數據我就能幫你算出來。以此為切入點，我和他建立起了相互信任的關系。如果沒有信任，醫生不會跟你合作，更不要說提供數據了。
我成立公司之前和很多企業合作過，嘗試解決產業化的問題。我認為，高校的老師和學生是做不成產品化的東西的，最多只能做做項目。學生創業之前必須想清楚，如何把成果變成產品，產品再變成商品，并最終盈利。想清楚了這些問題就可以創業了。
謝衛國：做創業公司不易，做醫療設備領域的創業公司更不容易。醫療設備領域有一個天然的門檻。現在所有的AI輔助診斷產品在國家藥品監督管理局的醫療產品分類目錄上，都歸類為計算機輔助診斷產品，屬于三類醫療器械，是不能免臨床實驗的。臨床實驗至少需要兩年，因此AI醫療創業公司能否活下來主要取決了兩個時間點——三年和五年。
假如你現在開始創業并在一年內拿出產品，順利的話可以申報CFDA，注冊認證后做臨床實驗，整個過程需要三年時間。三年后如果不能通過CFDA認證和臨床實驗，直接就出局了。當然，現在這么多人創業，肯定有公司可以通過第一關，但這僅僅只是個開始。產品上市后，醫生到底買不買單還不好說。再者，企業需要有連續的產品輸出，假如在第一款產品上市前一年開始蓄力，到第二款通過CFDA認證和臨床實驗整好需要五年。如果過不了這道門檻，同樣很難生存。我三年前開始做企業時就跟我們大股東說過，別指望在五年內盈利。
此外，AI醫療創業公司還要面對GPS（雷鋒網注：GE、Philips、Siemens）等醫療器械巨頭的跨界競爭，因為它們是最容易獲取醫療數據的。假如AI技術未來發展得很成熟，西門子的CT機只要嵌入一塊AI芯片就能進行跨界競爭，AI創業公司根本無力抵抗。
市場的產業政策也是一大障礙。我曾經聽衛計委的老師說，IBM Watson進入中國之前找到國家衛計委。衛計委的領導問Watson的誤診率是多少？對方回答10%。衛計委的領導立馬搖頭，“不行啊，去年中國全年有79.3億人次的門診量，按10%的誤診率計算，得出多少醫療事故。”我認為，如果沒有產業界、學術界和科研界聯合起來，花兩三年時間去推動，根本不可能扭轉產業政策制定者的思維。
我發現很多同行公司不大，但網站做得很漂亮，這是典型的互聯網思維。雖然可以在一定程度上炒熱產業，但用互聯網思維做企業在醫療行業是行不通的。我希望各位一定要謹慎。
主持人：謝總身處行業之中，所以看得非常透徹。孔老師是研究超聲機器人的，而且做的甲狀腺超聲機器人還上了央視。我想問問孔老師，您有沒有想過把它產業化呢？
孔德興：我們的甲狀腺超聲機器人正在申請國家的三類醫療器械證書，走路色通道。
我同意徐老師的觀點，創業的門檻很高。現在很多年輕人頭腦發熱，認為成立一家公司就是創業，其實不是這樣的。從拿到數據，做出產品，到申請CFDA，需要克服一系列的困難。
首先，數據是否合法。其次，系統的安全性如何。AI醫療系統不像汽車，出了問題還是會繼續運行，我們該如何鑒別？第三，系統的合法性和責任分配。如果系統出現了診斷錯誤責任歸誰，研發人員還是醫生？迄今為止，國家還沒有針對這些問題出臺相應的法律法規。我認為AI+醫療產業應該以政府為導向，真正做到產學研醫用。
我也想把自己的研究成果產業化，也想掙錢。希望能做出一款讓醫生接受，讓廣大患者受益的產品，讓老百姓不出家門或者在離家很近的地方就能享受到優質的醫療資源，但這條路很艱辛。我們團隊仍然持謹慎和冷靜的態度。
主持人：孔老師非常誠懇，作為一名數學家也非常的謹慎和冷靜。自從陶曉東博士回國后，科大訊飛的醫療業務就發展十分迅速。我想請教陶博士，科大訊飛是如何看待創業這件事的。
陶曉東：我同意前面幾位嘉賓的觀點，創業跟注冊公司是兩回事。注冊公司很容易，但創業很難，需要有長期吃苦的準備，還要有各種機遇巧合才能最終成功。
這里我主要談談對創新的看法。作為一名醫療領域的技術人員，我認為創新分四個層面：
一、因為我能做所以做，不管技術本身是否有用，是否能解決實際問題。這是比較低層次的創新。
二、為了幫助醫生解決問題，這是目前幾乎所有醫療公司的創新模式。
三、為了減輕病人的痛苦，讓他更方便地享受醫療資源。這很有意義，但由于病人的需求比較難搜集，做這類創新的企業很少。
四、為了促進社會的發展，比如通過技術降低醫療成本，減少醫療支出。這個過程中不可能照顧所有人，也許會讓人很無助。假如你身患一種極為罕見的疾病，自然希望社會不惜一切代價救治你，但這對整個社會來說是不是最好的選擇呢？
我曾經在GE和飛利浦工作過，大公司所有項目立項前都需要考慮這幾個層面：技術的可行性、商業價值有多大、產品團隊是否成熟。創業公司通常沒有大公司那么豐富的經驗，創業時不一定能考慮得很周全。但是你創業之前必須要知道可能會遇到的問題，而不是頭腦一熱就去注冊一家公司。
主持人：我們再來聽聽張院長的看法。
張益肇：我認為專業很重要，就像硅谷的創投，針對每一個細分領域都有很專業的投資人。如果你越專業，對行業的認識就越清楚。
跟大家分享一個故事。我以前有兩個同事很喜歡攀巖，有一次他們吃午飯的時候討論起攀巖的事情。其中一個問另一個：“你試過不系安全繩攀巖嗎？”對方想到家里孩子還小，默不作聲。于是他又說，“如果沒有嘗試過不系安全繩攀巖，你就沒有真正體會到攀巖的味道。”
我講這個故事就是想說明專業的重要性。如果你足夠專業，就知道不系安全繩攀巖可能遇到的風險和結果。創業同樣如此，如果你已經清楚了創業可能遇到的風險和后果，仍然選擇創業。那么，你有你的自由意志，這無可厚非。但如果你不夠專業，只是帶著玩票的心理來創業，那么無論對你個人還是社會來講都是一種浪費。不管做任何事情，有了專業的判斷，才能走得更遠。
主持人：謝謝張院長。前面幾位嘉賓談到了對創新創業的看法。醫療是一個比較特殊的創新創業環境，需要企業、醫院、學術界等多方合作才能將研究成果轉化成商品。我想請教幾位專家，您認為未來怎樣的產學研醫合作模式是最理想的？其中醫生、學者、企業家分別應該扮演怎樣的角色，以及承擔哪些責任？
黃昆：我們在產學研醫的合作過程中要弄清楚自己的位置，因為產、學、研、醫中的任何一方都不可能解決所有問題。假如我是高校的科研人員，那么我的主要任務就是創新。做產品和企業雖然不一定需要創新，但這部分工作也需要專門的人來做。我們必須清楚自己在產業鏈條中所處的位置。
主持人：謝謝黃教授。劉教授現在既是教授又是企業家，處于跨界的狀態，對于這個問題您是怎么看的？
劉國才：我前面已經提到了，研發人員和科學家主要是負責方法上的創新；企業負責把方法做成產品，并商業化；醫生則負責提出臨床需求，并應用企業的產品解決問題。我們必須牢記這一點。
像孔老師講的，我們要解決的不僅僅是產學研醫合作的問題，還要考慮“政”和“用”。也就是說要考慮行業的大趨勢，考慮你做的產品是不是國家和行業所需要的。
另外，創業過程中還需要思考一個重要問題——錢從哪里來。我認為“政產學研醫商”才是成功的模式，要考慮和具備各個方面相應的資源。
我在美國待過一段時間，感觸很深。他們很多東西都是從零開始做的，最后推出一款產品。他們的模式通常是這樣的：學校研究方法，然后以專利的形式賣個GPS等大公司，由他們去做產業化，最終由醫院來使用。美國的大學醫院——尤其是研究型的醫院，有很好的研究基礎，也有很高的研究熱情。這和中國的環境有所不同。他們的團隊里既有工程師也有醫生，這比中國要好。中國的醫生太忙了，忙著給病人看病，沒有多少時間做研究。
謝衛國：介紹一下我們的經驗。企業的生死線在于利潤，融資只是企業發展的一種手段，不是目的。因此醫療企業必然要關注臨床需求，因為只有滿足了需求才能盈利。我不同意唐主任的觀點，我們去醫院并不只是去賣設備，還會談技術和需求。
我們的模式是這樣的：首先了解需求，然后看自己有沒有相關的技術儲備。如果沒有技術儲備我們肯定不會做，也不會評估它的商業價值。對于有技術儲備但目前還做不到或者摸不透的潛在需求，我們會以項目合作的方式投資給高校，由教授帶著學生花半年或一年時間驗證技術的可行性。不管最終結果是行還是不行，對我們都很有價值。我們公司成立以來，有30%的研究經費用于高校預研性質的項目。
只要將責權率劃分清楚，這種模式是很容易實施的。我們跟高校合作通常會簽很厚的協議，把責權率劃分清楚。比如企業對論文不感興趣，那么根據研究成果發表的論文就全部歸學校，專利則歸企業所有。協議中還會包含什么時間點出怎樣的成果，如何對成果進行檢驗和論證等信息。我認為只要大家各司其職各取所需就一定能把事情做好。
當然，我說的是產品創新，不是基礎研究。很多基礎研究是企業界和產業界無法承擔的。希望我的經驗能對大家有所啟發。
主持人：前面幾位嘉賓提到，各司其職很重要。徐博士，作為投資人您是怎么看的？
徐晨陽：說到賺錢，又回到了問題定義和商業模式上。找到正確的問題遠比其他事情重要。不管是我在西門子開發新產品，還是現在調研初創項目，第一件事就是看解決的問題是否值得，以及商業模式是怎樣。這需要花費很長的時間，但是非常必要。企業賺錢只是結果，原因在于找到了正確的問題，并在合適的時間解決了這個問題，Google、Facebook的成功都是如此。
關于創新我再補充一個例子：大約5年前，人工智能界的大牛Michael Jordan就意識到，機器、算法和人將在未來的計算中扮演十分重要的角色。但當時政府提供的研究資金遠遠不夠。于是他聯合UC伯克利的幾位教授成立了AnpLab，依托UC伯克利大學在大數據和機器學習方面的技術優勢向企業融資。他們最后融了很多錢，Apple、華為等很多知名公司都參投了。借助這筆資金AnpLab得以進行深入的研究，并在三年時間里培養出了很多人才。不僅使UC伯克利繼續保持在大數據和機器學習浪潮的最前端，也極大地推動了美國大數據和人工智能技術的發展。
這是個美國的例子，在中國不一定適用，因為大環境不同，但希望能對在座各位有所啟發。AI創新的道路上有很多障礙，希望大家能通過模式創新解決一些過去看起來無法解決的問題。
主持人：謝謝徐博士，徐博士為我們提供了一個非常好的思路。遺憾的是我們的討論到此要暫告一段落了。下面是提問環節。
施俊教授：沈老師星期五晚上跟我一起吃飯的時候說過這樣一句話：“你在高校里能做得過工業界嗎？Deep learning把門檻拉得很低，你能做的AI影像方面的研究，任何一家企業都能做。人家錢比你多，投資速度比你快，你做出成果的時候，人家早已經產品化了。”既然在高校做研究沒有出路，那么我就想能不能去創業。但劉教授剛剛又說創業很艱難，不要輕易創業。所以我很迷茫，在產學研醫里面，“研”到底可以做些什么？
劉國才：施教授的這個問題很尖銳。我并不認為在高校當老師就沒有價值，也不認為AI時代一定屬于Google、Facebook這些大公司。實際上很多新技術的應用都來自于創新一線的高校和研究所。比如Deep Learning就不是從企業開始推動的。沈老師做了很多工作來推動Deep Learning在醫學影像分析領域的應用，才有了今天的紅火。
我剛才雖然說創業不易，但我想告訴大家，假如你想創業而且想清楚了，現在正是天時地利人和。這也正是我從高校出來創立公司的原因。
李純明教授：你完全走出高校了嗎？
劉國才：完全走出高校是必然的。
謝衛國：我認為學術創新一定是高校先行，工業界是看到了可用的學術成果之后才推動產品化的。比如西門子有一個很龐大的團隊，專門負責收集專業的期刊。如果一項創新已經在論文上發表了，學術界千萬不要在追趕潮流，因為肯定會被企業碾壓。企業和學術界的驅動力是不一樣的。在高校做研究，發不了論文大不了過幾年評教授，企業如果盈不了利則關乎生死存亡，所以它一定會快速碾壓你。此外還有來自同行的競爭。一項新技術出來，你不做自然有競爭對手來做，所以企業必須追求最快的速度。
說到創業，我覺得人人創業并不合適，還不如找準自己的位置。希望風險小一點就去科大訊飛這種大公司；希望風險大一點、受益高一點就來我們公司。我認為不存在什么走投無路，所謂走投無路只是人懶于做選擇。
陶曉東：企業研發人員要做的是帶企業走向光明，同時看到科研的影子，他不能走得很遠。但學術界可以走得很遠。
學術界的主要工作是證明技術可用，接下來的產業化并不是學術界所擅長的。如果不是像劉教授一樣決定出來創業，學術界的人做產業化實際是在浪費學術圈的時間。因為做產品跟做學術研究存在非常大的區別。
像剛剛張院長講的，大家要各司其職。把產學研醫看作一個團隊，每個人發揮自己的特長。千萬不要用自己的短處去PK別人的長處。雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
