文| 鉛筆道 記者 王琳

降低漏診率是張大磊創業的初衷。

2015年，他成立Airdoc，相繼推出兩款產品：人工智能問診平臺Airdoc Ask和人工智能慢性病識別系統。前者將頂尖醫生的業務能力傳遞給醫生，輔助醫生問診確診；後者通過視網膜識別算法可識別30多種慢性疾病，包括糖尿病、高血壓、動脈硬化等全身性慢性疾病併發症和高度近視、老年性黃斑變性等常見眼科疾病。

爲了更早地協助患者發現疾病，團隊把慢性病識別系統搬到了院外。如此，兩款產品相輔相成。在醫院外，該系統在患者患病早期便檢查出患病類型；在醫院內，患者不用去大醫院，Airdoc Ask平臺便可輔助醫生診斷。

去年，Airdoc共幫助100多萬居民進行了篩查檢測。同時，團隊和數百家醫療機構（如中國醫學科學院、中國人民解放軍總醫院（301）等）取得了合作，且每天都有十多萬基層醫生在使用Airdoc Ask作爲輔助工具。

今年4月，Airdoc獲得由復星領投，搜狗追投的數億元B輪融資。張大磊表示：“今年我們努力一點兒的話，篩查人數應該可以過1000萬”。

注:張大磊承諾文中數據無誤，爲其真實性負責，鉛筆道做客觀真實記錄，已備份錄音速記。

降低漏診率

有病查不出來，貽誤最佳治療時間，從而錯失生命。

這是4年前張大磊及其家屬的經歷。“我老家在西北小地方，家裏人生病當時並沒有查出來，後來就去世了。”

4年後，回憶往事，他看上去輕描淡寫。“當時不是沒有辦法看，肝癌晚期確實很難治好，最好是早發現早治療。”

說起來簡簡單單六個字，做起來卻並非易事。他表示，人類常患病有七八萬種，但是大部分醫生並不能記住這些病的名字。知識的欠缺會導致即便患者已患病，醫生卻無法甄別或者準確判斷病因。

對於基層醫療機構尤其如此。整個中國醫療體系像沒有築造城牆的城池——患者往往喜歡去大醫院。這就導致三甲醫院醫生的狀態和基層醫院醫生的狀態大相徑庭。前者需要每天研究最新文獻，參加病例討論，不斷學習才能跟得上節奏。但後者，由於見到的病人病例相對不那麼複雜，個人技能很難得以提升。“醫生是一個需要‘練手’的行業，練不上手，自然業務能力無法提升。”

認知體系有限，就容易造成漏診。據美國官方公佈的數據顯示，全美醫療機構的漏診率大約在30%左右。但實際上誤診和漏診並沒有很明確的概念，在張大磊看來，國內基層的漏診率可能比30%更高。

如何降低漏診率呢？這需要提高基層醫生的業務能力，由此出發，張大磊於2015年創辦了Airdoc。

兩款產品

提升基層醫生的業務能力，把頂尖醫生的專業知識複製給基層，這是張大磊選擇的方向。

爲此，團隊選擇兩條腿走路。

一方面，他們研發了人工智能問診平臺Airdoc Ask，並把它作爲基層醫生的輔助問診工具。平臺模擬人類醫生看病流程，醫生參考平臺給出的問題不斷詢問患者，問題範圍由大到小，從而一步步確認病因，避免醫生漏診。

“同樣是發燒，原因可能有幾百種，但是大部分醫生可能只記得三五個，或者有一些醫生記得二三十個，但實際上導致發燒的原因有多種可能性。”因此，Airdoc Ask平臺集合了數百萬病例，並且不間斷實時更新病例、存儲最新的醫學知識。

另一方面，Airdoc推出人工智能慢性病識別系統。團隊通過視網膜識別算法，可識別30多種慢性疾病，包括糖尿病、高血壓、動脈硬化、視神經疾病等全身性慢性疾病併發症和高度近視、老年性黃斑變性等常見眼科疾病。

兩款產品看似不同，背後邏輯實則一致。

他們同樣需要數據的餵養。醫療機構看中數據，但張大磊表示，團隊獲取的數據都是經過脫敏處理的，不涉及病人隱私。“一個專家一年看幾千個病人，但倘若變成算法的話，一年沒準看幾百萬個，他們喜歡跟我們合作，因爲可以幫助更多的人。”

早期數據獲取處理是難點，但張大磊表示團隊已經渡過了這一關，可依然面臨不小的挑戰。“很多罕見病的樣本不容易獲取，你需要把一個樣本上面所有的疾病都識別出來，才能最大可能的避免漏診，罕見病例的收集依然是難處。”

同時，模型建立和結果優化離不開專家的幫助。但專家的選擇有一定的標準。張大磊表示他們選擇合作對象一般單純從任務場景上考慮，合作專家大部分是排名前三的醫療機構裏位列前三的醫生。但是這也存在另外一種可能性，以心電圖爲例，“我們發現在中國有很多心電圖室的人，讀心電圖的本事比心電圖的醫生還要強，這也是合作方之一。”

但想要更早地幫助病人確認是否患病，僅僅侷限在醫院內是不行的。

走出醫院

團隊需要走出醫院外。

張大磊想把醫院裏用的部分設備，在政策允許的情況下挪到醫院外。“我們並不是做診斷，而是找到哪些人可能有問題，原來的醫療體系該怎麼運轉還怎麼運轉。”

要更早發現疾病，對團隊是一個考驗。他們需要優化各種參數的權重才能給出更爲準確的答案。“理論上來講，只要患者的完整病例和我們數據的樣本同時存在的話，我們其實可以訓練出來任何一個樣本和這個病例中的任何一個指標之間相關聯的關係。”

此前，在廣東湛江的某個醫院，團隊的系統曾經檢查出一個早期腫瘤患者，該患者其餘指標一切正常，患者本人並不相信自己已患病。後來，在團隊幫助下，患者去團隊合作的醫療機構才確診。而這樣早期的腫瘤，一般的基層醫院能夠識別的概率很小。

兩款產品因此相輔相成。在醫院外，醫療影像識別系統在患病早期便檢查出患者患病種類；在醫院內，患者無需去大醫院，醫生在Airdoc Ask平臺的輔助下診斷治療，降低漏診率。

但設備搬到醫院外，對操作是否簡易提出了要求。“最好是不需要專業的培訓，大家就可以自主操作。患者做完檢查後，經其同意把數據上傳到平臺，報告便會實時傳送給患者。”

去年，Airdoc共幫助100多萬居民進行了篩查檢測。同時，團隊和數百家醫療機構（如中國醫學科學院、中國人民解放軍總醫院（301）等）取得了合作。張大磊表示，每天都有十多萬基層醫生在使用Airdoc Ask作爲輔助工具。

融資方面，今年4月，團隊獲得由復星領投、搜狗追投的數億元人民幣B輪融資。張大磊表示：“今年我們努力一點兒的話，篩查人數應該可以過1000萬”。

/The End/