多位海外華人專家陸續在國內機構任職，如沈定剛、周翔加盟聯影智能，陶曉東坐鎮訊飛醫療，周少華進入中科院計算所，徐晨陽加盟柏視醫療……
這有些出人意料，但又在情理之中。一方面，中國龐大人口基數創造出的豐富醫療數據資源，為醫療AI提供了充足的養料供給；另一方面，稀缺的醫療資源則為醫療AI扎穩根基創造了得天獨厚的條件。這些條件，更易于他們全面釋放在海外的積淀。
這些回流的人才里很多來自西門子美國研究院，包括周翔、徐晨陽、周少華，去年年初加盟優圖實驗室的鄭冶楓也是其中之一。
從西門子到騰訊
作出回國的決定時，鄭冶楓已經在西門子美國研究院工作了12年。
鄭冶楓從美國馬里蘭大學博士畢業后就進入西門子美國研究院，從事智能醫學影像分析方面的研究。期間，他發明了用于醫學影像中器官快速檢測與分割的投影空間學習法，并獲得了2011年的愛迪生專利獎。
從外人的眼光來看，作為“GPS”之一，西門子是做醫療技術研究的理想之地，擁有最好的研究環境和設施條件。但作為局內人，鄭冶楓有自己的煩惱：西門子本質上是一家硬件公司，而自己從事的是軟件算法研究，戰略地位難免被忽視；另外，作為在外企工作的華人，他隱隱感覺到自己的事業遭遇了天花板。鄭冶楓想，也許是時候換個環境了。
正在這時，他接到了騰訊海外招聘負責人的電話，對方詳細介紹了騰訊在醫療影像AI領域的發展規劃，并邀請他加盟。
但面對騰訊的邀約，鄭冶楓卻猶疑了。“因為我的小孩還在上高中，按照我的人生規劃，并不打算在這個時間點回國，也許晚幾年會更加合適”，鄭冶楓對雷鋒網解釋道。
更重要的原因是，他雖然對騰訊的醫療AI布局有所了解，但他并不清楚騰訊做這件事的決心有多大。畢竟當時很多人眼中的騰訊依然是一家互聯網公司，“互聯網公司的戰略變化非常快，今天想做一件事情，也許明天就轉型了”。
2017年11月15日，“首批國家新一代人工智能開放創新平臺名單”正式公布，騰訊成為“醫療影像國家新一代人工智能開放創新平臺”的擔綱者。這徹底打消了鄭冶楓的顧慮，他確信騰訊將在醫療AI領域持續投入。而在和騰訊高級執行副總裁湯道生以及優圖實驗室杰出科學家賈佳亞的溝通中，他也感覺到了騰訊的誠意和決心。
0 到 1 的突破
放下家庭的羈絆只身回國是個艱難的決定，但這還只是故事的開端。
鄭冶楓回國時，優圖實驗室的醫療業務還一片空白，整個醫療AI團隊只有他一枚“光桿司令”。當務之急是招人，先把團隊組建起來。
騰訊的金字招牌在招攬人才方面很有優勢。鄭冶楓1月5日正式加入優圖實驗室，到6月份就組建起了一支十幾人的團隊，其中半數是海歸博士，畢業于英國諾丁漢大學的李悅翔也是其中一員。作為團隊重要成員，李悅翔為優圖實驗室的缺血性腦卒中輔助診斷系統和宮頸癌篩查系統等產品的研發做出了重要貢獻。
在騰訊和西門子工作，對鄭冶楓是兩種截然不同的體驗。在西門子，一切都非常緩慢從容，一個項目可能光立項就需要一年。而騰訊是典型的互聯網風格，節奏非常快，“速度至少是以前的三四倍”。鄭冶楓甚至還沒來得及適應節奏變化，就開始馬不停蹄地立項和走訪醫院了。
優圖實驗室在騰訊的角色是偏算法的部門，經常需要和產品部門打配合。鄭冶楓的醫療AI團隊主要配合的是常佳帶領的騰訊覓影團隊，覓影在前面做產品，優圖在后方提供技術支持。項目選擇上，兩邊通力合作經常展開討論，有時候一星期要開好幾次會。
2018年上半年，兩支團隊不斷穿梭往返于北上廣的頂級三甲醫院，和醫生溝通交流，了解醫生的需求，并結合技術可行性確定產品方向。
人類疾病多如星辰，而優圖實驗室的醫療AI團隊規模有限，產品方向上必然要做一些取舍。鄭冶楓介紹，團隊選擇項目時主要有兩個維度的考量：一是需求的迫切程度，主要看疾病的發病率和死亡率，兩項數值越高說明技術帶來的社會價值越大；二是技術的復雜程度，比如有些疾病對AI技術需求非常迫切，但囿于篩查手段的缺乏，項目也無法展開。
優圖實驗室并非覓影的唯一技術提供方，扮演相同角色的還有AI Lab。熟悉騰訊“內部賽馬”機制的人難免會好奇，兩者之間是否存在競爭？
鄭冶楓表示，競爭是不存在的，因為需要探索的病種太多，根本做不過來。相反，雙方會有分工，比如AI Lab最早做了食管癌篩查系統，隨后又做了胃癌、結直腸癌篩查系統，都是消化道疾病，未來還會繼續沿這個方向做下去，優圖實驗室則去開拓其他病種。
尤其是2018年9月30日之后，騰訊的組織架構進行了調整，To B業務基本并進了CSIG部門。“To B業務我們一般不用‘內部賽馬’機制，而是大家合力對外。重組之后還會加強內部協調，有些技術難題會合作攻關”。
“騰訊覓影”正式發布以來，一共上線了6個病種的輔助診斷產品，其中有3個是優圖實驗室的醫療AI團隊主導開發的，包括包括肺結節、眼科疾病和宮頸癌篩查。
鄭冶楓介紹，團隊的產品開發效率非常高，一般2-3個人負責一個病種，數據和標注到位后一個月就能出第一版產品，然后再以“小步快跑”的方式持續優化迭代。
產品矩陣升級
除了已經正式上線的三款產品，鄭冶楓團隊在乳腺癌和腦卒中領域的探索也取得了喜人的進展。
以乳腺癌為例，騰訊并非最先涉足乳腺癌篩查的企業，不過此前大多數競品走的都是鉬靶路線，而優圖實驗室另辟蹊徑選擇了超聲路線。
和鉬靶相比，超聲有許多優勢，比如對亞洲女性致密性乳房敏感度更高，且無放射性影響，可以覆蓋育齡婦女。另外，超聲設備在中國也更為普及，很多醫院都有專門的超聲科。
不過基于超聲影像開發AI算法卻是一條更加坎坷的路。一方面，超聲檢查是動態操作，影像形式為實時視頻，非常考驗算法的實時性。這并不容易實現，因為超聲設備通常GPU比較低端甚至沒有GPU。優圖實驗室的醫療AI團隊花了很大力氣才解決這個問題。
另一方面，超聲檢查的操作手法對結果影響很大，優圖實驗室的醫療AI團隊搜集了來自五六家廠商的超聲設備的圖像，以保證訓練集足夠大，數據來源足夠廣泛。
鄭冶楓團隊的另一個重要產品，是由李悅翔博士主導的缺血性腦卒中AI輔助診斷系統。
在缺血性腦卒中的檢測中，醫生需要使用灌注成像生成多個模態的腦部數據以觀察病人腦部包括血液流速，血液流量等信息方能確定診斷。由于多模態的介入，醫生需要不斷反復觀察多個數據方能得到診斷結果，該過程十分耗時耗力。
另外，腦部CT圖像是通過對患者腦部區域逐層掃描得到的三維數據。但是，目前醫生大多基于二維的切片進行觀察診斷，使得病灶識別與分割結果在三維空間中缺乏連續性。
鄭冶楓團隊開發AI智能輔診系統的目的正是解決這兩大問題。李悅翔介紹，這套系統不僅能為醫生提供一套完整的全自動化精細識別腦卒中病灶的解決方案，還可以為醫生在三維空間中重構出患者的病灶區域，幫助醫生更好地了解患者病情并及時給出合理的治療方案。
雖然之前已經有學者在缺血性腦卒中病灶檢測任務中嘗試使用深度學習技術以取得更好的分割精度，但受限于數據質量，計算能力和模型優化等因素，模型的準確率仍無法達到落地到醫院等實際應用場景的水平。而優圖實驗室的這套系統憑借優質的數據來源與出色的深度學習網絡設計，實現了為醫生提供可靠的輔診判讀結果，有望率先進入臨床落地。
另外，優圖實驗室還聯合天壇醫院在出血性腦卒中的輔助診斷方面進行了許多探索，并取得了初步成果。2018年9月，優圖實驗室聯合天壇醫院在全國神經外科年會上演示了這款產品，并獲得了一致好評。
破局三大瓶頸
醫療影像AI發展到今天，賽道已經非常擁擠。據不完全統計，國內涉足醫療影像AI的企業已經超過了100家，而且研究方向比較重疊，主要集中在肺結節、眼部疾病等少數幾個病種。
鄭冶楓認為這無可厚非，因為有些疾病發病率高、數據也相對豐富，醫療影像AI企業很難繞過，優圖實驗室也不例外。不過優圖實驗室做好基礎病種的同時，也在力求差異化，涉足更多新的疾病，比如宮頸癌內鏡篩查等，建立更廣的產品線。
另外，作為一個研究型實驗室，優圖為產品部門提供技術支持之余，也會做很多前瞻性研究。
經過幾年時間的發展，醫療影像AI雖然漸趨成熟，但仍然有許多行業性的難題亟待解決，比如基于小樣本的模型訓練。
得益于龐大的人口基數，中國在醫療數據方面具有天然優勢，但對很多病種來說，數據依然是稀缺的。鄭冶楓介紹，如果算法要在多中心取得不錯的效果，至少需要10000例數據，然而現實中很多病種都無法收集到足夠的數據。
因此，優圖實驗室也在探索用遷移學習或自監督學習的方法基于小數據樣本訓練模型。
醫學影像AI領域的另一個難題在于數據標注。醫學影像數據必須由經過專業訓練的醫生進行標注，而且標注結果不像貓、狗等自然圖像可以十分準確。病灶的發展過程是連續而緩慢的，對同一個病灶不同醫生會有不同的看法，甚至也可能出現明顯的錯誤。在訓練樣本有噪聲的情況下，如何提高算法的魯棒性就成了一個行業性的難題。
另外，如何讓算法更好地適應多中心數據也值得行業進一步探索。總而言之，醫療影像AI這條道路還遠望不到盡頭，百米賽跑我們才剛剛起步而已。
鄭冶楓希望自己的團隊能拿出50%的人員和精力來做前瞻性研究，他認為這樣的配置是比較合理的。
生態“核聚變”
在企業做技術，最終還是要回歸到商業本質。當醫療影像AI已經具備了臨床應用的可能性，如何形成可持續的商業模式便成了行業熱議的話題。
醫療行業的特殊性使得產品和商業應用之間隔著一道門檻——CFDA。鄭冶楓認為，2019年行業的競爭重心會慢慢轉向CFDA注冊認證。目前，中檢處已經基本理順了AI產品的審批思路，并和多家醫院、企業合作初步完成了眼底和肺結節兩個病種的標準數據集建設。
“2019年我們的工作重心也是放在CFDA注冊認證上”，鄭冶楓介紹，“中間還有很多技術挑戰要解決，比如從單中心擴展到多中心，提高算法的魯棒性” 。
盡管制度已經日趨完善，但CFDA注冊認證是一個比較漫長的過程，需要嚴格遵循流程，每一步都很耗時間，也需要投入一定的資金。鄭冶楓認為，這個過程中行業中會發生洗牌，有一些企業會被淘汰。而對于優圖實驗室來說，除了等待政策下達，需要做的就是不斷優化產品，時刻做好準備。
CFDA認證只是醫療AI產品商業化落地道路上的第一道坎，未來如何形成持續的盈利模式仍然有待行業探索。鄭冶楓介紹，GPS的做法是捆綁硬件銷售，另外美國也有一些獨立的計算機輔助診斷公司，它們的做法是進入醫保體系，獲得收費編碼。但在中國，連醫生的診斷費用都是非獨立的，而是捆綁在檢查中，醫療AI產品怎么落地的確是個復雜的問題。但他也相信，市場需求是真實存在的，未來行業自然會慢慢探索出一種能夠盈利的商業模式。
對騰訊而言，做醫療影像AI一方面是服務公司的大健康生態，一方面是大企業的責任擔當，所以不必執著于一城一地的得失。
依托微信的10億多用戶，騰訊目前已經推出了網上掛號、醫療支付、健康保險等服務。基于公眾號，騰訊還做了遠程診斷、慢病管理、處方管理等功能……醫療影像AI只是騰訊大健康生態中的一小塊，未來隨著生態系統逐漸豐富，各個板塊間聚變產生的能量將是驚人的。
加入優圖實驗室正好一年，回顧過去一年的經歷，鄭冶楓很慶幸自己做了回國的決定。他看到了中國作為一個快速發展的國家，對新鮮事物的開放和包容：政府層面大力提倡人工智能，與醫生的合作也非常融洽……離開家人固然是個艱難的選擇，但當時代把你推向了十字路口，走出舒適區就將看到截然不同的風景。