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(jù)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(jù)無論從數(shù)據(jù)量、數(shù)據(jù)產(chǎn)生的速度或是數(shù)據(jù)種類，一直保持高速增長。以醫(yī)療影像數(shù)據(jù)為例，每年都保持著30－40％的增長率。大數(shù)據(jù)顛覆了臨床、科研對醫(yī)療數(shù)據(jù)的利用方式，能否讓海量醫(yī)療數(shù)據(jù)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(chǎn)品，也希望結合自身的醫(yī)療大數(shù)據(jù)和臨床經(jīng)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(jù)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(jù)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(jīng)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(jù)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(jù)、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(jù)價值的同時，數(shù)據(jù)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(wǎng)完全隔離的環(huán)境中工作，可以做到數(shù)據(jù)不出院，保證了醫(yī)院所有的科研數(shù)據(jù)、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(jù)寶庫的挖掘效率，醫(yī)學健康全面進步的新時代或將迎來。