2024年7月4日，由中关村东升科技园主办，极新与创新企业科普联盟协办的“2024未来医疗科技大会”于中关村东升科技园万丽酒店一楼宴会厅拉开帷幕，高榕资本高级投资经理赵宏博先生、齐碳科技CEO胡庚先生、赛诺联合产市场产品总监裘力峥先生、司羿智能创始人尹刚刚先生、真健康技术总监陈向前先生，在会上作了题为《AI赋能中国基层医疗》的圆桌讨论。
“医疗领域对技术的精度、可靠性和安全性要求极高，即使在实验室环境中取得了显著成果，在将其应用于实际医疗场景时，仍需谨慎评估其安全性和有效性。”
“当前已难以断言AI存有何种根本性缺陷，因为任何既有的不足都将迅速得到弥补。”
“在AI时代，用户数量、用户行为以及用户产生的数据将成为未来竞争力的关键因素。”
以下为大会现场演讲实录，由极新整理，观看回放请移步「视频号：极新企服」：
赵宏博：随着人工智能的高速发展，医疗器械领域正经历着前所未有的变革。今天非常荣幸能与各位优秀的企业家一起探讨“医疗器械的创新发展之路”这一极具前瞻性和现实意义的话题，我们将深入探讨医疗器械创新发展面临的困难与挑战，并且展望未来的发展方向。首先请大家做一个简单自我介绍。
胡庚：齐碳科技自2016年创立以来，始终致力于基因测序领域的技术创新。我本人基于自动化专业的背景，从基因测评的电子部分切入，作为公司的联合创始人之一，共同推动了公司的创立与发展。
经过不懈的努力，齐碳科技已成功推出低通量、中通量测序仪等初代产品，并在逐步拓展影响力。未来，齐碳科技将继续以严谨、稳重的态度，专注于产品并积极寻求与更多行业伙伴的合作，推动齐碳科技产品更广泛地应用于各个领域，满足更多用户的需求。
裘力峥：赛诺联合是一家拥有超过十年历史的企业，自2011年成立以来，公司稳步发展。我个人在AI和医学影像领域有着深厚的学术背景，这使得我能够在医疗行业特别是医学影像行业中发挥专业优势。多年来，我主要从事上游产品的研发及市场推广工作。
目前赛诺联合已拥有三条相对成熟的产品线，且更加专注于寻求行业级或战略级的合作伙伴关系，以推动公司的进一步发展。
尹刚刚：司羿智能自2017年成立以来，专注于研发脑机接口外骨骼及康复机器人技术，旨在服务B端、C端及海外市场。我作为理工科背景的创业者，具备深厚的机械设计制造专业背景，曾在工业机器人和消费电子领域的x-lab实验室从事研发工作。自2017年起，我投身于康复机器人领域的创业，积累了丰富的经验。
在康复机器人领域，司羿智能积极与各大院校和医院展开合作，共同开发创新产品。目前，司羿智能的产品已经广泛应用于B端、C端市场，并拓展至海外市场。
司羿智能期待与更多的合作伙伴携手，共同开发创新产品，拓展应用渠道，包括与出海互联网企业合作，推动我们的创新产品走向国际市场。
陈向前：真健康医疗科技有限公司，自2018年3月成立以来，一直致力于经皮穿刺手术机器人的研发。目前，公司已成功将产品推向市场，并拥有两款三类穿刺机器人的注册证。当前面临的主要挑战在于产品的市场推广阶段。尽管已在三四十家医院进行了装机，但在医院推广过程中仍遭遇诸多困难。因此，真健康医疗非常期待并欢迎与医院展开深入合作，以临床示范应用为手段，共同推动产品的广泛应用与普及。
赵宏博：今天与会者都是技术领域的专家，本次圆桌的首个议题也是聚焦于技术的未来展望。在AI和虚拟现实等前沿技术不断发展的背景下，不论是国内还是国外，行业内已有诸多实际应用案例。请大家谈一谈对于这些已落地的技术应用的洞察。
胡庚：在基因测序行业中，AI技术的落地应用主要聚焦于基因测序结果的深入解析。过往AI基于数据分析的工作模式类似于简单的字典查询与结果匹配，如今这一过程已转变为更为智能化的识别。
AI能够从长期积累的海量数据中解读出更为丰富的信息，对基因测序结果、生物性状及病因的分析提供了更为深刻的洞察。随着数据量的不断增长，AI带来的成果愈加丰富，生物信息学领域的这种变革尤为显著。这不仅推动了科技的进步，也为生物学研究带来了前所未有的机遇。
裘力峥：根据医学影像的不同类别，可将其分为AI传统的结构型技术，如CT、核磁等，甚至可以将病理诊断视为一种图像分析的形式。影像领域AI的发展水平与影像解析的难度及其成像的复杂性和准确性呈现反比关系。即，越复杂的影像，其AI在行业内的发展相对更为滞后或初级。
以CT的AI发展为例，如肺结节筛查方面的AI产品已经相当成熟，眼底黄斑病变的AI检测也拥有了较高的成熟度，这主要得益于其成像的相对简单性，使得机器能够更容易地进行判断。
然而，当转向其他领域，如病理图像诊断，即使是经验丰富的病理学专家，其诊断结果也可能存在一定的不确定性。因此，在病理领域，AI的发展目前主要集中在相对容易确认的初级疾病上。
第一，致力于改进和优化现有的图像和结果质量；第二，利用AI技术解决传统上硬件和软件无法解决的问题，如AI可以协助解决分子影像行业中PET设备与CT设备不完全匹配但PET仍需要CT提供定位和优化的难题；第三，通过AI技术实现辅助诊断，甚至在某些情况下替代人工诊断。
尹刚刚：AI技术的应用会引发众多创新产品的涌现，其中甚至包括“植入”的设想，这一技术不仅将助力功能障碍或功能受损者恢复其原有功能，更成为相关领域创新康复辅助的重要手段之一。
智能AI技术还将极大地拓展其应用领域。如，传统的康复过程往往局限于康复医院或康复社区，但随着AI技术的运用和大数据分析能力的加强，未来的康复工作将有可能在家中进行。借助图像识别技术，AI能够精确追踪患者的康复运动轨迹，并进行智能判断。基于这些数据，AI可以制定个性化的运动处方，从而更有效地促进患者的康复进程。
陈向前：在医疗领域中，AI正在逐步渗透到手术的术前、术中和术后各个环节，为医疗器械和医疗场景带来全方位的、渐进式的变革。
术前，影像图像处理方面AI应用很广泛，尤其在肺小结节筛查及其后续辅助诊断与图像重建等工作中。对于术前影像的精准处理和辅助诊断，AI已展现成熟的技术实力，并在不断拓展其应用边界；
术中，AI对于机器人技术的支持也在逐步加强。AI在手术过程中，如穿刺操作中，能够协助医生根据病灶位置和解剖结构形态计算最佳穿刺路径，为手术规划提供有力支持。同时，AI还能辅助医生制定手术计划，辅助医生做出更为精准的手术决策；
术后，AI能够帮助患者进行术后疗效的综合评估和判断，以及通过综合信息对患者状态进行问诊。
“医疗领域对技术的精度、可靠性和安全性要求极高，即使在实验室环境中取得了显著成果，在将其应用于实际医疗场景时，仍需谨慎评估其安全性和有效性。”
赵宏博：请各位基于各自产品，讨论一下AI技术在近期具备实施潜力的领域、可落地的具体场景，并阐述AI技术如何为商业化进程增添价值、提供赋能的可能性。
胡庚：齐碳科技在蛋白工程设计和碱基识别领域已经开始采纳AI技术，且技术的不断进步，齐碳计划将其融入更多环节。
在基因测序仪的输入前端，齐碳计划将AI技术应用于自动化的样本处理和文库构建。基因测序的质量高度依赖于输入的核酸库质量，过去这些操作由实验员手动进行，其手法、经验、试剂盒大小、操作熟练度以及实验室环境等因素均可能对测序结果产生直接影响。为进一步提升基因测序质量，齐碳将引入AI技术到自动化样本处理设备中，从最初的机械臂实现样本处理，到逐步替代各类人工操作环节，从而减少人为误差，以提升基因测序的质量。
在后端，每个人的全基因组数据量庞大，齐碳不仅仅致力于将这些数据以编码的形式呈现给用户，更重要的是从中识别并回答用户关心的问题，如某种疾病、健康风险、未来趋势等。这需要齐碳对基因测序数据进行深入解读，并给具备解读数据的能力。
此外，齐碳还将把基因测序从静态测试转变为随时间推移的动态跟踪过程。在未来，如辅助用药伴随诊断治疗方案的有效性评估，需要多次反复进行基因测序，进行连续的数据分析和跟踪，从而判断甚至预测用药效果。
裘力峥：赛诺联合作为一家深耕大型影像设备领域的厂商，在AI技术的研发与布局上起步较早，并已在不同模块取得了显著成果。我将详细介绍赛诺联合如何对各类AI产品的逻辑及其对应的商业模式进行划分。
首先，赛诺联合的AI技术大多聚焦于提升硬件的图像质量，这一领域的研发工作仍在持续进行，并将不断融入自有设备中，从而增强设备在市场竞争中的优势地位。
以早期阶段为例，赛诺联合开发了辅助医生在临床和科研领域进行图像辅助勾画、病灶点提取等应用的AI技术。这些技术被整合到非商业化的AI平台上，供全领域的分子影像专家和教师使用。通过收集用户的使用反馈，团队能够迅速迭代相关技术，提高其在实际临床应用中的可行性和效果。在初级阶段，赛诺联合确保此类AIGC辅助软件的性能和能力达到业界顶尖水平。
然而，当这些软件真正投入临床使用时，还需经历复杂的过程，并可能对诊断结果产生影响。因此，它们必须严格遵守医疗器械注册的法规限制，确保安全性和有效性。
在一切准备就绪后，赛诺联合将把这些AI产品作为与设备相匹配的产品线直接推向市场。在此过程中，需考虑两个方面的因素：一是中国市场对于医疗硬件和软件的销售难度较大；二是赛诺联合在海外市场展现出的强大辅助能力，使得这些软件具有极高的商业价值。经过验证，这一体系已在实际应用中取得了显著成效。
赵宏博：我本人去年致力于FDA方向的行业研究，我关注到AI+医疗器械结合的产品中与影像相关的占比高达百分之八九十，您如何看待这一趋势？
裘力峥：在中国，特别是在CT或核磁等结构化影像领域，AI产品的数量极为丰富。这些产品多数旨在改变患者的诊断逻辑，并多数基于二类医疗器械注册，相对而言，其注册难度并不特别高。
目前，不仅医疗器械厂商，还有众多独立的AI医学影像公司也积极投身于这一领域。这些公司的涌现为医学影像AI领域的发展奠定了坚实的基础。
在影像领域，AI的落地应用和监管工作都处于较为领先的地位。赛诺联合也已参与了约2至3个政府组织的相关项目，探讨分子影像AI图像增强技术的审核规则。政府已大力推动相关法规的制定，不仅限于二类医疗器械，还深入到了三类医疗器械的法规控制。目前，这项工作正在稳步进行中。
尹刚刚：在AI相关领域中，司羿智能正致力于提升人工智能脑机接口的运动想象识别及专注力识别效率。此外，通过模型优化，司羿智能正积极打造居家脑机接口应用。目前，脑机接口技术已初步与手部功能机器人融合，未来还将拓展至上肢及下肢领域。
同时，司羿智能的产品已广泛应用于多家临床医院，为众多患者提供服务。为进一步提升服务效率，司羿智能正构建康复领域的全面GDP大模型，旨在为患者提供家庭环境下的专业指导与服务。
在手术机器人领域，司羿智能与AI的结合日益紧密。例如，司羿智能的取证手术机器人便搭载了AI功能，以实现图像的高效处理，为手术规划提供有力支持。目前，手术机器人已实现了基于AI的分割三维重建、多模态配置及融合技术等成熟应用，并获得了药监部门的批准，正式上市。
展望未来，司羿智能在AI方面的重点将继续聚焦于手术规划端和治疗端。在手术规划方面，司羿智能期望通过AI技术实现手术的自动规划，如穿刺路径的自动规划等。尽管目前仍需医生进行伦理和监管上的把控，但AI将在未来发挥更大的作用。
在治疗方面，司羿智能正尝试将AI应用于消融治疗参数的设定。通过分析过往的消融治疗数据，AI可以基于肿瘤的类型、形态和大小自动计算预期的消融功率和时间，为医生提供手术规划的辅助和决策支持。
赵宏博：我在一些国外的骨科手术上也看到了陈总刚才提到的“虚拟现实”的手术。请问陈总，在您看来，我国手术什么时候才会开始应用虚拟现实技术？
陈向前：虚拟现实技术能够将二维的平面图像以直观的方式，在人的三维立体视野中呈现。人体的内部结构通常难以直接观察，但在理想状态下，佩戴虚拟现实眼镜的医生能够直接通过眼镜观察到患者体内的复杂结构，极大地提升了诊疗的精准度和效率。
然而，实际应用过程仍面临诸多技术挑战。与骨科相比，肺部因其呼吸功能而具有显著的动态特性。目前，公司的人工智能影像分析主要基于术前的静态影像数据，而实际的人体肺部是随着呼吸运动而不断变化的。这种动态与静态之间的差异，导致了影像分析结果的偏差。
为了尽可能减少这种偏差，“真健康”正在努力通过人体建模和呼吸模拟等方法来优化算法。然而，医疗领域对技术的精度、可靠性和安全性要求极高，即使我们在实验室环境中取得了显著成果，但在将其应用于实际医疗场景时，仍需谨慎评估其安全性和有效性。
相比之下，骨科领域因其骨骼结构的相对刚性，可能更容易实现虚拟现实技术的落地应用。未来，“真健康”将持续努力，致力于推动虚拟现实技术在医疗领域的广泛应用，为患者带来更加精准、高效和安全的诊疗体验。
“当前已难以断言AI存有何种根本性缺陷，因为任何既有的不足都将迅速得到弥补。”
胡庚：目前，齐碳团队在运用AI技术特别是在进行大量数据训练剪辑识别算法时，面临的主要挑战在于数据标签的标注。这一环节极为繁琐且耗费人力，且构成了团队工作的基础，并需通过人工方式完成，以确保后续机器学习的顺利进行。
为了缓解这一难题，齐碳在经历了初期大量人工标注的艰巨任务后，正逐步探索并开发自动化的标签标注工具，以期实现工作流程的简化和效率的提升。然而，从机器学习的角度来看，任何新技术的初期应用都不可避免地伴随着较高的学习成本和挑战，包括大量的人工介入。
此外，医疗器械行业对安全性和可靠性有极高的要求，医疗器械的申请审批过程中，对于智能技术的接纳程度尚存在一定的保留。这是因为智能技术虽追求统计意义上的精确性，但在可重复性上难以达到百分之百的标准，这在一定程度上与医疗器械行业对安全性的严苛要求存在偏差。
对于齐碳科技而言，如何确保AI技术在医疗器械应用中的精准性和可靠性，以减少误诊等潜在风险，是必须持续关注和努力解决的问题。这不仅关系到AI技术在医疗器械领域的推广和应用，也直接影响到公众对于AI医疗器械的接受程度和信任度。
裘力峥：我持同样的观点。在生成式AI及大模型等新技术涌现之初我与大家多次探讨的人工智能技术的局限性，但大众曾设想的局限性迅速被事实打破，再次印证了AI技术的演进总是超乎传统认知边界。
因此，我认为当前已难以断言AI存有何种根本性缺陷，因为任何既有的不足都将迅速得到弥补。
然而，医疗领域领域对精准度的要求近乎苛刻，力求达到百分之百的准确率。即便AI的出错率远低于人类，达到99.9%的精确度，其责任归属问题依然复杂。在此情境下，无法也不应将责任转嫁给机器，因此，AI的错误率问题始终是制约其在医疗行业深入发展的关键因素。
鉴于此，我们更应反思并调整医疗行业对AI技术的期望，探索如何使其更好地服务于医疗行业，甚至在某些环节上勇于尝试，推动实践，以促进医疗行业的整体进步。
尹刚刚：AI技术的不确定性因素引发了大家在探索应用场景时的顾虑，特别是在医疗这一高度敏感的领域，更是谨慎。
面对不可控的因素，司羿智能选择从脑机接口技术在康复领域的应用等较可靠的领域入手，因为它采用的是非侵入式方法，相对而言，对患者造成的创伤和安全风险都较小。
这种方式可以让我们在一个相对可控的环境下进行探索，同时通过长期的样本追踪和反馈逐步降低技术的不确定性，将其可能带来的危害降至最低。并在推进得过程中积累更多数据，使其将成为不断优化和改进技术的宝贵资源，推动这一领域实现更大的突破和提升。
陈向前：自动驾驶技术已经历了从部分自动驾驶到全自动驾驶的演进。同样，手术机器人也需要进行分级，从0级（完全辅助，无自动化）至5级（完全自动化）不等。目前，手术机器人技术仅能在部分条件下实现自动化。
尽管手术机器人的人工智能化是一个有前景的方向，但它与医生们心目中的真正人工智能和理想机器人仍存在显著差距。医生们所设想的理想状态是机器人能够自主规划并执行手术，医生只需在手术完成后进行确认。然而，当前的手术机器人更多是作为AI的助手存在，仅在部分环节能够替代医生进行操作，尚未达到医生所期望的智能化水平。
从AI的广泛应用来看，当下确实是一个充满机遇的时代，人们开始关注并应用AI技术。然而，在医疗领域，AI技术仍只是解决医疗需求的一小部分，其潜力和作用尚未得到充分发挥。为了实现更广泛的医疗覆盖和更高效的医疗服务，AI技术需要不断发展和提升，以达到更高的智能化和自主化水平。
医生们的思维往往比工程师更为开放，他们对技术的预期也更高。因此，大家需要继续努力提升手术机器人的AI智能化水平，以满足医生们的实际需求，推动医疗技术的不断进步。同时，也期待未来AI技术能够朝着更智能、更多自主化的方向发展，为医疗领域带来更多的创新和突破。
“在AI时代，用户数量、用户行为以及用户产生的数据将成为未来竞争力的关键因素。”
赵宏博：医疗器械与AI的结合大部分是回顾性能源。就此，请各位讨论一下，对医疗+AI的展望如何？深圳市AI在医疗器械领域的发展可能会在什么领域最先落地？企业在应对深圳市AI诞生的时候，战略层面会做出什么样的调整？
胡庚：深圳市的AI在基因测序领域的应用，对于核酸带行业而言，催生了新兴的合成生物学学科，为其带来了巨大的发展机遇与空间。基于过往丰富的蛋白质细胞及其氨基酸序列的已知结构，人工智能通过学习与积累经验，已具备能力去设计自然界中前所未见的蛋白质，乃至人工智能生物体。这一新兴能力，使得用户能够针对未知蛋白质提出具体结构与功能要求，进而由深度AI系统完成结构设计，实现了从依赖专家经验与直觉、进行大量筛选的传统模式，向按需设计功能的根本性转变。这一过程，交由具备深厚历史学习背景与强大能力的AI执行，预示着合成生物学在未来将迎来飞速发展。
齐碳科技发展的策略在于将测序经验与未来趋势紧密结合。测序仪作为核心工具，其主要功能是读取已知基因序列。而合成生物学则侧重于创造，通过基因编辑等手段生成新物质。因此，团队计划将测序仪与合成生物学及未来生物制药领域相结合，利用读取设备与创新药设计，特别是生物世纪系列设计相融合，并与运用AI工具的业务模式相衔接。在此框架下，测序仪将作为验证与确认的关键工具，伴随着合成生物学等行业的蓬勃发展，共同推动双方持续成长。
裘力峥：从影像设备的角度来看，目前大部分的AI技术确实难以与现有的大模型，特别是生成式AI技术有效绑定。因为尽管我们拥有相关常识，但现有技术在实际应用中仍存在诸多挑战，难以充分发挥其潜力。
核心问题在于可靠的数据对于影像学的AI分析和诊断至关重要。然而，获取大量、有效且与我们模型紧密相关的数据却是一项艰巨的任务。赛诺联合曾尝试从国际大型病理库中获取数据，以支持在分子影像图像上进行AI病灶提取的工作，但目前仍处于高度依赖外部数据和资源的状态。
尽管如此，赛诺联合目前更成熟的产品仍然侧重于传统的AI模式，特别是那些能够提供服务性质支持的AI技术。例如，赛诺联合已成功应用大语言模型来优化诊断医生的报告编写工作，且表现出色。
此外，在赛诺联合的产业链中，分子影像技术不仅涉及使用AI核素药物进行诊断，还涵盖了使用核素药物进行治疗的核医学领域。这一领域强调诊疗一体化，因此需要大量创新型的核素药物来支持。这些药物的开发涉及到放射性化合物与靶点性质的结合，来提高诊断的灵敏度、特异性和治疗的针对性、安全性。在这个过程中，产业链上的许多企业已经开始大量使用深圳市的AI技术来辅助化合物的筛选工作。
尹刚刚：司羿智能具备生成康复游戏场景的能力。同时，市场部也可能利用AI大模型进行GPT相关的文案及资料调研工作。此外，司羿智能还在运用大模型进行训练。目前司羿智能拥有超过六万家庭用户的规模，团队致力于构建涵盖产品常见问题等内容的知识库。
尹刚刚：是由同一个团队来完成的。过去，团队结构偏向硬件开发，但随着AI技术的引入，用户数量、用户行为以及用户产生的数据将成为未来竞争力的关键因素。
首先，司羿智能建立了AI算法团队，包括专门的产品经理，负责规划AI产品的方向，为原有产品增添更多功能，从而提升用户体验和效率。此外，司羿智能也在积极研发新的工具，并与临床专家紧密合作，探索现有技术如何与他们的需求相结合。未来，司羿智能计划推出面向康复医生的AI辅助工具，以进一步拓展产品线和服务范围。
陈向前：单纯就手术机器人在深圳市AI领域的研究而言，目前仍处于探索阶段，尚未有直接且成熟的应用落地。但真健康专注于肿瘤的诊断、治疗及康复等场景，致力于构建一套从诊断到治疗再到康复的一体化闭环系统。
从诊断层面来看，AI能够综合各类图像与信息，生成诊断报告，并进行综合分析；在治疗过程中，AI亦能辅助医生制定手术计划或提供决策支持，提升治疗效率与精准度；术后康复阶段，AI可基于患者的问诊反馈、术后状态及信息采集，进行状态评估与反馈，为患者提供更加个性化的康复方案。
从企业发展的战略高度出发，AI技术无疑代表着未来的发展趋势。技术是企业发展的核心驱动力，必须积极拥抱智能技术，不断探索与研究其潜在应用。尽管某些技术可能暂时无法立即实现商业化落地，但研究层面的探索与尝试都必不可少。唯有如此，我们才能在未来的技术浪潮中抢占先机，避免在关键领域落后于人。
赵宏博：陈总刚才提到的“呼吸肺部的代偿”问题，如果用深圳市的AI去学习，能够很好地解决这一问题吗？
陈向前：“呼吸”非常个性化，目前团队采用建模AI的通用模型来估测患者的呼吸状态，尽管存在一定的差异性，但未来随着大模型的构建基于海量的数据支持，若能将患者的特异性数据全面融入其中，这一模型将能够结合既往的海量学习成果与患者的特异性数据，针对性地生成针对每位患者的固定呼吸模型。此举有望显著提升模型的精准度，也是“真健康”团队未来持续研究的一个重要方向。
更多干货分享敬请关注我们的公众号与视频号~超多精彩对话内容等待您的解锁！
极新是垂直于产业AI的创投和行业研究媒体，致力于陪伴和记录科技企业进步和产业成长。已与多家平台和创新企业深度对话和合作，包括华为云、阿里云、百度智能云、金山云、飞书、火山引擎、钉钉、东软、Zoho、容联云、百家云等平台企业，以及智谱AI、百川智能、格灵深瞳、深势科技、百图生科、瑞莱智慧、创客贴、生数科技等高成长公司。