|
經(jīng)過幾年的發(fā)展，中國的醫(yī)療人工智能已經(jīng)從產(chǎn)品驗證進入了市場驗證階段，各路玩家紛紛迎來商業(yè)落地考驗。這其中的頭部公司森億智能已于2018年推出了基于AI的新一代醫(yī)院信息平臺，在傳統(tǒng)醫(yī)院信息平臺的基礎上，添加了數(shù)據(jù)治理方面的功能。 傳統(tǒng)平臺通常只解決醫(yī)院內的數(shù)據(jù)問題，會形成醫(yī)院信息孤島，而新功能的添加，有助于互聯(lián)互通測評，提高數(shù)據(jù)可用性，幫助建設智慧醫(yī)院。 目前，森億智能已構建了300多人的團隊，其中醫(yī)學背景超過百人，碩士、博士占30%，研發(fā)團隊發(fā)表SCI論文40余篇。森億還與上海第十人民醫(yī)院、上海胸科醫(yī)院、上海中山醫(yī)院等醫(yī)院專家展開合作，共同開發(fā)臨床決策支持系統(tǒng)（CDS）。 本期《創(chuàng)業(yè)內幕》，我們就請了森億智能的創(chuàng)始人張少典和大家的老朋友——GGV紀源資本執(zhí)行董事吳陳堯Joshua，為我們聊聊醫(yī)療領域的那些痛點和展望。 Lily：二位好，少典先介紹一下自己和森億智能吧？ 張少典： 好的，我是傳統(tǒng)意義上的理工男，創(chuàng)立森億智能之前一直在搞技術。隨著2016、17年的海歸人工智能創(chuàng)業(yè)浪潮，我也回國，創(chuàng)立了森億智能。森億智能的主要工作是圍繞醫(yī)療行業(yè)提供一些人工智能解決方案，核心目標是幫助中國的醫(yī)療行業(yè)去解決一些現(xiàn)實問題。 Lily：是什么契機讓你選擇醫(yī)療人工智能這個行業(yè)來創(chuàng)業(yè)呢？ 張少典： 理由很簡單，我在美國的時候讀的就是這個專業(yè)，本科讀的是AI和計算機科學，是比較單純的理工科背景。當時去美國讀博士的時候收了很多offer，后來我被我在哥倫比亞大學的導師忽悠了，他說像你這樣搞自然語言處理的人太多了，但我這里是在研究人工智能怎么在醫(yī)療行業(yè)發(fā)揮作用，我們這個行業(yè)人才需求度非常高。當時我覺得他說得挺有道理的，另一方面也覺得哥大挺不錯的，就陰差陽錯進了醫(yī)療行業(yè)。 我回國后之所以在醫(yī)療人工智能行業(yè)創(chuàng)業(yè)，也是因為沿襲了自己在美國讀書的內容。還有個原因，當時國內在醫(yī)療和AI的結合領域人才匱乏非常嚴重，而自己的背景各方面可能也比較獨特，所以就選擇了在這個領域創(chuàng)業(yè)。 這里有個有意思的小故事，選擇創(chuàng)業(yè)其實有一點是被我周圍的那幫交大師兄、同學忽悠的。大家知道其實這幾年交大背景的創(chuàng)業(yè)者挺多的，我的大學關系特別好的一個兄弟，是餓了么早期創(chuàng)業(yè)團隊的成員之一。15年3月份，餓了么的創(chuàng)始團隊去硅谷調研，因為我同學的原因，我就給他們做了地陪。當時跟他們在硅谷一起租了一個Airbnb，大家在一起待了兩個星期，白天陪著他們去調研硅谷的各個外賣公司，晚上陪著他們一起跟國內開電話會議。 當時我自己的個人狀態(tài)正好處于非?？鄲灥奶焯熳x論文、寫論文的階段。那兩個星期待下來，餓了么的創(chuàng)始團隊給我的感覺就是毛主席詩詞里面說的，恰同學少年，意氣風發(fā)。我被他們的生活狀態(tài)和工作狀態(tài)感染了，當時就覺得這個事是我想要的。 吳陳堯： 那你怎么沒有加入餓了么？ 張少典： 我覺得那個（生意）離我有點遙遠，但是那個狀態(tài)是我喜歡的，從對生活狀態(tài)的追求和向往的角度來說，我覺得那是對我蠻大的一個刺激，促使我從內心深處下定決心接受創(chuàng)業(yè)這樣一種生活狀態(tài)，而不是說留在美國，或者是在大公司工作。另外一個小小原因，因為我在美國期間也在微軟也做過兩次實習，實話說大公司的狀態(tài)實在是讓我有點受不了，這也是一個很重要的原因。 Lily：森億成立于2016年，當時中國醫(yī)療人工智能行業(yè)的現(xiàn)狀是怎樣的？ 張少典： 從人工智能整個產(chǎn)業(yè)角度來說，2016年大家印象最深的可能是AlphaGo（阿爾法圍棋）那個時期，這也導致人工智能整個掀起了一個浪潮。實事求是地講，我個人倒不是因為AlphaGo或者資本浪潮去做這件事情。 2015年，我回國花了兩個多月做了大量的市場調研，北上廣深跑了大概有四五十家三級醫(yī)院，采訪了上百個醫(yī)生和行業(yè)從業(yè)者。當時的感覺就印證了我當時的一個想法，中國醫(yī)院的整個信息化、數(shù)據(jù)化和智能化相比美國至少要落后15到20年，從醫(yī)療的信息基礎設施和智慧化基礎設施的角度來說，我們離美國的距離還是非常遠的。 吳陳堯： 這方面能舉個例子嗎？ 張少典： 美國幾乎每一家醫(yī)院都已經(jīng)在1995年到2005年前后建成了類似于全院級的數(shù)據(jù)中心和數(shù)據(jù)倉庫，相當于大數(shù)據(jù)上的基礎設施。但回到國內你會發(fā)現(xiàn)，國內最基礎的一些信息化系統(tǒng)都還備受吐槽，更不要說后面的數(shù)據(jù)化和智慧化建設。 在美國，我們經(jīng)常會看到一些已經(jīng)進入到臨床各個環(huán)節(jié)的人工智能輔助診療，但在中國基本上還沒有。 回到中國以后，你會發(fā)現(xiàn)用AI、用算法、用數(shù)據(jù)的方式去輔助醫(yī)生做出更精準的判斷的應用場景，且不說完全不存在，甚至支撐這些應用的一些最基本的基礎設施也都還不存在。 Lily：現(xiàn)在有改善嗎？ 張少典： 這四年下來，在很多公司的推動下情況已經(jīng)開始有所改善。比如我剛才談到的數(shù)據(jù)中心的問題，從中國三級醫(yī)院的角度來說，可能有10%-20%的醫(yī)院已經(jīng)開始有這樣的數(shù)據(jù)中心了，這也是在過去5年里逐步推動出來的?？傮w而言，在我看來還是有一個比較大的差距。 Lily： 現(xiàn)在森億能幫助醫(yī)院和醫(yī)生解決具體哪些場景上的需求？能不能舉幾個具體例子？ 張少典： 我們現(xiàn)在在診斷、治療，包括病情判斷的各個環(huán)節(jié)，都會有一些工具去幫助醫(yī)生做出更準確的判斷。比如我們做的一個工具是幫助醫(yī)生更準確的預警和判斷深靜脈血栓，傳統(tǒng)的診療是依靠醫(yī)生和護士自己的經(jīng)驗，但是這種方式可能會出現(xiàn)一定程度的漏診和誤診。我們的工具可以提前預警和預防，并且提升及早篩查的概率。 再舉一個例子，比如我們現(xiàn)在在做的產(chǎn)品，針對小兒肺炎，小兒膿毒血癥等一些重癥，可以通過算法的方式幫助醫(yī)生做出更準確的判斷。目前我們的類似這樣的產(chǎn)品，可能在四五個疾病上都有一定的突破。 它可以做到什么程度呢？比如對靜脈血栓的預警，如果用人工智能的算法去判斷一個患者在未來24小時有多大的概率出現(xiàn)靜脈血栓，我們現(xiàn)在可以做到的算法準確度能夠比普通三級醫(yī)院的醫(yī)生和護士的平均準確度高上18%-22%。 Lily： 人工智能其實是要給機器喂數(shù)據(jù)的，但是我看過一個吐槽，有個醫(yī)生說他一天要寫多少個字。他說住院部收病人要寫住院大病例，病例首頁主訴現(xiàn)病史、既往史、系統(tǒng)回顧、個人婚育史、月經(jīng)史、家族史、體格檢查摘要，初步診斷就要滿滿當當兩頁紙，要是動了刀還得在24小時之內補手術記錄。中國三甲門診一天平均有80到100個號，門診病例也得百十來個字。這里面的數(shù)據(jù)相當驚人，你怎么要求醫(yī)生把這些數(shù)據(jù)全部再重新錄入到他的系統(tǒng)里呢？ 張少典： 醫(yī)生本身錄入數(shù)據(jù)都相當于是醫(yī)院給醫(yī)生的管理要求，數(shù)據(jù)錄入完整性其實很大程度上是靠醫(yī)院的管理體系在保障。但是對我們來說，我們的挑戰(zhàn)首先一個是如何處理海量數(shù)據(jù)，這當中當然會用到非常多的，比如說自然語言處理這樣的技術；另外一個就是萬一病例寫不準怎么辦，這里面也會牽扯到非常多的技術問題需要解決。 Lily： 說到這我就想到一個很常見的場景：小朋友發(fā)燒。但發(fā)燒這件事，在醫(yī)療上的診斷就有多種說法，比如發(fā)燒、發(fā)熱、高熱，高燒等等，這個對機器識別其實有非常大的挑戰(zhàn)，你們怎么解決這個技術問題？ 張少典： 這恰恰是我們的專長，您剛剛提到的是一個自然語言理解的問題。 機器怎么能做到像一個醫(yī)生一樣工作呢？ 比如我們人類，給你一段話，哪怕其中出現(xiàn)一兩個錯別字，也并不影響你對這段話的理解，這是因為人的大腦在處理文字的時候，可以結合上下文對一段文字進行分析和語意理解。你并不會因為一個字或者一個用語的調整就影響你對這段話的理解，所以人工智能在自然語言處理這個領域想做的事情跟這個原理是很類似的。 對我們來說，我們所研發(fā)的面向醫(yī)療場景的自然語言處理的一些系統(tǒng)或者算法，要解決的其實就是您剛剛說的問題。不管醫(yī)院的醫(yī)生寫的是中文縮寫還是英文縮寫，或者因為時間緊張敲錯了幾個字，AI或者自然語言處理的算法都可以通過對上下文和語意的分析來理解事情的本質是什么。這其實多多少少也是森億智能的一個看家本領，我們可能是最早在國內把醫(yī)學的自然語言處理技術商用化的公司。 像百度、訊飛、騰訊這些大廠，在自然語言處理上都做得非常好。但是狹義到醫(yī)學這個領域，因為它有非常高的專業(yè)壁壘，所以需要在算法、模型上做非常多的專業(yè)化定制，這方面可以說是我們森億比較擅長的領域了。 Lily： Joshua，你當時是怎么發(fā)現(xiàn)這樣一個機會的？ 吳陳堯： GGV其實一直在關注“人工智能+”的賽道和領域，不管像AlphaGo這樣算法、算力上的進步，還是像NLP、TTS這些通用模塊的技術進步，都讓我們看到這個行業(yè)還有很大的機會。 “人工智能+”無非就是落地在垂直的領域里，我們重點關注的其實就是教育、醫(yī)療和金融，從絕對的體量上來說，醫(yī)療的體量是非常大的。所以我們就在人工智能+醫(yī)療這個行業(yè)里尋找公司，也包括森億智能的一些友商。 Lily： GGV在人工智能領域先后投資了像Face++、Clobotics、流利說等等一系列公司，森億智能跟其他幾家相比有什么獨特之處？ 吳陳堯： 首先醫(yī)療行業(yè)的整個信息化會帶來大量的數(shù)據(jù)，就是自我量化（Quantify Self），整個醫(yī)療數(shù)據(jù)的增加會讓人工智能在這個領域的應用越來越深入。并且我覺得森億智能會有一個整合的解決方案，第一，它可以幫助醫(yī)院、醫(yī)生的結構化數(shù)據(jù)更好地流入整個人工智能的訓練里，同時它又能夠輸出人工智能診療的產(chǎn)品，另外未來國家可能對這個行業(yè)會有很多鼓勵政策，而少典又是我們見到的這個行業(yè)里比較稀缺的，兼具商業(yè)管理跟技術的人才，所以在森億智能這個項目上，GGV還是很快就做出了決定。 Lily： 這是否意味著你還會在醫(yī)療領域做其他方向的投資？ 吳陳堯： 我們一定會在AI+醫(yī)療的領域里持續(xù)關注的。 Lily： 在中國，醫(yī)院還是一個相對來講比較封閉的環(huán)境，少典你當時是怎么解決這個銷售難點和痛點的？你怎么讓醫(yī)院相信你們能做好這件事？ 張少典： 這個說起來都是淚，森億在商業(yè)化上走了很多彎路。 說實話最開始融資的時候大家都會問這一點。嚴格來說，我們的第一個客戶是誰，現(xiàn)在其實不太記得了。早期我自己就相當于售前，另外一個聯(lián)合創(chuàng)始人更擅長跟人拉關系，他就是銷售。我們扛著筆記本電腦就跑到醫(yī)院，拉著信息科主任坐下來，展示我們的系統(tǒng)，但這種陌生拜訪，最后也沒出什么效果。 印象很深的就是那個時候我們自己覺得我們是國內自然語言處理的獨苗，唯一一家，除了我們沒人能干這個事。結果我們跑到一家醫(yī)院敲開主任的門，人家問我們是干嘛的，我說我們是做病例文本分析和自然語言處理的，結果主任說，這方面我們早就有很多供應商在合作了，就把門關上了，這種經(jīng)歷其實還蠻多的。 分享一個小案例。 我們在上海一個大三甲醫(yī)院客戶。那個客戶最早期是我們自己扛著筆記本電腦去陌生拜訪的一個客戶，也是我們真正意義上簽下的第一筆一百萬以上的訂單。從我們第一次pitch這家醫(yī)院的客戶，到最終簽下訂單，我們花了27個月的時間。 27個月，這家醫(yī)院都換了三任信息科主任，我們才把它拿下來。這27個月當中，有25個月都是我們公司最老的一個銷售去跟的，頭兩個月是我自己跟的。當時在年會上給我們所有的業(yè)務銷售人員分享這個案例，讓大家去感受，其實跟醫(yī)院做業(yè)務，讓醫(yī)院接受一些新興事物，的確是一件不容易的事情。 后來怎么解決這個問題呢？后來我們發(fā)現(xiàn)，光靠自己肯定搞不定這個事，所以要引進行業(yè)里的其他人來慢慢建立這樣的銷售體系，還是要借助一些既有的力量和資源。 Lily： 現(xiàn)在銷售團隊有多少人？ 張少典： 五六十個。 Lily： 技術團隊呢？ 張少典： 這就看你怎么定義技術了。研發(fā)團隊現(xiàn)在有接近兩百人，我們依然是一個在研發(fā)上投入非常大的一個公司。當然，銷售團隊雖然聽起來只有五六十個人，但其實我們在全國接近20個省份都已經(jīng)有銷售人員的布局了。 之所以現(xiàn)在人數(shù)比較少，是因為本質上我們做的是大客戶銷售，大客戶銷售其實不是地推性質的，跟我們銷售打交道的都是院長、主任這種級別的人，一個省可能也就是有限個數(shù)的三甲醫(yī)院客戶。 每一個三甲醫(yī)院客戶里需要打交道的也就是有限的幾個關鍵人物。所以對我們來說，每個省可能只需要維護一到兩個銷售人員，我需要他的素質特別高，但并不需要人數(shù)非常多。 吳陳堯： 這里面一個是剛才少典所說的，從接觸到醫(yī)院慢慢了解我們，我們已經(jīng)渡過了最艱難的階段。中國眾多三甲醫(yī)院，大部分都了解森億智能，至少聽說過森億智能了。另外，我們自身的產(chǎn)品線也越來越豐富了，同時我們還有很多的銷售合作伙伴，像中電、華為等等。同時整個行業(yè)也越來越主動地去尋找這樣的人工智能輔助診療產(chǎn)品和信息化解決方案，這些都會讓我們的銷售相對越來越容易。 張少典： 對，我們已經(jīng)越過最艱難的階段了。我們從2017、18年開始逐步走進這個市場，到2019年我們被全面接受，銷售額也比去年翻了整整五倍，可以說在新一代的醫(yī)療數(shù)據(jù)化和AI解決方案的公司當中，我們已經(jīng)算是領頭羊了。 雖然經(jīng)歷了很多困難，但后來發(fā)現(xiàn)，當時我們經(jīng)歷的一些困難，包括一些很傻、很天真的推廣方式，到了未來的某個時間點，反而給我們留下了一些很有價值的資產(chǎn)。 比如，當時我們不懂這個行業(yè)的門道，自己背著筆記本電腦去pitch客戶。但回過頭來，今天我們大規(guī)模的去推市場，廣泛地接觸我們的客戶，到各個地方開宣講會的時候，我們發(fā)現(xiàn)我們最早期的那些推廣、營銷行為，都在大家心里給森億智能留下了一個印象——這個公司是一個實干型、理工型的公司。相比醫(yī)療行業(yè)里的確是商務型、關系型的公司比較多，良好的口碑也助推了我們面向未來的市場推廣。 Lily： 過去這一年，我們銷售的斜率有五倍的增長，您覺得自己做對了什么事情？ 張少典： 我對to B行業(yè)是這么看的，to B行業(yè)跟to C一個很大的區(qū)別就是，to C可能是看公司看長板，但to B主要是不要有短板，所以它的價值鏈非常長。從營銷到銷售，到研發(fā)，再到最后的交付、運維、服務，其中出現(xiàn)任何一個短板都可能會砸掉這個公司的口碑，可能會使得這個公司的增長、銷售出現(xiàn)很大的結構性問題。 所以我認為一個to B公司如果出現(xiàn)增長，一定是因為做對了很多事情，而不是因為做對一兩件事情。從我們公司的角度來說，18年到19年，我們去補的短板其實是非常多的，銷售人才的補充只是一方面。但是，to B產(chǎn)品的全生命周期管理，對于交付和運營品質的管控等等都在完善。比如to B行業(yè)新創(chuàng)公司經(jīng)常會出現(xiàn)的一個特別典型的狀況就是交付出現(xiàn)爛尾，因為可能前端跑銷售沖得非?？?，導致最后產(chǎn)品交付出現(xiàn)問題。 所以我不會認為五倍增長是森億智能2019年最好的成績，最好的成績是我們在客戶那里贏得了非常好的口碑。我們的交付準確度，交付及時率，和客戶滿意率都是非常高的，這在高增長的同時是非常難以維持的。 Lily： 之前我也訪談過酷家樂的黃曉煌，我問過他同樣的問題，就是怎么解決裝修行業(yè)的業(yè)務拓展（BD）問題，他說我們可以更多提供給客戶的價值就是我們的產(chǎn)品更過硬，技術更好。森億也是這樣的一個路徑嗎？ 張少典： 是的。首先是產(chǎn)品更過硬，技術更好，你的產(chǎn)品有不可取代性和獨特性；另一方面就是你的產(chǎn)品品質好，交付好，服務好，所以你的口碑好。說句實話，對to B來說，銷售人員跑得再多，大會開得再多，市場投入再多，都比不上客戶的口碑好，口碑營銷是to B最重要的營銷方式，尤其是像我們這種領域非常單一的公司。 我們有一個江蘇客戶，他說醫(yī)院信息化這事已經(jīng)有20年了，但從來沒有見過像森億這樣靠譜的團隊。對于這樣的客戶來說，他這句話的效果可能就強過你鋪一個省的銷售了。 我們的客戶都是大客戶，單個客戶的凈值都在百萬以上，所以我們的客戶量不會很多。我們今年一共驗收的接近30個客戶當中，就有近10個主動給我們發(fā)表揚信或者錦旗。三分之一的客戶給我們主動發(fā)表揚，就是對我們的團隊和產(chǎn)品非常滿意，我覺得這就是最好的銷售方式，也是我對公司未來幾年有信心的最根本的來源。 Lily： 也就是說，那種不看好技術能力，只看關系的客戶，我們可能就主動放掉了。 張少典： 其實醫(yī)療行業(yè)也沒有大家想象的那么百分之百關系導向，在我們看來，還是七分產(chǎn)品三分商務。其實這個不單是醫(yī)療行業(yè)，任何一個行業(yè)的早期發(fā)展階段，供應商的產(chǎn)品同質化都會比較嚴重。甲方本身對行業(yè)的認知、對技術的理解相對也比較粗淺，這種時候很容易出現(xiàn)這種所謂的商務導向。 但是當一個行業(yè)逐漸成熟，逐步從粗放型向精細化發(fā)展的時候，你就會發(fā)現(xiàn)好的產(chǎn)品、好的理念會真正起到主導作用。不管是醫(yī)生、院長，還是信息科，我們的客戶畢竟都是這些知識分子人群。 Lily： 2015年4月國務院發(fā)布了全國醫(yī)療衛(wèi)生服務體系規(guī)劃綱要，在這之后醫(yī)療行業(yè)就掀起了一股信息化建設的熱潮。 根據(jù)IDC的數(shù)據(jù)顯示，中國醫(yī)療行業(yè)IT投入的規(guī)模從2012年的176.6億元增長到2017年的427.5億元。這中間因為政策推動涌現(xiàn)了大量背后玩家，比如國際巨頭因特爾、微軟，老牌本土IT醫(yī)療行業(yè)的企業(yè)，比如東軟、衛(wèi)寧，還有今年阿里巴巴旗下的阿里健康，以及平安好醫(yī)生也都在這個領域有所布局。 面對這種群雄環(huán)伺和老將在前的狀況，您覺得森億的機遇在哪里？ 張少典： 雖然我們看到很多玩家，但數(shù)字醫(yī)療(Digital Medicine)或者醫(yī)療IT總體而言還是一個非?？諘绲男袠I(yè)，而不是像大家想象那樣的一個擁擠的行業(yè)。 從不同的維度有不同的市場規(guī)模測算方法，但大家可以想一想，不管是不是AI，本質上醫(yī)療IT要解決的問題無非就是醫(yī)療行業(yè)現(xiàn)在普遍面臨的比如醫(yī)療的質量問題、安全問題、效率問題、費用問題。大背景就是全球都面臨的一個問題，就是醫(yī)療成本居高不下，還有安全性問題，比如漏診、誤診也是普遍存在的。 這些問題背后都有大量可挖掘的空間，有很多值得去提能增效、去精準化的空間，這些都是醫(yī)療IT行業(yè)的這些玩家可以去逐步解決的問題。所以這里面有非常多的潛在市場空間根本就沒有外化出來。 從另一個維度理解，大家可以想像某一個領域已經(jīng)有兩三個人工智能公司進入了，但如果把這個領域拆開看，比如醫(yī)療有多少專科，多少病，你會發(fā)現(xiàn)，某一個公司看起來已經(jīng)做得很大了，但它其實也只是在一個?？啤⒁粋€病做得還OK。 光我們的常見病可能就有上千種，科室就有幾十個，這里面孕育了很多機會。每一個科室，每一種疾病都會有精細化診療的訴求，都會有費用控制的訴求，都會有質量控制的訴求，這些訴求背后都會孕育IT的機會和投入。所以我會覺得我們現(xiàn)在看到的很多市場空間的測算，其實都是以既有的一個邏輯來測算的，但其實你也許會發(fā)現(xiàn)背后潛在孕育的市場空間還是非常大。 我經(jīng)常會這樣形容數(shù)字醫(yī)療這個行業(yè)： 大家看到的是這個游泳池里已經(jīng)有了上百個選手在游泳，然后大家就想，這個行業(yè)是不是已經(jīng)擁擠到了選手在游泳的時候會互相胳膊打到胳膊，但實際上，我們感受到的場景是這個游泳池實在太大了，這個游泳池可能是太湖。所以盡管里面有兩百個游泳選手，但是互相之間不要說胳膊打不到胳膊了，甚至我打起來的水花流到他那里的時候，他已經(jīng)沒有感覺了。這是我對這個行業(yè)的一個看法。 吳陳堯： 另外我覺得森億智能在自己的擅長的方向上絕對在國內是處在領先位置，比如對于非結構化信息的處理，比如對于現(xiàn)在已經(jīng)研發(fā)的人工智能服務診療產(chǎn)品，比如靜脈血栓栓塞這個產(chǎn)品…… 因為我們不斷地通過數(shù)據(jù)搜集，通過跟醫(yī)院、醫(yī)生、醫(yī)療學術界以及藥企的深入互動溝通和在醫(yī)學領域的積累，保證了產(chǎn)品上的領先差距在不斷加大。 Lily： 少典你和漢東（森億智能聯(lián)合創(chuàng)始人兼副總裁）都是哥大的畢業(yè)生，又都是技術出身。在團隊里你們怎么分工，遇到技術上的分歧，怎么解決？ 張少典： 坦率講我不認為我自己是一個在管理上百分之百合格的公司管理者，這個里面還是有很多提升的空間，很多要踩的坑?？傮w而言對于公司創(chuàng)始人來說，你必須隨著公司的發(fā)展自己也快速提升，否則你自己的瓶頸就會成為公司的瓶頸。 我和漢東的確都是技術背景出身，但我們兩個都不是特別典型的技術男。所以最開始我就說，我和他一個是銷售，一個是售前。其實馬漢東現(xiàn)在管的團隊也都是商務性質的，他也不管技術團隊，我們的CTO反而是后來引進的。 但實事求是地講，在管理上，我們還有蠻多東西要學，其實后來我們也逐步從外部引進了很多行業(yè)的資深高管，從我的下屬身上我也學到了很多好的管理方法論。 Lily： 從零到現(xiàn)在管理一個四百人的公司，又面臨這樣一個相對封閉的行業(yè)，你在管理上最大的挑戰(zhàn)是什么？ 張少典： 如果站在今天這個時間點，我會覺得是對人性的一個拿捏。其實我自己歸根到底還是有點理工直男的，不是對人性拿捏特別敏感的人。但管理是需要你對人性有一個比較敏銳的把控和拿捏，一定程度上要能夠把握氛圍，要能夠因勢利導，對我來說我發(fā)現(xiàn)這個東西的學習曲線是最長的。 其他的一些所謂的方法論反而是非常容易習得的，比如一些人力資源管理、運營商管理或者銷售營銷管理，你會發(fā)現(xiàn)自己沉浸到戰(zhàn)場里去打幾場仗，回來再跟下屬學習學習，然后再到外面培訓培訓，最后自己再操練一把，很快就可以習得，但是對人性的拿捏真的需要日積月累。 Lily： 森億智能背后的股東團隊不可謂不豪華，有紅杉、GGV、真格、騰訊，少典你還記得融資過程里投資人問過最多的問題是什么嗎？ 張少典： “你這么年輕怎么管團隊？”，這個其實經(jīng)常被問到。還有就是，“智慧醫(yī)療未來的市場空間到底有多大？”我相信大多數(shù)投資人都能看到這其中的隱性市場空間，只是這個空間能在多長的時間周期內轉換成顯性的，大家對此還不太確定。 Lily： 我之前看過一個美國醫(yī)學雜志發(fā)表的報告，說美國每年由于誤診造成的四萬例死亡里，約七千例都是因為醫(yī)生寫字不清楚造成的。對于中文和英文世界的網(wǎng)民來說，醫(yī)生的字看不懂算是個老梗了，我很想知道在信息化之前，醫(yī)生的診斷和病例要如何彼此分享？ 張少典： 其實醫(yī)生們有自己的一套記號體系，所以他們互相醫(yī)生之間是看得懂的。比如不同的藥品會有拉丁文記號，他是為了方便書寫。其實這是一個很經(jīng)典的醫(yī)療行業(yè)面臨的問題，就是醫(yī)生的診斷和病例沒法廣泛分享，這不僅是信息化之前，信息化之后也存在這樣的問題。 之所以醫(yī)生的水平會參差不齊，就是因為醫(yī)學知識的傳播是非常困難的。我經(jīng)常給團隊舉的一個例子是，我們森億本質上用信息化或者用AI手段在解決什么問題，比如Beta Blockers（阻滯劑）就是心血管疾病經(jīng)常會用的抗心絞痛和抗心梗的藥，Beta Blockers這個藥在實驗室里被發(fā)現(xiàn)是1962年，進入臨床指南說這個藥可以被用于治療心絞痛是1984年，然而一直到2018年阜外醫(yī)院做了一個全國范圍內的調研，結論顯示，到了2018年，中國絕大多數(shù)心血管科醫(yī)生依然無法按照指南正確地使用Beta Blockers。 其實它的使用并不復雜，但即使是到了2018年，阜外醫(yī)院在全國調研以后，發(fā)現(xiàn)絕大多數(shù)醫(yī)生還是在隨機使用。一個1962年被發(fā)明，1984年寫入臨床指南的藥品，到今天為止，醫(yī)生依然沒有能夠百分之百正確地使用這個藥。它是一個如此常見的藥物，為什么？ 就因為醫(yī)學知識的傳播非常困難，一個真正的醫(yī)學發(fā)現(xiàn)到它形成臨床指南，再到全世界的醫(yī)生都能夠熟練掌握和使用，整個過程就是很困難的。 Lily： 我是不是可以這么理解，如果我們在理想狀態(tài)下，醫(yī)療人工智能能夠普及和高度發(fā)展，人類的醫(yī)學會有幾何級的變化和增長？ 張少典： 我認為至少應該要以一個幾何級的速度去同質化，就是我們能夠讓更多普遍水平的醫(yī)生，能夠以幾何級的速度和三甲醫(yī)院水平最高的醫(yī)生一樣看病，我覺得這是一個可及的目標。 一個很簡單的道理，我想把一個三甲醫(yī)院頂尖專家的所有知識挖掘出來，傳播給全天下所有的醫(yī)生，這也許是一件永遠都做不到的事情，但對人工智能系統(tǒng)來說，復制一個系統(tǒng)只是分分鐘的事情。 吳陳堯： 是的，即便是三甲醫(yī)院的醫(yī)生，當他每天面對上百個門診病例、非常疲勞的時候，要在短時間內做出復雜的判斷，也總會有一些罕見或者被忽略的情況。所以我覺得人工智能輔助診療對于任何人來說，在作出一個復雜的決策時，短時間內它都是一個質量控制、篩查和輔助的手段。 Lily： 少典，你做森億智能的初心是什么？ 張少典： 是一個數(shù)字。我在美國讀博士的第一堂課，我的系主任在第一頁課件上寫道，2010年美國有25萬人死于醫(yī)療差錯，這個數(shù)字大于因為戰(zhàn)爭、交通事故、吸毒以及自殺導致死亡的人數(shù)之和。 而中國的人口是美國的四倍，所以大家可以猜測一下，每年因為醫(yī)療差錯導致的生命損失大概有多少。 醫(yī)生作為人，一定也有無助、犯錯的時候，但這些錯誤的代價十分高昂，甚至可能是生命。 所以我們希望用人工智能的方式，用技術的手段優(yōu)化剛才說的每一個醫(yī)療決策，哪怕我們能夠解決其中的三分之一、四分之一的醫(yī)療差錯，也是一件極其有社會意義的事情。 這是森億的使命，是創(chuàng)業(yè)的初心，也是團隊內每一個人都知道的森億要去的地方。
|
|
|
