康夫子打造“机器人全科医生”

引言：能不能打造一个“机器人全科医生”？它通过人工智能更好地为医疗服务，让老百姓更加便捷、精准地就诊，让医生从繁杂的重复劳动中解放出来。

康夫子创始人张超（右）与合伙人栗晓华（左）、张冲（中）

看履历，80后的张超运气不错。数学专业本科毕业之后顺利保研，研究生期间有幸被交换到了新加坡国立大学，开始与“互联网人工智能”正式结缘，毕业之后即成功拿到百度的offer，后来成为百度自然语言处理部资深研发工程师、文本知识挖掘方向负责人。

但是，和大多数“医疗”领域创客不同，他之前与医学并无任何渊源，却创立了“康夫子”智能诊疗系统。他希望未来能打造出“机器人全科医生”，通过人工智能更好地为医疗服务，让老百姓更加便捷、精准地就诊，让医生从繁杂的劳动中解放出来。

初次创业，走了弯路

2014年底，已经在百度工作了五个年头的张超，“不想让谨慎把激情给磨没了”，他开始对创业跃跃欲试。

有了创业的念头，人的大脑往往会不自觉地捕捉商机，而灵感有时候就来自日常。“有段时间我比较忙，太太发现我有掉头发的迹象，于是建议我多吃点黑芝麻，可能会有帮助。出于好奇心和职业本能，我当即在百度搜了一下——黑芝麻的营养与功效。不搜不知道一搜吓一跳，我发现医疗健康类问题往往在百度上会翻看很多页结果，但呈现的内容实际上良莠不齐。当时我就想，能不能用我的技术提供一个更好的解决方案呢？”

经过一段时间的思考，张超产生了利用人工智能代替网民整理页面的有效信息，以提升用户体验的想法。于是，他拉着几个关系不错的哥们儿，走上创业之路。而百度的标签让张超和小伙伴们在辞职创业之初便获得了来自唯猎资本的种子轮投资。

当时他们瞄准的是对营养最为看重的一个群体——孕妇人群来构建知识图谱，团队以孕妇的饮食分析为切入口，上线孕食App。推出了一个“饮食记录分析”的功能，用户记录饮食情况后，系统根据内化的营养学知识图谱输出分析报告以及饮食建议。

但这次尝试没有成功，而是以失败告终：“首先，市场需求把握地不太准确，营养类的东西并不是刚需。其次，这个生意就算可以做也做不成一个大生意，不符合团队的野心。另外这个项目和技术匹配度不是很高，人工智能的发挥空间不大。”这是张超后来总结的教训。

“全科医生”指明转型方向 

时间到了2015年底，经过一个春节假期的休整，团队开始思考如何转型的问题。

接下来到底做什么，文本分析、知识图谱构建是团队的强项，健康领域也是团队一直比较看好的方向。张超和小伙伴都陷入了迷茫，每天都在思考：“如果饮食建议不是刚需，看病该是刚需了吧。”后来基本上定了一个方向——辅助医生。

那段时间，张超和小伙伴隔三差五往医院跑，有时候假装患者去“窥探”一下医生的工作流程，或者找认识的医生朋友寻求建议。团队也会帮一些医疗文献机构梳理文本，跑跑数据。实地调研之后他就蒙着头朝这个方向想，把看病的环节都想了一遍，从刚开始挂号到医生诊断、开药，脑子里零零碎碎拼凑了一些产品的功能，直到闪过到一个词——“全科医生”。

在分级诊疗中，“科科通”的全科医生承担着 “健康守门人”的角色，然而中国的全科医生还较为紧缺。截至2016年年底，全国累计招收规范化培养全科医生3.7万人，培训合格的全科医生共有20.9万人，不足医生总数的7%，而在欧美发达国家，这一比例约为30%。  这一社会现状终于让张超看到了创业的机会——打造人工智能与医疗相结合的“机器人全科医生”。

“这个机器人不提供诊疗服务，而是提供分诊导诊服务。计算机在消化被喂养的饲料即医疗文献、论文、病例等后，在内部构建知识图谱，针对病人输出初步的自诊报告以及就诊医院、科室建议；针对医生，则可以输出临床决策辅助报告，以提高医生的诊断效率。医生每天要大量的重复性劳动，全国有那么多诊所，只要有一部分用，就已经很了不起了。”张超对记者说。

“机器人全科医生”该怎样炼成 

切到了一个痛点比较明确的医疗入口。接下来要做的就是让机器人做全科医生让机器人像医生一样去学习。

对此，张超表示，康夫子智能诊断是经过3大步骤训练出来的。

第一步是知识抽取。就好像一个医学专业的学生要在学校学习足够的知识之后再去医院实习。让计算机阅读理解海量医疗文献，抽取针对某种知识总结出上万条书写规律。如针对”疾病<—>症状”的关系，文献中描述方式为:“(X疾病)的症状有(Y症状) ”，“(X疾病)临床表现为(Y症状)”，“(X疾病)容易引起(Y症状)等不适症状”等等。“知识规律”自动发现技术和高性能抽取工具，正是康夫子的技术壁垒。

第二步是逻辑和经验。就是解决如何将学到的知识融会贯通的问题。在计算机吸收了疾病、症状、检验结果、医院、医生、诱因、遗传史、过敏史等不同种类的知识点之后，需要对其中的关系进行逻辑推理。如某种疾病包含某种症状，某种疾病由某个诱因产生等。

第三步是语意。与患者沟通的能力，也是一个医生所必须具备的能力。即医学专业术语与大众语言的对应，所以要对话交互。在对话交互上，尝试从病情描述、医患交互等数据中还原医患对话逻辑，并借助深度学习技术连接患者通俗语言和医疗专业化表述。比如“厌食”属于医学专业术语，对应的大众语言是“吃不下饭”。

打铁还组自身硬，缕清思路之后，关键得有靠谱的团队。张超对靠谱有一套衡量指标，他称为“熟练工种的数量”，即团队中有多少人在该领域有深厚的技术积累。康夫子团队中联合创始人张冲是前百度高级研发工程师，拥有丰富的架构、工程开发经验；技术合伙人栗晓华是前百度NLP高级研发工程师、前Quiexy高级数据科学家，拥有丰富自然语言处理、机器学习等领域工作经验；医学总监郑雪怡，毕业于北京大学医学部，临床8年专业博士，北京大学第一医院住院医师3年经历，积累了丰富的专业经验，同时对内、外、妇、儿等各科疾病有着扎实的基础和经验。

步入正轨，大步向前

找到刚需，拥有技术壁垒，团队靠谱。于是，天时地利人和。之后的康夫子正式步入正轨，进入快速发展阶段。

2016年3月份，康夫子开始为B端提供知识和技术服务，而他们也从原来的“饮食建议服务商”转向成为“医疗人工智能技术、知识、数据提供商”。

2016下半年，人工智能加医疗健康成为热门赛道，张超感受到了资本的热情，有很多投资人找到康夫子团队。2016年10月，仅有5个人的康夫子获晨兴资本天使轮投资，团队已扩充至近二十人。

2016年12月份，康夫子开始该技术的推广应用，目前已与4家机构谈成合作，系统已在四家医院内测。预计今年年中，合作机构会扩大到10家左右。

截至目前，康夫子智能诊疗系统已吸收2000多万本医疗文献、超400万份病例报告，可在其中提取50%～90％的知识点（根据内容复杂程度有所差别），知识准确率超过99%，覆盖3000种常见疾病。

“实际上，目前对常见病典型症状的命中率已超过90%，超过对标公司梅奥医疗集团的症状诊断工具symptom checker10个百分点。当然，我们的人工智能思维模型会越来越好。因为通过医生的反馈，我们会不断修复、不断二次学习。”此时的张超，脸上洋溢着自豪和对未来的憧憬。