近日，推想科技在北京发布AI学者科研平台——InferScholar®Center，将人工智能基础设施与科研服务能力相结合，为医生提供零门槛的AI科研能力。
InferScholar?Center可提供临床科研全流程的可视化操作，并且预置深度学习模型和影像组学算法，医学研究人员无需进行任何代码编程即可开展AI医学研究。InferScholar?Center也支持创建、修改、编辑模型源代码的功能，使具备代码基础的研究人员可依据个性化需求编辑预置模型代码或创建全新模型。
跨越编程，赋予医者AI开发能力
随着医疗信息化水平的提升，医疗设备的升级，医疗数据无论从数据量、数据产生的速度或是数据种类，一直保持高速增长。以医疗影像数据为例，每年都保持着30－40％的增长率。大数据颠覆了临床、科研对医疗数据的利用方式，能否让海量医疗数据发挥最大的医学价值，成为关键所在。
现在，越来越多的医学研究者不仅希望使用AI产品，也希望结合自身的医疗大数据和临床经验优势，进行AI方面的自主临床研究。然而，从事深度学习和影像组学研究往往需要具备扎实的代码能力，以及全面的数学、统计、计算机工程基础，甚至还需要认知科学的理论常识，形成这样跨学科的知识体系往往需要多年的系统化训练，也成为了深度学习和影像组学研究最高的门槛，从一定程度上限制了深度学习和影像组学作为新一代医学大数据分析方法论在不同学科领域的传播与推广。
借助InferScholar?Center，医生可以快速将深度学习（Deep Learning）、影像组学（Radiomics）以及文本数据处理相关的前沿技术应用到自己的临床科研实践中。
推想科技营销总裁席渭龄表示：“医者更贴近临床，有更多临床探索方向，并且其数十年的临床经验沉淀也无法替代。所以，我们能做的就是建立InferScholar?Center，跨越编程，赋予医者AI开发能力。”
两座大山：医疗AI商业化、数据安全
医者可通过InferScholar?Center构建专属AI进行研究，孵化AI的数据、模式、逻辑、参数等，将让AI更加契合医疗业务特性，并从临床角度获得更多科研成果。
尽管如此，医疗AI落地难、无法实现商业化依然是医疗AI企业面临的一大难题。席渭龄表示，无论是临床还是科研，完全解决了医生的痛点，有价值就能变现。
在挖掘医学大数据价值的同时，数据的安全性是重要且敏感的一个话题。推想科技方面表示，InferScholar?Center考虑了医学临床科研的安全性需求，采用软硬件一体机的方式，直接交付到医院，并且可以在与互联网完全隔离的环境中工作，可以做到数据不出院，保证了医院所有的科研数据、模型算法、研究成果无泄漏风险。
推想方面表示，格物致知，是医学研究必需的品格；格物致智，是医学研究通往未来的方向。疾病种类繁多，人类与疾病的斗争延续了千年，虽然现代医学大幅改善了人类的健康状况，但由于其博大精深，不计其数的医学专家将毕生精力奉献于此。若医学专家均有能力、有设施进行AI原创性研究，可以借助AI的力量节约大量精力和时间，大幅提升医学大数据宝库的挖掘效率，医学健康全面进步的新时代或将迎来。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
