體素科技的皮膚AI產品“體素膚知匯”研發始于2016年。從立項之初，該產品便兼顧了醫生的臨床思維與患者的實際需求，摒棄了單病種AI的設計思路。靜安寺獨居的張女士前段時間腰上莫名起了一圈紅斑，起初她以為是蚊蟲叮咬，并沒有過多留意。但隨即而來的

體素科技的皮膚AI產品“體素膚知匯”研發始于2016年。從立項之初，該產品便兼顧了醫生的臨床思維與患者的實際需求，摒棄了單病種AI的設計思路。

靜安寺獨居的張女士前段時間腰上莫名起了一圈紅斑，起初她以為是蚊蟲叮咬，并沒有過多留意。

但隨即而來的瘙癢和逐漸擴大的紅斑范圍使她徹夜難以入睡，不得不到診所求助，生怕得了什么疑難雜癥。所幸結果倒也沒那么糟，是常見的帶狀皰疹，讓張女士虛驚一場。

雖是小事一件，但卻反映出了一些社會性問題。相比于感冒、發燒等常見病，皮膚病這一類附帶肉眼可見癥狀的疾病顯然更讓人心生畏懼，羞于與他人訴說，因而治療的延誤是常有之事。

AI或許能為這個問題開出處方。

隨著大數據時代的到來和計算機硬件的巨大進步，人工智能技術，尤其是卷積神經網絡，在圖像分類、檢測等很多任務中相對傳統模式識別方法取得了很大的突破。

大部分皮膚病的檢測診斷往往首先基于肉眼的觀察分析，引人發怵的特征恰好適合計算機視覺的技術解決，使得AI初步診斷皮膚病成為可能。

換言之，張女士甚至可以自己拍攝皮膚照片，以供AI診斷。

進一步看，皮膚影像診斷由最初的望診，發展到放大鏡和顯微鏡輔助診斷，再到近年來數字影像學技術，皮膚鏡、皮膚超聲、皮膚CT為代表的影像技術已成為臨床皮膚病診斷的重要工具，AI輔助診斷有了更為豐富的數據基礎。

從單病種到多模態全病種，AI必須完成這樣的跨越

回到人工智能話題本身，雖說更優質的成像設備、更標準化的醫療數據采集系統為醫院帶來了更優質的數據，但就目前而言，市面上的大部分皮膚病AI并不能很好地契合臨床。

盡管要做好一個醫療人工智能模型，具備算法、算力、數據三者便有可能，但要做好一個人工智能產品，最為核心的，是要滿足醫院的需求。

具體而言，很多AI醫療影像公司的AI輔助診斷工具可識別的皮膚病種十分有限，且常常僅利用了圖像的單一維度信息。

但在實際問診過程中，患者可能罹患的皮膚病的種類龐雜，且在進行判斷時，需要結合患者多時間、多維度的信息綜合判斷病癥。

要模擬醫生做到這一點并不容易，這需要人工智能企業理解各類皮膚病的基本信息，同時理清皮膚科醫生的診斷邏輯。為了能讓AI真正用于皮膚的診斷，成為臨床醫生的有力助手，體素科技做了整整四年。

體素科技的皮膚AI產品“體素膚知匯”研發始于2016年，從立項之初，該產品便兼顧了醫生的臨床思維與患者的實際需求，摒棄了單病種AI的設計思路。

1.0版本成型時，該模型可診斷82種皮膚疾病，張女士這樣的患者可在家直接拍照上傳進行咨詢，皮膚科醫生也可參考AI結果進行最終診斷。

但多病種并非體素科技的最終追求。利用其前期積累的海量病歷診斷報告數據（覆蓋性別、年齡、發作時長、發作部位、伴隨癥狀、疾病誘因、病史、用藥等多種類別數據），加之結構化處理深度挖掘和分析醫學文獻、書籍和電子病歷中的非結構化臨床特征數據，體素科技搭建了一套非常詳盡扎實的皮膚疾病醫療知識圖譜，從而可將患者病情數據變得規范化、標準化和結構化，以便AI可以準確完整地“讀懂”病歷。

2020年末，體素科技的皮膚AI產品2.0版本完全成型，這一階段的AI可診斷143種皮膚疾病，覆蓋99%以上的皮膚自然發病情況，模型top1、top3以及top5的診斷準確率分別為 71% 、89%和93%。

相比之下，基層醫院對皮膚腫瘤良惡性診斷的正確率僅約為30%，而三甲醫院醫生的這一數字平均下來大概為70%。

這意味著，升級后的“體素膚知匯”產品，其疾病覆蓋率和模型準確率已足以媲美三甲醫院皮膚科醫生的水平，足以領先國際。

體素科技產品的價值與未來發展方向

正如所有人工智能企業一再強調的立場，體素科技開發出高準確率AI，并非是要取代皮膚科醫生。

相反，體素科技希望這樣一款AI產品能夠讓皮膚科醫生擺脫現在日常臨床工作中繁雜、低價值的重復勞動，讓他們有更多的時間去思考和投入有價值事情。

譬如對于銀屑病、蕁麻疹、痤瘡等常見多發病，要形成疾病篩防體系，我們需要的不單是是單一患者的準確診斷，更重要的，是要讓醫生們參與對疾病的回顧研究、新型治療方式的探索，并讓醫生們參與健康宣教之中，推動更多患者在患病初期便獲取治療。

對于疾病篩防體系的建立，體素科技也在以自己的方式努力。

長期以來，基層醫療資源不足、診療能力差，導致患者不愿意去基層醫療機構問診，基層醫生因此難以獲得足夠的臨床實踐而進步，基層也留不住好的醫生，從而導致基層醫院的診療能力更差，從此陷入惡性循環。

而另一方面，微醫、平安好醫生等大平臺基本都是服務于三級醫院或患者，基層市場處于一個空白的狀態。

如今，體素科技皮膚AI全病種檢測產品正嘗試賦能基層醫療的全科醫生，通過AI的方式提升他們的診斷能力。

同時體素科技將發力美國市場，據測算通過優化全科醫生和專科醫生皮膚病分診、轉診流程，可以幫助美國商業醫保每年節約45-100億美金。

如上文所說，全科醫生在皮膚病診斷方面的準確率僅僅為24%-70%，而體素科技皮膚AI全病種檢測產品top5的診斷準確率高達93%。

相信在體素科技皮膚AI的輔助下，基層全科醫生的診療水平將有望媲美皮膚科醫生（診斷精確率為77%-96%），真正實現強基層的目標。

除了關于皮膚全病種研發之外，體素科技也嘗試深挖細分場景的精準分析能力，如研發了痤瘡分級模型。并與華山醫院皮膚科合作研發銀屑病甲嚴重程度分級模型，未來可應用于銀屑病慢病管理AI。

同時，體素可以也可為醫學美容場景提供膚質檢測和面部常見皮膚疾病輔助診斷能力。

目前，體素科技已為騰訊健康、妙手醫生、優健康、薇諾娜等客戶提供皮膚病AI服務。到2020年12月為止，總服務使用量已經接近1000萬次。

在體素看來，1000萬是一個不錯的數字，但也僅是一個數字。AI價值在于放數據價值來更好的服務醫生、造福患者、推動醫療衛生體系的進步，要實現這個目標，體素任重道遠。