和不少人印象中的飞利浦不同，这家总部位于荷兰，销售和服务遍布世界100多个国家的公司早已不再是一个产品包罗万象的传统商业巨头，而是正在逐步转型成为一家致力于在健康方面提供解决方案的科技公司。

众所周知，早在1920年飞利浦的产品就已进入中国市场，它不光给万千家庭带去照明、家电、医疗、电子通讯等产品设备，还将技术和设计融入到了日常生活的解决方案中。2016年，在新的业务格局下，飞利浦更是把目光聚焦在了健康科技和照明领域，充分把握个人健康与专业医疗融合的趋势。前不久，这家公司又宣布了“AI健康医疗”战略。那么，是什么动因使得这家跨国企业，要一头扎进这个新兴赛道呢？

飞利浦大中国区CEO何国伟告诉动点科技，“我们五年前就做出了一个决定，拿出每年销售额的10％ ——17亿欧元投入研发，其中又有六成的投资用于软件层面的开发。公司内部，每四名科学家中就有一位是从事与 AI 大数据相关课题研究的，相关科研总人数差不多在 250 人以上。”

“AI＋医学影像”为何成了热门

在中国，医学影像的数据正以30％的年增长率逐年上升，而影像科医生的数量、工作经验和效率，完全不足以应对这样的增长趋势。目前医学影像数据大部分仍然依赖人工分析，最明显的缺陷就是不精准。根据飞利浦 2018 年“中国健康观”调查：中国的专业医护人员数量紧缺，而且优质资源分布不均，“首次精准诊疗”成为影响重大疾病诊疗效率和效果的瓶颈，造成手术治疗的致贫率超过50％。计算机视觉领域深度学习方法日渐成熟，为实现医学影像的自动分析、辅助医生实现智能化精准诊疗提供了新的契机。因此，“AI＋医学影像”成为当前 AI 医疗最热门的分支。

而依托飞利浦设备供应商的角色在全球与四千多家顶级医院和科研机构的合作，将人工智能技术嵌入设备，从客户的实际临床需求出发，就成为了它开发一系列 AI 驱动的智能化工具最好的“孵化器”。飞利浦研究院的专家还向我们披露了这些实验数据。

在和中山医院的科研题目中，放射科医生在报告中都是手写，但要医生回头再去用肉眼识别关键信息就很花费时间。如果换成用 AI 来获取放射科报告到手术报告，并可以进行纵向比较和时间线排列，让医生在接诊时候能够一目了然做到事半功倍。最后的科研统计得出：参与实验的医生们节约将近 50 小时。其中医生需要用肉眼获取临床患者的时间降低了 85％，从患者病例完整信息中抽取关键重点的效率平均增长了 50％ 的效果。这不是一个个案——

还有一个通过 15 年 7 万多的 ICU 病人数据库建立的风险模型甚至可以预判到重症病人 3 小时后出现的器官病变。飞利浦通过自家的无人监护设备的采样分析能提前一个月预测到家中老人跌倒的概率，从而提醒家人预防。

这一点并非夸大 AI 或是数据预测的效果。苹果手表此前就传出过数次告知用户心脏跳动有风险须速速就医，从而挽救一条生命这样的真实新闻。

作为一家历史悠久的专业医疗公司，产品覆盖广泛的临床路径，其诊断影像产品本身就是生成和收集医疗影像数据的设备，具体到个案——它和 8 家三甲医院形成实验联盟，推进了一项 PercuNav 融合介入导航技术，拥有强大智能的融合对位方式——解剖智能对位，采用血管对位法和肝表面对位法，在 15－30 秒内快速完成多种影像资料的融合，并且准确度高。除此之外， US Only 方式让临床医生的操作体验超出预期。EPIQ 上的 PercuNav 技术可以帮助医生在肝脏、肺脏、浅表、肌骨等多方面开展超声介入手术及术前术后对比；

另外一项 Ingenia CX 光速智能磁共振也是飞利浦的“实验标本” ，其具备 80／200 的 Alpha 智能梯度，革命性的全身压缩感知成像 CS SENSE，可大幅度提升全身 30 多种临床与科研序列的扫描速度以及扫描的流通量。光速智能磁共振与 ISD2．0 人工智能平台无缝结合，在神经、肿瘤、心脏、影像组学领域支持临床科研，并加速创新转化。

这个云不寻常：共建 AI 健康医疗共享平台

除了临床设备，飞利浦还积极布局行业生态系统——“HealthSuite Insights” ，其汇集了飞利浦和其他公司的人工智能资产，可以通过授权许可的方式共享使用，提供给数据科学家、软件开发者、临床医生和医疗服务机构等各种共享的工具和技术，并有助于节省开发和部署医疗人工智能方案需要耗费的时间、资源和成本。而它落地中国的项目也有一个非常本土化的名字：神飞云。

“神飞云与神州医疗共创的平台就是我们在中国践行战略的重要成果之一。搭载‘神飞云’，‘飞利浦星云系统’实现了付费机制灵活的‘云平台’服务模式，借助远程手段，让基层医院也能为普罗大众提供基于‘精准诊疗’的优质健康医疗服务，从而助力医联体建设，推动实现中国社会优质医疗资源的均质化。”何国伟介绍道。

“飞利浦星云三维影像数据中心”是一个智能化临床影像诊断平，能实现不同品牌、不同种类影像设备的图像处理，提供多模态影像的高级可视化后处理，帮助放射科医生和临床医生更好地识别病灶，监测、诊断和跟进疾病治疗。其涵盖放射学的多个临床领域，包括心脏病学、肿瘤学（肝、肺、乳腺、前列腺等）、神经学、急诊、骨科、齿科等，内有七十多项临床应用模块，通过基于临床指南的高级 3D 影像后处理技术，更清晰地呈现身体组织结构，帮助临床医生基于影像，做出快速、精准的临床诊断决策，并规划个体化治疗方案。

此外，通过“星云平台”还可以搭建跨科室、跨院区、跨地域的远程医学影像中心，优化临床流程，实现跨科室影像资源共享，实现优质医疗资源均质化，促进分级诊疗。如此说来 AI 大健康的宏图自然是前景大好，但挑战也同样不小——

医学毕竟是一门注重实践、依赖循证、关系到生命质量的严肃科学。如何将丰富的影像大数据转化为具有现实指导意义的落地方案是下一个飞利浦要面对的课题。

严肃科学是创新力的最后一关

前面提到了，中国虽然拥有数量庞大的医学影像数据，然而整个行业仍处于传统胶片向电子数据过渡的阶段，大量影像资料尚未数字化，且医院之间的数据共享和互通程度较低，获取大规模的数据是一大瓶颈。只有与临床经验丰富的专家和医生合作，才能训练出“聪明的人工智能”。因此，AI 医学影像从数据来源、建模、训练到结果的评判都需要科学的评估标准和体系。几十年来，飞利浦一直在这几方面都严格遵循临床指南和医学路径，并基于科学评估标准和体系，反复严格验证，确保为临床提供安全可靠的解决方案。

当然，由于中国的医疗体制内由于大量的壁垒，造成了医疗数据存在着大量的非系统，非结构化的数据。如何通过健康医疗机器学习这些数据来打通，如何通过科研结合实际的医疗场景来获取训练数据以及进一步落地？这背后还需要有关行业和公司一起来迎接关于接受商业模式的创新，跨学科复合型人才的考核，严格的临床验证等这个健康医疗行业前所未有的挑战！