2021年9月25日，斯坦福北京校友会和斯坦福letou乐投Club联合举办的《斯坦福数字医疗创新论坛》线下深度闭门交流活动在清华幸福科技实验室召开。来自斯坦福、哈佛、清华、北大、交大等国内外顶尖名校，专注于数字医疗领域的者、科学家、投资人、产业专家参加了本次活动。

中伦律师事务所合伙人左玉茹：《数字医疗产品管理及数据安全、信息保护监管规则》

在我们研发的过程当中需要大量的数据来训练我们的算法，怎样获取这些数据？这些数据不能随随便便来，大家有一个误区，我找一个数据运营类的公司，跟他签一份合同，让他把数据给我，很多公司这样做，后续会遇到什么样的问题？第一，你的数据来源解释不清楚，这样采集数据是非法的。第二，如果你的产品是医疗器械产品，将来你在进行医疗器械产品注册的时候，药监局要你说明所有训练算法的数据来源，如果来源不是正规医疗机构他是不认可的，这对企业而言是损失极大的。从医疗机构获取数据有两种不同的获得方式，第一种是医疗机构只提供数据。

还有一种方式是科研合作，在这个过程中也适当的参与进来，以科研合作的方式来提供相应的数据。这样的方式项下，会面临到哪些问题？第一，个人信息保护的问题，个人信息保护法项下如果可以识别为个人的信息这个权利归属就是个人。不能识别为个人的那些，暂且不管，但是一旦可以识别到个人这个信息归个人提供者。获取这些数据需要获取个人同意，要确保医疗机构可以获取个人同意。原本在个人信息安全规范项下是有一个例外情形的，如果是医疗机构为了科研要去用这些个人信息，可以不去取得个人同意。但个人信息保护是更上位的法案，这个例外规定没有了。第二，医疗大数据、人类遗传资源信息的监管。当不能识别为个人信息的时候，大家也不要以为可以任意使用了，之前我们提到，还要遵循医疗大数据、人类遗传资源信息等的监管规则。

最后在这个场景下给大家的一点合规建议。一是规范与签署的合作协议。二是取得患者的授权函。三是使用匿名化处理。四是建立业务自查体系，这是一个大的合规规则。

京东健康中院长李希牧：《京东健康中业务布局及中医数字化创新趋势》

对于中医AI方面，我理解的中医AI整个的场景可以分为三个，第一个是医生辅助诊疗，第二是在患者评价体系，第三新药及中医的治疗方案研发。

线上一个运营人员顶多运营医生的数量是有限的，医生的数量取决于运营人员的数量，第三方做运营的公司我们叫做经纪公司。对于合作伙伴来说，我们是中医专家学术的商业化。对于中医药公司，我们以科技重构中医药生态，科技指的跟中医学术和技术，AI技术、物联网等等技术做结合，重新定义中医药生态，把整个生态产业链的机制进行重构。对于行业来说，我们是做中药饮片和中医治疗方案标准化。对于用户，我们是一种生活方式，西医偏严肃医疗，中医既是严肃医疗又是消费医疗，市场上消费医疗的收入会比严肃医疗要大，我们在整个生态做渗透的时候，中医是一种生活方式。

我们希望跟各个做合作，建立线下的端口，把线上学术资源，以及技术能力往线下落。通过专家学术建设，让中医更可信。我们会通过一系列的专家共识、标准指南规范等等来推动这个事，提供以供应链为核心，线下诊中资源为抓手，学术驱动的用户全生命周期六大场景健康管理服务。

远毅资本投资总监唐轶男：《医疗数字化创新趋势与机会》

我们可以看到数字化的这几个特点，个性化、智能化和资源化，特别能解决现在我们医疗里面三大未满足的需求。我们觉得在这块有很多值得者和投资人去尝试的方向，会给行业带来显著的价值。

我们觉得数字科技会驱动新一波的医疗创新机会，重构整个医疗过程。目前大家所熟悉的医疗服务是点状的、分散的。我们每个人作为患者或者患者家属都有这样的体验，看一个病费劲周折，体验极差。整个诊疗模式非常依赖医生的个体经验，带来很多效率问题、质量问题。而医保管理不足，国家和老百姓都不堪重负。随着更多的数字化技术的串联融合，有机会给行业带来全新的解决方案。未来的发展方向会往一些以患者为中心的一体化的诊疗解决方案去走，有很多个性化、智能化的工具辅助到整个诊疗的过程，同时数据驱动医保的管理，实现多层次支付保障，才能支持更多更好的技术进入到这个领域，让更多老百姓获益。

聚焦到微观层面，以下三类或将在未来迎来行业风口：第一，垂直病种的病程管理和数字疗法；第二，全新数字化基础设施建设；第三，AI医疗，这块还是由于现有基础设施建设的局限，大家看到目前大部分的AI应用都局限在医疗影像领域，因为医疗影像本身这些数据的产生还相对是比较标准化的。

长木谷医疗联合创始人安奕成：《AI在医疗领域的落地与破局及骨科数字化创新趋势》

第一点，凡是附加值比较高，大众都会得的疾病相关联的高附加值的耗材和器械，都有被纳入集采的可能。一旦说这个东西被纳入集采，砍的是生产商，我们公司怎么从集采上面获利是一个比较有意思的问题。

第二点，最近比较火的数字营销，跟集采是有关联性的。跟集采相关的比如说代理商或者相关的这部分收入没有了，但是产品还是要继续卖，数字营销借助互联网，或者说MCN，通过直接面对C端数字营销把产品口碑树立起来。

第三，精准医疗这方面，近几年AI和手术机器人有一些新技术、新材料引入之后，精准医疗才变的有落地的可能。围绕着这个模式，大家科室不一样本质是相通的。

最后一点手术机器人，我们公司内部也讨论过手术机器人是否值得做？这个东西本身成本非常高，不管是研发成本，还是机器采购成本，手术机器人三套设备加起来成本就得在150到200万，硬件投入成本非常高。我们当时也犹豫过，投入成本这么高，实验周期这么长，这个事是否值得做？最终不管外界的评论怎么样我们觉得还是值得做。大家可以想一件事，30年前的中国，很多没有CT和X线设备，在那个时代CT和X线对来说是奢侈品，从这个角度往后看二十年，手术机器人二十年之后会成为的标配，这个过程会有很多的不确定性，但是最终这个是确定的我觉得没有问题。

翼方健数首席战略官许晓峰：《医疗数字产业化过程中的数据洞察与隐私安全计算实践》

每个时代都有各自最活跃的生产要素，生产要素决定了整个资源配置的中心国家的竞争力，农业时代最活跃的是土地，工业时代是资本，智能时代则是数据。能否用好数据，能否更快地把数据价值发挥出来，都决定了其是否能够在智能时代拥有主导性。

数据作为生产要素的重要性已经不言而喻。然而，如何能够把数据的价值发挥出来，让数据能够加速流通，仍然面临着很大的挑战。

在此背景下，隐私安全计算为实现数据安全合规的互通互联提供了技术最优解。

隐私安全计算的数据计算发生在一个安全边界里面，以可用不可见的方式接触和使用数据，整个过程在安全领地里产生，数据没有产生复制共享，也没有产生数据所有权的变化，也没有离开整个管理的边界，可以最大程度的保护数据安全。这就是隐私计算核心的概念，在整个计算过程当中不分享原始数据，而分享数据的价值。

数据价值体现的终极形式是数据资产化。而数据资产化必须依赖平台提供的全套确权、定价、交易以及价值分配的能力。因此，要想实现大规模数据价值的释放，需要系统性思考。除了计算技术还包括产品设计、和方法论。

参会嘉宾M：您好，我是清华大学心理系的老师，刚从美国回来，做心理咨询在美国主流的疗法是循证疗法，但是中国的心理咨询市场是商业的打法，主要看要客户满意度。我在美国的培训是临床心理学的培训，是在医学院的模式下培训出来的，是循证疗法，我想通过数字化的方法，让一些在美国已经被研发非常成熟的技术可以被大范围的推广，但我不太清楚在本土化的过程当中，跟中国市场结合的过程当中，是应该走临床实验的过程？还是直接走一个商业化的过程？这是我的一个困惑，希望听一下各位的想法和看法。

刘常平：我给这位同学做一点简单的回应，不能说现在国内不是基于循证医学，商业化的倾向是比较明显可能这方面受了不少影响这是事实，但是我们现有的心理咨询方面的服务还是有他非常坚实的基础。我自己本人从事医疗机构的建设和运营管理，包括我所经历过北京和睦家、维世达诊所、后来在上海建的上海德达等等，每一次我们都有心理健康方面的咨询服务，而且我们的医师，包括国际的、国内的，受众也非常高端，都是一些白领，教育程度比较高，他们不太容易会被纯商业性的东西所打动。我不知道你回来多长时间？观察了多少？这个方面可以再继续做一点调研，确实国内化的医疗方面商业化倾向是比较重，不太好，但是我觉得循证医学这个基础几乎还是大家都认可的，所以不要放弃，继续沿着这块研究。

参会嘉宾Y：我稍微补充一下，因为我也是刚回国半年，我在美国待了八年，最近我也一直在思考这个问题，因为我也在，我们现在在做疼痛这个事情，疼痛跟中医和心理都有一点像，我们的用户自己都觉得多少有一点懂，但其实不懂，导致他们想要的和他们真正需要的出现了认知的偏差，所以我们的一个任务是如何把他们真正需要的，包裹上他们想要的外衣带给他，这么做在于抉择到底只给他需要的？还是只给他想要的？我相信如果给用户他需要的，他会转变为用户真正的价值，这个价值最终会被用户感知到，当用户感知到获得他需要的东西，他的问题得到解决，这才是企业给用户创造长期价值，以及企业获得长期价值的方式。像西医用户完全不懂，只能听医生的，医生有完全的话语权，他说是百分之百的循证医学没有问题。中医大家以为自己懂，但其实不懂。

李阳：刚才锐清提的疼痛的例子非常好，我看中医数字化的时候经常会带着疼痛数字化一起去看，原因是这两个领域研究下来发现有一个很有意思的共同点，就是疼痛这个领域他的病理机制至今都是不明确的，推出的模型哪一个解释比较有道理就用哪个。反过来看中医，刚才希牧总也讲了中医数字化从2019年很火，原因是2019年颁布了推动中医现代化发展的政策，这个政策直接推动业内很多中医相关的企业开始做数字化布局，在政策里面有一个很有意思的点，刚才希牧总也提到在横琴有咱们国家中医药产业最密集的产业园，同时在澳门那边也推出了针对现代中药研发的利好政策，包括在海南那边推出的真实世界研究，对于现代中药开发也是很好的支持。这些东西包含很多底层基础性的工作，我们不能完全说是西医的循证医学，中医的证和西医的证不是一个概念，我大概补充解释这些。

参会嘉宾G：大家好，我是一名在读博士生，主要做医疗AI方面的研究，我想请问一下翼方健数许总。您在做联邦学习，我最近有读到两篇文章，一篇是美国他们已经在用的集成到电子信息系统上的一个早期预测模型，他们当时拿了FDA认证，美国三分之二以上的都有使用这个预测模型，他们当时公布的模型性能是有80%以上的准确性，但是他们真实在验证的时候，验证了有一万多人，九年的例子发现只有60%多一些，您刚才已经有提到在国内很多家也有使用AI的模型，想问一下您有没有遇到类似的问题？第二个问题，在一些三甲医疗条件会好很多可以拿到很多的信息，在一些二级他的信息就比较少，但是开发模型的时候，对于三甲获得的信息越多，可能是我可以做一个更好的模型，如果我们要追求模型的普适性，这样就可能对于普通一点的不太友好，普通很难达到那么多数据的质量要求。我们开发一个模型针对于一个地区是不是我们需要验证，再换一个模型，我们也需要再去一遍流程做一个对照研究，这样流程和周期就很长，怎么去看待这个AI模型之后走向临床业务推广？

许晓峰：第一个问题偏工程和技术，人工智能三大支柱，算力、算法和数据，今天你要有一个很好的模型，三者要很好的平衡，理论上说今天有云计算等等，你只要花钱，你可以获得很好的算力。模型本身很多科研者在构建，也有一定的基础，现在最大的问题是数据的挑战，好的数据，经过筛查的数据对你的模型一定是有益的，今天我们在解决的数据流通的问题，我们希望有一个计算的方式，帮助无论是人工智能这个产业也好，包括其他产业也好，更多能够接受这样的数据。第二个问题，一个医学模型是不是要在一个新的场景里面重新训练，答案是肯定的，我之前做过一个，即使是拿了一个自认为很了不起的数据源，有多家的采样以后训练一个模型，我落地到一个具体，还是需要经过数据重复的训练和优化去做一些验证的，无论是在图像，包括在NLP领域这都是一个必须的途径，这条路肯定是要走的。两个问题是有一些关联的，如果你有一个高效方式，其实你需要一个很好的自动化的过程，我们自己在计算平台里面也做了一些实践，我们会有这样东西。

参会嘉宾L：首先感谢各位老师的分享，我来自云知声，我有一个问题想问一下唐总，我们团队目前也是做DRGs，带病种质控等研发工作，目前我了解有很多公司在做，我了解的一些和上市公司也有在做，比如说阿里健康、科大讯飞等等也在做。唐总您在投资颐圣智能的时候为什么会选择投资他？您的逻辑是什么？未来这个领域是否有可能出现头部的企业？您觉得目前这些企业哪一些是做的比较好的？

唐轶男：这个在我看起来只是一个入门门槛，现在大部分的企业先不说他有没有做这个产品，首先我们看是没有，有的几家，准确率完全达不到95%的要求，所以这个领域又回到我的一个观点，我们会投真正技术的层面能够解决的高要求、高标准下的解决问题，因为这个产品其实我们比较喜欢他的一点，他在用的越多，反馈越多，会越来越准，这个东西必须招标进去才敢让你接这些数据，他们进去了以后，医生每天给他打标签，这个产品是每个临床医生要用的，这个病历明天收到这个反馈，错了他会改或者不改，从医生的正标签和副标签给这个产品带来源源不断的输入，会越来越准，所以我们觉得这块首先你有一个基础技术，这个产品达到了一个入门的要求，进了更多的，后面会有一个迭代刚才说的头部效应就出来了。这块我可以再补充一点，我们投的这家在2017年开始做这个事情，这个创始人他的背景很有意思，他是90后，他是我投的第一个90后， AI科班出身的背景，家里是医学世家，很跨界的背景。他2017年当时回国的时候想做CDSS，当时跟合作发现数据太差，什么都做不出来，要做CDSS必须把病案的质量控制好才能做后面的东西，这个领域起初不到任何商业化的价值，但是因为他做的早，2017年开始做这个事，找了很多医生认认真真的标注100万份以上的语料库，用了好几年的时间。做病案质控跟做科研完全不一样，科研从病案里面挑关键词，他的颗粒度和准确度的要求不高，但病案质控的逻辑必须对病案百分之百的理解，而且是深度颗粒度的理解。这个东西其实是不简单的，所以他们是做的早，我也不觉得这个事只有他一家能做，但还是这个观点，在很多我们看到的数字化的领域里面，你的先发优势，如果真的踏实第一个产品做出来，认可进去，再持续的迭代，我觉得这块从产品的质量端，包括在很多东西会有一个持续的优势出来。

参会嘉宾H：我发现投资领域，比如说VC、PE等等，现在都整个往前期投，做PE的甚至有的时候也去投早期，请轶男给我们解释一下，在投资这个领域，是不是在阶段性方面有所改变？都在往前提，在这个方面有什么样的原因？什么是你们衡量的标准？什么容易在你们那里得到支持？

唐轶男：感谢刘老师的问题，我试着回答一下，首先我觉得投资每个人喜欢的东西都不一样。首先我们在早期投的时候本身就是模糊的，包括团队都不知道未来往哪一个方向最终的状态。作为投资人，我们看项目的时候往往是基于我们自己背景的投射，就像盲人摸象一样每个人看到的投他的点和不投他的点每个人都不一样，所以这个事情我觉得也很难说有一个什么项目就能拿到投资。就和找工作一样，一个好的项目和能看得上的投资人匹配本身就很难，所以我觉得像李阳他做的这个club，把我们更多对这个领域关注的者和投资人聚焦在一起，这个匹配效率可以变的更高。关于现在更多的基金往前投，这个我们也是感到了本身投早期有一些压力，我觉得有几个原因。第一、对很多医疗领域后期退出的因为比如说港股各方面退出阶段变早了，之前可能要拿到证，卖几个亿，有利润、有收入才可以，现在拿到证就直接可以上了，之前我们很多PE赚的一二级的价差，随着退出越来越通畅这个价差就没了，必须往前走才能赚到一定的倍数。我们作为一直专注投早期的投资人，早期投资和后期投资是很不一样的，我也聊过一些基金，他们相对来说是比较稳健的，他们做早期感觉很难受，因为早期我们看到一个项目的长板去投，投的时候往往除了一个长板其余全部都还是短板，不然他也不是一个早期项目。所以从后期往早期走，也会有一些不一样的挑战，所以我觉得像我们专注于早期，我们还是会有一些不一样的投资策略，包括刚才李阳也提到我们比较讲究投后，因为我们觉得可能一半的钱是我们通过代替一个好团队摸索好方向，一半的钱帮他补短板。早期其实挺不一样的，有一点像种田，真的是农民的活，时间长，拼的都是情怀，我觉得很多东西最后是缘分，包括有时候我跟小伙伴说，基本上投的企业家不仅是项目层面，价值观、人生观我也希望大家能够谈得来，毕竟大家一起要走十年，最后会成为一个生活上的伙伴。

斯坦福letou乐投Club，由专注数字医疗领域的斯坦福大学硕士、博士、博后共同发起，通过促进该领域斯坦福、耶鲁、哈佛、麻省理工等顶尖院校的学者、者、技术专家与国内医疗行业企业家、投资专家、政策专家、媒体专家的深度合作与交流，推动医疗行业的产学研创新。

加入方式：获得至少一名现有成员的推荐，并将能充分说明你是数字医疗领域长期主义者的第三人称简介，发送至创办人微信leonstanford18。