的老本行。但是手头的数据不够，这个方向的进展太慢，为了快点市场化，我们主攻的是另外两个方向。”江九思苦笑了一声，“一个是病例结构化，把自然语言病历转成标准字段；另一个是临床路径辅助，帮医生做初步提示，比如相似病例、用药风险、检查建议。”

韩路一对这个答案颇感惊奇：“病例结构化？这个还需要ai来做吗？”

他是互联网出身的，在ai时代到来之前，互联网企业的数据早就结构化了，就拿鼎盛的电商部门举个例子，用户搜索“女装”这个模糊的大类，出来的可能是可爱风、成熟风、纯欲风，具体看到什么都是由后台的推荐系统决定的，推荐为什么能做得这么精准？靠的就是用户和商品两端大量的结构化数据。

怎么，在医疗领域的病例结构化还需要用ai？

江九思看来也不是第一次碰到这个疑问了，解释起来驾轻就熟：“你们做互联网的可能对医院的体系不了解。互联网的数据是在互联网上跑的，天生就是结构化的。搜索、点击、下单，这些数据后台都能直接入库，但医院可不一样。”

他推了推眼镜：“你们知道国内大部分三甲医院的his系统是什么年代的吗？很多核心模块还是上世纪九十年代写的，那时候根本没人想过数据要结构化。医生写的是手写病历，扫描进去，就是一张图；就算打字录入的，也是自由文本，‘患者自述左上腹隐痛三天，饭后加剧’——这些只能人工读，想要在上面做数据分析，根本没法用。”

“而且，”江九思微微苦笑，“医院和医院之间的系统互不相通，同一个病人在协和看一次，去宣武再看一次，两边的病历格式完全不一样，甚至字段定义都不一样。这种情况下，如果你要做大数据分析，第一步就是先把这些自由文本里的临床信息都挖出来、洗出来，标准化了之后，才能往下走。”

他端着香槟扫了韩路一一眼：“这个活儿，医院里根本就没人做。以前做这个方向的都靠人工，招大量的医疗数据标注员，成本高、速度慢，还容易出错。ai一来，总算有工具能处理这个，所以我才觉得是刚需。”

韩路一听着微微点头，从自己的实际工作中发觉痛点，找到解决方案，然后创业。和自己最开始做bugkiller倒是同一个路线。

不如说，很多半路出家的创业者都是这么开始的。

赵文渊在一旁听着，已经被勾起了兴趣。

做模型训练的时候，医疗是个避不过去的强专业场景，也是行业内都在头疼的一个问题。

毕竟大模型回答出来的答案，用户是真有可能会信的，如果做错了诊断，模型公司要不要负责任？这个到现在都还是一个比较前沿的问题，也没有法律意义上的定论。

但是如果只是做非结构数据的数据处理的话——

“江总，为什么不用雕龙？”赵文渊问道。

江九思被这话问得一愣，感觉不太好回答。

倒不是这个问题本身不好回答，只是现在这个场合明显是寻他科技的主场。

韩路一看了赵文渊一眼，心想，不用当然是因为不好用，这还用问出来吗？

“赵总这话问得……”江九思转头看了看四周，确定没人把注意力放在这

章节内容不完整，请退出阅读模式查看完整内容！