文章 |随着人工智能技术的发展，AI逐渐开始应用于各个行业并发挥出自身的价值。
其中，由于医疗涉及国计民生，且行业较为传统，具有良好的发展空间，自然成为了大家青睐的AI应用领域。
过去一年，“AI+医疗”成为越来越热门的话题。
智洞智也在医学图像识别、辅助会诊、医疗文献数字化等领域进行了相应的采访。
今天，智喜喜来到另一家AI医疗创业公司康夫子，与创始人兼CEO张超聊了聊。
张超介绍，康夫子专注于为B端客户提供基于医疗数据的AI服务。
其核心技术包括知识图谱、NLP（自然语言处理）等，推出了医疗预诊系统“全科医生”和病历数据结构化服务等产品。
1.五年百度NLP经验。
我是第一次见到张超。
他身材高高瘦瘦，戴着眼镜，笑容灿烂。
张超介绍，康夫子成立于2001年，目前已经经历了两轮种子轮和天使轮融资。
目前，数千万元A轮融资即将完成：其中天使轮融资近千万，由晨兴创投投资。
。
张超本人此前曾在百度搜索 NLP 部门担任高级研发工程师 5 年。
他也是文本知识挖掘的负责人，负责相关的知识图谱和实体建模（这些技术后面会进一步讲解）。
公司另外两位合伙人也来自百度：负责整体架构的前百度高级研发工程师张冲和技术合伙人/前百度NLP高级研发工程师李晓华。
目前，康夫子团队约有30人，其中大部分来自百度NLP部门，技术研发人员约20人。
张超说，其实，当他第一次萌生创业想法时，他第一个接触的人就是张冲。
“周三我和他约好了，周五我们在新中关下面的星巴克见了面。
当时他已经（从百度）辞职了。
”两人几乎一拍即合，很快就确定了发展方向。
李晓华在“六上草堂”期间受到张超的邀请。
此前，李晓华和张超在百度上是很好的好友。
他们曾多次拒绝张超的邀请，理由是“好朋友不愿意一起创业”。
（从左到右：张超、李晓华、张冲）2、深耕知识图谱，有丰富的团队经验。
作为昨天国务院下发的《新一代人工智能发展规划》中也出现的人工智能关键技术，NLP（自然语言处理）我们已经非常熟悉了。
一旦熟悉了，就比较容易理解了；但什么是“知识图谱”呢？ 2020年5月，谷歌在其官方博客上发表了一篇题为《Introducing the Knowledge Graph: things, not strings》的文章，介绍了谷歌借助知识图谱实现搜索技术从关键词到实体的飞跃，即让机器学习理解关键词代表什么。
实际意义。
此时，知识图谱的概念开始慢慢出现。
张超介绍，知识图谱是实体和实体关系的总和。
我们可以将其理解为由相互连接的实体组成的语义网络。
（来源：网友高天普《什么是知识图谱》）如图所示，不同的实体可以通过属性关联起来，例如：1）刘德华（实体）&#;妻子（属性）->朱丽倩（其他实体）2）刘德华电影作品->无间道3）无间道的制作国家/地区->中国香港最终的知识图谱是实体与总和的图片他们的关系。
以搜索引擎为例。
随着数字信息的指数级增长，“关键词搜索”已经不能满足用户的精准需求。
搜索引擎需要识别内容中出现的实体和实体关系，准确理解用户的搜索意图。
并给出准确的答案。
知识图谱中的技术面临的挑战包括实体识别、消歧（重名、别名）、实体关系挖掘等，归根到底是NLP自然语言处理技术。
张超表示，知识图谱的构建需要通过信息抽取技术（Information Extraction，IE）来实现，而信息抽取技术现阶段还没有很好的解决方案。
因此，从整体上看，信息抽取是一门“熟能生巧”的技术，只有“熟悉”才能“熟能生巧”。
由于康夫子的团队普遍拥有多年的实践经验，并基于百度大语料库做过信息抽取，因此能够总结出适合实际使用的方法论，知道如何快速结构化数据。
知识图谱的方法很明确：实体抽取、关系抽取、图存储和检索。
然而，由于这仍然是一个非常年轻的学科，仅仅从论文和教科书上进行理论知识研究是不够的。
需要在实践中一一经历很多“坑”，才能真正在行业落地并获得效益。
效力。
“我们的优势是经验多，做起来快。
别人做一个维度需要一个月，而我们只需要不到一周。
医疗有多个维度，我们已经做到了7、80个维度。
” ”张超微微一笑说道。
得意地对志东说道。
3、基于知识图谱打造三大医疗法宝。
目前，康夫子的主要合作伙伴是为医院提供软件平台（如HIS医院管理、医疗活动信息系统）的公司。
核心产品包括以下几类： 1）“机器人全科医生”（医疗聊天机器人） “机器人全科医生”实际上是一台设置在医院挂号处的机器，内置康夫子的预诊系统，类似于一个医疗聊天机器人（Chatbot）。
输入/点击姓名、性别、年龄后，用户可以输入相应的症状，例如“胃痛很厉害”。
系统会模仿全科医生，一步步询问患者的病情，比如“腹痛最为常见”。
什么时候发生的？”、“属于哪种类型的疼痛？”等等。
（图为康夫子全科医师iOS SDK）问题结束时，系统会告诉用户，基于出现上述症状，有73%的可能性是患有肠炎，需要去消化科会诊。
同时，系统还会生成一份用专业医学术语描述的病历，并将这份病历发送给医生。
消化内科医生，提高了医患沟通效率，节省了时间和成本，目前该系统已在张家港市第一人民医院上线测试，除了提高挂号效率外，这套预诊系统还可以应用于急诊。
未来的救护车在运送病人时，救护人员可以提前收集病人信息并提前准备相应的医生。
2）病历结构化。
多年来，医院存储的患者病历通常包含病情描述，这是非结构化数据，非常不利于信息检索和分类。
而且，医疗数据的维度一般都非常高。
仅就高血压而言，就有“既往诊断、当前诊断、将来可能诊断”等不同的结果。
又如，“患者住院第一天没有咳嗽，第二天使用某种药物时出现咳嗽，24小时内出现高烧”。
在这种情况下，药物、住院史和患者的病情属于不同的类别。
相关文件需要按照时间线进行整理和分析。
此外，每个病房护士可能会用不同的方式描述相同的症状，从而导致医疗数据极其复杂。
康夫子所做的就是将这些海量的数据进行结构化，最终打造出一个医生可以点击、搜索的病历平台。
例如“患者性别=男”+“疾病名称=感冒”+“病史！=糖尿病”等，最终得到用户在今年3月某日的病历。
3）临床辅助系统 与前两项一样，康夫子的临床辅助系统也是基于康夫子的NLP（自然语言处理）技术的一套产品。
这项技术将被植入医生填写病历、发放药品、核对医嘱的系统中。
系统根据医生填写的病历了解和分析患者的病情后，给出推荐的治疗方案。
不过，这个系统不会改变医生的工作流程。
医生填写病历、选药、开具检查单等动作和以前一模一样。
唯一不同的是，填写完成后，系统中会出现一个小弹窗： 系统正在分析 医生填写病历后，会提醒检查是否有空白（例如，某些两种药物可能会发生冲突）。
医生可以选择遵循它，或者干脆忽略它。
该产品目前正处于打磨阶段。
张超表示，康夫子正在与一家三级公司做医学研究，预计年底上线。
4、从2C到2B，康夫子的转型之路。
事实上，康夫子在2008年创立时，最早定下的方向就是从孕妇群体出发，打造饮食营养知识图谱。
基于孕妇特别注重营养的事实，我们以孕妇膳食分析为切入点，推出了孕期美食App。
孕妇在App中记录饮食后，“饮食记录分析”功能可以通过知识图谱输出分析报告和饮食建议。
但医疗App作为C端产品首先面临变现困难的问题，这也是2016年兴起的互联网+医疗App浪潮面临的共同问题；其次，虽然营养知识是孕妇迫切需要的，但它并没有严格的标准，人们往往有不同的意见（比如饭前吃米饭还是饭后吃水果……），很难让人信服。
。
从年底到年初，团队开始思考转型策略。
因为团队的强项仍然是其多年的知识图谱和文本分析技术积累，而医疗健康仍然是康福子看好的领域。
经过几番考虑，今年4月，团队最终决定向B端转型，并选择了医学等边界严格、更适合用机器来理解和分析的领域。
张超表示，目前，康夫子的合作伙伴已经覆盖了全国前十大HIS医疗信息公司的近一半。
其咨询互动服务也应该在搜狗名医、好医生网站上推出。
当用户访问这些网站时搜索“咳嗽”或“胃痛”时，系统会给出可能的疾病类型，比如“也许57%是感冒，4%是支气管炎，3%是咽炎……”结论中在与张朝中辉交流的过程中发现，他与无数技术出身的创业者有着相似的特征。
他逻辑思维清晰，有毅力，谈起技术就很兴奋，对自己和团队的能力有足够的信心和自豪。
经历了从C端到B端、从营养到医疗的转变，康夫子的业务推广路线逐渐初见成效，在优化问诊流程、结构化医疗数据等方面取得了良好进展。
在这个医疗数据丰富而复杂的时代，医疗信息的数字化、结构化、信息检索的重要性日益凸显。
在此背景下，一些创业团队选择了将医疗信息文档识别数字化（比如之前智动智采访过的医学影像智能），而康夫子选择的路线就是在数字化的基础上对数据进行结构化。
、图处理，并依托公司创始人及团队在百度多年的经验和技术积累，进入医疗信息化公司并取得了不错的成绩。