11月17日，2018中國數字醫學高峰論壇在海南博鰲開幕，來自國家食品藥品監督管理總局、國家衛生計生委醫院管理研究所、海南省衛生健康委員會的領導和國內外近百家三級醫院專家學者與會。本次會議特別籌劃了多種形式的學術交流活動，邀請國內外醫學人工智慧領域的專家學者擔綱主講。
深思考人工智慧CEO兼AI算法科學家楊志明博士作為特邀嘉賓，在「前沿技術——人工智慧前沿技術融入臨床醫療」分論壇上發表了主題為「端雲雙模式，打造iDeepWiseAI醫療大腦」的演講，介紹了深思考在智慧醫療大健康領域研發的AI宮頸癌輔助篩查產品。其可自適配雲模式和端模式、自適應多種製片方式與掃描設備、通過深度學習、遷移學習等人工智慧技術實現TCT宮頸細胞學篩查閱片和宮頸細胞學輔助診斷。
據統計，全國有執照的病理醫生僅九千餘人，按照每100張病床配備1~2名病理科醫師計算，缺口高達4~9萬人。同時由於工作量大，收入待遇低，培養周期長等因素導致病理教學師資、病理醫師新生力量呈現「斷崖式」短缺。而又由於當前國內醫療資源分布不平衡，相關醫療篩查產品準確率低等相關因素，宮頸癌篩查現狀不容樂觀。
楊志明在論壇上表示，從醫學專業的角度講，為了能夠更好地賦能現有的臨床工作流程，深思考從行業痛點出發，將「多模態深度語義理解」賦能宮頸癌輔助篩查，打造領域原理性突破四個「首創」，通過「雲端」雙模式實現AI宮頸癌輔助篩查產品的大規模落地，提高宮頸癌篩查效率、降低病理醫師篩查工作量及工作強度，快速達到降低誤診、漏診。
四個首創
首創染色深淺自適應算法。針對宮頸癌細胞巴氏染色的細胞圖像，不同醫院、機構之間存在很大的染色差異，直接降低了病理醫生的閱片效率。深思考將深度學習算法應用在數字病理圖像的染色標準化上，實現了非常規染色細胞圖像在染色深淺上的自動調節，經大量TCT玻片測試，其敏感性提升了6.27%，特異性提升了2.52%，同時啟發了其它細胞病理的染色標準化。
首創團簇細胞自適應分割算法。深思考通過集成的深度學習分割算法，彌補方法之間的缺失，從而保證病變細胞的召回率。同時針對重疊區域，通過自研的細胞實例分割算法解決細胞實例歸屬問題，從而實現了團簇重疊細胞自動分割、支持多種製片方式、細胞核計數和病變細胞定位等應用，啟發了醫療影像其它重疊遮擋問題的研究和應用。
首創腺細胞分類算法。針對腺細胞異常的「團夥作案」方式，深思考首創腺細胞分類算法，充分考慮排列信息等要素，區別於單細胞異常，準確識別腺細胞異常，解決腺細胞異常敏感性低的問題，啟發其它此類病理圖像的研究和應用。
首創MS-CNN深度學習細胞分類算法。傳統的資料庫模板對比，對每一類病變細胞的典型度要求極為苛刻，存在泛化性差，準確率低等問題。深思考充分融合塗片全局信息和細胞領域知識，通過首創MS-CNN深度學習細胞分類算法，自研多尺度、多維度的卷積神經網絡新模式，其細胞檢測和分級識別算法使得分類結果達到敏感性 98.4%，特異性 99.77%，正確率 99.12%（比美國國立衛生研究院NIH 高1%，特異性高出1%、敏感性高出1.5%）。
「端雲」雙模式
目前，深思考在宮頸癌輔助篩查方面主要有「雲」和「端」兩種形態的商業模式。當病理掃描儀接入醫療大健康「C6雲」後,AI就會批量幫助醫生進行篩片；「端」模式則是基於深思考的「算法+晶片」整體解決方案——醫療影像專用AI晶片M-DPU，其具有尺寸小、低功耗、性能高等優勢，可大大降低應用成本。當M-DPU嵌入到病理掃描設備中時,便可進行宮頸癌的篩查，實現基層醫療篩查的大規模落地。
據悉，在剛剛結束的國內醫學人工智慧頂級賽事2018AIIA杯人工智慧巡迴賽·醫學人工智慧大賽中，深思考人工智慧從涵蓋醫學人工智慧熱門領域的200多支國內外知名醫療AI參賽項目的激烈競爭中斬獲冠軍，捧回百萬獎勵！
楊志明表示，深思考已完成近五千萬融資，即將完成A+輪近億融資。未來，深思考將在智慧醫療大健康領域不斷深耕，打造AI病理細胞學篩查平臺，為3億個家庭大規模人群提供AI健康諮詢與重大疾病篩查服務，解決醫療資源的匱乏和不平衡的問題，打造大規模人群健康諮詢與重大疾病篩查入口。