2019年11月，赛诺菲在上海举办首届“数字医疗创新峰会”，以“Dream and go”为主题，赛诺菲携手30多家高科技企业、上百家初创企业、上百位投资人及合作伙伴，集中展示数字医疗的前沿科技，探讨热门话题。作为合作企业，竹间智能首席市场官-王桉受邀发表演讲，并参与圆桌讨论，就自然语言处理在医疗领域的应用分享了精彩观点。

　　峰会伊始，赛诺菲中国区总裁贺恩霆发表精彩演讲，他表示“数字化创新是赛诺菲未来发展战略的核心”，同时阐明数字化转型不是为了单纯的标新，赛诺菲的出发点和目标永远都是为患者改善医疗体验，提高治疗效果。

　　秉承数字化转型策略和医者仁心，赛诺菲于2018年4月在中国成立了新兴国家首个数字化创新平台和加速器 -- Innovation Hub“极创联盟”，携手中国本土企业，为实现医疗项目开发与创新提供了丰富资源和良好机遇，目前已有Atman、Emotibot、GYENNO、D-Nurse、DIABNEXT等公司加入合作。

　　峰会上围绕三大议题，共同探索国内外前沿数字化创新趋势，并集中展示“极创联盟”在数字医疗上的创新成果：

• 互联网设备及患者随访护理
• 人工智能及中枢神经疾病
• 自然语言处理及知识图谱

　　自然语言处理竹间Show Time

　　在自然语言处理专场，作为赛诺菲创新合作伙伴，竹间智能CMO王桉受邀在现场发表精彩演讲，向在场来宾介绍了竹间智能和其核心NLP技术。“文本理解、对话机器人、以及NLP在垂直行业的应用都是近年来热词，而非常有幸，这些都是竹间一直在做的事情。”

　　面对现场众多医疗及相关行业工作者，竹间还分享了NLP在医疗领域的发展前景。目前在国内外，基于NLP关键功能，医疗行业电子档案、流程智能管理等应用已成为现实。从技术成熟度来看，当前已实现的技术大多与医疗保险和智能计划安排（例如预约和操作）相关，中长期来看，NLP还能助力数据驱动的诊断和虚拟药物开发，而放眼更远的未来，希望能够实现可以进行诊断和治疗的有情感的陪伴型机器人。

　　目前，竹间与赛诺菲的合作也拓展了医疗行业的智能化落地，在演讲中，王桉向大家展现了AIQI人工智能质检平台。通过视频直观展现，原本赛诺菲需要花费大量时间人力进行人工监听的质检环节，因采用竹间人工智能质检系统，而为工作流程带来的极大优化。

　　更多精彩看点

　　现场还围绕《自然语言处理正在如何创造医学知识的范式转变？》展开了圆桌讨论，赛诺菲中国信息技术部负责人主持讨论，同台嘉宾有竹间智能CMO王桉、柯基数据CEO吴刚及爱特曼CPO周昕。

　　自然语言处理是今年比较热门的AI话题，但仍有很多人对什么是自然语言处理并不熟悉，就自然语言理解是什么，能解决什么样的问题，竹间跟现场进行科普分享。

　　王桉解释道，自然语言是相对于人而言的，就是我们日常生活中使用的，比如我们之间的对话，我们阅读的文字材料等。但对于电脑而言，它不懂自然语言，电脑看懂的只有数据库或者结构化数据。自然语言处理，尤其是深度学习的使用，就是使电脑能做部分和人一样的事，比如读完一段文字电脑现在也可以精确把握这段文字表达的意图，感知文字里的情感是正面还是负面或者更具体，能对一个问题给出最贴切的答案等等。她还补充道，传统机器学习也可以做到一部分，但因正确率一直很低，根本无法被工业界使用，而深度学习的突破使这种应用变得可能而且得到延伸。

　　最常见的应用就是我们日常所接触的对话机器人，类似语音助手、智能客服这种：

• 大家比较熟悉的手机里的语音助手，华为音响里面的语音助手等等都是自然语言处理在智能终端上的应用。
• 还有各行各业都会需要的智能客服机器人，能够代替部分人工，或者以辅助、人机协作的方式增加工作效率。比如说你双十一买了东西，想问顺丰快递，从北京到上海要几天到？买了电脑是否可以空运等，很多通用问题是可以通过智能客服机器人来回答的。
• 还有更复杂的像竹间坐席辅助包括和赛诺菲一起合作的智能质检，通过定制医药行业语义解析与质检规则，适应复杂语境与话术的质检需求，打造医药行业机器质检与人工质检相结合的闭环，形成有监督学习与无监督学习之间的智能转化。
  另外NLP在银行，保险，零售，政企，教育，医疗等垂直行业都有相应的应用场景

　　主持人又问起“我们都在科幻电影中看到过高度复制的人机对话场景，您心目中NLP技术在医疗健康领域应用的终极目标是什么？今天的NLP技术是否可以达到或者接近于实现这种目标？”

　　对话系统有很多实现方法，有一种简单粗暴的方式是通过语料的堆积，庞大的语料库，来达到高仿人的对话效果。“但那是智能吗，那是没有认知功能的。”王桉分享说，“我心目中NLP技术在医疗健康领域可以通过结合自然语言处理（包括知识图谱）和认知科学的方式，来达到真正了解医学，认知医学，知道如何推理病因，进而达到精准诊疗的效果。”

　　结合现状，她认为今天的NLP 还无法达到这个效果、离目标比想象的还有一段距离：“医学属于高精尖领域，对精确率和可解释性也有更高的要求，这点是深度学习（黑盒）所做不到的，而基于符号学的推理目前又无法做到完善。”

　　未来，期待人工智能和医疗达到某种契合度，即是专业诊断诊疗型医生机器人，对病患也是专业陪护机器人。就像钢铁侠的助理贾维斯，在初期只是类似个人助理的存在，但后期不仅进行诊断和治疗，甚至当Stark不能正常工作生活时，贾维斯鼓励小辣椒运用装甲，而小辣椒接受了。

　　在峰会的创新奖颁奖典礼上，竹间有幸荣获“赛诺菲创新伙伴奖”，此外，竹间在峰会期间还设有展台，吸引医疗行业、投资机构、创新企业等众多企业驻足交流。