“我們的癥狀診斷系統(tǒng)針對常見病典型癥狀的命中率已超過90%，已超過對標的梅奧醫(yī)療集團的癥狀診斷工具symptom checker10個百分點。”康夫子創(chuàng)始人兼CEO張超說。

他表示，這是因為傳統(tǒng)的診斷學思維，大多使用人工編輯的知識庫，知識庫規(guī)模較小，在知識和信息更新上比較滯后，不能以自然語言處理，且采用決策樹的結構，在診斷效果上很快就會達到瓶頸。而康夫子基于知識圖譜推出的智能診斷系統(tǒng)在技術上會更有優(yōu)勢。

從技術原理上來說，康夫子智能診斷是經過3大步驟訓練出來的。

• 知識抽取：讓計算機閱讀理解海量醫(yī)療文獻，抽取針對某種知識總結出上萬條書寫規(guī)律。如針對”疾病<—>癥狀”的關系，文獻中描述方式為:“(X疾病)的癥狀有(Y癥狀) ”，“(X疾病)臨床表現(xiàn)為(Y癥狀)”，“(X疾病)容易引起(Y癥狀)等不適癥狀”等等。 “知識規(guī)律”自動發(fā)現(xiàn)技術和高性能抽取工具，正是康夫子的技術壁壘。

• 知識表示：包括知識向量化（即醫(yī)學專業(yè)術語與大眾語言的對應，比如“厭食”屬于醫(yī)學專業(yè)術語，對應的大眾語言是“吃不下飯”）表示和知識關系概率化（一種疾病可能包括多種癥狀，一種癥狀也可能是多種疾病共同擁有的，二者的對應關系有一定概率）表示。

• 邏輯應用：當用戶搜索某種癥狀后，是否還會有其他伴隨癥狀？這就涉及到查詢分析和人機交互，最終呈現(xiàn)搜索結果。

實際上，除了symptom checker，國內也有類似的產品，比如多美小壹和半個醫(yī)生。從內測Demo上來看，康夫子診斷表現(xiàn)形式和半個醫(yī)生相似度很高。但除了癥狀，康夫子用戶還可以輸入輔助檢查結果(如白細胞數(shù)、AFP、TSH等數(shù)千種化驗指標)來獲取更科學的診斷。張超表示，此Demo主要供B端用戶調研使用，并不直接面向患者端。

康夫子微信服務號截圖

目前，康夫子已經學習了近萬本醫(yī)學書籍、2000萬篇醫(yī)學論文，針對近1萬多種疾病、數(shù)千種癥狀、化驗指標、用藥反應等知識構建了知識圖譜。在7月中旬上線的康夫子1.0.1版本中，覆蓋熱門癥狀5000種，ICD10常見疾病4000種。

在后期，康夫子計劃考慮患者群體特征(年齡、性別、孕婦、高血壓等等)、患者病史、生活習慣等，讓診斷變得更智能。不過，張超表示，智能診斷只是醫(yī)療大腦（醫(yī)學知識圖譜+推理邏輯）的一部分�？捣蜃酉胍赃@條線，把很多工作串起來。比如先診斷，再提供治療建議、用藥建議、預后管理等。

當前所有的智能診斷產品還普遍面臨一個技術難題，即假設患者只患有一種病。然而，一個人很大可能會同時患多種疾病。針對此類問題，張超認為，將輸入癥狀進行時間序列化，可以得到較好地解決。

值得一提的是，2C的智能診斷因為變現(xiàn)難的問題，似乎都最終會走上B2B2C之路。相較于多美小壹和半個醫(yī)生，起步較晚的康夫子也少走了一些彎路。不過，在做智能診斷之前，康夫子是做食物的營養(yǎng)健康分析和食譜推薦的，其構建營養(yǎng)健康知識圖譜還在天使醫(yī)生、中糧數(shù)字等業(yè)務中得到了付費應用。他們認為老百姓在這塊的痛點不強、依從性略差，于是轉移了業(yè)務重心。

張超透露，康夫子智能診斷的B端目標客戶分為三大類：搜索引擎類（借助大平臺提供服務，同時共享流量）、智能硬件類（嵌入智能硬件，提升它們軟能力）、以及醫(yī)療服務類（輔助全科或基層醫(yī)生做醫(yī)療診斷）。

據了解，張超畢業(yè)于電子科技大學計算數(shù)學專業(yè)，曾任新加坡國大Prof. Tat-Seng Chua多媒體搜索實驗室研究助理，后為前百度自然語言處理部資深研發(fā)工程師、知識挖掘方向負責人，知識圖譜、實體建模方面專家；CTO張沖畢業(yè)與山大計算機系，也是前百度高級研發(fā)工程師，擁有豐富的架構、工程開發(fā)經驗；CMO李志朋本科畢業(yè)于北醫(yī)，是澳大利亞新南威爾士大學碩士，前地壇醫(yī)院主治醫(yī)師，后成衛(wèi)計委疾控司處長，在20余年醫(yī)療從業(yè)經歷中積累了大量的臨床經驗&醫(yī)療資源。