裁員（一）

覺得不對, 阮思澄忙裝傻充愣, 轉移話題, 心裏覺得十分愧疚。 頭牌沒有人要, 還得繼續接客。 幸好易均沒再進攻, 隻是變得沉默了些。 結賬時, 麵對易均放在桌上的信用卡, 阮思澄一反常態，堅決拒絕“你請一頓我請一頓”的中國式吃飯，非要AA, 像打撲克似的把自己的信用卡扇在易均的信用卡上，對服務員大叫“分賬”，A完撒腿落荒而逃。 ………… 各項事情有了眉目, 日子開始過得飛快。 陳一非在入職以後主攻心髒診斷部分。 他們利用人工智能深度學習, 集中開發心電圖的識別係統。它將主要針對靜態心電圖ECG，讀懂, 並在30秒內出具診斷報告。如有ST段抬高、壓低, 那可能是心肌梗死或心絞痛, 如果……那可能是……AI還會分析其他檢查數值, 比如肌鈣蛋白、CK-MB, 繼續考察心肌梗死和其他病的可能性, 要都沒有，則會根據各項信息提供建議，比如要不要複查心電圖, 要不要行冠脈造影……也有可能指導醫生做心髒超聲、拍胸部CT, 或者檢查患者體格用以排除動脈夾層和肺栓塞等等可能。 陳一非沒多久便捉住了重點——傳統算法對心電圖並不合適。可以說與指紋十分類似，每個人的心髒都不一樣，於是，他引入了性別年齡身高體重等等東西，綜合考量。 在技術上，不僅有主要用於圖像識別的卷積神經網絡（CNN），還有主要用於文本識別的循環神經網絡（RNN），陳一非的想法非常具有創意，就是讓RNN如同學習句子一樣“學習”心電圖。既然通過訓練，RNN可以知道句子當中一個單詞前後有什麽詞是正常的，有什麽詞是不正常的，那也應該可以知道心電圖中一個心搏前後有什麽活動是正常的，有什麽活動是不正常的。他把心電圖拆成一個個的心搏，讓AI考察關係、變化，“思考”圖形是否異常。陳一非說：“一個心搏如同一個詞匯，若幹心搏如同一個句子，放在一起才有意義，不能單一地看。” 阮思澄能感覺得到，陳一非是挖得對了。可以看懂心電圖的專業醫生其實不多，P大一院心髒中心的副主任曾經表示“大約隻有3萬多人”，而全國每年心電圖的檢查人次已近3億。可以想象，如果AI可以“看懂”心電，在短時間出具報告，甚至發現人類肉眼瞧不出的細微變化，一定會對胸痛急診有所助益。 她打算，等到二期就讓這個產品增加比較“摩登”的心磁圖識別功能，甚至延伸到心髒超聲、胸部CT……扯遠了。 與技術上的進展同步，患者病曆也在增加，從一萬到兩萬，再到五萬十萬，十五萬二十萬。 陳一非在愛未時與幾家醫院合作密切，尤其是在“愛未Cardio”那個心髒項目期間。當年係統在落地時，為了拿到亮眼業績，陳一非曾親自帶隊進駐醫院，溝通協調。現在，他老人家苦口婆心，竟搞定了雲京三院。可以用於訓練的數據又多了，一切都在穩定發展。