近期，百度前首席科学家吴恩达博士也进军了AI医疗领域，在斯坦福大学与研究团队一起训练了一个用来甄别心电图数据中各种不规则心跳的机器学习算法，用AI机器医生通过心电图来判断患者是否存在心律不齐的现象。

这一可自动作出诊断的新方法对于日常医疗意义重大，它可以帮助人们对可能致死的心律不齐的症状做出更好的判断，防患于未然。此外，它还能够在医疗资源较为匮乏的地区提供良好的医护服务。

与此同时，在深圳也有一家创业公司，和吴博士一道，走在了领域的前沿：

深圳欧德蒙科技有限公司日前发布了一款通过AI技术自动诊断心电的产品——迅智H1心电带，目前已经进入市场并获得了不错的反响。迅智H1心电带具备动态心电监测和分析的功能，采集用户single-lead ECG信号，结合云端的自动诊断模型来辨别心律失常事件。目前能分析诊断出常窦性心律、室性早搏、室上性早搏、房室传导阻滞、室性心动过速、室性二联律、室性三联律、室上性二联律、室上性三联律、心动过速、心动过缓等多种类型的心电波形，并能记录HRV高低频、pnn50、rMMSD等专业详细指标。

AI心电图自动诊断算法意义重大

心律失常会导致心肌梗塞、心力衰竭等疾病，但由于部分心律失常事件发作时的心电才能检测出异常，并且信号难以捕捉，患者不得不连续长期佩戴holter来保障健康安全；并且心率不稳的情况下，会对医生的诊疗方式判断造成影响，例如：二度房室传导阻滞的两种形式的心律失常，心电波形看起来非常相似，但一种不需要治疗，另外一种则需要立即治疗。

AI心电图自动诊断算法可以更有效地识别判断心律失常事件，效果甚至已经超过了人类专家，有效预防避免由于心脏问题带来的损伤甚至死亡，对人类现代医疗的意义重大，吴恩达博士认为这是深度学习提高患者健康质量的好机会，能帮助医生节省出大量的时间。

欧德蒙自2014年成立至今，致力于通过健康智能硬件建立流量入口，持续监测用户健康数据并汇集到核心的人工智能数据平台，通过不断的积累数据，就像一个“机器医生”，不间断地对海量医疗数据、医学工具书、医学杂志、临床诊断手册、医疗电子记录等数据进行深度学习训练，更精准地识别出更多病症。

作为一家健康物联网产业链企业，欧德蒙拥有独立的硬件研发与生产、供应链把控、专业的健康医疗算法研发、配套软件服务的提供、用户运营以及后端增值服务对接的全栈式服务能力，使得产品能够快速落地，并迅速复制。这在健康物联网产业领域并不多见。

优质的数据成为最重要的壁垒

机器学习的关键在于从海量数据中获取规则和知识，正在带领团队利用人工智能诊断癌症项目的MIT教授Regina Barzilay表示，制约AI在医疗领域发展和应用的重要问题在于优秀疾病数据的匮乏，如果没有可靠的临床数据诊断只能停留在猜测阶段。吴恩达博士的团队目前也在与iRhythm合作，结合海量的心律失常的患者数据，对算法模型进行更深度的训练。

而欧德蒙的海量的数据入口为竞争壁垒的不断提高奠定了基础。一方面，欧德蒙通过自己的硬件产品及提供给第三方的API的形式，搭建大量的数据入口。当前，欧德蒙已接入200余万用户，硬件单月出货量10万件，预测2年内可积累千万级的用户规模，源源不断获取数据，并通过与医生合作进行标注及引导用户自建标签的形式，积累用于训练模型的数据；另一方面，公司通过参与国家医疗科研项目、与政府与医院合作的形式，从知名医疗机构中获取了数百万份结构化、标签化、电子化的临床诊断数据，用以训练和验证智能分析模型。随着数据的不断积累，积木云的算法和模型会不断得到加强，形成日益提高的竞争壁垒。

除了软件和算法的优化，硬件上欧德蒙也在不断地寻求创新。欧德蒙近日成功研制了一款心电血压手环，将心电的测量位置从胸部扩展到了腕部，并结合心电和血压数据，通过计算脉搏波传导时间（PWTT），让腕式血压数据更具可靠性。血压心电手环将在未来两个月内推向市场，届时将是对欧德蒙硬件+模型+数据优势的进一步加强。

相信在全球科技工作者的共同努力下，人工智能在医疗行业将会得到更深层的发展和应用。