[在路上] 出差在苏州的几点体会-CSDN博客

本文链接：https://blog.csdn.net/inter_peng/article/details/143786596

1, 背景:

近日因为公司的产品，要做一个大版本的升级。为了能够保证版本升级的顺利，公司安排在前面十几家客户的升级过程，需要研发参与。因此，我得到了一次出差的机会。本次出差的目的地，是江苏省苏州市的一家三级乙等医院。

今年1月份的时候，因为服务升级，给客户带来了一些不必要的麻烦，影响了医院放射科的正常工作流程。为了平息主任的抱怨，公司派我去医院那边，查明一下问题，看接下来的行动安排。上一次出差结束后，本来想写一些东西，回顾一下在升级过程中，遇到的问题，以及自己的感想。后来一直拖延，眼看着就过去一年了。

在这两次出差的过程中，我体会到了很多，这是在公司办公室里面，根本体会不到的感觉。也让我对自己的工作，公司的决定，有了更深入的理解。

有一句话语是，“读万卷书，行万里路”。在办公室写代码，权当是读万卷书；那么出差，就算是行万里路了。只有两个都经历了，对于工作的认识，才算是全面的。

以下主要谈一些我通过两次出差，增加的一些新的见识，以及由此产生的一些感想。

2，出差的意义

2.1 更好地理解工作的意义 —— AI真的已经变成了医生不可或缺的帮手

在出差的过程中，和负责江苏省的运营同事聊天，询问公司产品在江苏省的一个使用情况。她骄傲地说，很多大医院已经离不开我们的产品了。在江苏省，已经有将近100多家医院部署了我们公司的AI产品。如果AI出现故障，医生就无法正常地写报告了。所以，一旦我们的产品出现问题时，医生就会立刻在相关的群里通知，然后我们就需要尽快恢复服务，否则老师就无法正常地开展工作，有可能就得周末加班了。

<这是某次升级时，由于出现了故障，医生在微信群里面的抱怨>

由于市里面的大医院，部署的AI放射产品都已经饱和了。现在AI的战略，如果是大医院，主要采购一些手术辅助类的AI产品; 而县级，乡镇卫生中心，则开始采购AI放射科产品。

而且随着AI的发展普及，现在在和医院接触时，已经不需要再去普及使用AI的必要性与否了，直接就可以给医生们培训相关产品的功能了。

关键还是公司能够拿出过硬的产品，让医院心甘情愿地使用这些产品。而这些产品，也的确极大地简化了医生们的工作流程，提高了医生的工作效率。

而为了不影响医生的使用体验，我们在进行AI产品的升级时，一般会选择医生们不太忙或下班的时间。而如果升级过程中，发生一些问题，导致升级不顺利时，可能要花很久的时间去解决，所以升级到夜里一两点，也是经常发生的。

因此，如何能够保证在不影响医生使用体验的情况下，同时做到丝滑的升级，对于技术团队，还是有很高的要求。

如果是涉及到上线或升级类的工作，就只能按重要和紧急程度，排期了。所以，我们公司的执行和销售，基本每天不是在医院，就是在去医院的路上，真的是非常辛苦。这是，我们在公司的办公室，一坐坐一天完全体会不到的感觉。

这也从侧面反映出，现在医院对于AI产品的依赖程度还是很高的。

2.2 更好地理解公司不同岗位的分工职责

本次升级，主要涉及到了几个不同的工作职责人员的配合。

医院当地驻扎着：业务总监，销售，运营和执行，算是我们公司的铁三角；而从北京过去支持升级的，有研发，测试，TPM。

之前对医院驻扎的这些同事，其实是不太了解的。所以我们一见面，我就戏称，我们真的是网友见面会，平时只在钉钉上沟通，虽然钉钉上有头像，但还没有见过对方的真面目。

周一晚上，我们从下午5点半左右开始升级，大概四个多小时，升级完成后，大概测试了一下，发现的几个问题，基本也都解决了。本来以为第二天就没什么事情了，可以在当地逛一逛了。但晚上在群里汇报升级结束后，本省的销售主管说，她和运营同事，明天会来医院，再用现场的数据，在升级后的系统产品上面跑一下，同时也搜集一下，医生们对产品的使用反馈。

因为今年12月，医院就要进行招标了。医院需要在目前试用的4家AI厂商中，选择其中一家的AI产品采购。

因此，销售老大比较关注本次升级的稳定性，以及能否为本次招标，带来一些助力。

第二天上午10点左右，业务总监和运营，分别从不同的城市过来。业务总监问我们本次升级，都主要进行了哪些改进，对于医院反馈的问题，是否得到了很好的解决，是否有升级清单报告之类的书面文件，交给医院留存备份。

这个时候，我突然懵了。说实话，其实我对本次版本升级，到底解决了哪些问题，并没有特别留意，只对我负责的那块了解。因此对于销售提出的问题，我基本回答不出来。

业务总监见我没啥准备，她只好当着我和另一位测试同事的面，给北京的相关产品负责人打电话，问询本次升级是否解决了她们前线反馈的问题。在得到了明确的答复，而且要求北京那边发一个邮件，以书面的形式，介绍一下本次升级的内容，然后她再发给主任。

紧接着，业务总监和运营同事，便带我们去了放射科，见到了放射科主任，和其他一些放射科医生。介绍了升级情况后，主任便走过来，跟我们说了一个他印象比较深刻的病例，让我们在升级后的产品上跑一下模型。他要对比一下，两家AI产品，对于同一个病例的预测结果。

当主任把病例数据，通过PACS推到我们的服务器时，我都紧张得不行了。这种情况，在办公室是完全体会不到的。即使是棘手的BUG, 测试同学也不会在你修复完BUG后，站在你的身旁，看修复后的效果。在办公室，是体验不到这种放射科主任，就在你身旁，观看你产品的压迫感的。

过了一会，当数据处理成功后，主任便和另外一位放射科医生，开始对着PACS, 以及我们公司和另一家竞品公司的产品，进行结果的比对。这就像，老师在当着你的面批改试卷。

比较的过程中，两家公司的产品，都各有优劣，都不是100%的完美。我们的分割效果好，对方的报告结果好。主任说，你们的分割效果好，但是你们得在报告中体现出来哦，要不怎么知道你分割的效果好呢。虽然对方的报告中的结论，不一定全对，但人家至少写出了一大堆。

主任让我们把数据脱敏后，拿回北京，让负责这个产品线的研发和产品，再继续改进一下。

本来以为已经差不多完事了。但是业务总监和运营说，另一个城市昆山的某医院，最近也反馈了几个问题，既然我们都从北京大老远跑来了江苏，那就顺便去另一家医院，诊断诊断是什么问题吧。这样，也能让医院感受到，他们的反馈得到了公司的重视。

看着对方恳切的眼神，我们也不好拒绝。算上去另一个城市的时间，而我们当天已经买好了下午5点半回北京的高铁。

而当时已经快12点了。只能先坐上去另一个城市昆山的车，到了目的地再吃午饭了。

业务总监由于还要去拜访客户先走了，我们和运营便一起去昆山。在路上，我们和运营聊了各自的一些工作经历，产品在各个医院的使用维护情况，产品的口碑等等。她感叹道，来公司三年了，还从来没有去过北京总部，问我们总部的一些情况。

到了昆山的医院后，运营向放射科的主任，介绍我们是从北京来的研发，专门来诊断产品的一些问题的。这其实也是向医院表明一个态度，我们还是非常重视客户的反馈的。接着，我就坐在了主任的旁边，拿着笔记本，记录主任对于我们产品的使用反馈。等记录完主任的反馈后，主任在办公室外面找了一台电脑，让我们在上面看一些问题。

在接下来的半个小时里面，差不多还有两三波的人，来办公室拜访主任，其中就还有一家竞品公司，也是来见主任的。这也是少有的，在出差过程中，遇到了竞品的工程师。我在主任办公室的外面，听到主任和里面的工程师聊天。工程师应该是在介绍他们的CT产品的一些扫描参数，以及如何和他们的AI产品配合使用的内容。现在想来，这和之前，微软在推销他们的Windows系统时，直接预装他们的IE浏览器是一个道理。

2.3 直观地感受到和竞品的差异

这次出差还有一个感受，就是能够在信息科或放射科，看到竞品的服务器。也可以在医生的工作电脑上，看到医生是怎么使用我们和竞品的产品的。

由于现在影像AI, 可能主要是四家AI的产品。有的医院会四家产品都部署，有的医院可能会部署其中的一到两家。如果有新的影像数据拍摄完成，那么AI产品，便会或主动，或被动地获取到影像数据，然后送入各自的模型中，进行预测。然后将预测后的结果，展现在浏览器的产品页面上。

医生一般会通过一个悬浮在电脑桌面上的小弹窗，然后进入对应的产品页面。

因此，AI厂商之间的竞争，从桌面上的那个小程序就开始了。谁家的小程序能够更精准地匹配到医生当前正在撰写的报告上面的检查编号或患者编号; 谁家的小程序，能够在最短的时间内，显示出当前病例的预测结果。

其次，才是医生从小程序进入产品的页面后，显示出来的页面。现在经过两三年的竞争，其实现在不同厂家的产品页面，布局上都差不多了。因此，细节才显得尤为重要。

比如，冠脉产品，心脏和血管是否都分割地很清晰，血管狭窄的地方，是否能够在VR上面标出来，血管拉直后的图像是否清晰等。

比如，脑灌注产品，序列的分期是否准确，预测的结果，是否符合医生的诊断等等。

而这些，每一个产品的细节，都需要研发，经过不断地迭代，去改进和提高。产品的优化，永远是一个无止境的过程。

当我们看到竞品的服务器的个头时，有个研发的同事直呼，通过软件的优化，和硬件上的优化，差距还是蛮大的。公司和公司之间的竞争，真的是多维度的竞争。不是像高考那样，大家拿到的，都是一模一样的考卷。

有的公司，资金实力雄厚，硬件配置爆棚；而有的创业公司，就需要精打细算。

2.4 产品的细节非常非常重要

产品在医院，比拼的就是细节。

其实医疗AI发展了也有六七年了，大部分产品的功能，AI厂商都已经开发了医生需要的各种功能。但是，怎么能够在医生的使用中，脱颖而出，还是值得深入思考的。

就比如同一个病例，在医生已经确诊是某一病症的情况下，医生就会进入不同厂商的产品，查看不同厂商对于这一病例的预测和解释。就相当于，医生拿着一个标准答案，来给不同的厂商打分。谁的产品，给出的结果，更接近于医生的判断，谁得到的分数就更高，那么日后在招标环节，医生就更倾向于这家厂商的产品。

在我们升级的那家医院，医生得知我们升级系统后，就把他之前负责的一个病例的图像，发送到了我们的服务器上面。过了几分钟后，当我们的产品出来结果后。医生便对着他们的PACS系统，然后分别打开了我们和另一家厂商的产品，来对比这个病例的效果。

这个病例，医生已经诊断为是脑梗死。在脑灌注成像中，脑梗死的区域，由于血液无法流动到梗死的区域，因此那个部分，它的灰度值就会偏低。那么脑灌注一般是用不同的伪彩色，来形象地展示灰度的差别。

医生在对比了两家的产品的效果后，对于我们的分割和展示效果，给予了肯定。但是，在影像报告部分，却指出了存在一些问题。比如，明明已经在影像区域标识出了梗死区域，但是在结论部分，却没有对梗死区域的体积等进行描述。虽然对方的产品里面的描述，也不一定完全正确。但是，相比之下，还是会有一些差距的。

这样我意识到，医生对于产品的细节，还是非常关注的。因为AI再怎么厉害，它目前还是只能起到一个辅助医生的作用。最终，给报告签字的，还是使用AI的医生本人。医生对于报告里面的内容，才是有最终解释权的，出了问题，也是要找相应的医生承担责任的。所以，医生在使用AI的时候，也会慎之又慎。他们可能就会就同一个病例，在不同的AI产品之间进行比较，然后再结合自己的经验，给出一个最终的判断。

那么哪个AI厂商给出的结论，和医生自己的经验，更加吻合匹配，它给医生带来的好感，就会更多一些。

2.6 心有余而力不足

在出差的过程中，研发的另一个小组，去往了辽宁的一家医院升级。第二天当我在江苏这边医院的时候，那边的同事打来电话，说有一个数据，接收图像后，被我负责的组件给拦截下来了，无法进行后续的流程。由于我当时在应付眼前的事情，因此无法顾及到他们那里的事情，只好把这个问题，交给另一个同事。由于同事不是很熟悉这块的逻辑，所以解决起来也比较费力。

而当我们拜访医院主任的时候，他们提到的很多产品的问题，和改进建议，我当时真的觉得自己无能为力，自己能够在现场解决的问题，实在是太少了。

比如为什么，我们的脑灌注产品，已经分割出了病灶，但却没有计算出梗死的区域和体积呢；比如，为什么我们的一个产品，就是处理不了某家医院的数据; 比如，我设定的一个通用规则，为什么在这家医院，就是无法通用，需要再加特殊的逻辑，才能兼顾; 等等，诸如此类。

这些问题，在医生看来，就是你的产品设计有缺陷，无法满足他们的工作需求。如果在办公室的时候，离客户很远，一般都是运营的同事，会发一些微信上面的截图，比如医生又抱怨，怎么看不到结果哦，怎么结果不对哦，或者医生直接开始骂娘了。隔着屏幕，是永远体会不到哪种场景的。

然而，当你对面就是医院的放射科主任，对着你，在评论你们的产品不行的时候，你真的是会无地自容。想着，我怎么就代码不能写得再好点呢，怎么就不能兼容这种情况呢。

但现在的产品，真的是非常复杂。个人的力量，真的还是很小的。产品功能涉及的人员众多，我只能了解我负责的那些组件。别的组件的问题，想解决我也解决不了。只能是带着主任们的各种问题，踏上回京的高铁，希望能够把前线的问题，都反馈到相应的部分，尽快解决。

当我第二天回到公司时，再去看当时辽宁那家医院出的问题，其实就是我新写的一个功能，当时测试时，没有涵盖所有的情况，漏掉了一种情况。而这家医院，偏偏就是我漏掉的那种情况。回到公司，其实明确问题后，改起来就很快了。

但是在当时的情况下，是很难现场马上就解决的。同事回来说，他住的酒店离海也就5分钟的车程。但是由于第二天升级出了这个问题，就只能呆在医院了。最后赶高铁，也就没有时间看海了。

而我本来计划去一家医院升级，但临时又加了一家。最后也是紧紧当当地，从昆山又坐车赶回苏州的高铁回京了。

当时自己非常自责，如果我事先能够把那个问题发现并解决。同事就不会陷在医院出不来了。

台上一分钟，台下十年功。我还是应该更加注重平时的细节，在办公室就安心地解决好问题，让现场的销售，运营和执行同事，能少受一些医生们的抱怨和责骂吧。

2.7 产品需求和它落地的场景

在出差去医院的路上，和同车的运营同事聊天。他们说到了我们开发的一个功能——例数卡的用处。

因为对于大医院，不差钱，所以可以一次性花几十几百万，购买一整套服务；但是对于小医院，由于他们财力有限，无法一次性购买软件。因此，他们就会选择例数卡模式。

就是根据医院每个月的手术量，购买一定的例数。当例数快用完的时候，再继续充值购买例数。就跟玩游戏的时候，买游戏币，是一个道理。

我当时觉得，在我们研发看来，例数卡，开不开，就是后台一个配置的开关。但是，这个开和关，却面对的是，截然不同的客户群体。

还要，我们在接收图像进行AI处理时，引入了白名单机制。如果开启白名单，那么只有白名单内的IP，我们才会处理；如果是非白名单内的IP, 那么我们是不会理会的。这个主要也是针对一些县级医院，或乡镇卫生所，体检中心。他们的CT机相对比较少，量也比较少，就会使用白名单的机制。只有白名单内的CT机器，拍摄的图像，才会被AI处理。

还有之前提到的脑灌注。我们会在产品界面，提前将低灌注的区域，用伪彩色标出来。低灌注的区域，就是血流量低的地方。那么这个低灌注的地方，很可能就是患者患有脑部疾病，如脑梗死的重要指征。医生就会认真对待AI给出的区域，仔细地去测量和分析，做出更好地诊断。

......

通过出差，我平时见到的一个个配置和功能，都转化成了一个一个的医疗场景。AI现在，的确是已经进入了医生的工作流当中。而如何能够让医生在AI的加持下，变得更强大，是我们作为研发的巨大动力。