近日，推想科技发布 AI 学者科研平台 InferScholar® Center，该平台为更多的医生提供零门槛的 AI 科研能力，让医生可以快速将深度学习、影像组学以及文本数据处理相关的前沿技术应用到自己的临床科研实践中，他们将为平台上的医疗科研人员提供基础模型以及临床研究的各类开发、培训、辅助等服务。

推想科技方面表示，InferScholar® Center 可提供临床科研全流程的可视化操作，并且预置了深度学习模型和影像组学算法，医学研究人员无需进行任何代码编程即可开展 AI 医学研究。当然，InferScholar® Center 也支持创建、修改、编辑模型源代码的功能，使具备代码基础的研究人员可依据个性化需求编辑预置模型代码或创建全新模型。

据了解，在挖掘医学大数据价值的同时，InferScholar® Center 考虑了医学临床科研的安全性需求，采用软硬件一体机的方式，直接交付到医院，做到数据不出院，保证医院所有的科研数据、模型算法、研究成果均无泄漏风险。

具体而言，推想科技 AI 学者科研平台 InferScholar® Center是一款集软、硬件一体的医学人工智能专用设备，可用于医学影像大数据管理与分析、数据标记、深度神经网络模型构建、影像组学特征提取、组学特征分析与机器学习模型构建等研究。它可应用于 X 线、CT、MRI、PET/CT、病理切片、消化内镜等多种影像数据深度学习与影像组学建模。除医学影像数据外，InferScholar® Center 同时还能够合并利用临床结构化文本信息，研究各类医学命题。

在 InferScholar® Center 平台上，医学专家可自主选择孵化 AI 的数据、模式、逻辑、参数等，将让 AI 更加契合医疗业务特性，并从临床角度获得更多科研成果。其模型研究和孵化工具，可广泛应用于肿瘤、心血管、神经系统、呼吸系统等疾病影像检查的智能化、精准化研究，尤其是对于疾病早期诊断、治疗监测、预后预测的影像人工智能研究具有重要价值。

从市场需求来看，需要回答两个问题：AI 学者科研平台是否是医生的小众需求？该平台在医生实际使用过程中究竟能为科研带来多大助益？

推想科技方面表示，随着医疗信息化水平的提升，医疗设备的升级，医疗数据无论从数据量、数据产生的速度或是数据种类，一直保持高速增长。大数据颠覆了临床、科研对医疗数据的利用方式，能否让海量医疗数据发挥最大的医学价值，成为关键所在。

此外《中国医生生存现状调研报告》显示，77% 的医生曾一周工作超 50 小时，更有 24.6% 医生曾一周工作超过 80 小时，导致学习和使用基于大数据的AI模型的处理和运用对医生是一个巨大的挑战。

因此，越来越多的医学研究者不仅希望使用 AI 产品，也希望结合自身的医疗大数据和临床经验优势，进行 AI 方面的自主临床研究。推想科技推出如今推出 InferScholar® Center，显然是希望将 AI 科研服务能力开放给更多的医院与医生，通过其零门槛的易用性激发医者的主动性，从而进行自主的临床和研究实践，加速 AI 在医疗领域的应用进程。

至于该 AI 科研平台会给医生的医学研究带来多大裨益，还得看后期部署系统后医生会利用该平台产出的科研成果。

（本文为 AI大本营转载文章，转载请联系原作者）