源智暂时没有这方面的计划，医疗不比其他的领域，对用户的影响太大，对结果的准确度要求又高，不是一个轻易下注的好方向。
当然，不是说将来不做，只是现在还没有精力和资源去做。
但是韩路一没有明确拒绝，而是问道：「江总做的是哪个方向？」
「我最想做的是癌症早筛，治未病嘛，这是我的老本行。但是手头的数据不够，这个方向的进展太慢，为了快点市场化，我们主攻的是另外两个方向。」江九思苦笑了一声，「一个是病例结构化，把自然语言病历转成标准栏位；另一个是临床路径辅助，帮医生做初步提示，比如相似病例、用药风险、检查建议。」
韩路一对这个答案颇感惊奇：「病例结构化？这个还需要ai来做吗？」
他是网际网路出身的，在ai时代到来之前，网际网路企业的数据早就结构化了，就拿鼎盛的电商部门举个例子，用户搜索「女装」这个模糊的大类，出来的可能是可爱风、成熟风、纯欲风，具体看到什麽都是由後台的推荐系统决定的，推荐为什麽能做得这麽精准？
靠的就是用户和商品两端大量的结构化数据。
怎麽，在医疗领域的病例结构化还需要用ai？
江九思看来也不是第一次碰到这个疑问了，解释起来驾轻就熟：「你们做网际网路的可
能对医院的体系不了解。网际网路的数据是在网际网路上跑的，天生就是结构化的。搜索、点击、下单，这些数据後台都能直接入库，但医院可不一样。」
他推了推眼镜：「你们知道国内大部分三甲医院的his系统是什麽年代的吗？很多核心模块还是上世纪九十年代写的，那时候根本没人想过数据要结构化。医生写的是手写病历，扫描进去，就是一张图；就算打字录入的，也是自由文本，患者自述左上腹隐痛三天，饭後加剧这些只能人工读，想要在上面做数据分析，根本没法用。」
「而且，」江九思微微苦笑，「医院和医院之间的系统互不相通，同一个病人在协和看一次，去宣武再看一次，两边的病历格式完全不一样，甚至栏位定义都不一样。这种情况下，如果你要做大数据分析，第一步就是先把这些自由文本里的临床信息都挖出来、洗出来，标准化了之後，才能往下走。」
他端着香槟扫了韩路一一眼：「这个活儿，医院里根本就没人做。以前做这个方向的都靠人工，招大量的医疗数据标注员，成本高、速度慢，还容易出错。ai一来，总算有工具能处理这个，所以我才觉得是刚需。」
韩路一听着微微点头，从自己的实际工作中发觉痛点，找到解决方案，然後创业。和自己最开始做bugkiller倒是同一个路线。
不如说，很多半路出家的创业者都是这麽开始的。
赵文渊在一旁听着，已经被勾起了兴趣。
做模型训练的时候，医疗是个避不过去的强专业场景，也是行业内都在头疼的一个问题。
毕竟大模型回答出来的答案，用户是真有可能会信的，如果做错了诊断，模型公司要不要负责任？这个到现在都还是一个比较前沿的问题，也没有法律意义上的定论。
但是如果只是做非结构数据的数据处理的话「江总，为什麽不用雕龙？」赵文渊问道。
江九思被这话问得一愣，感觉不太好回答。
倒不是这个问题本身不好回答，只是现在这个场合明显是寻他科技的主场。