掃描145家中美創(chuàng)業(yè)公司：夢想更大，還是坑更大？,|,醫(yī)療人工智能報告

2016年09月18日訊 醫(yī)療領域人工智能的應用，激發(fā)了人們對未來的許多想象。計算機的運算速度快、儲存量大、質量穩(wěn)定且不知疲倦，如果能夠在醫(yī)療領域應用，必將能夠大大提高醫(yī)療質量和供給量，并最終降低醫(yī)療成本。加上商業(yè)前景的光環(huán)，醫(yī)療人工智能的探索真可以說是“引無數(shù)英雄競折腰”。

Part.1序章

1.1關于醫(yī)療人工智能的討論范圍

人工智能火得燙手。前些天一個同事說他下午剛報道了一個人工智能方面的項目，當天吃個晚飯的空里就有二十家投資機構上門要聯(lián)系方式。這種火法讓人依稀看到了曾經(jīng)O2O的影子，但愿歷史不要重演。同樣，醫(yī)療領域在這股浪潮中也到了一種神魂顛倒的地步，“智能”二字幾乎已經(jīng)是每家公司產品的標配?？墒牵斘覀冊谟懻撊斯ぶ悄艿臅r候，我們究竟在討論什么？

首先，我們來對醫(yī)療領域人工智能的應用做一個基本的設定：

①關于人工智能在醫(yī)療當中應用的終極想象，當然是電腦能夠替代人來為患者診斷、治療。這個理想并不是剛剛出現(xiàn)，至少可以追隨到上世紀六七十年代。只不過實現(xiàn)起來，理想與現(xiàn)實的差距太大。

②比直接用電腦替代人來看病的難度略低一些的是臨床決策輔助系統(tǒng)（Clinicaldecisionsupportsystem，簡稱CDSS），這是目前嘗試比較多、發(fā)展也相對比較快的領域。

③在實現(xiàn)人工智能的道路上，一個必備的條件積累醫(yī)療大數(shù)據(jù)。所以，在人工智能創(chuàng)業(yè)領域的一個“近親”，就是醫(yī)療大數(shù)據(jù)積累、挖掘和應用。也可以將其看做是實現(xiàn)人工智能的一個中間環(huán)節(jié)。

④向前再推進一步，就是獲取數(shù)據(jù)的問題。從醫(yī)療機構獲取數(shù)據(jù)是一個路徑，而且無捷徑可循；另外一個就是從患者端獲取數(shù)據(jù)，特別是通過可穿戴硬件來獲取患者的健康數(shù)據(jù)來實施健康管理。

從目前已經(jīng)觀察到的情況，有關人工智能在醫(yī)療領域探索大體有這么四種類型。如果單獨討論某一種類型，恐怕都不能完整的反應醫(yī)療領域人工智能的進展。所以，本文在討論人工智能的過程中將采取最廣義的概念，包含前述的四種類型。

1.2醫(yī)療人工智能的現(xiàn)實需求

人工智能的火究竟是虛火而曇花一現(xiàn)，還是方興未艾、志存高遠。況且，醫(yī)療是否真的需要人工智能么，還是僅僅是跟風？有關這些問題，可以從以下幾個方面來分析：

首先，醫(yī)療領域最突出的問題就是優(yōu)質醫(yī)療資源不足。這個問題不止中國存在。美國這幾年就經(jīng)常爆出醫(yī)生短缺的消息，最近還有預測說美國未來十年會短缺6到9萬名內科醫(yī)生。老齡化比較嚴重的日本也面臨這個問題的困擾，每千人口中僅兩人從醫(yī)。就連每千人擁有4名醫(yī)生的瑞士，近年也開始重視醫(yī)生數(shù)量不足的問題。而醫(yī)療資源不足的問題，在我國還會因為分布不均而加劇。

再加上人口老齡化的加劇，未來對醫(yī)生的需求量很有可能是有增無減。解決醫(yī)生資源不足的問題，在增加供給量方面，培養(yǎng)醫(yī)生需要周期；而調整結構則需要配套政策?；蛘吆唵蔚恼f，靠人來解決這個問題需要很長的時間，而且供給量也不是無限增加的。于是，人們開始寄希望于機器。因為一旦能夠實現(xiàn)機器看病，供給量將會是無限增加。

解決醫(yī)療資源不足，恐怕是對人工智能的最根本需求和發(fā)展動力所在。而醫(yī)療領域面對的另外一個問題就是費用支出持續(xù)增加，財政支出和社會負擔的壓力越來越大。醫(yī)療負擔上升是多種因素共同促成的結果，包括人口老齡化、慢性疾病增長、新技術的采用等。

人工智能在解決成本壓力方面被寄予厚望有幾個方面的原因：一是通過人工智能提高患者自查自診自我管理的比例，降低醫(yī)療支出；二是通過人工智能手段實現(xiàn)更早期發(fā)現(xiàn)、更好管理，減少后續(xù)的醫(yī)療費用支出；三是通過人工智能手段提高醫(yī)療機構、醫(yī)生的工作效率，降低醫(yī)療成本；再有就是通過人工智能制定科學合理的健康醫(yī)療方案，減少不合理的醫(yī)療支出。

此外，還有一些雖然不是急性且剛性的需求，但仍然提高了人們對人工智能的期待。比如機器的運算速度、準確程度、更新速度、穩(wěn)定性都要好于人工。比如腫瘤領域的研究論文，2009年到2013年，全球共產生了16萬份腫瘤相關的研究，平均每年3.2萬份。而到了2015年，這個數(shù)字已經(jīng)打動了4.4萬份，平均每天就有超過120篇新的研究發(fā)表。顯然，這已經(jīng)遠遠超出人類認知能力的范圍。

綜合這些因素，人工智能在醫(yī)療領域的應用，不僅有可能解決醫(yī)療資源短缺、成本支出增加的困境，而且還有可能帶來醫(yī)療能力、醫(yī)療體驗上的提升。從這兩個方面的需求來看，人工智能在醫(yī)療領域確實擁有相當廣闊的成長空間。

Part.2醫(yī)療人工智能的五十年現(xiàn)實

從現(xiàn)在面向未來，庫茲韋爾曾做出過預測，人工智能的水平超過人類智力的水平將在2045年出現(xiàn)。20多年后，奇點就將來臨的猜想讓很多人覺得過于瘋狂。實際上，人類對人工智能的想象，至少已經(jīng)有80年。1936，阿蘭。圖靈就提供了機器模擬人類數(shù)學運算的構想。二十年后，達特茅斯會議將人工智能確定成為一門科學。人類由此開始有計劃、有目標的朝人工智能的目標努力。

2.1早期醫(yī)療人工智能的嘗試

從1956年之后的二十年里，人類雄心勃勃。后來AlphaGo算法核心內容的雛形就在這個時期出現(xiàn)，即貝爾曼公式。而最早的一波在醫(yī)療領域進行人工智能探索的嘗試，也在這個時期出現(xiàn)。1972年，由利茲大學研發(fā)的AAPHelp是資料記載當中，醫(yī)療領域最早出現(xiàn)的人工智能系統(tǒng)。這個系統(tǒng)基于貝葉斯理論開發(fā)，主要是用于腹部劇痛的輔助診斷以及手術的相關需求。

在隨后的整個七十年代當中，又產生了不少新的成果。INTERNISTI于1974年由匹茲堡大學研發(fā)問世，主要用于內科復雜疾病的輔助診斷。這套系統(tǒng)在當時被認為極具價值，并于80年代在其基礎了開發(fā)了CADUCEUS和QMR系統(tǒng)，開始了商業(yè)化嘗試。MYCIN于1976年有斯坦福大學研發(fā)，主要用于血液感染疾病的輔助診斷。

此外，還有羅格斯大學開發(fā)的CASNET/Glaucoma，MIT開發(fā)的PIP、ABEL，斯坦福大學開發(fā)的ONCOCIN等。而且上世紀80年代，已經(jīng)有一些商業(yè)化應用系統(tǒng)的出現(xiàn)，比如前面提到的QMR（QuickMedicalReference），還有哈佛醫(yī)學院開發(fā)的DXplain，主要是依據(jù)臨床表現(xiàn)提供診斷方案。DXplain的知識庫中，已經(jīng)收錄了2200種疾病，和5000多種癥狀。

2.2早期醫(yī)療人工智能嘗試的局限性

事情并沒有預期的那么順利。在隨后很長的一段時間里，人工智能在醫(yī)療領域當中的應用并沒有取得特別明顯的突破。人們所期待的機器替代人看病的場景并沒有出現(xiàn)，反而越來越多的看到人工智能在醫(yī)療領域當中應用時的局限性。

在醫(yī)療服務當中，臨床診斷是最為關鍵的環(huán)節(jié)。而對于臨床醫(yī)生來講，只有當計算機能夠達到“專家”的水平時，也許才會應用。但診斷的過程過于復雜，存在著大量的“變量”。即便是專家本人的診斷，亦有相當多的不確定因素。這樣的話，對于人工智能的開發(fā)則需要理解專家從癥狀到做出診斷整個過程的邏輯，同時還需要將這種能力“教會”計算機。

再有，現(xiàn)在人們越來越多的認識到，要讓醫(yī)生愿意采用人工智能的系統(tǒng)，必須能夠有效的將新系統(tǒng)合適地整合到醫(yī)生原有的工作流當中。而且其實特別重要的一點是，需要讓醫(yī)生們相信，人工智能可以幫助他們改善臨床效果、提升工作效率。但目前有關這一點，似乎并不是那么確定。

德國夏里特醫(yī)院的學者曾經(jīng)對輔助診斷系統(tǒng)在五年應用當中，針對抗生素濫用的效果進行了研究。結果顯示，輔助診斷系統(tǒng)對抗生素濫用和臨床診療的改善起到了不錯的效果。但也有不少研究的結論，則并不讓人那么樂觀。

比如米蘭大學在2014年的研究就得出結論稱，輔助診斷系統(tǒng)并沒有明顯對死亡率產生影響；而倫敦帝國學院的在2011年對過去13年數(shù)據(jù)的研究則顯示，計算機在醫(yī)療領域的應用現(xiàn)實與理想狀況差距很大，并且迄今為止，沒有堅實的證據(jù)能夠表明輔助診斷系統(tǒng)能夠降低醫(yī)療成本并改善患者的治療效果。

總的來說，醫(yī)療人工智能方面過往的大多數(shù)探索都并不成功。不過，這樣的現(xiàn)狀只能說明醫(yī)療的高度復雜性，并沒有阻止人類在醫(yī)療領域探索人工智能的嘗試。實際上，IBM研發(fā)的Watson機器人醫(yī)生就在一路高歌猛進。除了技術本身的進步之外，Watson的實踐本身還有怎樣更重要的意義？

Part. 3Watson的意義

IBM在人工智能上的突破也不過是在最近十年當中取得的。1997年，“深藍”戰(zhàn)勝象棋大師卡斯帕羅夫之后的很長時間里，人工智能在輔助工作方面取得了很大的進展，比如處理繁瑣的公司文件。但距離真正意義上的人工智能，相去甚遠。以至于當挑戰(zhàn)“Jeopardy！”的提議第一次出現(xiàn)在IBM的時候，甚至引來噓聲一片。

《紐約時報》記載過一個故事，2006年，IBM測試自己的最先進系統(tǒng)在“Jeopardy！”當中的表現(xiàn)。結果人類冠軍答題的正確率是85-95%，而IBM系統(tǒng)的正確率卻僅有15%，顯得愚鈍不堪（slowanddumb）。語言識別是當時人機對話的主要困難。然而僅5年之后，以IBM創(chuàng)始人托馬斯。沃森明明的Watson機器人就在“Jeopardy！”當中擊敗了人類冠軍。

這可以算是Watson“醫(yī)生”的前傳。很快，IBM就將Watson應用的重點轉移到了醫(yī)療領域。

3. 1Watson成長史

在這次突破之后，吸取了深藍教訓的IBM開始了將Watson推向商業(yè)化應用的嘗試，而健康成為了他們確定的重點方向之一。那么IBM“訓練”Watson的教學方法是怎樣的？2014年1月份，Watson“自立門戶”，并推出Watsonfoundation將認知計算技術與大數(shù)據(jù)分析技術結合起來，奠定了整個Watson運作的基本邏輯。而Watson在健康領域的推進則是從2014年底開始的。

首先是Watson先后與蘋果、強生和美敦力三巨頭建立的合作。Watson和蘋果的合作包括兩個層面，一個是基于Healthkit面向普通用戶的數(shù)據(jù)采集和儲存，另一個是基于Researchkit面向研究人員的數(shù)據(jù)分析；與強生的合作主要是在關節(jié)、脊柱術前和術后的患者護理，以及慢病管理；與美敦力的合作，主要是通過美敦力的醫(yī)療器械采集糖尿病患者的數(shù)據(jù)，并為他們提供個性化的管理方案。

第一步還只是合作，很快IBM就掏出了真金白銀。2015年，IBM一舉并購了兩家醫(yī)療大數(shù)據(jù)公司Phytel和Explorys。Phytel公司主要是應用云工具，幫助臨床醫(yī)生為患者提供質量更好的醫(yī)療服務。而Explorys最初則是由克利夫蘭診所發(fā)起成立的公司，主要為醫(yī)療服務機構提供數(shù)據(jù)管理，服務全美360家醫(yī)院，擁有超過5000萬個患者的醫(yī)療記錄。

Explorys的患者數(shù)據(jù)覆蓋

完成了這兩家公司的并購后，IBMWatsonHealth正式成立。不過IBM的并購卻并沒有就此結束，2015年8月，IBM斥資10億美元收購醫(yī)療影像數(shù)據(jù)公司MergeHealthcare；2016年2月，IBM又花了26億美元收購了健康大數(shù)據(jù)公司TruvenHealthAnalytics。

Merge是美國的一家老牌醫(yī)療影像公司，用戶包括7500多家醫(yī)院、科研機構、藥企等。并購完成之后，Watson還將應用Merge的技術分析已經(jīng)儲存的超過三千億個醫(yī)療影像數(shù)據(jù)。TruvenHealthAnalytics服務超過8500個用戶，擁有超過2億名患者的診斷和醫(yī)療支出的數(shù)據(jù)。

到這時為止，IBM在不到一年的時間里在并購上投入了40億美元，給Watson補充不同類型的數(shù)據(jù)和分析技術。投入之大，足見Watson的“饑渴”。

3.2Watson商業(yè)化

現(xiàn)在Watson已經(jīng)相當強大，能夠讀懂非結構化數(shù)據(jù)，而且能夠在15秒內閱讀完成4千萬分文件。Watson需要商業(yè)化，只掏錢肯定是不行的，要賺錢就要盡可能擴大應用的范圍。而從IBM的應用推廣來看，除了在他們的北美大本營之外，Watson在亞洲的應用推廣進展非常好，在中國和印度兩個人口大國都有所斬獲。

2014年10月，IBM宣布與東南亞地區(qū)最大的私立醫(yī)院康民國際醫(yī)院達成合作，Watson將為康民醫(yī)院位于曼谷的醫(yī)療中心和其他16個國家的轉診辦公室提供服務。

2015年5月，在WatsonHealth成立后不久，IBM就宣布，14家美國和加拿大的腫瘤醫(yī)院將引進Watson，通過患者的基因測序數(shù)據(jù)來提供適當?shù)闹委煼桨浮?/p>

2015年12月，IBM宣布與印度的第三大醫(yī)院ManipalHospitals達成合作，Watson將幫助腫瘤醫(yī)生為患者提供診斷和治療。每年，有超過20萬腫瘤患者在ManipalHospitals醫(yī)院接受治療。

2016年8月，Watson落地中國，與中山大學附屬腫瘤防治中心、中國醫(yī)科大學附屬第四醫(yī)院、浙江省中醫(yī)院、復旦大學附屬腫瘤醫(yī)院等21家醫(yī)院達成合作。杭州認知網(wǎng)絡是Watson在中國的本地服務商。

此外，Watson在醫(yī)療領域還與Talkspace、Welltok、hc1等新興的移動醫(yī)療公司建立了合作。Watson將基于這些應用的數(shù)據(jù)采集，來為他們的用戶提供相應的醫(yī)療服務。

3.3“學以致用”的Watson

總結起來，IBMWatson的整個發(fā)展歷程可以概括為“學以致用”。

在Watson發(fā)展早期，IBM豪擲億金接連并購4家擁有醫(yī)療大數(shù)據(jù)的公司。而在此之前，Watson的“早教”階段，IBM也是一直抱著梅奧診所、MD安德森、紀念斯隆-凱特林癌癥研究中心、紐約基因組研究中心等美國幾家王牌醫(yī)療機構的大腿。

這個思路也被Google的DeepMind延續(xù)了下來。今年六月的信息，DeepMind與NHS達成了合作，能夠獲取超過160萬患者的醫(yī)療健康數(shù)據(jù)。而很快就有類似MedConfidential這樣的組織質疑Google獲取患者數(shù)據(jù)的正當性。

相比于學，用的部分同樣重要。尤其是讓醫(yī)生相信人工智能的作用并在實踐當中應用，這個過程仍然需要大量的市場教育。而從IBM的策略中也可以看出，選擇腫瘤這種剛需又優(yōu)質醫(yī)生短缺的領域是其重點方向。ManipalHospitals的CEODrAjayBakshi談到，在印度平均每位腫瘤醫(yī)生要服務1600名腫瘤患者，而且隨著腫瘤發(fā)生率的上升，這種短缺還將加劇。另外，在中國市場，IBM也很明智的選擇了本土的運營商來做市場開拓。

但Watson也并非沒有問題。Watson主要解決的是腫瘤領域的疾病，尤其是肺癌、乳腺癌、結腸癌等。這幾種癌癥雖然日漸高發(fā)，但問題是究竟Watson會有多大的用武之地是存在疑問的。除非Watson能夠成為診療路徑的一部分，但這恐怕又是難上加難。

Part.482家美國公司和63家中國公司

盡管Watson和DeepMind有IBM和Google這樣的強大靠山，但他們在醫(yī)療領域也僅僅是入門級。眾多醫(yī)療創(chuàng)業(yè)公司還有巨大的成長空間。本節(jié)，我們對中美兩國在人工智能領域的創(chuàng)業(yè)公司做了一個基本梳理。其中，包括美國的82家公司，中國的63家公司。美國公司的數(shù)據(jù)主要參考了CBinsights的整理，而中國公司的數(shù)據(jù)則主要來自公開報道。

對這些公司的梳理首先遵循了我們最初設置的定義，即廣義人工智能。從數(shù)據(jù)監(jiān)測、采集、分析、應用、輔助診斷到電腦醫(yī)生，各個類型的公司都在其中。

4.182家美國公司

首先來看美國公司。整體上，82家美國公司分成了7大類，分別是醫(yī)療影像類、健康管理類、醫(yī)療服務類、機構信息化、藥企研發(fā)類、醫(yī)療大數(shù)據(jù)以及基因檢測。當然這是個很粗的分類，每種公司的類型和歸屬并不是那么清晰。分類只是幫助我們認識，有哪些角度可以成為人工智能探索的切入點。以下來逐一分析：

醫(yī)學影像類美國公司在影像領域主要也是基于人工智能、深度學習的技術，幫助醫(yī)生更快更準確的讀取病人的影像數(shù)據(jù)，以更好的做出診斷。CBInsights的判斷，這個領域的創(chuàng)業(yè)公司正越來越多。2015年以來，已經(jīng)有17家公司完成首輪融資。但這至少說明，影像分析這個事兒在美國投資者是認可的。

健康管理類這里主要把對個人的健康管理和以個人用戶為主的可穿戴設備，都歸入其中。這類公司主要是用戶個人的健康數(shù)據(jù)來預測疾病風險、提供健康管理方案?？傮w看，這類公司在美國也并沒有出現(xiàn)什么新的花樣。不過，這倒是在醫(yī)療人工智能領域少有的直接toC的服務。

醫(yī)療服務類在醫(yī)療服務方面應用人工智能的嘗試是最多的。這類公司包括兩類，一類是由醫(yī)生提供在線的咨詢服務或機器版的手機醫(yī)生；另一類就是通常所理解的臨床診斷輔助系統(tǒng)，包括早期篩查、診斷、康復，手術風險監(jiān)測，用藥安全等，而且會分不同領域，比如血液、睡眠、神經(jīng)、心理等。

機構信息化這類公司主要是通過數(shù)據(jù)監(jiān)測和分析的方式，幫助醫(yī)療機構提升運營效率和診療效果，降低支出成本。美國的醫(yī)療機構市場化占主導，而且商業(yè)保險公司發(fā)育比較充分，這些因素也促使醫(yī)療機構更加注重效率和成本的，為機構信息化類的創(chuàng)業(yè)公司提供了市場空間。

藥企研發(fā)類新藥研發(fā)的需求特別明確，就是解決成本高、周期長的問題。有研究顯示，一種新藥研發(fā)的成本已經(jīng)接近26億美元，平均需要10-15年的時間。瞄準這個痛點的創(chuàng)業(yè)公司，就是希望通過應用大數(shù)據(jù)和人工智能的技術，來幫助藥企縮短研發(fā)周期、減低成本。

醫(yī)療大數(shù)據(jù)這個分類相對比較模糊，因為實際上其他幾個類型都離不開醫(yī)療大數(shù)據(jù)。不過，這類公司相比而言更加注重數(shù)據(jù)本身的研究和分析。比如鼎鼎大名的Flatiron，就是搭建腫瘤大數(shù)據(jù)平臺、累計腫瘤患者數(shù)據(jù)，并通過對數(shù)據(jù)的研發(fā)和分析服務臨床、科研、新藥以及患者治療。

基因測序基因測序公司這里列舉的比較少。這類公司有點“跨界”的性質。基因測序本身實際上是人體本身的數(shù)據(jù)化，并通過對這些數(shù)據(jù)的分析提供精準治療。但基因測序的數(shù)據(jù)由于通常的醫(yī)療大數(shù)據(jù)含義不一樣。但也可以理解，未來人工智能和精準醫(yī)療在基因測序這個環(huán)節(jié)上，也許是連通的。

總體來看，美國創(chuàng)業(yè)公司主要面向藥企、醫(yī)療機構等B端提供服務。而且，這些服務仍然主要是在輔助診斷系統(tǒng)、大數(shù)據(jù)挖掘等方面，可見美國整體上在人工智能上的探索進展也比較有限。

4.263家中國公司

與美國公司類似，中國公司的大體分類也包括醫(yī)療大數(shù)據(jù)、機構信息化、醫(yī)療醫(yī)保類、醫(yī)學影響類、醫(yī)藥研發(fā)類、健康管理類和基因測序了。這61家公司僅是統(tǒng)計到的部分創(chuàng)業(yè)公司，也歡迎各相關領域的創(chuàng)業(yè)公司主動與我們聯(lián)系尋求報道。

同美國公司相比，中國公司大體上呈現(xiàn)了這么幾個特點：智能化程度不夠高，不少醫(yī)療類的項目主要還是在線咨詢服務；toC類產品仍然占據(jù)大多數(shù)，B端服務開發(fā)不足；醫(yī)療機構信息化領域比較活躍，主要是解決機構信息互聯(lián)互通的問題。

對比美國的公司，中國在醫(yī)療人工智能上還有哪些成長的空間：

首先是輔助診斷系統(tǒng)，應用人工智能為醫(yī)生診斷提供幫助，提高效率和準確性。中國公司目前與醫(yī)療機構打交道更多仍然是獲取醫(yī)療資源，提供簡單的在線咨詢服務。但這種對互聯(lián)網(wǎng)的應用方式，已經(jīng)顯得普及化、大眾化，漸漸失去了商業(yè)價值。

第二是服務醫(yī)藥器械企業(yè)，降低藥品和器械的研發(fā)成本、縮短研發(fā)周期。實際上，中國公司不缺乏服務藥企的的項目，但大多數(shù)僅僅是應用互聯(lián)網(wǎng)做藥品營銷。雖然這也是一個賺錢的業(yè)務，但相比直接服務新藥研發(fā)，仍然顯得技術含量不足。

第三是醫(yī)學影像，這里包括普通的影像，也包括病理、放療涉及到“讀片”的大影像概念。IBM收購Merge表明，讀懂影像類數(shù)據(jù)對人工智能的發(fā)展是有價值的。而且美國過去一年的投資記錄也可以看到，美國投資人對影像類人工智能的應用也比較看好。

總體上，中國公司在醫(yī)療人工智能方面的探索仍然遜色于美國。但這也許是多種因素作用的結果。而中國因為人口龐大而在醫(yī)療大數(shù)據(jù)上的巨大優(yōu)勢，還沒有充分發(fā)揮出來?；蛟S，在瓶頸突破之后，趕超美國公司只是時間問題。

本文地址:http://www.mcys1996.com/jiankang/271937.html.

聲明： 我們致力于保護作者版權，注重分享，被刊用文章因無法核實真實出處，未能及時與作者取得聯(lián)系，或有版權異議的，請聯(lián)系管理員，我們會立即處理，本站部分文字與圖片資源來自于網(wǎng)絡，轉載是出于傳遞更多信息之目的,若有來源標注錯誤或侵犯了您的合法權益，請立即通知我們(管理員郵箱：douchuanxin@foxmail.com)，情況屬實，我們會第一時間予以刪除，并同時向您表示歉意,謝謝!

上一篇: FDA證實，Sarepta的“對頭”···

下一篇: 婦科疾病總是很纏手怎么辦