无论是“4+7”药品集采、DRG国家付费试点、新《药品管理法》的出台，亦或是《医药代表备案管理办法（试行）》的推出，随着国家监管政策愈趋严格，似乎都在指征着这样一种事实：合规要求越来越高，学术推广是大势所趋。

新药上市的宣传、推广、准入、医保谈判等时间窗口变得更短，市场利润周期显著缩短。疫情之下，医疗数字化的布局发展更是成为药企发展战略上必不可少的话题。而医学事务专员这一为新药上市、医院准入和医保谈判提供支持的角色，在时代的发展与疫情的冲击下，显现的作用愈发明显。

这一时代发展的风口不仅是为广大人群提供了新的择业选择，还预示着更好的市场机会。众所周知，与医学事务这一身份紧紧相随的，是医学数据。大数据时代，数字化战略是药企未来重点发展战略清单上必不可少的一项，也是构筑药企竞争力的核心要素。

似乎是早早嗅到了市场发展的机遇，亦或是机缘所在，2016年，马磊带着一批微软出身的团队，创建了Atman，在生物医学领域盘踞并扎下根来。

作为一家人工智能技术公司，Atman自成立以来，长期从事自然语言理解、机器学习推理及自主学习等核心技术的研究，致力成为医学领域的语言智能专家。作为一家技术主导的医学智能公司，Atman专注于研发创新的智能产品和平台，为医学客户提供机器翻译、机器写作、知识图谱、循证医学平台等智能产品，帮助客户大幅缩短信息处理周期、降低信息处理成本、提高业务创新效率。

在机器翻译和行业数据领域，Atman已经形成涵盖各种场景解决方案的产品阵列，能够为行业用户提供最适合的解决方案，目前主要服务客户涵盖了50多家MNC药企、中国本地明星药企和若干CRO企业，其中包括世界TOP10的知名药企。

由于核心技术的不断创新，Atman两次被权威机构评选为年度“人工智能创业50强”，并荣获2019国际机器翻译大赛中英双向生物医学赛道的“总冠军”。

作为一家聚焦医学领域的人工智能技术公司，Atman目前形成了两个业务板块：语言智能和医学智能。

语言智能业务板块主要是发展以NLP为主的人工智能技术研发和应用。目前Atman主要发展的技术是机器翻译技术和文档分析技术。值得一提的是，Atman文档分析的针对对象不仅包括文本文件，还包括多媒体文件，比如语音、视频、图像以及富媒体文档等。

Atman格式保留的翻译，生物医学复杂格式对照阅读

而机器翻译技术方面，Atman机器翻译平台——爱特曼云翻译(ACT)是一个SaaS化的辅助翻译平台，拥有百亿高质量语言资产，实时增量学习技术持续优化模型，助力提升翻译的精确度和流畅度。其自主研发的神经网络机器翻译引擎会持续不断地加深医学行业知识广度与覆盖程度。

据Atman创始人兼CEO马磊介绍，在大多数医学领域，Atman的机器翻译基本上可以达到初级译员的水平，只需再经过少量的校对就可以达到专业级别的应用效果。

此外，对于一些进行了特别优化的应用场景，Atman已经能够做到无人化，可以直接接入第三方的软件系统使用，例如药物警戒（PV）领域。对于有一定数据积累的客户，Atman可让机器翻译做进一步的学习和优化以达到最好的翻译效果。

Atman的智能翻译在医药领域的应用非常广泛，从早期研发到后期临床，从制造到市场都有覆盖：临床前、临床、药物生产、药物警戒、诊断设备、实验耗材等都在Atman的专业翻译领域。若从商业模式的角度进行分析，马磊表示，Atman智能翻译在医药领域的应用主要可分为存量市场和增量市场两个维度。

“典型的存量市场是新药注册场景。注册场景传统的做法是药企在短时间内（上市前）将注册文件包给翻译公司来做，从而解决翻译量大、时间紧的问题。这也是传统翻译公司主要解决的需求。”马磊介绍到，在此种场景下，机器翻译可以帮助翻译公司提升效率，显著缩短翻译时间。

除此之外，马磊表示，“随着人工智能技术的不断发展，机器翻译除了提升效率之外，还兼有安全性高，实时响应，质量稳定等特点。”而这样的特点催生了一系列只能适配机器的增量场景。这些场景包括：不良反应的归集和流转，研发、生产、协作内容的交流和归档，文档阅读和写作等。

医学智能业务板块主要是发展人工智能技术在药械领域的研发和应用。这些技术主要包括内容搜索、知识提取和分析以及内容生成等。符合这些特征的应用场景在医学领域主要有三大块：在早期药研的时候用来定研究路径；在临床实验的时候用来总结实验数据；在产品上市后回答医生问询。

Atman在该板块主推的循证医学平台产品是其在医学事务领域的落地应用，集成了机器翻译、机器写作、知识图谱等多项先进技术。整体说来，循证医学平台产品包含了自动化证据发现、协同证据管理、智能化分析和总结医学证据的三方面功能。

在证据发现方面，Atman统一了不同数据源的数据，用一致的用户界面提供垂直搜索，并且可以根据治疗领域的不同增加数据源。用户还可用中英文混合的方式进行数据检索。该应用直击医学事务人员传统工作痛点。

在早期，医学事务人员为了全面收集医学证据总是费时费力:药品信息、临床试验、文献、指南每个方向都有多个数据库，每个数据库的检索式还都不同；医学专业术语繁杂，为了中英文数据都能检索到，医学事务人员需要查证不同语言正确的表达方式；由于现有的检索工具只能通过字面意思匹配，医学事务人员要么找不到相关文献，要么找到几十篇、甚至上百篇文献，沉溺于知识的海洋……该产品的推出无疑能大大提升医学事务人员的工作效率和愉悦度。

在证据处理方面，Atman根据材料自动找寻证据或关联证据。根据知识图谱，Atman自动对治疗领域建立证据体系。为方便用户进行分享，证据数据可以通过互联网方式传播。这样一套证据体系，对内可帮助药企建立产品竞争策略，设定有效研发策略；对外可推动药企从简单销售模式向学术营销转型，推动临床医学从经验模式向循证模式转变。

在智能化分析和总结医学证据方面，Atman形成了知识图谱。从开放的文献到要版权的研发数据，从文字表述到实验数据图表的记录、甚至交流思想的多媒体文档……Atman从这些分散的数据中提取有效信息点，并关联起来形成知识图谱，进而完成了医学证据的定性和定量分析，甚至形成新案例的解决方案等。

在研发的过程中，马磊团队做了大量的用户访谈，包括直接把用户引入到产品的迭代过程，从而保证产品的需求是潜在客户的真实需求。

虽然开放的医学相关数据本身规模够庞大，但相对封闭的部分——医学研究机构的自研数据，是各家企业的重要资产。如何让客户放心与自身进行深层次的合作，应对数据壁垒？

Atman采用的通用方法是：通过公开数据让机器学习通用的数据处理能力，然后把这种能力应用在共有数据和私有数据的场景下，从而保证客户的私有数据安全。

马磊告诉动脉网，在服务客户的客户中，Atman始终坚持客户第一的服务理念：把保障客户的资产安全、客户的合规要求、客户的需求保障放在第一位。也由此，Atman用产品和服务质量赢得了客户的口碑。

“我们很多的新客户是通过老客户的认可和推介得来。”马磊高兴地表示，客户如此的信任和肯定，是他们继续优化升级产品和业务的强烈动力。

“创业，并不是人生的第一次。其实，我算个老兵。”马磊如是说道。

据马磊透露，还在清华读书的时候，他就创建过一家公司。但或许是受“学生时代就该先做好学生的事情”的思想，当时的马磊并没有马上走上完全投身创业的道路。毕业后，马磊出了国，去了微软，踏上了一条在多数人看来不错的成功之路。

“或许是我们从小就听着柳传志一类创业先锋的故事长大，创业梦想的火苗在我们的心中从未熄灭。”马磊的思绪似乎飘向了远方，“在微软工作3年后，我辞职出来创业。当时（2009年）做的事情，是语音识别技术方面的应用，用于外语教学，但我们当时走的比较传统的渠道——出版社，缺乏了一定的对市场风向的考察，加上我们团队（纯技术研究员）的落地能力有限，在经过深思熟虑后，我们决定回到微软，再进行深一步的布局。”

两年后，马磊带出微软团队，继续回到创业轨道。基于从前创业经验的累积，这一次，马磊团队显得信心十足。

“在早期的时候，Atman的核心团队完全来自微软，带来了优秀的产品落地能力以及对人工智能技术的应用能力。人才方面的优势让我们研发出了顶尖的技术：机器翻译、首创机器写作，知识图谱相关的数据获取、提取、分析、推理、应答……通过把优势的技术转换到产品中去，形成了Atman现如今的语言智能业务板块和医学智能板块。”马磊表示，这些产品为Atman赢得了Top 10的跨国药企客户，以及大量的国内药企、CRO、研究机构客户。

如今，经过几年的增速发展，Atman已经汇聚了来自微软、百度、北大、清华、北邮等知名企业和院校的高端人才和资深技术人才，团队目前有60余人。

谈及未来发展战略，马磊归结为“一个中心、一条主线、两个基础”：

“未来，Atman会持续以客户为中心，不断积累药企客户，把业务做好，把产品矩阵做好；公司的产品和业务主线会继续向生物医学的纵深应用发展；而沉积医学数据——从静态数据（如文献、数据库）到动态数据（用户行为），沉积尖端技术，整体服务公司的产品矩阵，就是我们不断发展的根本基础。”

接下来，Atman如何通过更加积极的市场化方式，把前沿的智能技术、优质的产品和服务带给更多客户，为更多药企赋能增效，让我们拭目以待。