AI 产品经理和普通产品经理的工作，区别主要在于，随着特定行业的不同，而会有些许不同。其实没有本质上的区别，需要掌握的技能都是一样的。
个人比较认可有本书写的，“各行业所通用的‘需求分析’等，已经逐步成为产品经理的基本技能，对特定行业、业务了解的深入程度，才是未来产品经理的核心竞争力。“
根据从事AI医疗影像辅助诊断产品工作经验，我尝试说明下，AI医学影像产品经理的工作职责——在产品的不同发展阶段，分别需要做什么。个人刚入行不久，如有不足，还请拍砖。
一、需求分析
在初期处于产品定义阶段时，产品经理需要思考为什么做、怎么做。
跟普通产品一样，思考为什么做，需要考虑原本有什么行业痛点、我们这么做有什么用户价值、商业价值；并且在前期探索阶段，更多是考虑用户价值。
对于AI医疗影像类产品来说，用户价值、商业价值是基于临床价值的，临床价值越大，AI解决这类疾病更有价值。对于产品经理来说，基于此，可做出病种规划的优先级。
临床价值可以从医疗市场供给与需求两方来衡量，即医生与患者。对患者来说，可以用某个疾病的患病人数、患病率、恶化率等来衡量。对于医生来说，可以从医生的供给人数、工作效率、漏诊率、误诊率等来衡量。
比如在判断是否做图像识别类糖尿病视网膜病变产品时，那就需要判断几个问题，比如每年会有多少人因糖尿病而视网膜病变？这个疾病严重吗？是否很难治疗？从事治疗疾病的医生足够吗？医生治疗是否容易漏诊、误诊？
二、竞品调研，寻找解决方案
已经确定了为什么做之后，接着就是求解最优解决方案，产品经理为此需要做竞品调研，抽象出问题本质，并归纳应用场景的解决方案，这也是比较困难的部分。
最近，我看了至少20家AI医疗公司官网的产品，感受到B端产品调研之难，尤其是AI医学影像产品，难点如下：
1.AI医疗这个赛道刚起跑不久，大多数产品在研究阶段，直接出成果的竞品少。之前我看了近30家公司，做一样产品的竞品公司只有1家。
2.大多数公司的官网无影像概念图片，无宣传片，寥寥几句话介绍，信息含量太少，获得有价值的信息点相对更困难。
3.AI医学影像辅助诊断产品相对封闭，难以体验，不像一些开放平台或者C端产品可以注册体验，因而难以从自我体验中评价好坏。
当然也有解决办法：
第一，寻找间接竞品，研究类似功能。比如你要做AI乳腺超声辅助诊产品，那么你可以研究AI肺结核辅助诊断产品。
第二，从寥寥几句话中，找到重点突出的信息，查找论文文献，逆推要解决问题以及方案可行性。这是从饭团成员@我偏笑 这位大佬书中得到的启发。
第三，医疗行业壁垒高，与行业内人士交流会是最高效的方式，包括但不限于同行业从事者、医生。
三、制作产品demo，推动合作
找到解决方案之后，那就需要找到合作医院，洽谈合作意向，通常是通过科研合作的形式。
双方的利益接触点在于，医院有科研需求，我们有产品落地需求。在合作没有达成之前，产品经理需要做的就是制作产品demo和相关文档材料，去医院宣讲。
双方达成合作之后，就需要申请基金，基金申请材料的撰写也是产品经理工作的一部分。
四、产品设计与迭代
与普通产品经理一样，需要做产品需求文档撰写，与研发、设计等团队合作推动产品上线，如何落地到合作医院是比较关键的一点。落地到合作医院，有不同的形式，做的最好的是能嵌入到临床工作流程，与医院系统打通。差一点的就是，部署前置机，离线的方式做数据传输。
文档的书写很重要，需要给用户一份清晰的产品操作手册。
此外，产品经理最重要的工作是，参与算法模型迭代，一方面是做好项目管理，把技术目标细化量化出来。另一方面收集用户的反馈，去医院拜访，不断完善算法模型。
五、技术框架
就我目前调研来看，医疗影像图片识别主流技术框架是深度卷积网络，CNN是一个典型的空间上深度的神经网络，符合图像识别的特点。
在普通的全连接网络中，每层神经元的信号只能向上一层传播，样本的处理在各个时刻独立。对于CNN来说，并不是所有上下层神经元都能直接相连，而是通过“卷积核”作为中介。同一个卷积核在所有图像内是共享的，图像通过卷积操作后仍然保留原先的位置关系。相当于多了一个先验知识，即数据之间存在空间相关性，比如图像，蓝天附近的像素点是白云的概率会大于是水桶的概率。
以上，就是我对AI医学影像产品工作职责的总结，作为刚入行的小白，还在学习当中，欢迎同行指正和一起交流。
网友评论