圖片來源：圖蟲創意

文 |易敏

來源 | 智能相對論（ID：aixdlun）

AI影像領域正在發生一些怪現象。

據前瞻產業研究院整理，2018年上半年AI影像仍然為醫療領域最熱賽道，上半年融資數量達15起，融資金額13.1億元，遠高于文本挖掘與知識圖譜、制藥科技其余兩個賽道。到目前為止，國內醫療影像AI公司就不下百家 ，其中活躍的就有推想科技、圖瑪深維、健培科技、體素科技、依圖科技、深睿醫療、匯醫慧影、視見醫療、華潤萬里云等。

但熱鬧的外表之下卻是寒冰般的現實。據新京報“尋找中國創客”記者報道，在AI產品扎堆的影像領域，一個三甲醫院可能同時安裝10余家AI公司的產品，醫生真正使用的只有一兩家。國外也有類似的景象，比如，今年5月世界知名AI公司IBM Watson傳出其醫療部門進行了大幅度裁員，裁員比例達50%至70%。

為什么這么多企業集中發力追的風口卻沒有被吹起來？

一、產業環境尚未成熟，應用落地還差臨門一腳

說人工智能在醫療領域的應用已經成熟沒人會信，尤其是AI影像在產業環境的成熟上表現的更為羸弱，這具體表現為3個方面：

1、產品效果存疑，病人隱私難保障。

對于AI影像相關的一些產品不少醫生依然表示質疑。上海市兒童醫院影像科主任楊秀軍就曾說道，“我們每天有大概600~700個病例收錄在PACS/RIS系統中，其中包括普放DR影像、CT影像、MRI影像及DSA影像等，這些數據暫時沒有被二次開發，目前，僅滿足我們的臨床和會診需求，包括查閱、調閱、教學、科研等。”“有很多軟件拿過來展示，我一看就是JUST PLAY”。而上海市第一人民醫院影像科主任王悍也表示，自己所在的科室沒有使用任何人工智能影像產品，一是參觀過使用人工智能產品的醫院，并未發現產品能夠提高醫生的工作效率，反而會影響醫生的診斷思路；二是病人的隱私得不到保障。對于數據安全，國家衛計委前副主任金小桃也曾表示，個人的健康醫療信息屬于隱私保護范圍，要依法嚴格管控保護，絕不能公開或泄露。

2、商業合作深度不夠，合作僅僅停留在科研層面。

因為機器需要更多的學習次數，AI需要海量的數據和醫生的結果判斷來不斷“喂食”，而現在最大的困難是：更多數據的積累。因為我國醫院數據庫的開放問題，醫療數據尚未實現互聯互通，國內醫療影像數據應用還處于起步階段，數據格式難以統一。眾多醫療影像公司以科研的合作方式從醫院獲得影像數據，但是僅僅依靠幾家醫院影像數據遠遠不夠，而且醫院與醫院之間的影像學數據因為醫院層級的不同往往數據也有很大差異。以圖瑪深維醫學科技有限公司為例，據IT時報報道，截至4月份，圖瑪深維已經與國內100多家大型三甲醫院達成合作，但這種合作仍然停留在科研層面。

3、相關注冊、準入、監管法律法規體系尚未形成，市場準入資格難獲取。

雖然AI影像發展迅猛，但一直有個問題制約行業發展，那就是國內尚無一家公司獲得醫療器械注冊證。到目前為止，國家食藥監總局給圖瑪深維、深睿、推想、點內等企業頒發了二類證，還沒有出現獲得三類證書的企業。也就是說，現在此類企業的產品僅具有輔助診斷功能，提供明確的診斷提示的產品需獲得三類證，“小助手”類產品的需求自然遠不及能夠實際診斷的產品，最有價值的產品肯定還是在診斷環節。據IT時報黃峰表示，自己曾與一些AI醫療影像創業公司的老總交流，了解到這些公司基本沒有收入，更不用談盈利。由于沒有準入資格創業公司當前只能將產品作為科研項目拿到醫院試用，現在盈利為時尚早。AI醫療作為全新產品之前并無審批此類產品的經驗和標準數據庫，醫療是一個嚴謹的行業，AI醫療產品還處于發展階段，如果以醫療AI產品為主要業務的公司長期不能通過CFDA，公司發展必將出現問題。

商業變現之前，市場化還得面臨四個問題

國內目前AI影像大部分集中在肺結節篩查這一塊，主要通過圖像識別進行閱片，從而標記出結節，減少醫生閱片的時間。北大人民醫院杜湘珂醫生表示：“AI并不能完全代替醫生，醫生看病不僅僅看圖這么簡單，AI完成的僅僅是診斷環節中一部分的工作。同時，AI的盈利與消耗也是巨大的現實問題。”目前來看AI在影像科應用時確實出現了以下問題。

1、應用不達預期，醫院與AI影像公司還需更多磨合。

據“新經濟100人”報道，2017年1-2月推想科技的產品已經在武漢同濟、上海長征、大連中山醫院上線，而后續問題也在這一段時間集中暴露：雖然醫院安裝了推想科技的產品，但是打開率和使用率不高，很多醫生不愛用甚至拒絕使用。部分醫院影像中心的電腦系統和AI服務器不兼容，打開服務器非常慢，而且在閱片過程中經常出現卡頓，本來應該減少醫生工作時間的AI似乎看上去并沒有達到目的。

2、企業扎堆肺結節，AI在識別圖片過程中標注的假陽性過高。

中國是肺癌大國，肺部影像數據充足，加上全球針對肺結節識別的研究最為成熟，因而大部分企業扎堆肺結節領域。AI測量顯然是比醫生肉眼觀察測量要精準許多，然而目前AI僅僅作為肺結節輔助篩查系統，仍然需要醫生進行二次審核。在Litjens et al.的報道中，深度學習算法的靈敏度達到了100%，但假陽性率也高達40%，由于部分肺與血管交界區域影像不是很清晰，系統容易識別為病灶，而這在臨床學上是沒有意義的。由于假陽性過高，醫生在二次審核時花費的時間過長，不僅需要判斷AI是否發生漏診，還需要排除假陽性的存在，這樣醫生的使用意愿就變得很低，這不是替他們節約時間而是增加任務。

3、醫生個性化差異大，使用習慣各不相同，擁抱AI or抵觸AI，落地醫院最終需要考慮“買單”問題。

AI醫療雖然是個風口，但是這次的合作單位跟以往企業不同，和醫院合作更需要考慮到每個醫生的感受，畢竟合作的主動權掌握在醫院。雖然不少AI產品已經落地醫院，但是初步效果并不佳，除了考慮到產品本身問題，還需要考慮到用戶問題。圖瑪深維CEO鐘昕曾表示醫生群體中對于人工智能持三種態度：一部分接受與支持，認為人工智能會為醫療帶來好的變革，這類人群以大醫院的醫生為主；另一部分排斥，部分醫生認為人工智能帶來的影響是好還是壞尚無法評判，因而對新技術的普及十分抵觸；有些醫生則是漠不關心，部分醫生認為人工智能真正能順暢地在臨床實現應用并帶來價值還很遙遠，對于人工智能的普及持“事不關己高高掛起”的態度。盡管AI已經成為大趨勢，但是合作伙伴的獨特性讓AI公司不得不考慮用戶買單問題。

4、大醫院人員較足，但對手競爭激烈醫院選擇權很大；而基層醫院，設備落后人員短缺，成本過大付費意愿不強。

對于大型三甲知名醫院，各大AI公司將它們作為在商業道路上最先搶占點。因為大型三甲醫院患者數眾多，數據樣本大且多樣化高，但是大醫院每年進修、規陪人員眾多，而且設備先進，使用的意愿沒有那么強烈。在合作意愿上，大醫院有更多的選擇性，當然會選擇性價比更高的AI公司。初創公司在與大醫院的合作上會變得更加激烈，一些產品性能體驗不佳的公司就會成為泡沫。而面對迫切需要AI來幫助醫生減輕負擔的基層醫院，AI公司會考慮到數據較少，樣本多樣化不高，占領基層必然需要更大的人力資源，運營成本。而且初期面對價格較高的AI產品，基層醫院收入不足，醫院付費意愿不高。是先占領三甲還是面向基層是大部分初創公司正在面臨的問題。

從目前來看，就肺結節領域來說，AI僅作為肺結節篩查的輔助工具，肺結節只是所有肺部疾病的一個小病種。而國內公開宣稱進行AI肺結節篩查的公司就有幾十家，想要在這個領域拿到準入資格，可想而知會面臨一場激烈的競爭，離AI能成功盈利還有很長一段距離。

哪里才能開花結果？

智能相對論分析師易敏認為至少需要考慮三個方面。

1、快速搶占三甲還是走向基層？目前來看，三甲醫院競爭異常火熱，對于早先獲得資本融資的公司有足夠的資金當然選擇搶占三甲醫院。搶占大型三甲醫院意味著獲得更多的數據，三甲醫院每日門診量在2000~4000之間，患者人數眾多意味著數據化的多樣性，如果在大型三甲醫院迅速占領了市場，意味著先在數據上向前邁了一大步。而相對來說，基層醫院更需要，當前國內基層醫院面臨的問題是：醫生緊缺，工作量大，設備老化，醫生診斷率相對三甲醫生要低。從上面這些問題分析，基層醫院對AI影像有更迫切的需求，比如翼展科技在人工智能方面的探索便聚焦到基層醫院，與昌都地區人民醫院試點合作，它希望能在基層醫院場景下快速實現人工智能診斷。

2、除了肺結節，AI影像還能去哪里發光發熱？ 目前國內推出的AI輔助診斷軟件已經有多家，大多數AI公司都是從肺結節項目切入，對其他領域的研發相對較少。放射科和其他科室原本可以用AI項目解決的研發需求和臨床需求都沒有被滿足。邵逸夫醫院放射科表示，即使肺部篩查產品也沒有做到盡善盡美，他們期待能夠在甲狀腺結節、乳腺結節、肝臟占位、前列腺等異常病變的篩查方向研發出更多的產品。由此可見醫生們的需求很多，但是產品同質化嚴重，只有不斷創新，讓產品多樣化，在更多領域找到突破口產品才會加速落地。

3、一旦CFDA落地，如何快速完成商業化？技術成熟后如何找準商業化模式，是眾多AI初創公司需要認真探索的問題。對于西門子，GE這類型大型醫療設備公司，它們已經在醫療領域深耕多年，相對于初創公司，它們有更為成熟的營銷模式，比如采用捆綁營銷：向醫療器械廠商尋求合作，將軟件與硬件設備捆綁銷售，或將產品功能嵌入硬件設備當中。

當然，產品的多領域發展離不開最終哪些用戶買單，如果全部分攤到患者頭上無疑偏離了AI的初衷，而醫療機構為此付費意愿并不強烈，因此眾人買單是更可行的一種商業模式。一方面可以面向體檢中心以及第三方醫學影像中心，出售軟件的使用權限，或收取一定的服務費用；一方面費用可由患者支出（匯醫慧影的電子膠片就是由患者買單。）；而另一方面后期AI影像篩查系統確實給醫生減輕不少負擔，醫院也是買單的客戶；如果后期產品能夠降低大病發生幾率，減少醫保開支，政府也可能是買單的對象。而對于最終各大公司會選擇哪種方式“買單”目前仍在探索之中。

總之，AI影像正在經歷一場“盛世危機”，誰是真AI，誰是假泡沫，只有經過市場驗證，才能看出誰是那個沒穿底褲的“裸泳者”。而對于多數創業項目來說，首先得保證方向對，才可能抵達終點，看到曙光。

【完】

智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。