医疗影像与AI相结合，如何才能实现其商业价值

医疗影像AI火起来应该是在两年左右，“现在热度非常高，已经进入了关键阶段，AI的发展也进入了深水区，医学影像AI到底能够解决什么样的问题？产品聚焦到什么领域？上下游产业怎么紧密结合？产品怎么解决临床实际问题？其实还有一系列的问题。”

2017年年底，郑众喜在华西医院参加了一场人工智能研讨会，很多科室都谈到了医疗影像AI，医生们认为AI需要在大量精准专业标识的影片基础上才能做到智能。

华西医院于2017年7月宣布成立医学人工智能研发中心，当天一场消化内镜人工智能演示中，通过云端上传了12张检查图像，不到10秒筛选出息肉、新生物（癌症）和静脉曲张三种消化内镜检查常见结果，准确率分别为92．7%、93．9%和96．8%。

彼时，阿里健康与万里云联合推出医疗AI产品“Doctor You”，宣布正确识别肺结节达到90%以上；一个月后，腾讯推出医疗影像AI产品“觅影”，对早期食管癌筛查准确率高达90%。

“准确率超过90%”、“速度击败医生”，一个个关键词仿佛让AI成为了医疗矿藏的密钥，AI医疗影像、AI辅助诊疗、AI药物研发、AI健康管理，正待来往的人们挥起“铁锹”。

“现在很多公司这个也人工智能、那个也人工智能，其实真正需要人工智能的是两个地方，一个是连人都很难诊断的，比如病理；另一个是工作多得人已经做不过来了。”华西医院教授郑众喜告诉钛媒体，“在癌症诊断、病理界，我们非常期待拥抱人工智能。”

作为AI在医疗领域应用最快的领域，医疗影像AI在2017年涌入资金超过40亿元，据钛媒体潜在投资统计（详情可见文末表格），融资额最高的是联影33．33亿元人民币A轮融资；推想科技、图玛深维、深睿医疗、视见医疗等均在2017年获得两轮融资；2018年上半年，深睿医疗、Airdoc获得B轮融资，汇医慧影、推想科技相继进入C轮阶段。

医疗影像AI呈现出中国互联网商业环境的一个切面：热钱涌入、创业者蜂拥而至、产品同质化严重、泡沫浮现、商业模式受到质疑，直到腾讯与阿里入局，AI医疗影像被彻底“点燃”。但行业的独特性在于，医疗影像AI还有飞利浦、GE、东软医疗这一类原本处于医疗影像产业上游、潜藏在互联网之下的参与者。

按照中华医学会放射学分会刘士远教授的计算，医疗影像AI火起来应该是在两年左右，“现在热度非常高，已经进入了关键阶段，AI的发展也进入了深水区，医学影像AI到底能够解决什么样的问题？产品聚焦到什么领域？上下游产业怎么紧密结合？产品怎么解决临床实际问题？其实还有一系列的问题。”

一 难过数据关

“2017年可以命名为肺结节年。”阿里健康人工智能实验室主任范绎告诉钛媒体，“肺结节是一个野蛮人入场的过程，很多人都在做肺结节，可以获取很多资料、快速进场。”

相比于进入中期阶段的创业公司，腾讯与阿里的入局并不算早，腾讯互联网＋医疗业务负责人常佳认为，不光是BAT，整个医学影像在产品、病理上高度融合，这主要是产业起步的问题。

开放的数据集，是肺结节产品扎推涌现的直接原因，也为后来者提供了“弯道超车”的机会。但肺结节是AI切入医疗“万里长征”的第一步。

对于同样宣称90%准确率的产品，常佳提到，“现在很多人宣称自己的准确率，测试级和数据级是同源的准确率会高，但是不同源状况才是更关键的。”

在觅影落地的100多家三甲医院中，常佳发现抗噪要求非常高，不同设备、不同医生的操作习惯不同，有的医院做的很好的结果，到其他医院根本不适用，“我们现在正通过广泛性的测试解决，但这是很大的困难，需要数据丰富度。”

飞利浦大中华区CEO何国伟有着同样的看法，“不同设备在不同临床节点上采用的数据不同。把人类重复性的行为简化，问题就是数据流，配合临床要有完整的数据流。没有经过临床应用、结构化的时候便进入深度学习的数据都是垃圾。”

但更为关键的问题在于，很多平台在做医疗AI，但拼的是什么？北京协和医学院肿瘤医院教授乔友林告诉钛媒体，“拼的是能否得到医学高质量、金标准的素材，就算拿了成千上万的片子，并不会得到正确答案。”

从公开数据集、数据丰富度到金标准数据，难度逐渐递增。相比于三甲医院对医疗影像AI产品的需求，医疗影像AI产品捆绑医院的需求更为强烈，如何拿到医院数据对AI进行训练成为各家产品实现差异化竞争的关键。何国伟坦言，“AI在医疗体系落地有很多必要条件”。

二 抢医院，去基层

但对于目前的AI医疗影像产品，进入医院的最大问题是“不好用”。

上海交通大学教授闫维新曾向钛媒体透露，“仁济医院放射科约有180人，一天的门诊量将近3000人，我算了一下，人工智能一天能帮他节省30%的人力，一年是千万级的，但为什么没有用呢？是不好用，好用早用了。”

闫维新认为人工智能还只是个“六七岁的小孩”，只能帮助临床医生勾勒出简单的粗暴的活，没办法承担起临床科医生要干的活。

“医学、互联网＋AI是两个不同的世界，简单地说是两种不同的语言，你的语言和我的语言在平常是没有太多的交集。”郑众喜告诉钛媒体，“医生更多是‘用’，但从人工智能来讲就要有融合，你说的我能懂、我说的你也能懂。”

相比于准确率，医生更关注的是到底好不好用。

医生判断好用的标准是什么？纵横医疗吴文韬向钛媒体表示，从医生角度来讲，AI产品是否符合医疗行业需求，主要看是不是解决临床问题，如果一个AI产品最终按照医生的需求去设计，按照医生规划达到一定效果，产品肯定会是医生觉得很好的产品，和医生研发上的紧密结合才是AI公司未来最终的发展方式。

作为一名肿瘤医院医生，乔友林提出了更为具体的需求，“应用人工智能的时候一定要金标准材料，而且研发出一套产品。就像在非常困难的‘灰色地带’，似是而非的地方。我们把宫颈癌分为五个级别，正常、癌症，中间有三级，这三个是关键。识别到底是不是癌症是简单的，但到底是哪个级很困难。”

在各家产品各异，尚未出现统一衡量指标时，图玛深维CEO钟昕认为，“衡量标准有两大块，一个是连接的方便不方便，医生用起来是否顺手，另一个就是功能完不完整，性能是不是最好的。”

虽然进医院成了决胜的关键，但是乔友林告诉钛媒体，对于医疗影像AI产品，最为迫切的场景是在基层，“我希望疑难杂症的病人上来，其他的小伤小病不要跑过来了，你也劳民伤财。问题是基层的医生不知道哪些病该往上转，病人也不知道。”

GE医疗大中华区首席市场营销官王飚向钛媒体介绍，传统肝脏部位的肿瘤介入栓塞手术，要把肿瘤供氧血管栓塞住，让肿瘤坏死，但是很多时候有多条供氧血管，有经验的医生比较容易判断，但对于经验不够的基层医生而言，借用人工智能，可以帮助他们把所有的供氧血管一次性体现出来。

一面是要和拥有数据的三甲医院高度捆绑，打磨产品；另一面要深入有着迫切需求的基层，得到最先应用。看起来，具备两方优势的是原本处于医疗影像上游的器械厂商。三甲医院高端设备饱和的市场环境下，飞利浦、GE、东软医疗近几年采取走基层的策略，也因此建立影像云平台、更新设备软件以便实现远程诊疗。

三 巨头做平台，创业者垂直细分

据钛媒体观察，虽然以飞利浦、腾讯为代表的两类巨头侧重各有不同，但都正朝着平台方向布局，而创企则向细分领域深耕。面对AI医疗影像这个庞大的市场，巨头的涌现并非体现为对创企的直接碾压，对于巨头而言，制定行业游戏规则可能更为关键，但在巨头想要打造的平台生态中，创企的成长空间必然面临着更多挑战。

2017年11月，科技部召开新一代人工智能发展规划暨重大科技项目启动会，公布了四个首批国家人工智能开放创新平台，其中一个是，依托腾讯公司建设医疗影像国家人工智能开放创新平台。

“医疗AI范围非常大，可以进行筛查、诊断建议，还有机器人导航，这不是某家公司就能够做完，我们希望全行业共同努力，把腾讯在双创的资源开发出来。”常佳告诉钛媒体，觅影的思路是搭建平台，在平台基础之上，腾讯投资了AI药物研发公司晶泰科技、Atomwise，领投了AI医疗公司体素科技，AI健康管理碳云智能等。

相比于觅影打造的“医疗AI超市”，飞利浦这类医疗器械厂商更关注针对专科疾病的整体解决方案。在今年的CMEF展上，飞利浦发布了神飞云影像平台，AI是作为其中一个模块出现。

目前飞利浦正在AI医疗上发力，60%的研发费用都投入到了软件和人工智能方面。何国伟告诉钛媒体，飞利浦想要构建的是生态系统，“我们有软件开放平台，不论是肺结节或者是其他病种，初创公司可以利用我们平台。最后我们根据每家企业来探讨未来每家的发展方向有什么不同。”

为何AI医疗影像行业需要平台？在郑众喜看来，“开放平台的意义就是要整合信息。影像诊断不仅仅是针对这个图的某一个特征就下一个结论，尤其是到细胞学、组织学之后，需要整合的信息非常多。”

关于这一点，吴文韬举了个例子，“国内绝大多数产品是肺结节，但是做完肺结节筛查以后怎么办，系统是不是可以得出来一个诊断，看是不是恶性的早期肺癌 ，如果是早期肺癌，手术计划治疗以后，随访需不需要去做，后续的所有东西，对目前所有的AI公司来讲是空白的。”吴文韬把医疗影像AI产品决胜的关键总结为两点，“第一，有很大的数据量；第二，能调动足够多的人，来去做这些数据标准化、结构化，又和临床医生、影像医生捆绑的足够好。”

数据需要大量资金与资源投入、商业模式尚不清晰，这段目前看不到终点的路却将成为巨头们构筑起来的壁垒。“17年喧嚣完了之后，18年肯定是分化的过程，野蛮人也开始变成正规军了，各家公司会慢慢走向不同的方向。”范绎如是说。

“我倒觉得大家在某一个细分领域上都是一个起跑线。”钟昕认为，大公司的优势是面铺得开，小公司会在某几件事情上做的比较精，“最后他们是面，我们是尖。面有时候是不会把锥子掩藏起来的，我们是一个点，然后形成点的扩散，然后再形成点的组集，但有的一上来就是多点的组集。最后大家都会做到多条产品线，这是所有公司的目标。”

虽然目前行业内大多数公司都有肺结节产品，但也出现了研究视网膜病变、心血管疾病等细分领域的创业公司，钟昕告诉钛媒体，“久了之后会发现大家的产品还是有很大差异的，有的产品始终停留在检测、二维检测上，大家都有各种各样的差别。”

何国伟向钛媒体透露，“对于初创公司而言，融资可能更重要，但我们更重要的是如何提供更有效的肿瘤方案、患者体验、临床价值方面；过去几十年，我们已经积累了不少的数据和经验，我们觉得自己的临床经验是比别人强的。”

但在常佳看来，器械厂商的好处是数据获得有优势，但劣势在于太局限了，“现在医生操作的时候，很多医院的科室设备不会纯粹只用一家。所以我们认为在效果和质量上需要一个长线的发展，其实大家可以共同探讨如何提升质量，而不是共同探讨大家怎么做分工。”

四 抱团探寻商业化

“未来两年，医疗AI会死一批。至少在我看来，这会是个大概率事件。”在看了三十多家医疗AI项目后，元璟资本田敏在接受媒体采访时如是说。今年3月份，《财经》杂志也曾发文，认为中国医疗AI公司遇“C轮死”魔咒，如何实现商业化，成为医疗影像AI产品在2018年需要解答的一个疑问。

这些抛给创业公司的质疑围绕着一点，医疗影像AI技术是否可以实现商业价值？

东软集团董事长刘积仁认为，“今天单一AI技术的公司在技术被充分的普及和共享，还有一些商业模式存在免费机会的时候，这就是投入AI技术的风险。”万里云CEO黄家祥曾在接受媒体采访时表示，“对于AI公司，我们有一个观点，就是应用场景的价值大于数据价值，数据价值大于算法本身的价值。如果是AI的创业公司，手上核心的东西只有算法，那这个事情会非常危险。”

2017年4月，图玛深维获得数百万美元A轮融资，七个月后，又获得由软银中国领投的2亿元B轮融资。钟昕告诉钛媒体，在A轮与B轮融资阶段，资本的关注点差别非常大，“不再是一个产品初级形态或者只是一个潜在的销售模式了，B轮融资要看到我们是不是有一些落实，推进医院的速度，产品在医院的一些反馈，商务发展有没有落实下来，这可能是B轮阶段一个比较重要的点。”

2017年8月31日，国家食品药品监督管理总局（以下简称CFDA）发布了新版《医疗器械分类目录》，新增了与AI辅助诊断相对应的类别，在目录中具体体现在对医学影像与病理图像的分析与处理。

若诊断软件通过算法提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。

这意味着，如果医疗影像AI产品想要走医院采购这条路，必须要通过相应认证。但目前，国内尚无一例医疗AI产品拿到认证，动脉网将这个现象总结为6个核心问题，其中提到“用于审批的标准数据库正在逐步建立。”

在5月11日的苏州人工智能大会中，刘士远提到，目前已经有九家企业在申请CFDA认证，但用什么样的标准和规范仍在讨论当中。钟昕告诉钛媒体，“拿到CFDA对每个做医疗AI的来讲都是一个很重要的节点。”

而在钛媒体采访的过程中，不同类型参与者都会提到一个关键问题，针对AI医疗影像服务，到底由医院买单还是由患者买单？由于“人工智能读片费”不在诊疗收费项目名录内，也考虑到安全性等综合因素，许多医院仍然没有动力购置使用人工智能。

对于医疗器械厂商而言，AI作为附加值，不用考虑其作为单独的产品寻求商业化，刘积仁告诉钛媒体，“AI技术在解决医疗问题的时候，单独获得价值的可能性并不高，而是要通过别的载体来获得价值。东软做AI技术，我们不需要通过单一AI技术挣钱，比如我们所有的CT里面一扫描就告诉他有什么病，我们只需要卖设备挣钱就行了。”

在这场抱团探寻商业化的试验中，范绎认为政府扮演着重要角色，“商业模式一定是政府层面、医院层面和公司层面共同去推动协调的，医疗效率提升是一个国家命题，只不过在具体的策略上没办法一蹴而就，需要不断迭代。”

经历过“野蛮人入场”后，证明存在价值已经不再是医疗影像AI的头等要事。更重要的问题是，创业公司、互联网巨头、医疗器械厂商三者最终会形成怎样的行业生态？以何种方式探寻商业化？哪些医疗影像AI创企能跑出来？这些疑问仍待时间验证。

“目前是在战国时代，不久的未来可能会实现统一。”何国伟如是说。