2017年年底，鄭眾喜在華西醫院參加了一場人工智能研討會，很多科室都談到了醫療影像AI，醫生們認為AI需要在大量精準專業標識的影片基礎上才能做到智能。

華西醫院于2017年7月宣布成立醫學人工智能研發中心，當天一場消化內鏡人工智能演示中，通過云端上傳了12張檢查圖像，不到10秒篩選出息肉、新生物（癌癥）和靜脈曲張三種消化內鏡檢查常見結果，準確率分別為92.7%、93.9%和96.8%。

彼時，阿里健康與萬里云聯合推出醫療AI產品“Doctor You”，宣布正確識別肺結節達到90％以上；一個月后，騰訊推出醫療影像AI產品“覓影”，對早期食管癌篩查準確率高達90%。

“準確率超過90%”、“速度擊敗醫生”，一個個關鍵詞仿佛讓AI成為了醫療礦藏的密鑰，AI醫療影像、AI輔助診療、AI藥物研發、AI健康管理，正待來往的人們揮起“鐵鍬”。

“現在很多公司這個也人工智能、那個也人工智能，其實真正需要人工智能的是兩個地方，一個是連人都很難診斷的，比如病理；另一個是工作多得人已經做不過來了。”華西醫院教授鄭眾喜告訴鈦媒體，“在癌癥診斷、病理界，我們非常期待擁抱人工智能。”

作為AI在醫療領域應用最快的領域，醫療影像AI在2017年涌入資金超過40億元，據鈦媒體潛在投資統計（詳情可見文末表格），融資額最高的是聯影33.33億元人民幣A輪融資；推想科技、圖瑪深維、深睿醫療、視見醫療等均在2017年獲得兩輪融資；2018年上半年，深睿醫療、Airdoc獲得B輪融資，匯醫慧影、推想科技相繼進入C輪階段。

醫療影像AI呈現出中國互聯網商業環境的一個切面：熱錢涌入、創業者蜂擁而至、產品同質化嚴重、泡沫浮現、商業模式受到質疑，直到騰訊與阿里入局，AI醫療影像被徹底“點燃”。但行業的獨特性在于，醫療影像AI還有飛利浦、GE、東軟醫療這一類原本處于醫療影像產業上游、潛藏在互聯網之下的參與者。

按照中華醫學會放射學分會劉士遠教授的計算，醫療影像AI火起來應該是在兩年左右，“現在熱度非常高，已經進入了關鍵階段，AI的發展也進入了深水區，醫學影像AI到底能夠解決什么樣的問題？產品聚焦到什么領域？上下游產業怎么緊密結合？產品怎么解決臨床實際問題？其實還有一系列的問題。”

難過數據關

“2017年可以命名為肺結節年。”阿里健康人工智能實驗室主任范繹告訴鈦媒體，“肺結節是一個野蠻人入場的過程，很多人都在做肺結節，可以獲取很多資料、快速進場。”

相比于進入中期階段的創業公司，騰訊與阿里的入局并不算早，騰訊互聯網+醫療業務負責人常佳認為，不光是BAT，整個醫學影像在產品、病理上高度融合，這主要是產業起步的問題。

開放的數據集，是肺結節產品扎推涌現的直接原因，也為后來者提供了“彎道超車”的機會。但肺結節是AI切入醫療“萬里長征”的第一步。

對于同樣宣稱90%準確率的產品，常佳提到，“現在很多人宣稱自己的準確率，測試級和數據級是同源的準確率會高，但是不同源狀況才是更關鍵的。”

在覓影落地的100多家三甲醫院中，常佳發現抗噪要求非常高，不同設備、不同醫生的操作習慣不同，有的醫院做的很好的結果，到其他醫院根本不適用，“我們現在正通過廣泛性的測試解決，但這是很大的困難，需要數據豐富度。”

飛利浦大中華區CEO何國偉有著同樣的看法，“不同設備在不同臨床節點上采用的數據不同。把人類重復性的行為簡化，問題就是數據流，配合臨床要有完整的數據流。沒有經過臨床應用、結構化的時候便進入深度學習的數據都是垃圾。”

但更為關鍵的問題在于，很多平臺在做醫療AI，但拼的是什么？北京協和醫學院腫瘤醫院教授喬友林告訴鈦媒體，“拼的是能否得到醫學高質量、金標準的素材，就算拿了成千上萬的片子，并不會得到正確答案。”

從公開數據集、數據豐富度到金標準數據，難度逐漸遞增。相比于三甲醫院對醫療影像AI產品的需求，醫療影像AI產品捆綁醫院的需求更為強烈，如何拿到醫院數據對AI進行訓練成為各家產品實現差異化競爭的關鍵。何國偉坦言，“AI在醫療體系落地有很多必要條件”。

搶醫院，去基層

但對于目前的AI醫療影像產品，進入醫院的最大問題是“不好用”。

上海交通大學教授閆維新曾向鈦媒體透露，“仁濟醫院放射科約有180人，一天的門診量將近3000人，我算了一下，人工智能一天能幫他節省30%的人力，一年是千萬級的，但為什么沒有用呢？是不好用，好用早用了。”

閆維新認為人工智能還只是個“六七歲的小孩”，只能幫助臨床醫生勾勒出簡單的粗暴的活，沒辦法承擔起臨床科醫生要干的活。

“醫學、互聯網+AI是兩個不同的世界，簡單地說是兩種不同的語言，你的語言和我的語言在平常是沒有太多的交集。”鄭眾喜告訴鈦媒體，“醫生更多是‘用’，但從人工智能來講就要有融合，你說的我能懂、我說的你也能懂。”

相比于準確率，醫生更關注的是到底好不好用。

醫生判斷好用的標準是什么？縱橫醫療吳文韜向鈦媒體表示，從醫生角度來講，AI產品是否符合醫療行業需求，主要看是不是解決臨床問題，如果一個AI產品最終按照醫生的需求去設計，按照醫生規劃達到一定效果，產品肯定會是醫生覺得很好的產品，和醫生研發上的緊密結合才是AI公司未來最終的發展方式。

作為一名腫瘤醫院醫生，喬友林提出了更為具體的需求，“應用人工智能的時候一定要金標準材料，而且研發出一套產品。就像在非常困難的‘灰色地帶’，似是而非的地方。我們把宮頸癌分為五個級別，正常、癌癥，中間有三級，這三個是關鍵。識別到底是不是癌癥是簡單的，但到底是哪個級很困難。”

在各家產品各異，尚未出現統一衡量指標時，圖瑪深維CEO鐘昕認為，“衡量標準有兩大塊，一個是連接的方便不方便，醫生用起來是否順手，另一個就是功能完不完整，性能是不是最好的。”

雖然進醫院成了決勝的關鍵，但是喬友林告訴鈦媒體，對于醫療影像AI產品，最為迫切的場景是在基層，“我希望疑難雜癥的病人上來，其他的小傷小病不要跑過來了，你也勞民傷財。問題是基層的醫生不知道哪些病該往上轉，病人也不知道。”

GE醫療大中華區首席市場營銷官王飚向鈦媒體介紹，傳統肝臟部位的腫瘤介入栓塞手術，要把腫瘤供氧血管栓塞住，讓腫瘤壞死，但是很多時候有多條供氧血管，有經驗的醫生比較容易判斷，但對于經驗不夠的基層醫生而言，借用人工智能，可以幫助他們把所有的供氧血管一次性體現出來。

一面是要和擁有數據的三甲醫院高度捆綁，打磨產品；另一面要深入有著迫切需求的基層，得到最先應用。看起來，具備兩方優勢的是原本處于醫療影像上游的器械廠商。三甲醫院高端設備飽和的市場環境下，飛利浦、GE、東軟醫療近幾年采取走基層的策略，也因此建立影像云平臺、更新設備軟件以便實現遠程診療。

巨頭做平臺，創業者垂直細分

據鈦媒體觀察，雖然以飛利浦、騰訊為代表的兩類巨頭側重各有不同，但都正朝著平臺方向布局，而創企則向細分領域深耕。面對AI醫療影像這個龐大的市場，巨頭的涌現并非體現為對創企的直接碾壓，對于巨頭而言，制定行業游戲規則可能更為關鍵，但在巨頭想要打造的平臺生態中，創企的成長空間必然面臨著更多挑戰。

2017年11月，科技部召開新一代人工智能發展規劃暨重大科技項目啟動會，公布了四個首批國家人工智能開放創新平臺，其中一個是，依托騰訊公司建設醫療影像國家人工智能開放創新平臺。

“醫療AI范圍非常大，可以進行篩查、診斷建議，還有機器人導航，這不是某家公司就能夠做完，我們希望全行業共同努力，把騰訊在雙創的資源開發出來。”常佳告訴鈦媒體，覓影的思路是搭建平臺，在平臺基礎之上，騰訊投資了AI藥物研發公司晶泰科技、Atomwise，領投了AI醫療公司體素科技，AI健康管理碳云智能等。

相比于覓影打造的“醫療AI超市”，飛利浦這類醫療器械廠商更關注針對專科疾病的整體解決方案。在今年的CMEF展上，飛利浦發布了神飛云影像平臺，AI是作為其中一個模塊出現。

目前飛利浦正在AI醫療上發力，60%的研發費用都投入到了軟件和人工智能方面。何國偉告訴鈦媒體，飛利浦想要構建的是生態系統，“我們有軟件開放平臺，不論是肺結節或者是其他病種，初創公司可以利用我們平臺。最后我們根據每家企業來探討未來每家的發展方向有什么不同。”

為何AI醫療影像行業需要平臺？在鄭眾喜看來，“開放平臺的意義就是要整合信息。影像診斷不僅僅是針對這個圖的某一個特征就下一個結論，尤其是到細胞學、組織學之后，需要整合的信息非常多。”

關于這一點，吳文韜舉了個例子，“國內絕大多數產品是肺結節，但是做完肺結節篩查以后怎么辦，系統是不是可以得出來一個診斷，看是不是惡性的早期肺癌 ，如果是早期肺癌，手術計劃治療以后，隨訪需不需要去做，后續的所有東西，對目前所有的AI公司來講是空白的。”吳文韜把醫療影像AI產品決勝的關鍵總結為兩點，“第一，有很大的數據量；第二，能調動足夠多的人，來去做這些數據標準化、結構化，又和臨床醫生、影像醫生捆綁的足夠好。”

數據需要大量資金與資源投入、商業模式尚不清晰，這段目前看不到終點的路卻將成為巨頭們構筑起來的壁壘。“17年喧囂完了之后，18年肯定是分化的過程，野蠻人也開始變成正規軍了，各家公司會慢慢走向不同的方向。”范繹如是說。

“我倒覺得大家在某一個細分領域上都是一個起跑線。”鐘昕認為，大公司的優勢是面鋪得開，小公司會在某幾件事情上做的比較精，“最后他們是面，我們是尖。面有時候是不會把錐子掩藏起來的，我們是一個點，然后形成點的擴散，然后再形成點的組集，但有的一上來就是多點的組集。最后大家都會做到多條產品線，這是所有公司的目標。”

雖然目前行業內大多數公司都有肺結節產品，但也出現了研究視網膜病變、心血管疾病等細分領域的創業公司，鐘昕告訴鈦媒體，“久了之后會發現大家的產品還是有很大差異的，有的產品始終停留在檢測、二維檢測上，大家都有各種各樣的差別。”

何國偉向鈦媒體透露，“對于初創公司而言，融資可能更重要，但我們更重要的是如何提供更有效的腫瘤方案、患者體驗、臨床價值方面；過去幾十年，我們已經積累了不少的數據和經驗，我們覺得自己的臨床經驗是比別人強的。”

但在常佳看來，器械廠商的好處是數據獲得有優勢，但劣勢在于太局限了，“現在醫生操作的時候，很多醫院的科室設備不會純粹只用一家。所以我們認為在效果和質量上需要一個長線的發展，其實大家可以共同探討如何提升質量，而不是共同探討大家怎么做分工。”

抱團探尋商業化

“未來兩年，醫療AI會死一批。至少在我看來，這會是個大概率事件。”在看了三十多家醫療AI項目后，元璟資本田敏在接受媒體采訪時如是說。今年3月份，《財經》雜志也曾發文，認為中國醫療AI公司遇“C輪死”魔咒，如何實現商業化，成為醫療影像AI產品在2018年需要解答的一個疑問。

這些拋給創業公司的質疑圍繞著一點，醫療影像AI技術是否可以實現商業價值？

東軟集團董事長劉積仁認為，“今天單一AI技術的公司在技術被充分的普及和共享，還有一些商業模式存在免費機會的時候，這就是投入AI技術的風險。”萬里云CEO黃家祥曾在接受媒體采訪時表示，“對于AI公司，我們有一個觀點，就是應用場景的價值大于數據價值，數據價值大于算法本身的價值。如果是AI的創業公司，手上核心的東西只有算法，那這個事情會非常危險。”

2017年4月，圖瑪深維獲得數百萬美元A輪融資，七個月后，又獲得由軟銀中國領投的2億元B輪融資。鐘昕告訴鈦媒體，在A輪與B輪融資階段，資本的關注點差別非常大，“不再是一個產品初級形態或者只是一個潛在的銷售模式了，B輪融資要看到我們是不是有一些落實，推進醫院的速度，產品在醫院的一些反饋，商務發展有沒有落實下來，這可能是B輪階段一個比較重要的點。”

2017年8月31日，國家食品藥品監督管理總局（以下簡稱CFDA）發布了新版《醫療器械分類目錄》，新增了與AI輔助診斷相對應的類別，在目錄中具體體現在對醫學影像與病理圖像的分析與處理。

若診斷軟件通過算法提供診斷建議，僅有輔助診斷功能，不直接給出診斷結論，則申報二類醫療器械，如果對病變部位進行自動識別，并提供明確診斷提示，則按照第三類醫療器械管理。

這意味著，如果醫療影像AI產品想要走醫院采購這條路，必須要通過相應認證。但目前，國內尚無一例醫療AI產品拿到認證，動脈網將這個現象總結為6個核心問題，其中提到“用于審批的標準數據庫正在逐步建立。”

在5月11日的蘇州人工智能大會中，劉士遠提到，目前已經有九家企業在申請CFDA認證，但用什么樣的標準和規范仍在討論當中。鐘昕告訴鈦媒體，“拿到CFDA對每個做醫療AI的來講都是一個很重要的節點。”

而在鈦媒體采訪的過程中，不同類型參與者都會提到一個關鍵問題，針對AI醫療影像服務，到底由醫院買單還是由患者買單？由于“人工智能讀片費”不在診療收費項目名錄內，也考慮到安全性等綜合因素，許多醫院仍然沒有動力購置使用人工智能。

對于醫療器械廠商而言，AI作為附加值，不用考慮其作為單獨的產品尋求商業化，劉積仁告訴鈦媒體，“AI技術在解決醫療問題的時候，單獨獲得價值的可能性并不高，而是要通過別的載體來獲得價值。東軟做AI技術，我們不需要通過單一AI技術掙錢，比如我們所有的CT里面一掃描就告訴他有什么病，我們只需要賣設備掙錢就行了。”

在這場抱團探尋商業化的試驗中，范繹認為政府扮演著重要角色，“商業模式一定是政府層面、醫院層面和公司層面共同去推動協調的，醫療效率提升是一個國家命題，只不過在具體的策略上沒辦法一蹴而就，需要不斷迭代。”

經歷過“野蠻人入場”后，證明存在價值已經不再是醫療影像AI的頭等要事。更重要的問題是，創業公司、互聯網巨頭、醫療器械廠商三者最終會形成怎樣的行業生態？以何種方式探尋商業化？哪些醫療影像AI創企能跑出來？這些疑問仍待時間驗證。

“目前是在戰國時代，不久的未來可能會實現統一。”何國偉如是說。