医疗AI落地元年&爆发前夜? 我们找了两位创业者聊了聊

从投资大环境来看，目前整体形势依旧严峻。尤其是医学人工智能头部企业，现在有一个说法叫“C轮死”，是说一些明星项目到了C轮甚至Pre-IPO轮后，由于估值很高，但没有坚实的财务数据作支撑，再想通过描绘远景“讲故事”来获得更高的融资就很难了。另一方面，初创公司团队通常比较年轻，行业资源积累不足，风险也比较大。

这也不是说到2019年行业就不热了，而是现在资本会更冷静、理性地去看待这个行业的发展。追捧独角兽的热度在慢慢降下来，企业也从“比拼人才”、“比拼资源”向“比拼拿证”、“比拼落地”转型。

不过，大到独角兽小到创业公司，目前还没有一家企业拿到人工智能医疗NMPA III证，大家在医院都还是临床试用的阶段，距离真正的商业化落地还很远。

一个原因在于，AI公司（以影像辅助诊断企业为例）本质上提供的是服务软件，落地时需要跟硬件厂商要数据接口。这时候，AI公司就会跟传统硬件厂商产生利益博弈，如果没有数据接口，落地是非常困难的；另一方面，各个（层级）医院网络环境、数据接口不同，落地时很难标准化、统一化。

作为一家专注于消化系统医学影像智能诊断的科技公司，去年我们通过“2018 AIIA杯人工智能巡回赛•医学人工智能大赛”进入浙江大学医学院附属第一医院落地试用，以及获取数据，产业合作，共同论文发表等后续合作也都在进行。这对我们是一个很大的鼓舞和背书。

我曾在美国哈佛大学麻省总医院主持项目，MGH是全球最好的公立医院之一。在我看来，浙一医院和麻省总医院的规划思路非常相似，它开放程度、资源投入、产品试用都非常好，在全国信息医疗智能化领域处于领先地位。

从复生科技自身来看，我们在“从AI识别软件，到智能硬件，再上升到医疗服务的高度”方面展开广泛探索，这也是AIIA大赛评委比较认可的一点。

一直以来我个人的意见是，单纯面向医院软件的付费模式是不长久的。比如一套软件卖给医院30万，全国3万家医院，天花板一眼可见。另一方面，单纯的人工智能辅助软件过于单薄，难以形成坚实的“护城河”，最后很可能陷入价格战、拼销售。

所以医疗人工智能软件要想再进化，下一阶段便是软件硬件化。这还不够，还要再往下走一步，不卖硬件也不是卖软件，而是“软件硬件化，硬件服务化”。当然，软件、硬件、服务本身不存在高低，只是产生的价值不同。

我坚信，人工智能的“威力”并不仅仅在于自动阅片，而是在与医疗器械等实体硬件紧密结合后，在集成电路、5G和大数据的助力下，落地新的应用场景，开辟新的商业模式，解决真实的痛点，产生真正的价值。这也是复生科技一直以来的努力方向。

说到底，医疗AI落地一定要解决真的问题，而不是伪需求。

当然AI距离真正替代医生的部分工作还有很长时间。首先模型的可解释性就是目前面临的主要挑战之一，因为医生有责任了解其使用技术的回报与风险，提醒患者和利益攸关方注意，并监控人工智能产品以防止伤害，所以他们很关心模型的结果是怎么来的。另一方面，AI模型在落地过程中会遇到无数未知数据，这时候算法模型的稳定性就很重要。此外隐私、透明性、取代、增强等都是医学AI必须应对的挑战。

这方面，深思考算是率先迈出了“一小步”。我们作为一家专注于类脑人工智能与深度学习核心科技的AI公司，核心技术为“多模态深度语义理解与人机交互”。在医疗领域，基于此技术，目前已成熟落地且大规模应用的主要产品为“多模式自适应的人工智能宫颈细胞学筛查机器人大脑iDeepWise.AI”，其以宫颈癌液基细胞学辅助筛查AI算法模组为切入点，将病理细胞学筛查解决方案垂直整合与深度优化。

这也是我们去年参选“2018 AIIA杯人工智能巡回赛•医学人工智能大赛”的项目。并于去年年底进入浙江大学医学院附属第一医院试点，目前已经实际使用半年多。

其实在宫颈细胞病理领域，由于耗材、扫描设备、技术员操作规范等各种因素，AI筛查系统的落地往往较其它场景更为困难。因此，我们首先针对浙一病理科室的制片方式等方面进行了专门调优；其次使用近四千例宫颈细胞涂片进行盲测，经过与医生结果的对比分析，系统的排阴率（阴性检出值）可达81%；然后在真正使用阶段，系统提供辅助阅片、实验室标本制片评价、扫描涂片质量评估、宫颈辅助教学培训等各个模块功能，24小时连续工作，以高敏感性帮助医生提升工作效率。

基于医疗AI的持续落地，未来我们希望打造出一个“癌症早筛”的示范工程。未来以癌症筛查为基础，宫颈细胞筛查的核心AI算法均可快速迁移至其他非妇科细胞病理中，迅速形成一批突破性的我国自主产权的癌症筛查平台，然后形成医疗大健康重大疾病AI筛查入口与医疗大健康筛查人群大数据入口——这会是一个十分美丽的愿景。

当然，AI 的能力还有很长的路要走，但随着政策和市场需求的双重向好，我们有理由相信，“医疗AI+商业化”将是未来大势所趋。