【編者按】不論是初創公司數量還是融資數量，醫療影像AI著實火了一把。但火熱的背后，醫療影像AI也遭遇“躺在醫院吃灰”的尷尬。市場需要什么樣的AI醫療影像產品？如何成為AI時代的獨角獸？在經歷了熱熱鬧鬧的2017年之后，這是擺在所有AI醫療影像公司面前亟待思考的問題。
本文發于貝殼社，作者佚名；經億歐大健康編輯，供行業人士參考。
AI醫療影像：時代的寵兒
AI正在以前所未有的速度深刻改變人類社會生活的方方面面。與健康生活息息相關的醫療領域毫無例外地成為AI最重要的應用領域之一。作為90%以上醫療大數據的來源，以及臨床疾病診斷不可或缺的重要信息，醫療影像，首當其沖成為人工智能最先取得發展的領域。
《2017 醫療大數據和人工智能產業報告》指出，醫療影像在技術成熟度上剛越過頂峰期的位置。而其他類型的人工智能+醫療企業，都還大部分處于技術萌芽后的快速上升期。事實也確實如此，投資者英特爾、阿里為代表的眾多科技巨頭均不約而同將醫療影像作為AI與醫學結合并商業化的第一步，開始加大布局。AI醫療影像在成為AI和健康產業從業者關注焦點的同時，正在成為資本的寵兒。在普華永道剛剛發布的《2018年中國金融科技調查報告》中，人工智能位居金融機構和投資者投資興趣的第三位。
AI醫療影像在中國
中國人工智能醫療影像的發展有其雄厚的基礎和迫切的市場需求。大數據是發展AI的根本，缺乏數據的AI就是無米之炊，特別是在醫療方面。中國擁有全世界最豐富的海量醫療數據，這也成為中國智能醫療得以迅猛發展的主要原因之一。與豐富的病例資源相對應的是，我國優質醫療影像資源極度匱乏。有資料顯示，我國醫學影像數據的年增長率約為 30%，而放射科醫師的年增長率只有4.1%;中國的放射科醫師每天至少需要看4萬張醫療影像，嚴重供求失衡。
AI+醫療影像的完美融合將廣大醫生從繁瑣的讀片過程和書寫報告等日常工作中解放出來，提高了工作效率，且避免了基層醫療機構誤診漏診現象頻發、影像服務質量低、周期相對較長的局面。正是認識到AI的優勢，我國政府在《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》中明確提出，“支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領域的醫學影像輔助診斷技術研發，加快醫療影像輔助診斷系統的產品化及臨床輔助應用?！痹诳萍疾渴逯攸c研發計劃指南中，也頻頻看到人工智能的身影。
2017年以來，AI醫療影像在國內異?；鸨?。據2017年2月發布的人工智能行業研究報告的數據顯示，智能醫療是獲投資比例最高的5個領域之一。據不完全統計，目前全國以AI+影像的創業公司不下百家，2017年影像AI領域約融資20多次，融資總額大概20億元人民幣左右。
火熱的現實背后
盡管各家AI醫療影像公司紛紛宣布產品落地，但事實上，大多數醫療影像AI面臨著“躺在醫院吃灰”的尷尬命運。為何在眾口一詞的期待中，面對真正走到身邊的AI產品，醫療界卻報以冷遇呢？
細細分析國內AI影像公司及其產品，以及從不同渠道傾聽使用者和買單者的評價，不難找到答案。盡管公司林立、看似百花齊放，但產品卻同質化嚴重，半數公司的產品單一，且都聚焦于肺結節的醫療影像智能分析，而據業內人士透露，肺結節AI產品研發的入門門檻相對較低，如何從肺結節這個AI產品的“紅海”中脫穎而出，成為AI醫療影像公司普遍面臨的難題。
令人尷尬的是，盡管產品眾多，這些產品的使用體驗并不理想，“不精準”，“完全達不到產品號稱的精確度”。為何會有這樣的市場反饋？
“我們進行肺部影像檢查的目的是什么？不僅是發現是否有病變，病變在哪里，更重要的，我們希望知道病變的性質?！蹦壳暗腁I產品僅能夠幫助發現結節，卻無法回答疾病的良惡性這一重要問題。也就是說，肺結節AI達不到臨床需要的確診或者輔助診斷的層面，臨床醫生仍需要花費較多的時間對病變進行定性，斟酌其癌變風險，而這才是肺結節影像檢查最具價值的所在。AI產品并不具備這樣的功能，因此其臨床價值大打折扣。與此同時，由于大部分產品都還處于與用戶的磨合期，基本屬于免費試用階段，尚未形成自己鮮明的商業模式與盈利場景，因此，也難以吸引投資者的興趣和醫院的付費意愿。
市場需要什么樣的AI醫療影像產品？如何成為AI時代的獨角獸？在經歷了熱熱鬧鬧的2017年之后，這是擺在所有AI醫療影像公司面前亟待思考的問題。
避免產品同質化是關鍵。與其彎道超車，不如換道先跑。當所有人把眼光聚焦在癌癥的時候，我們似乎忽略了另一個更大的市場需求，那就是心血管疾病。事實上，心血管疾病才是導致我國居民病死的“元兇”，發病率和死亡率都遠高于癌癥。心血管疾病包含了臨床上的一大類疾病，而不像肺結節這樣單一，因此，研發的AI產品能夠解決的臨床問題也就更多，覆蓋面更廣，也就更具備臨床和商業價值。影像檢查不僅能提示心血管疾病病變的存在、病變的部位，更主要的是可以定性，清晰指示病變的全貌，經驗豐富的臨床醫生藉此可以得出準確的臨床診斷并指導臨床治療決策。而心血管疾病的影像需要進行三維重建等復雜的后處理過程， AI影像產品研發難度高于肺結節，這個較高的技術門檻又恰恰可以作為一條準入標準，天然地自發完成市場的優勝劣汰，能夠成功生存的，必然是業內的翹楚，擁有雄厚的研發實力和商業運作經驗。
同時，鑒于臨床影像診斷從拍攝到出具報告需時多日，耗時耗力，我們希望未來的AI產品研發不僅關注病變的檢出，更要著眼于疾病管理的全流程，為臨床提供一站式的疾病診斷平臺，從圖像獲取到分析病變到后處理再到出具報告，甚至自動打印膠片，提供全流程的服務，真正發揮AI技術的優勢，徹底把醫生從繁重的重復性勞動中解放出來。
2017年末， SAGE公司人工智能副總裁Kriti Sharma在其題為《How AI will continue its journey into the mainstream in 2018》（人工智能如何在2018年繼續它的主流之旅）的文章中激情澎湃地提出，2018年對人工智能（AI）來說將是史詩般的一年。要想成為這史詩般的一年中的佼佼者，前路阻且長，讓我們拭目以待。
登錄
立即注冊