“AI千万别给治疗里面很复杂的链条再增加一个环节。有些智能环节必须发个文，必须人工智能看一下，医生才能下诊断，我认为这个没必要，因为增加了治疗过程复杂程度，就增加了别人讨厌你的地方，也增加了成本。”
——Airdoc 张京雷
在经过实验室中的反复迭代之后，医疗AI产品开始走出技术的“象牙塔”。而如今再谈，所有人关注和火拼的是，人工智能的实际应用场景、商业化和证书的获取。
FDA最近比较活跃。自2017年组建成立AI与数字医疗审评部以来，包括Viz．ai的脑卒中产品和Cognoa利用AI筛查自闭症的解决方案，都得到了FDA 的大力支持。
在今年2月底，美国爱荷华州的IDx公司也宣布，FDA已加快对其公司AI系统的审查进程，以尽快发现糖尿病患者失明的主要原因——糖尿病视网膜病变。（注：IDx是一家专注于开发基于临床算法的公司。IDx拥有与OCT相关的多项专利，包括通过OCT自动评估青光眼视力丧失方法的专利，而青光眼是全球第二大致盲眼病，影响超过300万美国人。）
而与之对标的，国内基于眼底医疗影像分析的AI企业，也开始崭露头角。
我国有这么一艘军舰，它代表着和平、发展、合作、共赢，它为到访的国家提供医疗服务。
去年7月26日，浙江舟山某港口，和平方舟开始起航，历时155天，逆时针环非洲一圈，航程28700余海里，结束第六次执行“和谐使命”任务的和平方舟号医院船回国，而伴随着和平方舟回来的还有医疗人工智能企业 Airdoc 的人工智能慢性病识别系统。
当时的海军军医大学附属长征医院眼科主任魏锐利说：“作为中国人民的和平使者，和平方舟号医院船穿梭在世界各地为患者提供医疗服务。
但是在为别人服务的同时，船上的人员自己的身体也在时刻受到严酷自然环境的影响，比如海上紫外线强烈反射或直接照射眼部，近紫外线在视网膜上发生化学反应，对视网膜特别是黄斑部会产生一定影响。”
而当时为了解决和平方舟号医院船上船员、巡逻国家医院的医生以及患者的慢病问题，长征医院与 Airdoc合作，在和平方舟号医院船上应用人工智能技术远程慢性疾病实时监测服务。
通过人工智能平台可以在船上为工作人员和出访国家人民检查并跟踪随访，可将疑似病变图片回传给长征医院眼科进行专家诊断和制定治疗方案，同时对所有船上工作人员眼部状况进行数码记录，连续随访和智能比照，形成海上长期航行眼部变化的大数据资料库，为海上执行任务的工作人员保健提供可靠数据。
“农村包围城市”
不得不承认，医学水平没有哪个时候像现在这样发达，但是很多医生也正在逐步失去患者的信任。
这里的问题是医疗资源有限，不管如何分配，优质医疗资源覆盖不到的地方还是占多数。
而且医生是十分依靠经验的行业，很难批量化的培训和复制。这就需要在现有的资源供应环境中创造“增量价值”，创造提高效率的解决方案，AI的成熟让这现象有了转机。
但要明白，AI的医疗应用能提升专科疾病诊疗效率、降低误诊率固然重要，但是在病人和医生交互环节，还有很多主诉和交流。
keyi而目前AI尚处于弱人工智能阶段，并不能进行深入的沟通，比如中医的望闻问切都是交互，目前机器没有办法观察患者的面部表情，如果选择这个方面的算法，很可能会丢失很多信息，从而对算法的准确率产生影响。因此选择辅助分析算法的时候需要选择更少沟通，更客观的方向。
“而医学影像，目前看是最客观的领域，往往不需要和病人的交互和主诉，所以Airdoc也是选择以医学影像识别领域为突破口，在眼科，皮肤科，病理科等众多领域取得的算法。
“比如在眼科，Airdoc是从多家国内外顶级医院收集了数百万张眼底照片，构建超过100层卷积神经网络，准确解析原始图像的高阶信息，单次迭代持续训练超过120小时，最终研发出了Airdoc慢性病视网膜病变辅助诊断模型，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果，有效地辅助医生进行临床诊断。” Airdoc副总裁张京雷告诉我们。
识别视网膜照片是专业眼底医生的日常工作，但其他科室医生和用户并不掌握这项技能，限制了这项技术的广泛使用。
Airdoc目前是从眼底医生的服务能力延伸至千家万户，但以后的定位是识别多科室多种疾病，比如内分泌、心血管、神经内科、肾内科医生定量监控患者疾病进展的高效精准工具。
实际通过眼底判断心血管疾病、糖尿病等相关的健康指标与风险的可行性早有验证。
去年谷歌与印度和美国的医生合作，创建数据库，被用于训练谷歌人工智能眼科医生以检测糖尿病视网膜病变。目前已经在印度的3家眼科医院推广。
“因为从医学角度讲，很多高血压、糖尿病、动脉硬化，它直接在血管上有变形、膨胀、出血的体现。而眼底有裸露的神经跟血管，是唯一不用动刀切开就能够直接观察到病变的部位。”
技术驱动因素之外，还有一个重要的底层商业逻辑在运行。
“Airdoc从眼科方向切也是因为AI在治疗肿瘤、先天性白内障诊断和皮肤癌诊断上，虽然Airdoc已经表现出明显优势，但盈利门槛依旧很高。如果Airdoc一开始就从‘珠峰的半山腰’切入，那有可能根本就活不下去。而先切大本营，一步步往外扩张，这样或许更稳妥些。”
“虽然在技术角度上，有很多病种之前是没法互相学习，但还是有很多可以转移的内容。
比如我们目前是开发眼底的，我可能用了一年时间，第二个产品就形成了，跑出模式后，甚至第三个产品，我们三个月就可以形成。”
扎根院外
AI医疗技术的开发中，最重要的不是AI技术哪家强，而是看谁能有应用场景落地。
Airdoc的系统适用于院内院外两个场景。在院内，眼底照相机与配套的智能硬件“Airdoc魔盒”相连，拍照后就会自动产生报告，提高医院筛查效率。
但这并不是Airdoc目前主要的发力方向。
因为张京雷明白，医疗AI企业想走医疗采购这条路，必须通过相应的认证，这需要公司获得大量真实的临床应用数据。
而且医生们对AI的整体满意度也低于平均水平。“走医院这条路，还有很多问题需要磨合。”
再看远些，国内的医疗AI企业，主要与大城市的三甲医院合作，但优质医疗从业者密集的三甲医院，没有迫切需求。真正需要AI缓解的，是交给基层医院，为基层医生提供辅助诊断，改善医疗资源的紧张状况。或者是在院外，做早期慢性病筛查。
张京雷上个月在丰台区新兴建筑工程有限公司进行员工筛查的时候，发现了一个老年黄斑变性的病人。这种黄斑变性是能够直接导致失明的，发病人群基本上是老年人。
“实际如果这位老人早在一年、两年的时候，通过我们的技术检测出老年黄斑变性，那今天治疗的费用可能就几百块钱，或者说最起码在一年、两年之后，一针就能控制住病情，降低医疗成本。但现在，治疗要在眼球上打针，这对患者是非常痛苦的过程。而且费用是十倍的支出，一支药要6000多元，要打10多支。虽然有两款产品能够报销，那也等于政府要花大量的钱去替患者治疗。”
所以，张京雷也在想，Airdoc应该走出医院，在院外发现患者。比如能不能在社区、药店，甚至直接在患者家里面做尽早发现慢性病的预防，帮助地方政府部门实现医保控费。
“体检中心的模式还是要病人主动进去，我们是不需要病人有意识去做这件事情，而是无意中去做检测，然后具体的发现一些问题。这是院外模式的最核心之处。”
道阻且长
活过2018年，或许是很多医疗AI企业的决心。
因为烧钱仍在持续、技术迭代的瓶颈，以及商业模式断裂，哪一条都有可能拖垮靠技术吃饭的初创企业。
张京雷也观察到，与之对标的国外、国内企业，即使在行业地位数一数二，目前也没有特别成熟、落地的商业模式。
“医疗AI的盈利周期是十年，并非今年投入明年就能发财。”
“像我们做医疗AI，具体谁来买单是个大问题。因为坦诚地讲，买单者无非就是B端或者C端，但是C端在有些发达国家，也是保险买单，并不是我们所说真正意义的C端买单，只是把它归类成C端。那在国内，目前让C端买单更是一个伪命题。而针对B端，落地的前提是要医生接受。那对于医疗AI，首先的门槛就是必须有CFDA认证，但目前AI产品都没有拿到CFDA的认证；另一方面，目前AI医疗创新还面临着政策监管滞后的问题，同时也引发起一部分人对‘AI取代论’的焦虑。”
谁主沉浮？
各种医疗AI联盟和实验室悄然而起，各自的发展路径也不相同。目前行业有一种现象是，医疗AI的头部企业，已进入“C轮死”的魔咒。
的确，现在在谈论医疗AI，单有技术是不行了，因为在技术层面，真说不好谁家的技术更牛。
而对医疗AI的核心竞争力，张京雷总结三点：
一是要熟悉医疗的本质。“换句话说，做医疗AI最起码要知道医疗里面的痛点在哪儿、难点在哪儿、钱在哪儿。”
二是合纵连横。从某种程度上来说，张京雷的指向是医疗资源。“就是一定要对这个行业熟悉，又能交到行业内的很多朋友。”
三是一个成熟、可复制、可持续的商业模式。
不可否认，商业模式的前提是，AI一定在整个利益链条或价值链条里降低运营的困难程度和成本。AI要解决一个困难，不是说把自己变成一个困难。
其中AI主要需要解决三类困难：一、医生没时间去做的事；二、医生需要工具辅助才能解决的事；三、简化治疗流程，让其更加标准规范。
“其中，要做链条优化让医生体验、患者体验更好。或者提高效率，让治疗环节跑得更快。我还有一个观点，AI千万别给治疗里面很复杂的链条再增加一个环节。坦诚讲，有些智能环节必须发个文，必须人工智能看一下，医生才能下诊断，我认为这个没必要，因为增加了治疗过程复杂程度，就增加了别人讨厌你的地方，也增加了成本。”
目前，医疗AI赛道尚未跑出巨头，即使考虑国外，已经经过多年孵化、较为成熟的IBM沃森，也只是商业化方面刚刚起步，领先优势并不大。也就是说，AI企业皆有机会。
张京雷相信，可能今年或者明年，就会有一批医疗AI企业能够从中脱颖而出。但它们能脱颖而出的，一定是在某一个细分领域，且商业化是持续稳定、可复制的状态。能够做到快速的推广，快速的进入D轮，甚至三年后快速的上市。
作者：鱼多多
