火熱的影像AI到底怎么了到底是泡沫還是賭

2017年，影像AI的機會讓許多創業者趨之若鶩；然而，風口之下有人卻選擇了離開。

“團隊經過仔細考慮，最后決定放棄影像AI，繞向了為醫療單位提供數據和軟件服務方向，”一位醫療行業連續創業者向GPLP君坦言，目前看不清影像AI的商業模式，貿然進入風險太高。

“影像AI像一場賭局，”一位醫療行業資深投資人告訴GPLP君，“目前大多影像AI公司嘗試與醫院進行科研合作，幫助其提高診斷效率，而真正深入到臨床診斷的影像AI產品較少；所以，要想影像AI產品實現商業付費，目前還很困難?！?/p>

火熱的影像AI到底怎么了？到底是泡沫還是“賭局”？

影像AI：競爭激烈的賽道

2017年，影像AI在國內十分火熱?？拼笥嶏w智慧醫療事業部相關負責人馬文君曾表示，“如今的智能影像很像前幾年的互聯醫療，大家一窩蜂進來了?！?/p>

以融資來論，據GPLP不完全統計，2107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，目前行業內頭部企業大多進入到了B輪。根據公開資料顯示，目前全國有300多家醫療影像相關的公司，而單以AI+影像的創業公司不下百家，占到行業三分之一左右，競爭十分激烈。

(資料來源：GPLP根據動脈等資料綜合)

為何醫療影像AI領域成為創業者和資本擁簇的賽道？

這實際上和我國醫療影像資源缺少的現狀有關。根據公開資料顯示：我國醫學影像數據的年增長率約為30%，能夠診斷的醫師數量增長遠不及影像數量的增長，單以放射科醫師為例，年增長率只有4.1%；而與此同時，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，由此導致一個結果是我國醫療影像誤診人數高達5700萬人/年。

在影像AI診斷出現之前，政府的解決方案是通過外包給第三方獨立機構。于是，從2009年開放第三方診斷中心以來，這個方法曾在一定程度上緩解了醫療影像診斷的壓力，但是依然無法從根本上緩解這種高度依賴勞動力的看片方式。

隨后，AI技術變革的出現讓政府和創業者看到了機會——人的精力有限，可以交給精力無窮的機器。

2017年7月份政府印發《新一代人工智能發展規劃》，隨后12月工信部又印發《促進新一代人工智能產業發展三年行動計劃(年)》通知，其中明確了具體目標：推動醫學影像數據采集標準化與規范化，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。

這讓大家都看到了機會及希望。

因此，國家戰略之下，各方力量的紛紛涌入，據GPLP君研究發現，目前涉及到的影像AI領域公司粗略可以歸納分為四類：

第一類是新興的技術型創業公司，目前主要通過和醫院合作進行研究方式，比如依圖科技、圖瑪深維、匯醫慧影、深?？萍?、推想科技等。

第二類是醫療影像類的硬件廠商，通過和外界團隊合作方式全方位切入。比如，萬東醫療旗下的萬里云通過與美聯健康、阿里健康等巨頭合作，以SaaS服務的模式向患者、醫院、醫生提供全方位影像服務，包括影像云端存儲、診斷、分享、質控、培訓和大數據服務等。

第三類是跨界的互聯科技巨頭公司。2017年，阿里、騰訊、科大訊飛等科技巨頭相繼發布醫療人工智能相關的產品或是通過投資參與其中。他們在影響力、流量、技術、資金、等方面有著較大的綜合優勢，比如，2017年11月，科技部宣布將依托騰訊公司建設醫療影像和國家新一代人工智能開放創新平臺。

第四類是國外影像設備公司，他們攜已有的技術、市場積淀進入到中國影像AI領域。例如，美國通用電氣公司(GE)、荷蘭飛利浦公司(PHILIPS)以及德國西門子公司(SIEMENS)組成的三巨頭“GPS”占據我國中高端醫療影像設備市場80%的份額。

一句話，僅從國產替代的角度考慮，醫療影像及醫療影像設備公司的發展前景就十分廣泛。

舉例來說，北京協和醫院放射科的官方站上，在“設備介紹”一欄中進行公示的多臺磁共振設備均來自“GPS”和日本東芝公司(如下圖)，這些設備采購價格不菲，這些國外公司賺取了大部分收益，急需中國公司從技術上進行突破。

綜合比較下來，在這四類企業當中，生存壓力相對較大的是以AI+影像的創業公司。

“互聯科技巨頭實力雄厚，而對于國內外大型的醫療器械廠商而言，都能夠依賴已有的業務進行造血，影像AI的出現不過增強其商業壁壘的又一種方式。”一位行業專家告訴GPLP君，目前算法技術已經很難成為核心競爭力，對于影像AI而言，真正重要的是優質的醫療數據和應用場景的資源。

因此，對于影像類AI的創業公司而言，這勢必是一場持久戰。

影像AI為何投入周期會是如此之長？創業公司何時才能夠實現大規模盈利呢？

影像AI的商業化

創業不易，對于影像AI類創業公司同樣如此。

首先，在當前環境下，影像AI創業公司想要迅速落地變現有點困難。依圖醫療副總裁鄭永升曾接受GPLP君采訪時說道：“(按)我們內部的話講，沒五年你不要想這件事情可以規?；覀儽举|上是抱著一個長跑的心態來看待今天對醫療的投入?！?/p>

一位行業專家也表示，和一般行業不同，醫療行業的投入是一個長周期的過程，單就影像AI而言，其背后要考慮技術、監管認證、跨界人才以及病人觀念等因素影響。

最近媒體報道顯示，國外某醫學博士質疑前百度首席科學家吳恩達帶領的斯坦福團隊設計的能夠檢測肺炎的“CheXnet”算法，他發現，與人類醫生的視覺評估相比，該數據集中的標簽不準確、不清楚，并且經常描述醫學上的次要發現，不過，作為人工智能和機器學習領域國際最權威學者之一的吳恩達對此并沒有回應。

不過也很容易歸納，那就是人工智能跨界整合醫療資源并不是一件容易的事。而且，即使影像AI在技術上完全可行，但其商業化落地之路并不平坦。

根據公開資料顯示，早在2009年，由國家衛生計生委頒布的《人工智能輔助診斷技術管理規范(試行)》就提到了對醫療機構、醫療人員的多項要求。

以影像診斷科為例，開展影像臨床診療工作需達到5年以上工作經驗，其技術水平達到三級醫院專業科室要求，必須有數字化影像診斷設備包括數字化常規X線設備、磁共振(MRI)、計算機X線斷層攝影(CT)和醫學影像圖像管理系統及其工作站的計算機硬件平臺。

另一方面，“盡管CFDA認證在逐步放開，但是影像AI要通過CFDA的認證的估計還需要幾年時間；如果的沒有CFDA認證，對于AI+影像的創業公司而言，就無法形成穩定的營銷渠道，何談盈利呢？”一位醫療行業的專家表示。

這實際上從宏觀上控制了影像AI的變現速度，而從微觀技術層面考慮，醫療影像數據轉化成AIAI可以利用的標準數據過程也比較困難。

一位影像AI業內人士說：“通過算法尋找影像中的病灶并不難，問題的關鍵是如何獲得高質量被標注好的數據。現在優質的數據都掌握的在三甲醫院中，影像AI創業公司需要和三甲醫院的專家一起標注數據，解決影像醫學設計到問題?！?/p>

但是三甲醫院的專家為何要和創業公司一起共享數據呢？

這是個問題，盡管所有人都知道，AI醫學影像盡快商業化需要頂級醫學專家和頂級機器學習學者通力合作才有可能成功。然而，專家是稀缺資源，有多少專家愿意配合投入到數據標準，這要打一個問號。

而且，專家是一方面，醫療影像AI創業公司的員工素質又是另外一方面，誰都有傷能否吸引并留住人才這是個問題。據GPLP君隨機調查一些影像AI創業公司顯示，一些影像AI創業公司并不是讓專業度極高的醫療影像人員進行影像標注操作，而是用一些經驗相對較低的人員。如此下來，影像AI在醫學上的嚴謹、嚴格的數據標準又將如何保證？

圖片來源：天眼查

除了數據標注，另一道坎是，在我國大部分醫院的數據都是孤立的存在。影像AI公司想要獲得高質量的影像數據體系就需要讓不同醫院數據進行融合，但這并非易事。

通常，一般大型醫院的影像科室都有PACS系統系統，主要的任務就是把日常產生的各種醫學影像（包括核磁、CT、超聲、各種X光機、各種紅外儀、顯微儀等設備產生的圖像）通過各種接口（模擬，DICOM，絡）以數字化的方式海量保存起來，當需要的時候在一定的授權下能夠很快的調回使用。

問題的難點在于，中國目前有幾百家信息化廠商，打通數據的過程涉及多方利益。

“對于AI醫療公司來說，要打通這些數據壁壘，可能又是一項成本支出?！编嵱郎f道。

“成本支出”到底是多少？在和醫院對接過程中速度如何？這些又是需要時間考驗的問題。

即使前面所有坎的都跨過去，也并不代表影像公司的能夠很快變現，因為還會涉及到誰來付費的問題。GPLP君采訪的一些影像AI從業者對于產品付費問題目前都是以回避姿態作答。

如果說是患者的話，中國目前患者對這種付費意識并不強。

比如，目前市面一些影像AI公司打造AI檢測骨齡的產品為例，GPLP君調查發現，測骨齡的市場空間很大，據統計，中國兒童生長發育遲緩發生率達到9.9%，超過700萬的生長發育遲緩兒童總數已居全球第二。但是由于大眾對兒童矮身材了解不夠，實際上真正進行規范治療的很少，更何談付費。

根據中華醫學會兒科學分會內分泌遺傳代謝學組的統計，全國歲矮小患兒700萬人群中，目前每年真正接受規范治療的患者不到3萬名。而在規范治療之前，需要進行的骨齡檢測為例，GPLP君聯系到北京一家兒童醫院，對方告知每次骨齡檢測費用是200元左右。

可見，單就這款AI骨齡產品而言，影像AI公司要想獲得盈利，收回投入的成本，可能還需要一個較長時間的市場教育。

如果說是醫院付費吧，你本來數據都渴求人家給予，同時，多你就會覺得真我的顯現讓平時欺瞞你的假我原形畢露少公司排隊等著醫院放一條口子進入，求都來不及，何來讓醫院付費？

如果沒有人買單，影像AI公司的未來該怎么辦？

AI賭贏？

投資是為了賺錢，而不是為了慈善。

如果沒有變現，影像AI創業公司到底能走多遠？

正如一位醫療行業連續創業者向GPLP君坦言，創業本就像一場的充滿風險“賭局”，而最終能否勝出，則需要看創業者的“牌”能否能夠真正帶來回報。

目前，影像AI創業公司“出牌”方式分為兩類：

第一類是平臺模式，第二類是伸向垂直領域。

“影像AI創業公司想把所有病種都納入到其輔助診療的體系，

建立一個大型的多病種的輔助診療平臺可能很困難?！币晃会t療領域連續創業者對GPLP君說。

一方面，成像設備的差異會產生多種類型的圖像。CT、MRI、X光、超聲、內窺鏡、病理切片這些圖像缺乏一定的標準。目前，業內的影像AI公司都已紛紛意識到數據標準問題，聯合多方進行數據標準制定。對于他們而言，越早開展數據標準的制定，越就意味可以掌握更多的主動權。

另一方面，在醫學影像上，大概可以分為兩千多個病種。北京大學王立威教授曾表示：“解決一個單病種已經不是簡單的事情，斯坦福的團隊已經和頂級的醫學專家(斯坦福團隊研究的AI檢測皮膚癌方案)研究數年才得到目前的成果，要囊括兩千多個病種更是難上加難。此外，病種與病種之間的差異度也很大?！?/p>

王立威教授認為，從技術角度而言，今天的機器學習、人工智能技術對于檢測等問題可能做得比較好，但是全局性病變、結構性病變對機器學習還是有難度。未來幾年看誰能勝出，就看誰能選對病種，選錯就有可能浪費時間、精力。

選對選錯，這就是一場賭局了。贏了，通吃；輸了，一敗涂地。

但是，賽道一側的醫療器械廠商會給影像AI創業公司很多機會嗎？

“當AI算法已經不成為核心競爭力時，考驗的是進入到影像AI領域公司的應用場景和獲得用戶的渠道，在這方面影像醫療器械廠商有著天然的優勢。”一位業內人士說道。

以萬里云為例，依托萬東醫療設備的市場銷售渠道，萬里云有實力能夠在病患、基層醫院、影像中心、影像專家、設備廠商等之間能夠形成有效率的產業鏈對接。一般的影像AI創業公司很難具備其完善的服務體系和強大市場競爭力。

根據媒體公開報道數據，萬里云已經和2000多家醫院建立了合作關系，而平臺上每天上傳病歷數量高峰時能夠達到10000張，閱片量平均每天也能達到8000張。一般的影像AI創業公司能夠建立合作關系大約也就幾百家醫院。

由此，影像AI的競爭可以類比是電商的發展，最開始誰都沒有能力覆蓋所有的病種在打造一個完整的平臺，然而隨著技術的成熟，掌握流量入口一方可以通過不斷擴充病種進一步占據優勢。

實際上，除了醫療影像器械廠商的競爭，GPLP君也在前面提到，以騰訊、科大訊飛為代表的科技巨頭，也是個個實力雄厚的對手；并且這些巨頭們大都抱著長期不盈利的心態對待這場“賽事”。

于是，一個困難的現實擺在影像AI創業者面前，當融資熱潮過去以后，整合在所難免，下一波的融資會相對困難，尤其是B輪和C輪的融資。

但站在投資人的角度，這必然要影像AI創業公司在下一輪融資時，有相對成熟的產品或者是商業模式上的突破。否則，以高人力成本著稱的影像AI能否經得起長期的折騰，這恐怕是每一個影像AI創業者心中都十分擔心的問題。

影像AI這場賭局的結果，或許會像幾年前的互聯的醫療熱潮一樣，當潮水褪去時，能站在賽道上的也就剩下幾個。

到底誰將成為最后的勝者呢？

版權聲明

凡來源為億歐的內容，其版權均屬北京億歐盟科技有限公司所有。文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。