“我时刻提醒自己，告诉自己不要流泪，因为眼睛要用来看海量的ct和x光片子。”如此震撼人心的话出自武汉市金银潭医院放射科主任樊艳青之口。她带领的医疗小组自从疫情打响之后便开始不眠不休地镇守在ct机旁，昼夜轮班。
激增的病例使得各大疫情前线的医院都在面临阅片挑战。据了解，单人单次检查就至少会产生300张胸部ct影像，前半个月来，按照湖北省1天万余名新增疑似患者产生的影像数量就已超过数百万张，而在实际临床工作中，每名患者每隔2~4天还需复查一次，加之数万名确诊患者的复查需求，一线的阅片医生们将面对着至少500万张/天的阅片工作量。一线医生所面临的压力可想而知。
不应让医生孤身奋战前线，到了ai开始发力的时间点了。
确实，ai影像公司成为了此次疫情中最快做出反应的ai+医疗类公司。疫情期间，他们通过构建医疗影像诊断系统ct+ai的模式，缩短了影像初诊时间，并协助医疗机构辨别感染者，为快速隔离、诊断和治疗争取到了时间。
他们表现如何？
影像ai率先走进疫情一线
2月6日起，一份《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》的实施，将“疑似病例具有肺炎影像学特征者”作为湖北省临床诊断病例标准。在湖北等疫情严重地区，ct筛选或将成为诊断新型冠状病毒感染的肺炎的首选方法。
为什么没有尽早把临床诊断作为确诊标准？对此，影领科技创始人董捷告诉创业邦，这是因为ai阅片的前提是需要有海量数据支撑。
“一开始就用ai不太现实，因为疫情刚出现没有足够海量的数据支撑，很难有精确地判断。但是随着疫情的发展，患者病例的增多，借助ai辅助诊断提高诊断效率，可以大范围节约诊断时间。”董捷说。
随着诊疗方案的出台，影领科技已做好准备：在其联合翼展互联网医学影像诊断中心开发的免费义诊平台上，集成了智能评估新型冠状病毒性肺炎的ai影像产品。
这款产品结合了两方面的ai技术。一方面，通过图像算法实现对新型冠状病毒性肺炎ct影像的智能化诊断与定量评价，并对局部性病灶、弥漫性病变、全肺受累的各类肺炎疾病严重程度进行分级；另一方面，通过对病灶的形态、范围、密度等关键影像特征定量和组学分析，精确测算疾病累计的肺炎负荷，实现对ct的全肺病变动态4d对比。
“需要强调的是，ai影像技术，是协助临床医生解决实际问题，而不是要跟影像科医生比谁看片子看的更准。”董捷说，ct无法区分患者感染了哪种病毒，核酸检测仍然是“金标准”。目前把胸部ct作为筛查的诊断手段，是为了“宁疑勿漏”，填补核酸检测试剂盒无法到达的真空。
影领医疗并不是“一个人”，早在春节前后就已有大量医疗ai企业针对疫情做出反应。
1月28日，依图医疗上线初版新冠肺炎智能评价系统，并在24小时之内，将该系统部署到了疫情防控任务最为紧急的武汉大学人民医院、华中科技大学同济医学院附属协和医院、武汉大学中南医院、荆州市第一人民医院4家医院中。
1月31日，推想科技宣布推出针对新冠肺炎筛查产品，并率先应用在华中科技大学同济医学院附属同济医院中。
截至2.16日，深睿医疗已有近40套新增本地部署的肺部疾病智能解决方案（新冠肺炎增强版）发往湖北，包括武汉协和医院、武汉同济医院、大别山区域医疗中心、孝感市中心医院等，覆盖武汉、黄冈、孝感等多个城市。同时，除湖北省外，包括上海公共临床中心、浙江大学附属第一医院、北京佑安医院等各地定点收治医院也在使用深睿医疗的系统。
为什么在此次疫情中，ai影像公司的“表现”最好？
道彤投资相关负责人告诉创业邦，这是由疫情的特性所决定的。
“现在来看，真正能在疫区现场发挥作用的不是远程影像，而是ai影像。”疫情是一次突发场景，加速体现了医生在阅片过程中遇到的两道难关。第一，大量高强度的重复性体力劳动；第二，基层设备不足，医生水平参差不齐。这两点都会导致误诊和漏诊，而使用ai则能有效缓解当前局势。
从这场疫情“战争”中可以看出，目前ai更适合两个地方采用。北极光创投副总裁马可认为：一个是疫情爆发后忙不过来的“前线”，另一个是没有“分子实验室”的基层医疗机构。
对于未来ai影像的商业化发展之路，马可告诉创业邦：“ai影像的变现方式之一是建立第三方影像中心，主要看两方面的落地能力。一方面是大城市患者拥挤的医院，那些医院可能拍个ct需要排队两周，第三方影像中心可以帮助医院分流；另一方面是缺乏设备和医生的基层医院，第三方影像中心可以帮助基层医院提升放射科整体水平。”
市场加速教育，行业需要整合
ai医疗自诞生之初就存在技术难以落地、资金链断裂风险严峻、审批大关难过等痼疾。
重重困难之下，就算是“不差钱”的巨头也收效颇微。比如ibm沃森健康部门在成立6年，投资50亿后，仍然免不了裁员70%，缩减服务规模的命运，几乎宣告了这个项目的失败；随后，亚马逊、苹果、ge、阿里、腾讯、百度等大公司，都在切入ai医疗的赛道，但目前为止都还处于投入阶段。
“国内，有三座大山一直压在医疗ai类公司的头上。”道彤投资相关负责人表示，对于医疗ai企业来说，产品要想顺利实现商业化，必须“持证上岗”。“但就算拿到了‘三类证’，还要申请医保收费编码，最后各个地区的政策情况也都还不一样。”
尽管艰难，医疗ai机构还在积极探索商业化道路，影像ai被认为是能最快落地变现的赛道。
从技术上看，ai影像技术源于计算机视觉的迁移，并在此基础上根据病种的特征进行训练、优化。迁移算法的优势在于开发者可以迅速切入医学领域，并开发出可商业化的产品解决临床问题。
“在这个领域，几千份病例数据就可以开发出一套准确率相对较高的成熟产品。”马可告诉创业邦。
从需求上看，影像ai有助于缓解国内医疗资源紧缺的现状，使用场景清晰。
当下，国内影像医生资源严重短缺，每一年的全国放射科门诊量年增长率达到30%左右，但影像科医生年增长率仅为4.1%左右，医生数量的增长比例远远赶不上患者的增长比例。
其次，优质医生资源过度集中，中国大部分优秀的医生资源都集中在少数的三甲医院，而大量的基层医院放射科甚至缺少有影像诊断资格的医生。
“我国有巨大的医疗影像市场需求无法被满足，医疗机构的信息化水平也相对落后。比如西方发达国家的医疗机构均采用先进的数字化胶片作为存储，而中国普遍还在使用纸质胶片，不但成本高，而且胶片的生产会严重污染环境。”董捷说。
道彤投资这位负责人认为，医学影像ai只是医疗ai行业中的一部分。“如果只是单纯地看影像这个赛道，产品会同质化很严重，因此这个市场需要整合。”他认为，只有给医院一个相对完整的打包方案，才能真正做到商业化。“未来这个行业会存在大量并购整合的机会。”
以兰丁高科为例。兰丁是医疗ai中少有的能实现大规模盈利的公司，主要原因在于其商业模式由“卖设备和耗材”转变成“提供系统化解决服务平台”。公司用人工智能的方法做宫颈癌筛查，远程染色上片读片诊断，当前主要有三类客群：一类是需要提高诊断效率和准确度的大中型医疗机构；一类是缺乏细胞病理诊断能力的基层医院；另外一类是推动宫颈癌筛查项目的各级政府。
“医疗ai是一个大的生态，影像、病理检验、病历、单病种智能诊断等领域都会进行整合，最终成为三五家大公司。这是医疗ai未来可能对传统产业进行的颠覆或是影响。希望这次疫情会加速市场的教育，推动审批落地流程。”道彤投资表示。
还有很长的路要走，中国将走在世界前列。
ai会是未来医疗行业的发展路线吗？
在董捷看来，医疗行业中确实可以通过ai辅助诊断，减少筛选对比病例的时间，为患者制定准确的治疗方案。对于患者来说，就可以更快速地完成健康检查，获得更为精准的诊断建议，节省大量的时间、金钱成本；对于医院来说，深度学习可以提高效率，降低医疗成本等。
“但是历经长期信息系统标准不统一，数据质量参差不齐，临床术语开发无法跟进，健康数据碎片化、非结构化等因素困扰，保障数据质量才是医疗人工智能的唯一出路。目前以远程诊疗为代表的ai医疗正在弥补城乡医疗资源差距，但短时间内ai医疗尚不能取代传统的医生诊疗。”董捷说。
马可也认为，ai不可能替代传统医生。“人的出错是有规律性的，也是可以及时回过头来修正的。但是ai的出错会非常随机，有时候可能会在很简单的地方犯下很低级的错误，这种错误防不胜防，所以一定要和人的判断结合起来。”
“但是中国市场非常适合ai医疗的发展。”马可说，一方面，是中国市场有足够大的数据样本可以采集，另一方面，中国正在探索推行分级诊疗体系，这需要使用ai赋能。
“所以我们会关注更多细分市场的机会。”据马可介绍，除影领科技之外，北极光创投在细分领域的布局还有专注内窥镜影像辅助诊断的微识科技，专注血液病理诊断的深析智能，第三方医学诊断影像中心翼展科技等。“ai能不能真正解决临床的痛点、能不能帮助医生显著提升治疗和诊断效率，是我们关注的重点。”马可说。
除vc之外，在医疗ai的舞台上，众多器械巨头也纷纷在ai医疗领域发力。2017年，西门子医疗推出了数字化医疗平台teamplay——一个基于云端的大数据平台及医疗生态圈；2018年，飞利浦宣布平台首次在吉林大学白求恩第一医院落地，该平台包含isp（支持临床影像诊断，涵盖心脏病学、肿瘤学和神经学）和isd（医用科研平台）两个平台；2019年，ge医疗在中国发布了一系列基于“edison”平台的全新医疗应用产品和智能型医疗设备。
“大企业都在寻找新的创新点，比如ge、奥林巴斯、美敦力、强生、波士顿科学等等都在医疗ai方向有布局。未来同器械厂商的合作也会是ai医疗企业的一个商业化方向。”马可说。
本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系。
