雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
口述 | 特約觀察員 肖翔（視見科技聯合創始人，COO）
采訪、編輯 | 黃臻曜
AI 10-20秒讀一張CT
我們研發的肺部CT圖像輔助診斷系統（新冠肺炎增強版）從1月20日開始立項，春節期間進行了初步的算法原型的開發，節後開始資料訓練。2月24号開始在深圳第三人民醫院進行試用和準确性檢測，目前正式版已在3月17日上線。
我們從18年就開始研發胸部DR的全病種診斷産品，覆寫胸部主要病征達到19類，其中就涵蓋了肺炎。而之前的胸部CT圖像智能輔助診斷系統，主要功能是針對肺結節，以及肋骨骨折，在此基礎上我們把新冠肺炎的相關功能加進去，是以稱之為“新冠肺炎增強版”。
這次和醫院的合作，我們主要承擔算法開發、模型訓練，還有軟體功能、工程化開發的工作，院方主要提供臨床知識和資料标記等工作，以及對産品使用的直接回報等。
收到院方需求後，我們内部快速進行了技術評估。正式立項後第1個階段的工作，是做算法原型的開發，并确定相應的基礎功能。第2個階段是資料收集和訓練，得益于前期跟大量醫院合作和産品應用的基礎，我們快速收集了來自全國各地逾千例新冠肺炎的CT資料。第3個階段是測試版上線，進行功能和性能的檢驗，然後根據回報做進一步的疊代和更新。
目前隻要患者在深圳市人民醫院、市三院做了胸部CT掃描，都會通過我們的AI系統進行自動計算，如果發現疑似新冠病例，馬上會有相應提示并定位病竈區域，以及提供必要的各類定量資料分析。目前在這兩家醫院，我們的系統日處理的影像量加起來大約600人次。處理一例CT的時間，僅需10-20秒。
目前我們的AI系統對新冠肺炎篩查的準确率能達到99%以上，能很好地提升篩查準确性和效率，這也是 AI輔診類産品的兩個基本特點。
新冠肺炎輔助篩查系統
AI有助于解決“知識傳遞”的滞後性
臨床醫學是經驗學科，影像科醫生更是需要通過長時間大量的閱片訓練才能更加精準地做出判斷。一個突然快速爆發的新疾病，它在“知識傳遞”上存在一定的滞後性。這次新冠疫情就是如此，它在某些地域大規模爆發，病例迅速積累，而同時其他區域則可能由于病例較少，影像資料相對有限。雖然傳染病影像專委會1月30日就釋出了第一版《新型冠狀肺炎的影像學診斷指南》，但看指南和大量看過真實的病例影像還是有一定差異。
但是人工智能通過快速大量的資料訓練，提取圖像特征，迅速在“AI大腦”中形成“經驗積累”，為那些短期内接觸真實病例不多的醫生提供輔助診斷，能彌補突發情況下人與人“知識傳遞”的不足。
另一層面，無論是新冠産品，還是其他 AI輔診産品，本質都是提供更高效、更準确的篩查結果，去解決我們國家醫生資源不足、資源配置設定不平衡的沖突。
對AI影像輔診類産品來說，從需求産生到産品釋出并快速和廣泛的應用落地，這次新冠類産品的速度是前所未有的。這其中需求當然是第一驅動，AI公司的快速響應是必要條件，這得益于大家前期的技術以及産品臨床實踐的積累。除此之外，過去幾年各AI企業和院方的緊密合作以及前期産品逐漸獲得認可也起到了一定的催化的作用。
疫情爆發後，我們合作過的醫院、平台廠商都在向我們詢問是否有新冠肺炎相關的AI産品，因為他們很多的客戶都提出了類似需求。其中有個規模比較大的平台，2月到3月間，收到了超過100家醫院提出針對新冠肺炎AI産品的需求。
這種突然湧現的機會對整個賽道參與者來說都是有好處的，它吸引了外界更多的關注。過去可能在流程上需要更長時間才能夠觸達的客戶，而現如今需求迫在眉睫，這就促使AI産品在短時間内就能快速地落地應用。
但伴随着市場升溫，一些問題也浮現出來。這麼短的時間，在相對有限的資料量下，大量的産品快速上馬，實際應用過程中必然會暴露出問題。有些産品宣稱的效果遠大于實際效果，或者幹脆就是來蹭熱點的。一些醫院過去沒有使用過AI輔診産品，或對AI的期望過高，因為疫情可能使用了某些相對不成熟的産品，最後發現跟他們想象的不一樣，就可能會質疑其他廠家的産品，甚至對整個行業發展産生懷疑。近幾年來，醫院和醫生對AI輔診的産品和技術逐漸加深了認識，建立了信任，這是全行業共同努力的結果，需要加倍謹慎地去守護。
AI離大規模應用還有很長的路要走
這次疫情，确實帶來了很多“商機”。有些是短期的，甚至是犯法的，比如說販賣口罩、倒賣額溫槍等，這些可能可以帶來一些收益，但無法通過這個做成一家企業。
而有些産品也從中獲得了現實收益和發展機遇，比如遠端醫療、網際網路醫院、AI測溫、網際網路醫藥配送等等。這些都是之前就有所積累的企業和産品，應用場景也是早就存在的，疫情隻是給他們加了個速。
這裡引用一段觀點，做好一家企業，應該做一個堅定的長期主義者，是以不推薦盯着黑天鵝事件去找商機，永遠不能把一個長期的商業戰略，建立在黑天鵝事件上。它之是以叫黑天鵝，就因為它不能預測，不可持久。是以在長線發展思路下，疫情的影響是可以忽略不計的。一家企業不需要在突發的、偶發的事情上做重大戰略調整，沒這必要。
在整個公共醫療領域，AI離大規模應用還有很長的路要走。
首先要解決産品的問題。最初各企業的影像AI産品幾乎都聚焦在CT肺結節，後來陸續推出了胸部DR、骨折、腦卒中、冠脈、乳腺钼靶等系列産品，但總體來說應用最廣、功能最為成熟的還是肺結節。在解決更多病種，提高準确性、拓寬功能以及提升應用體驗方面，還有很大提升空間。其次是政策，包括像NMPA（National Medical Products Administration，即國家藥品監督管理局）的審批、臨床的應用規範、收費目錄的審批、醫保準入等等，也還有比較長的路要走。
但醫院對AI的接納度在疫情之後應該會大大提高。我17年初去拜訪醫院的時候，很多醫生甚至沒有聽過AI醫療相關産品。但到了17年底，當時在上海的中華醫學會放射學年會上就專門安排了一個大型的論壇來讨論 AI醫療的應用，雖然當時跟多還是聚焦在科研和學術層面。18年各家産品逐漸釋出，再到19年有些産品逐漸成熟落地并開始實作商業化，現在某些産品已經讓醫生建立了使用習慣或者使用依賴，比如CT肺結節AI輔助診斷産品。這次疫情之後，AI在醫院的應用一定會更廣泛。
從另一個角度看，我覺得這麼大的疫情對全社會和全行業的影響肯定很深遠，比如03年非典之後，醫院就多了“發熱門診”，有專用的門診甚至專用通道，再比方說我們的購物習慣也是在03年之後有了改變，淘寶在非典之後得到快速發展。
全球範圍内中國影像AI發展處于第一梯隊
國内影像AI的發展速度在全球範圍來看都處于第一梯隊。首先從應用開發的層面來看，大家的技術起點基本一緻。第二，我們國内市場大，影像資料積累基數大，資料的量級和擷取來源更豐富。第三，資料标記的醫生資源和成本相對于歐美國家更有優勢。第四，我們國家的影像市場增速保持在30%左右，而放射醫生數量的年增長率僅有4%，再加上醫療發展水準的不平衡，部分區域的需求會更迫切。比如有的省份，放射硬體投入非常大，甚至一年内為全省鄉鎮一級的醫院全部統采統配了DR裝置，而其中很多醫院都缺乏專業的放射醫生。這種發展速度的錯位，為AI類産品創造了發展機會。最後，國家把人工智能的發展定位為國家戰略，在政策上給予了充分的支援。這些都為行業發展提供了有利的條件。
初期的時候，大家的工作重心都是快速做出産品，是以做影像科的都在做CT肺小結節，做眼科的都在做眼底視網膜糖篩。主要是因為肺癌是全球發病率和死亡率最高的癌症病種，影像檢查方法比較一緻，前期算法、資料積累都比較多，問題也清晰。這個階段，大家基本都是先産品後場景，先做出産品，再去推廣。後面大家就開始慢慢先考慮需求和場景，然後再做産品，是以各個廠商後續推出的産品差異化就出來了，每個方向都有。
CT肺結節輔助篩查系統
在企業定位和産品布局方面，各家AI企業做出了不同的選擇，總體上來說分“縱向政策”和“橫向政策”兩大類。拿我們自己來說，我們的核心競争力是對AI算法的開發，同時我們認為現階段AI應該更善于解決醫生容易遺漏的、數量極大的問題，而不善于解決對醫生來說都是非常難以判斷的問題，比如疑難雜症。是以我們在産品方向上聚焦于篩查類項目，并不斷擴大可覆寫的病種範圍。
而有些企業則聚焦在某一個髒器或者病種上面，在功能上做縱向布局。除了AI輔診之外，還提供影像增強、三維處理、治療方案建議，以及建立完整的病種資料庫等。
還有一些企業，則面向更廣闊的醫療資訊化領域，AI隻是其整個醫療資訊化産品中的一個應用工具。這些方向我覺得沒有對錯之分，隻是在現階段下不同企業根據自身情況做出的不同選擇。
5年内行業增長曲線的拐點肯定會到來
影像AI這幾年的發展，我覺得可以用一快一慢，一多一少和一熱一冷來形容。
初期的時候，AI企業的投資和規模擴張速度快，但市場和行業的接受度發展慢；宣稱做AI的公司數量和宣傳的産品種類多，真正能用和好用的産品少；國家戰略方向熱，行業主管部門的政策審批則偏冷靜。
這些沖突讓所有參與者越來越理性。
我認為行業的泡沫基本已經過去。從16年國内開始啟動影像AI創業熱潮，到18年上半年整個賽道都是一個非常火熱的狀态，無數的創業者前赴後繼，一些大的網際網路公司、傳統的醫學裝置或者資訊化廠商都紛紛湧入。
但到了18年下半年，賽道開始迅速降溫，首先就展現在資本上，一句話：融資變難了。19年之後企業自己也冷靜了，不再盲目擴張，有些團隊也沒能堅持下來，是以現在賽道的狀态是：擁有真正的好産品好技術，商業模式能得到驗證，且公司的價值和價格相比對的項目，才能繼續得到資本的認可。
我暫時也沒有看到比較明确的信号表示“疫情後會有大量資本湧入這個賽道”。但在整個VC行業普遍缺錢的背景下，資本對這個賽道的關注度還是非常高的。因為從行業來看，醫生缺，高水準的醫生更缺，而中國的影像市場又還在不斷的快速增長，這就是行業的大機會。現階段對我們來說純财務投資當然也非常需要，但我們在選擇投資人的時候，也會特别考慮他們在整個醫療領域裡的布局，聯想創投作為我們早期的投資者，他們在智慧醫療領域一直有布局，在這方面也給我們提供了不少資源，我們也一直在一起尋找市場機會。
我們對行業的發展基本的認知和判斷是：2年内一些成熟的病種AI輔診會得到普遍應用，它的商業模式會被驗證。未來我們要做的事情很清晰，第一是把現有産品做好并實作規模化銷售，第二是做更多的産品并複制模式。前期市場發展曲線會比較平緩，它會迎來一個拐點。我們判斷5年之内曲線的拐點肯定會到來。除了行業本身的内驅力，如技術、産品的發展推動外，也可能會有其他外部因素加速拐點的到來，比如NMPA的審批、進收費和進醫保的審批，或者網際網路醫療的快速發展等。
雖然疫情催生了一些需求，但對行業競争格局來說也不會有本質的影響。如果有能力抓住疫情期的需求，快速推出産品當然最好。如果錯過了這個機會，也不是說你在未來就沒機會了。正如前面所說，醫療是一個“慢行業”，有自身的節奏和規律，而做企業更是一件長期的事情。光影像科涉及的病種就有近千個，每一個方向在未來都有可能轉化為産品和市場機會。清楚自己公司的定位，然後按醫院的需求不斷推出好用的産品，我覺得這才更重要。不能因為疫情打亂了自己的節奏。
科研一直是AI企業不可或缺的能力。對于技術的儲備、産品的研發和高端醫療資源的擷取，科研能力至關重要。但科研也早已不是AI企業的主陣地，畢竟我們是企業，不是科研機構。我們自己目前是20%精力在做科研，80%在做産品。
【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-04-06
本文作者：黃臻曜
本文來自：“
36kr”，了解相關資訊可以關注“
”