眾所周知，視網(wǎng)膜是人體中唯一一個(gè)能以無創(chuàng)方式直接觀察血管和神經(jīng)細(xì)胞變化，以此作為多種慢性病指標(biāo)的機(jī)體組織。因此，作為一種輔助檢查的手段，視網(wǎng)膜影像一直被列為醫(yī)療影像的研究重點(diǎn)，在AI醫(yī)療產(chǎn)業(yè)中也有舉足輕重的地位。

據(jù)數(shù)據(jù)顯示，在人工智能醫(yī)學(xué)影像市場中，人工智能視網(wǎng)膜影像發(fā)展最快，2019年至2021年的年復(fù)合增長率為171.0%。

AI醫(yī)療在商業(yè)化戰(zhàn)場上屢屢碰壁，一直無法觸及診療核心，除了發(fā)展的技術(shù)跟不上時(shí)代的節(jié)奏以外，從本質(zhì)上來說，也無法完全取代醫(yī)生的主導(dǎo)地位。就連眼底AI發(fā)展前景廣闊，也仍未走出逐年虧損的怪圈，“燒錢”一直是AI醫(yī)療撕不掉的標(biāo)簽。

那么，醫(yī)療AI產(chǎn)業(yè)處在這不尷不尬的位置上，是否能成為新興行業(yè)的指路明燈?

眼底AI如何破局?

圈內(nèi)有一個(gè)共識，想要發(fā)展AI醫(yī)療最難的部分就是數(shù)據(jù)庫的建立，畢竟每家醫(yī)院信息系統(tǒng)中的數(shù)據(jù)質(zhì)量參差不齊，而創(chuàng)業(yè)初期的企業(yè)只能向一家或者幾家醫(yī)院，通過付費(fèi)購買或者科研合作的方式達(dá)成合作，但很大概率只能獲得部分并不完整的數(shù)據(jù)。

而眼底AI領(lǐng)域就沒有這個(gè)后顧之憂，根據(jù)資料顯示，2018年3月，中檢院眼底圖像數(shù)據(jù)庫建庫工作完成。在此基礎(chǔ)知識之上，2020年8月，鷹瞳科技和硅基智能的“糖網(wǎng)輔助診斷軟件”第一批通過藥監(jiān)局審批、取得第三類醫(yī)療器械證書。緊接著致遠(yuǎn)慧圖、微醫(yī)醫(yī)療器械有限公司的產(chǎn)品也相繼獲得認(rèn)證，其中還有幾款產(chǎn)品獲得了歐盟CE認(rèn)證。

可以說，眼底AI的發(fā)展穩(wěn)扎穩(wěn)打，逐步建立起了以視網(wǎng)膜影像為基礎(chǔ)的診斷系統(tǒng)。根據(jù)了解，通過捕捉并分析視網(wǎng)膜圖像，不僅可以識別視網(wǎng)膜黃斑變性、病理性近視、視網(wǎng)膜脫落等眼科疾病，也能診斷糖尿病、高血壓、心腦血管病等全身性疾病。

從根本上說，雖然眼底AI不能完全代替眼科醫(yī)生進(jìn)行診斷，但起到了明顯的預(yù)防作用。

根據(jù)《2017年中國衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》獲悉，中國有4億左右慢性眼病患者，而只有3.6萬名眼科醫(yī)生，門診量超過1.1億，住院患者超過450萬結(jié)合整個(gè)醫(yī)療環(huán)境來說，眼底AI的出現(xiàn)讓很多慢性疾病實(shí)現(xiàn)了“早篩早治”，進(jìn)一步結(jié)合醫(yī)生的診斷結(jié)果，讓很多病人得到了及早的治療。

除此之外，術(shù)業(yè)有專攻，眼科醫(yī)生對于糖尿病、內(nèi)分泌等其他專科疾病的診療并不一定準(zhǔn)確及時(shí)，而非眼科醫(yī)生對眼底影像閱片能力畢竟有限，尤其是眼底疾病病灶微小、不同病灶間區(qū)分度低，全國范圍內(nèi)擁有閱片能力的醫(yī)生相對較少。而眼底AI的輔助診療，在一定程度上可以成為醫(yī)生的“幫手”。

眼底AI之所以可以在人工智能影像市場中脫穎而出，與企業(yè)落地場景的多樣性也有很大的關(guān)系。不管是肺部影像、心血管影像或是胸腔影像，一般都會選擇落地大型醫(yī)院，綁定硬件設(shè)備來銷售，而眼底AI的選擇范圍更加廣泛，既可以選擇三甲醫(yī)院，也可以從視光中心進(jìn)行小范圍突破。就像鷹瞳科技的眼底篩查軟件，選擇用一個(gè)低成本要求的眼底相機(jī)，實(shí)現(xiàn)對基層醫(yī)療體系的滲透。

但眼底AI的走勢良好，不賺錢卻擺在了明面上。比如，鷹瞳科技的招股書顯示，2019年、2020年以及2021上半年，其實(shí)現(xiàn)收入3041.5萬元、4767.2萬元和4947.7萬元。去年11月，“醫(yī)療AI第一股”鷹瞳科技成功著陸，但上市即破發(fā)。

只能說，AI醫(yī)療產(chǎn)業(yè)尚且年幼，再加上最近經(jīng)濟(jì)形勢低迷，新興業(yè)態(tài)的發(fā)展處于停滯狀態(tài)，想要有所發(fā)展必定先要突破固有商業(yè)模式，積極創(chuàng)新，才有新的轉(zhuǎn)機(jī)。

人工智能+醫(yī)療，齊頭并進(jìn)?

或許是受西方電影橋段的影響，人工智能一直是人類終極形態(tài)的代表。

近幾年，人工智能的發(fā)展也是突飛猛進(jìn)，其研究表明，2012至2018年6年間，在最大規(guī)模的人工智能模型訓(xùn)練中所使用的計(jì)算量呈指數(shù)級增長，其中有3.5個(gè)月的時(shí)間計(jì)算量翻了一倍。其次，資本也持續(xù)看好中國人工智能產(chǎn)業(yè)發(fā)展，到2020年，中國人工智能產(chǎn)業(yè)融資規(guī)模達(dá)到1402億元。

尤其是交通場景和醫(yī)療場景受到了廣泛關(guān)注，特別是企業(yè)紛紛表示未來會重點(diǎn)布局人工智能。

在iiMedia Research數(shù)據(jù)顯示，超八成中國網(wǎng)民看好人工智能的未來發(fā)展前景，其中交通場景和醫(yī)療場景分別占比45.2%和40.5%。八成受訪企業(yè)表示對人工智能重視程度較高，近六成企業(yè)表示未來會重點(diǎn)布局人工智能。

疫情的到來，更是讓中國醫(yī)療器械市場規(guī)模持續(xù)擴(kuò)大，特別是人工智能在醫(yī)療行業(yè)起到至關(guān)重要的作用。iiMedia Research數(shù)據(jù)顯示，2020年中國醫(yī)療器械市場規(guī)模達(dá)到7341億元。其中，手術(shù)機(jī)器人、AI臨床輔助系統(tǒng)等智能醫(yī)療工具為抗擊疫情發(fā)揮重要力量。與此同時(shí)，中國人工智能醫(yī)療器械相關(guān)專利數(shù)量進(jìn)一步增長。

不可置否，AI醫(yī)療產(chǎn)業(yè)的發(fā)展，結(jié)合了醫(yī)、學(xué)、產(chǎn)等多方面力量。除了資本的助推，也離不開相關(guān)院系的科研力量。2017年3月25日，浙大睿醫(yī)人工智能研究中心成立，領(lǐng)頭人吳朝暉教授曾表示，“我們會利用浙大基礎(chǔ)優(yōu)勢，以開放姿態(tài)和各大醫(yī)療機(jī)構(gòu)及學(xué)科帶頭人合作，打通數(shù)據(jù)源，建立多學(xué)科、多機(jī)構(gòu)協(xié)同機(jī)制，爭取早日在醫(yī)學(xué)人工智能的關(guān)鍵性技術(shù)上取得突破。”

但結(jié)果卻并沒有朝著預(yù)期發(fā)展，國內(nèi)醫(yī)療AI市場規(guī)模增速極為緩慢，甚至于在走下坡路。據(jù)統(tǒng)計(jì)，2020年中國醫(yī)療AI市場整體規(guī)模約為265億，而從2015年風(fēng)口突起至2020年上半年，醫(yī)療AI總?cè)谫Y規(guī)模就超過了350億。

2021年，醫(yī)療AI企業(yè)雖然迎來了上市大關(guān)，但全力商業(yè)化兩年的成績單依然難過二級市場的法眼，接連敗北。3月，科亞醫(yī)療向港交所遞交IPO申請，到9月，上市狀態(tài)變成了“失效”;6月，鷹瞳科技也遞交IPO申請，11月，上市即破發(fā);7月，依圖科技的IPO狀態(tài)變成了“終止”，8月，依圖醫(yī)療團(tuán)隊(duì)被深睿收購。

不止國內(nèi)的AI醫(yī)療產(chǎn)業(yè)鎩羽而歸，在醫(yī)療領(lǐng)域“火力全開”的谷歌健康也陷入重重危機(jī)之中，不得不大規(guī)模裁員重組。

谷歌在AI領(lǐng)域本就已是巨頭，谷歌健康成立后，還聘請醫(yī)療領(lǐng)域資深人士David Feinberg就任主管，仍未將谷歌與醫(yī)療AI相關(guān)的創(chuàng)新業(yè)務(wù)做起來。2021 Q1季度財(cái)報(bào)顯示，谷歌包括人工智能DeepMind、智能醫(yī)療Verily在內(nèi)的創(chuàng)新業(yè)務(wù)，仍然處于虧損狀態(tài)。

人工智能和醫(yī)療場景的結(jié)合，不僅是對技術(shù)的考驗(yàn)，更是對現(xiàn)實(shí)情景的多方考驗(yàn)，只可惜，偌大的醫(yī)療領(lǐng)域無法拯救人工智能的應(yīng)用深度，更何況，醫(yī)療AI本身也在苦苦掙扎。

AI醫(yī)療，困于算法

人工智能本身的特點(diǎn)就決定了它無法面臨錯綜復(fù)雜的醫(yī)療場景，想要完全脫離人工而獨(dú)立進(jìn)行診療，其實(shí)很難達(dá)到。圖靈獎得主Yoshua Bengio也曾說過，在醫(yī)學(xué)文本文件中，人工智能系統(tǒng)無法理解其模糊性，也無法了解人類醫(yī)生注意到的微妙線索。

可以說，算法還有待優(yōu)化，用更全面的數(shù)據(jù)加固已有的模型，才能逐步讓AI醫(yī)療應(yīng)用到更多場景中。

追溯到2020年，吳恩達(dá)在斯坦福HAI研討會的演講中曾分析，醫(yī)療領(lǐng)域AI研究的算法難以投入到生產(chǎn)，因?yàn)橐徊糠謹(jǐn)?shù)據(jù)訓(xùn)練出的模型，難以泛化到其他情況。這一說法在谷歌健康的“糖尿病視網(wǎng)膜病變篩查”業(yè)務(wù)中有所證實(shí)。

此前，谷歌發(fā)表在《美國醫(yī)學(xué)會期刊》的文章中提到，AI算法使“糖尿病視網(wǎng)膜病變篩查”的準(zhǔn)確率達(dá)到了90%，理論上幾秒就能出結(jié)果。但當(dāng)理論與現(xiàn)實(shí)結(jié)合時(shí)，卻出現(xiàn)了極大的反差。2020年，谷歌與泰國公共衛(wèi)生部門就這項(xiàng)業(yè)務(wù)展開合作，最終由于算法對檢查照片的要求極高，準(zhǔn)確率遠(yuǎn)不如預(yù)期。

除此之外，從上傳照片到出結(jié)果所需要的時(shí)間，還取決于當(dāng)?shù)蒯t(yī)院的網(wǎng)絡(luò)信號是否良好，病人通常需要很長的時(shí)間才能拿到結(jié)果。

很顯然，AI醫(yī)療對環(huán)境以及照片像素等外界因素的依賴程度極高，一旦出現(xiàn)預(yù)期外的事件發(fā)生，將無法發(fā)揮自身的效用。就連相對成熟的眼底AI算法，尚且無法適應(yīng)各種狀況的發(fā)生，更何況本就發(fā)展受限的其他領(lǐng)域。

AI醫(yī)療在應(yīng)用中的受限因素有很多。

首先，基本地域限制，AI在實(shí)際場景并不通用，本質(zhì)上來說，適用性較高的AI基本都是定制化研發(fā)。例如，兒童骨齡智能輔助診斷軟件在診斷上就有一些問題，這個(gè)參照南方地區(qū)身高作為標(biāo)準(zhǔn)的軟件，并不適合平均身高突出的當(dāng)?shù)亍?/p>

其次，基于技術(shù)限制，市面上AI在心血管中的診療工具集中在影像功能，高門檻的技術(shù)難點(diǎn)讓不少企業(yè)望而卻步。相較于視網(wǎng)膜、肺部影像掃描圖像基本處于相對靜止?fàn)顟B(tài)，心臟以及冠脈極端復(fù)雜的網(wǎng)狀結(jié)構(gòu)的圖像更難捕捉，圖像的合成和三維重建十分困難。AI在心血管領(lǐng)域需要更加精密而龐大的算法，來診斷與預(yù)測種類極為豐富的心臟病癥。

最后，AI醫(yī)療被應(yīng)用于真實(shí)醫(yī)療場景，大量的訓(xùn)練數(shù)據(jù)是前提，但數(shù)據(jù)準(zhǔn)確性和全面性卻并未得到保障。比如，在美國醫(yī)療媒體STAT公布的IBM公司內(nèi)部文件中顯示，沃森系統(tǒng)的訓(xùn)練，使用是虛擬患者的假想數(shù)據(jù)，推薦的治療方案是基于紀(jì)念斯隆-凱特琳癌癥中心專家的方案;且訓(xùn)練數(shù)據(jù)不足，8種癌癥中，訓(xùn)練數(shù)據(jù)量最高的肺癌只有635例，而最低的卵巢癌僅有106例。

不難看出，算法的優(yōu)化根本跟不上醫(yī)療情景的變化，很多醫(yī)療AI在實(shí)景操作中并派不上用場。而投入巨大的人力物力，卻得不到相應(yīng)的回報(bào)，讓資本對AI醫(yī)療產(chǎn)業(yè)的熱情驟減，也讓這個(gè)賽道顯得越發(fā)落寞。