從AlphaGo大戰柯潔，到OpenAI血虐Dota2半職業選手，AI再次登上了歷史的舞臺。自2012年以后，得益于數據量的上漲、深度學習的出現的運算力的大幅提升，人工智能開始大爆發。

然而，有報道稱IBM 醫療部門大幅度裁員，規模達50%-70%；隨后美國醫學媒體STAT有消息傳出，STAT拿到了來自時任IBM Watson Health副首席健康官的Andrew Norden的文件，該報告顯示正在使用Watson for Oncology（Watson腫瘤解決方案）的醫生們提出了強烈的批評，指出 Watson經常提出不準確的醫療建議，這讓IBM Watson陷入了歷史以來最大的信任危機。最近更有媒體調研指出，不少醫療影像AI產品躺在醫院“吃灰”。

醫療AI狂歡背后是新技術頻頻遭遇落地場景應用的尷尬，醫療AI到底是概念意淫，或者只是一場資本游戲？如果能實現技術場景落地，那么具備哪些特征的產品才能真正被醫院接受，避免遭遇“吃灰”的命運？

以患者為中心，易用友好的產品不“吃灰”

當下人工智能發展趨勢不可阻擋，從國外到國內，從資本巨頭到科技巨頭，已經在積極布局智能醫療產業。醫療影像AI被資本高度青睞，被認為將最先實現商業化，有望實現彎道超車。

目前，很多公司已經研發出輔助不同科室醫生的產品，正在加速商業布局。然而經歷了2017年到2018年上半年的狂歡后，醫療AI公司們似乎并沒有交出一份漂亮的答卷。據悉，與浙江邵逸夫醫院影像科合作的醫療AI公司已經達到了10家之多。

匯醫慧影CEO柴象飛認為，AI醫療創業整體上還處于起步期，不管是在底層技術、還是產品創造力、產品體驗上都還有很大的改進空間。目前醫療AI產品躺在醫院“吃灰”有幾個方面原因：

第一，是大家對醫療AI有著相對較高的期待，而目前AI醫療對速度的要求和目前醫療行業變革緩慢是現在最大的矛盾，整體研發周期較長。而醫療是偏傳統的行業，有很多原始行業的特性，比如新藥從研發到商品化可能需要10到15年，器械的研發是5到10年。

第二，目前大部分產品其實是在醫院試用，易用度和友好度還有待考察，而且目前AI參與臨床還太淺太少。AI公司不僅要以醫生為中心去設計產品，把產品融入到醫生的工作場景中去，還要符合醫生的使用習慣，幫助醫生提高診斷效率和準確率；此外，還要以患者為中心去設計產品，而真正能服務患者，提高患者的就醫體驗才是產品設計的終點，打造易用友好的醫療AI產品是制勝的關鍵。匯醫慧影與GE、飛利浦、七喜醫療、美敦力等國內外知名醫療設備供應商開展合作，針對影像設備、高值耗材等醫療器械的應用進行定制化應用的開發，讓人工智能賦能傳統醫療。舉例來說，匯醫慧影在既有業務數字膠片基礎上，給患者提供智能化報告解讀服務，得到了醫院和患者多方面的歡迎。

差異化競爭，沖破天花板

AI技術能夠通過數據訓練，掌握不同的專業知識，許多商業領域均可受益。人工智能醫學影像，就是利用圖像識別的方法進行以圖識圖的判斷。醫學當中可能有幾類數據，主要就是影像數據和病理數據，用圖像識別的方法就可以解決很多其中的問題。

肺結節篩查是目前大部分AI影像公司集中的一個領域，雖然AI能幫助找出結節，但在進一步的良惡性判斷與報告意見出具方面，AI尚不能給出結論。而且，目前市場上的產品多集中在肺結節上，同質化嚴重。一個三甲醫院可能同時安裝10余家AI公司的產品，但經常使用的也就一兩家，其他家的產品由于沒有醫生的反饋來進行優化，產品迭代緩慢，出現躺在醫院“吃灰”的情況。

肺結節公開數據多，很多數據集可以直接下載，所以近兩年大量公司開發出了肺結節篩查產品。但是，對于更為廣泛的病種，AI產品的研發卻步履維艱。新病種數據獲取難度大，高質量數據需要專家進行合作標注，整個病種AI產品的研發周期較長。此外，在醫療場景當中單獨識別圖像這件事情并不足以滿足醫生的需求，疾病篩查和輔助診斷臨床價值有限，要成為醫生日常使用必不可少的工具，就要介入到到臨床決策，醫生更需要能覆蓋全部醫療流程的AI產品。

因此，深入更多病種和參與更多醫療流程的產品，可能能得到更多醫院和醫生的支持和肯定，這可能是未來AI影像公司最重要的競爭優勢。這一點上，匯醫慧影獨辟蹊徑，和清華大學、北京大學、斯坦福大學、intel達成合作，并成立人工智能聯合實驗室，希望以影像數據切入，讓AI貫通影像科全流程里，實現從篩查到診斷再到治療和預后全部環節里，完成一個服務閉環。

2018年，匯醫慧影對外發布了三款比較常用的用于篩查場景的以圖識圖產品，比如CT肺結節的檢測、胸部DR檢測和骨折的檢測，其訓練模型當中不光是有圖像的信息，還加上了很多患者臨床的信息、檢驗的信息以及愈后隨訪的信息，其AI產品不僅能夠實現病灶定位和標注，還可以參與腫瘤的分期分型，并能給醫生的治療決策提供支持。

2019年4月，匯醫慧影聯合301醫院發布主動脈夾層人工智能平臺AORTIST3.0，將新病種模型開發和單病種全流程覆蓋進行了很好的結合。通過驗證，AORTIST3.0的準確度遠超常規手動測量，還提供主動脈擴張和復合終點事件預后預測結果。AORTIST3.0的表現基本上能夠達到301醫院這樣的精準判斷和預測水平，能夠將40%的五年愈后降到15%，能夠更加深入醫療的場景和決策化的流程。

柴象飛表示，醫療AI已經進入下半場，AI已經從1.0時代走向了2.0時代，這一點變化的原因是。“過去1-2年里，我們聚焦于為醫生提高診斷效率而努力，今天我們發現，醫療服務的真正核心是患者，以患者為中心，打通從患者到醫生再到醫院這條服務鏈條至關重要。”

目前，匯醫慧影正致力于打造一個在線化的影像中心，連接患者、醫院、醫生，為三者提供數字化、移動化、智能化的影像閉環服務體系，并試圖構建一個能夠持續孵化創新醫療服務的平臺向縱深發展，嘗試參與醫療治療和預后隨訪環節。與此同時，最為行業頭疼的盈利困境被匯醫慧影以全鏈條服務商業模式打破僵局，殺出重圍，跳出燒錢的魔咒，據悉匯醫慧影已經有一個漂亮的收入成績單，已經被行業視為準獨角獸、獨角獸。

發起AI分級診療公益100家計劃

中國醫療領域面臨兩個難題，一是醫療資源匱乏，二是醫療資源分布不平衡。根據中國衛生和計劃生育統計年鑒數據，在我國所有醫療機構中，城市醫院為28261個，基層醫療機構數量達到927147個，基層醫療機構是城市醫院的32倍。

2016年我國各類醫療機構數量統計

根據中國醫學會的一份誤診數據資料顯示，中國臨床醫療總誤診率為27.8%，其中惡性腫瘤平均誤診率為 40%，而這些誤診主要發生在基層醫療機構。中國每年誤診總人數超過5700人，超過美國的4倍。

匯醫慧影聯合創始人兼COO郭娜表示：優質醫療資源的稀缺和匱乏是一個根本性矛盾，基層醫院真正缺乏的是診斷能力，診斷能力是稀缺資源。人工智能作為分級診療落地的一個必然抓手，可以讓基層民眾享受到均質化的資源和服務。

在這方面，匯醫慧影與中國電信、中國聯通、阿里云、九州通以及醫療、IT、云計算、大數據、人工智能等多維度的優秀公司和團隊戰略合作，整合多方資源和自身堅實的技術基礎，希望以醫聯體為載體，打通線上線下，為基層醫院提供一整套服務。以鄭州大學第三附屬醫院為例，匯醫慧影以云計算、大數據、人工智能技術為基礎，為其打造一整套婦幼聯盟醫聯體智能影像中心，實現醫聯體內醫學影像信息、診斷信息共享，推進醫學影像資源和影像醫療資源的整合與共享，醫聯體內各婦幼醫療機構可實現影像數據上傳、集中管理，以及影像信息、診斷報告的共享和調閱，最終實現優質醫療資源下沉。

鄭州大學第三附屬醫院并不是個案。據悉，這樣的醫聯體影像中心案例多達數十個。郭娜表示，為了進一步推動醫療AI在基層醫療機構的應用普及，大幅提升其診療能力，匯醫慧影將于近日發起AI賦能分級診療公益100家計劃，首先向100家基層醫院提供為期1年的肺結節免費篩查服務。目前匯醫慧影的肺結節篩查產品能已經快速實現病灶定位和標注，CT肺結節的自動識別準確率超過90%，在幫助醫生提升診斷效率的同時，降低漏診誤診率。

談及從肺結節篩查切入，郭娜表示，這是基于當前國情和未來戰略目標而定。一方面，肺癌可以說是中國癌癥第一殺手。根據全國腫瘤登記中心發布的《2013中國腫瘤登記年報》披露，肺癌的年新發病例約60萬。肺癌占城市全部惡性腫瘤發病率的20.48%，死亡率的27.05%；占農村惡性腫瘤發病率的18.05%，死亡率的22.42%，發病率和死亡率呈上升趨勢。肺結節篩查能很好地幫助基層醫院提供初篩服務。

另一方面，國家在大力推行分級診療政策，匯醫慧影提供的醫療影像云平臺，能為醫聯體和分級診療提供很好的云平臺支撐，幫助基層醫療機構和城市醫院之間實現數據和醫生資源共享，真正實現“基層檢查，上級診斷”，可以說是響應了國家分級診療號召。

正如柴象飛所說，“在整體醫療產能不足的背景下，醫療人工智能應用于基層不僅是當前剛需，環境也相對成熟。一是利用人工智能幫助醫生提高診斷的效率，將醫生從低效重復性勞動中解放出來；二是幫助基層醫生提高診斷水平，降低基層誤診率。這條路盡管難走，但我們不能因為難干就不干，總得有人干，干才有價值，不干是沒有任何價值的。”

目前，匯醫慧影智慧影像產品已經進入超過1000家醫院，并在數百家醫療機構中廣泛應用。可以說，AI+基層醫療機構是一對絕佳的“CP”，實現了AI醫療企業、基層醫療機構以及基層患者的多方共贏，對我國AI醫療產業的發展也具有巨大的推動作用。

責任編輯：ct