據相關數據顯示，自2013年到2017年，整個AI醫療行業共獲得241筆國內融資。而目前國內資本多布局虛擬助手、醫療影像、醫用機器人、智能健康管理四個領域，其中醫療影像成為資本密集的陣地，占比最高達到31％，位居第一。

關注很高，但質疑聲也不少。除了底層技術和數據的問題之外，商業化前景不明也是人們不看好醫療AI的關鍵一點。究竟用什么樣的邏輯去挖掘更多的應用場景，很多人工智能公司仍處于摸索階段。

在這其中，Airdoc副總裁張京雷認為，在技術基因的影響下，跨界是許多人工智能公司首先面臨的難點，因此，思維方式一定要有所轉變；另外，AI醫療公司需要改變現有的醫療價值鏈，這種改變意味著優化，即將其變的更加簡單或便宜。

著眼院外，主攻篩查

作為行業中的參與者，三年時間，Airdoc通過對AI技術與醫療健康的研究和實踐，已經逐漸找到適合自己發展的道路。以眼科作為垂直深耕領域，研發了人工智能慢病識別系統，通過Airdoc視網膜識別算法，可識別30多種慢性疾病，包括糖尿病、高血壓、動脈硬化、視神經疾病等全身性慢性疾病并發癥和高度近視、老年性黃斑變性等常見眼科疾病。

張京雷表示，這主要基于Airdoc的發展策略：著眼醫院外場景以及主攻醫療篩查領域。在醫療領域，在患者和醫生中間，從診斷、治療到疾病管理，每一環節都代表了相對應的利益鏈條。但醫療行業內的價值鏈條在經過長期發展之后，已經發展得相對成熟。著眼醫院外場景，既不改變整體的價值鏈條，提高整體服務效率，也能夠為企業探索多元化商業模式降低門檻。

目前，Airdoc已經與星創視界等集團合作，賦能眼鏡店，通過分級診療的方式降低醫保總支出。通過這些院外合作，也增加Airdoc自身數據體量，為今后的慢病篩查、疾病圖譜分析做前期的數據支持。

而在醫療篩查方面，Airdoc從知曉率較高的常見病以及有相應解決方案的疾病入手。針對年輕用戶，Airdoc主要通過眼底拍照、篩查，聚焦眼部疾病；而針對老年用戶，未來Airdoc將向基層、社區布局，主要聚焦在動脈硬化和糖尿病等慢性疾病領域。

賦能基層，做慢病管理

不管是toB還是toC，醫療服務最終面向的都是C端人群。“我們看好AI醫療未來在基層的應用，算法或AI將來一定要落到基層去。對于基層來說，這具有兩方面意義，篩查和管理。”張京雷告訴獵云網。

以慢病管理為例，中國目前僅糖尿病患者就已經達到1．12億，有3－4億人群有潛在的高血糖風險。再加上過億的高血壓、心血管疾病、眼科疾病等患者與高風險群體，他們都急需一個簡單、無創、低成本的方式完成多類慢病的篩查。

這些疾病本可以通過專業篩查提早發現，但現階段，中國還有20％的縣級醫院沒有眼科，全國眼科醫生數量僅有3．6萬人，而從眼底照片上能準確判讀疾病信息的專業醫生更是只有200－300人。

“在50歲以上的人群中，約80％存在著亞健康的狀況，對于這些人群來說，大多已經知道自己患有慢病，從確診到治療，存在20－30年的慢病管理周期。在這個周期內，人工智能都將具有很大的意義。”張京雷說道。

以糖尿病患者為例，根據現在的治療指南，可通過3個月拍一次眼底，1年拍4次，來跟蹤患者的糖尿病管理。相比測血糖來說，具有低成本、快速的優勢。醫生和患者端同時能夠收到相關檢測報告，更直觀的教育患者，對于醫生來說，也能根據更客觀、多元化的數據來調整治療方案。

過去三年內，Airdoc人工智能慢病識別系統已經在北京、上海、海南、江蘇、河北及安徽等多省市展開大人群慢病篩查，每天為數萬人提供快速識別建議。2017年該系統已經完成200萬影像的識別。在最近的Vision China大會上，借助Airdoc的AI算法與眼科專家的對抗，也印證了基層醫療機構加人工智能的實用性。

隨著國家政策對AI醫療的支持，今年年初，AIrdoc已經向CFDA送檢了第一臺中國三類醫療AI服務器，按照醫療器械注冊流程，產品從申報到最終過審要經過產品定型、檢測、臨床試驗、注冊申報、技術審評、行政審批等六步。張京雷表示，現已經進入臨床試驗階段，但預計審批通過還需要3－5年時間，對于如何去設計一個人工智能的臨床試驗報告，行業沒有先例和標準，因此將具有重大的意義。