醫療公司負責人曾觀察醫療AI行業，希望選擇更具優勢者進行資本層面合作。然而，很快他發現，醫療AI公司對自身估值明顯過高，“在資本這一塊就不太容易談得攏”，計劃告吹。

這樣的事在近兩年經常發生，醫療一度被認為是最具潛力落地AI的領域之一，到今天，這一領域經資本熱捧，已簇擁著100多家企業爭相分食。

境況急轉直下是自2018年中期，之前能輕松融資的醫療AI公司，不乏到現在幾近無米下鍋。這催促著醫療AI企業要么拿出足以讓投資人信服的產品吸引融資，要么就快速進行商業化，爭取有穩定的收入支撐著活下去。然而，醫療AI產品普遍稚嫩，還不能獨當一面。

資本捧場，使產品同質化嚴重，送進醫院、無人使用的AI醫療產品不在少數。AI逐漸演變為醫療領域的嵌入品，如同錦上添花一般的點綴。那些符合醫生使用習慣、能為工作流程提供些許便利的AI產品，已算是這一行業的佼佼者。

很多醫療科技公司已經清醒地認識到，不能再把AI作為一項主要的賣點。從現實考量，國家藥監局將AI輔助診斷歸于醫療器械的監管范疇，業內普遍預計近兩年將有醫療AI公司拿到第三類醫療器械證，這是最為現實的路徑。

監管要求逐漸清晰，資本收緊，意味著百家公司提供醫療AI產品的草莽時代正畫上句點。拿到三類醫療器械證即意味著產品與醫院的關系不再曖昧不清，獲取收入合理合法，不過即便拿到，也不意味著能在醫院大規模鋪開，最終誰來為醫療AI埋單？誰愿意埋單？

醫院選誰？

在北京一眾三甲醫院里，常會放著幾家公司送來的影像AI產品，功能非常相似。“2018年160多家醫療AI企業，140多家是做影像的，短期內在臨床應用上實現突破的難度很大，2019年會碰到困難。”大數醫達創始人兼CEO鄧侃告訴《財經》記者。

僅在一個肺結節篩查領域，截至2018年7月的不完全統計，就有20余家人工智能企業在做。肺結節是肺部發生的病變，通過肺部CT可以觀察到陰影。

影像科醫生使用這20余家企業產品的流程是一樣的，給患者拍肺部CT，在讀片時點擊AI的選項，軟件便會自動圈出認為是肺結節的部位。醫生需要自己確認，然后出具結論。

這類AI扮演的角色是醫療輔助識別，更直接地說，就是“看圖說話”。準確、操作便捷，能不斷優化，吻合現有工作流程的AI產品，不會被束之高閣。

然而，現階段普遍為弱人工智能，主流的深度學習方法存在一個明顯的缺陷，即過程無法描述。換句話說，AI算法的過程猶如一個專用的、無法打開的“技術黑箱”，所謂可用不可見。它既沒有普遍的適應性，也無法拆解出具體的智能化業務規則，而且高度依賴于參與訓練的海量數據。

正因此，醫療AI雖然終極目標在于替代醫生診斷，但短期內，輔助決策的定位不會改變。這既是監管方提出的審評方向，也是從業企業最為現實的路徑。

對有經驗的大型三甲醫院醫生而言，使用AI在影像上的輔助功能，有時類似一種對信心的支撐，結論一致便放過去，不一致的話重復看看，謹慎下結論。

自今年2月，國家藥監局發布《深度學習輔助決策醫療器械軟件審評要點(征求意見稿)》，也明確了在診療過程中，AI為醫務人員的臨床決策提供輔助和建議的評價標準。這也是現在多數醫療AI公司的努力方向——輔助篩查、輔助識別、輔助診斷、輔助治療這四個范疇內耕作。

擴大影像輔助診斷的范圍是AI公司的一個更可行途徑。按照通常邏輯，給AI投喂大量的數據，便能夠進行深度學習，形成AI對該病種的判斷。但實際上不是這樣，有公司曾想過擴大AI診斷肺病的種類，但是發現“水很深”。有些病變，影像醫生一眼就能看出來，AI畫圈畫框進行標注，反而看起來很繁瑣；而定義一個健康人，也需要同時排除所有的肺部疾病，邏輯陡然變得復雜起來，進展并不理想。

這說明AI突入醫療的長項在技術，可恰恰是技術突破遇到阻礙。

鑒于醫療AI的使用場景是醫院，其中多數又是影像AI，那么產品本身必須滿足影像科或放射科醫生的需求，這是讓醫院接受AI產品的前提——要么幫助其提高診療效率，要么功能強大到能部分補充人力缺口。

現實層面上，一款AI產品若想進醫院，拼的還是和醫院的關系，更多依賴于市場人員和商業團隊。

AI醫療公司得闖關拿證

醫療AI公司想走正規的醫院采購這條路，必須通過相應的認證。

目前，未有醫療AI公司拿到器械三類證。按照醫療器械注冊流程，拿證要經過產品定型、檢測、臨床試驗、注冊申報、技術審評、行政審批多個步驟。

數坤科技CEO馬春娥告訴《財經》記者，從與監管機構的溝通來看，行業最快的也只是處于臨床試驗階段。到完成注冊申報，最少還要八個半月，這是誰也無法省略的時間成本。

醫療AI必須以大量的數據投喂訓練，才有可能變得更“聰明”。按照國家藥監局提出的審評要點，數據收集在合規基礎上，盡可能來自多家、不同層級的臨床機構，以保證數據多樣性，提高算法泛化能力。這讓一些企業得花更多的心思去獲取數據。

獲取數據和標注數據，AI企業付出沉重的資金成本，隱形的則是時間成本。然而，由于無資質，還沒有企業敢明目張膽地售賣醫療AI產品給醫院。

醫院支付醫療AI公司多是搭載在硬件采購上，或以軟件支持為名，收取定期維護或者部署的費用。一些AI醫療公司與醫院合作開展科研項目，獲取一定的科研經費。

更何況，多數AI產品不夠成熟，處于努力為醫院創造需求的階段，醫院的付費意愿本來就很弱。

公立醫院使用的軟件，如醫院信息化軟件的采購，需要公開招標。作為軟件的AI產品，目前僅有公司推廣到熟悉的公立醫院安裝使用，處于灰色地帶不能大張旗鼓，是因為不能以此方式收費，否則就是違規。

和醫院的合作，顯然不能帶來持續的現金流，有收入，但規模不大，更遑論盈利。更麻煩的是，即便醫療科技企業為AI付出大量前期成本，但仍難直接把AI作為獨立產品推向市場。這是兩難境地。

萬里云醫療信息科技（北京）有限公司CEO黃家祥告訴《財經》記者，即便AI產品拿到了三類證，它的本質仍相當于一個外掛程序，每到一家醫院，需要跟醫院影像科室的系統做接口，拿到醫院的數據后進行運算，然后AI再應用于該院。換句話說，AI產品只是在影像科醫生的工作程序中嵌入，如同流水線上增加了一道工序。

醫生要考慮的是整個流水線的流暢程度，所以醫院很難孤立地為AI產品埋單，而是要綁定設備或系統，應用于整套診療流程。

影像AI，其實只是參與了醫生診療過程中的一個環節，而且能識別的疾病種類有限。有醫療科技公司從業者告訴《財經》記者，適用面窄的問題，導致這離賺錢還是很遠，尤其是從醫院賺錢。

監管方審批發放醫療器械證的方式，則是在幾年草莽之后，為醫療AI指的一條明路。

“拿證對應的是監管，而不是商業。”馬春娥說，醫療診斷人命關天，監管是必要的。拿到三類器械證，僅僅意味著產品達到了監管的要求，這與該產品是否有能力在醫院大規模鋪開之間，沒有必然的聯系。

找到埋單方，活到下一輪

監管方提出行業審評要點后，衡量一家醫療AI公司的真實能力就有跡可循了。

以往，很多公司對外宣稱，AI識別某些疾病的準確度，動輒達到90％以上。一位醫療投資人告訴《財經》記者，這些百分比畢竟不是國家藥監局公開披露的臨床試驗數據，對此其實心存疑慮。

其實，盡管影像AI容易著手，但交付的困難在于，AI顯然難以準確找到所有的病灶。百分百的準確，是人類對機器提出的奢求。

鄧侃以一個“雙駝峰”曲線形容AI醫療行業的前景。從概念出發，走到頂端，然后遇到困難開始被看衰，泡沫擠掉，一些企業淘汰，一路落到底。經過這一輪，還活下來開始重新往上爬。

現在已經越過了第一個峰頂。問題是，誰能活到下一個高峰到來？

2019年，一些AI醫療公司的融資會更難，這是行業共識。行業正在經歷逐漸淘汰、逐漸成熟的過程，早先融資靠概念，現在靠實力。會有一些AI醫療公司經歷困難或收縮或裁員，進入調整期。

醫療AI落地應用，也許是這一階段需要講述的新故事。

“我覺得這是創業者的期待。”濟峰資本創始合伙人余征坤說，AI產品已經投入大量的人力財力，雖說現階段產品不會特別完美，但創業者還是希望能有一些收入來源，畢竟生存下去是個很現實的命題。

至于醫療AI的盈利期待，顯然為時過早。業內的判斷是，AI產品獲得醫生的廣泛認可，再到商業領域中實現盈利，需要兩三年以上。

既然要找到醫療AI的支付方，努力發揮AI的作用，那么醫療資源集中的大城市顯然不是上佳選擇。業內普遍認為，輔助醫生診療的AI產品，在基層醫療機構比較容易開始應用。此外，體檢機構日常排查健康人疾病風險，有很多重復性工作，AI也能介入提高效率。

擅長大數據、算法的公司試圖將計算機系統與AI結合，以期對臨床決策提供支持。醫療AI的盈利空間，本質上在于其創造價值的大小。省了多少人、多長時間，可以計算，最終就是在做價值交換。醫療AI公司試圖說服的埋單方，除了醫院，還有設備廠商。

過去30年，醫療設備的紅利已走過頂峰，該領域基礎科學少有新的重大突破。大型醫療器械的紅利正在逐漸消失，但是數據和智能的紅利正在到來。借助于器械廠商向智能化、多服務的轉型，一些醫療AI公司也在與設備廠商合作。

醫療AI公司希望這些階段性成果，能為下一輪融資做些鋪墊。

1月30日，證監會發布了設立科創板的幾則制度設計文件，提及推動互聯網、大數據、云計算、人工智能和制造業深度融合。同時，根據公司的市值，給出了5套差異化的上市標準，包括對營收、利潤、臨床進度的要求。

這條新的融資路徑廣受醫療AI公司關注，一旦登陸科創板，還能借此提升知名度。余征坤說，科創板上市并不是AI醫療公司的終點，只是解決短期的資金瓶頸問題。

醫療AI的賽道仍擠滿了創業公司，誰是優勝者、誰是頭部企業，一公里的賽道剛跑出幾百米。醫療AI需要說清楚的是，如何實現可持續的盈利模式，如何獲取穩定收入和現金流。上一個類似的故事是互聯網醫療。同樣被質疑盈利模式不確定，同樣經歷過風口又跌落，一批公司關停，如今頭部公司如平安好醫生、微醫，已經上市或意圖上市。

由于功能重復、扎堆，有AI從業者認為，與互聯網醫療相比，醫療AI領域甚至泡沫更大。

余征坤告訴《財經》記者，盡管互聯網醫療公司普遍仍未盈利，但用戶量、用戶活躍度、收入在增長，這是頭部公司潛力的衡量標準，將來對AI的評判標準也大致類似。對目前的AI醫療公司，他看重的三個指標是技術能力、數據量和商業渠道。這些問題也是醫療AI創業者反復思考的。

現在的AI與千禧年間的互聯網也許有點相似，當時有個電商平臺叫做8848，取珠穆朗瑪峰高度命名，網站很早就倒閉了。余征坤說，這顯然不能證明互聯網和電商沒前景。也許一個趨勢是，五年、十年后，一些醫療領域離不開AI。

然而，如何抵達那一天，如何讓AI成為醫療領域的必需品，答案只能繼續摸索。