为什么大多数医疗影像AI都躺在医院吃灰？

8月1日上午10时，武警总医院CT科，十余位影像医生正在阅读医院前一天200多例患者的CT图像。

医生小刘在电脑上打开一个检查单，上面有患者信息、症状（咳嗽一月、曾低热、肺炎）、检查项目等。点击进入影像页面，一家医疗AI公司提供的肺部筛查产品给出了10条可疑病灶，如右肺上叶、尖段、3.1mm、20.19m³、实性结节。根据提示和自己的判断，小刘书写报告，全程约8分钟，这样的病例他一天大约要看30份。

以前，小刘需要阅读每个病人的几百幅影像，逐个找出结节。现在AI帮他找出肉眼不容易发现的小结节，只需要根据系统提示检查核对，漏诊率大大下降。

这类医疗影像AI产品为智能CT辅助筛查系统，行业内推出这一产品的有推想科技、汇医慧影、图玛森维等几十家创业公司。

记者调查发现，在AI产品扎堆的影像领域，一个三甲医院可能同时安装10余家AI公司的产品，医生真正使用的只有一两家，因为AI找到结节后尚不能辅助诊断，且目前产品多集中在肺结节查找上，同质化严重。而这些需要深度学习的AI产品，少了医生的纠错与补充，模型迭代也会变慢。

未来，影像AI的出路在哪儿？多名业内人士表示，医疗影像AI公司仅靠单一产品，在医院盈利难度较大。未来创业公司可以开发短平快的优势盈利模块、与设备厂商合作相互赋能或在体检机构、基层医院推广使用AI影像产品。

AI“双重审核”，降低医生漏诊率

2014年以来，AI技术的发展逐步进入垂直细分领域，医疗影像以其标准化程度相对较高而被认为是最早能够实现AI落地的场景之一。一时间，几十家创业公司涌入影像AI赛道，其中不乏已经拿到C轮融资的独角兽企业。

武警总医院CT科主任王贵生早在16年前读博士时候，就接触到了美国推出的影像AI产品，用于肺结节的辅助测量，但主要是做科研，临床并没有推广起来。

直至2016年底，美国一家科技公司联系到武警总医院，将一个肺结节筛查AI产品的试用版安装到了科室的电脑里。

“当时的系统特别慢，需要先把影像资料导到服务器上，然后它给出格式化报告再导出来。它的敏感性高但特异性差，发现东西但不知道是啥，费半天劲只是标出来了结节，更有价值的判断并没体现，后来就不用了。”王贵生回忆。

真正落地到武警总医院的是2018年引入的两个产品，分别来自深睿医疗和推想科技。虽然功能和之前美国的产品大同小异，但操作时间缩短了不少。

据介绍，在武警总医院这样的综合型三甲医院，一天做CT的病人约270个，科室有7名医生读片子、写报告，5名医生审核，每位医生平均每天要看30多个病人的片子，一个病人约有500多幅图像，每个图像需要二级或三级审，至少要过三遍。

AI产品的出现一定程度上减轻了医生负担。

王贵生表示，一个片子阅读加写报告约要5-8分钟，用了AI产品之后，时间上并没有明显的减少，但系统提示过以后，漏诊的几率低了。因为在血管密集的地方或者人眼疲劳时会漏掉结节。

另一方面在于AI对结节大小体积的测算比人工准确，尤其是对于椭圆形的结节，医生惯用最大的横线和垂线计算得出，由于它不规则，难免有误差，AI的测量则相对准确。

某三甲医院影像医生小宇（化名）介绍，其医院目前使用了依图科技和推想科技两家公司的产品。

“最初我们很期待，但用了之后发现不太习惯，加上刚开始系统可能不稳定、准确率也不高，或漏诊或多筛，作用没有想象中那么大。用AI看一遍，自己再检查一遍，也没有节省时间。”

后来，随着医生和公司双方的反馈更新，有了较大改观。第一家公司进来以后发现大家积极性不高，提出了一些激励制度，如果补充标注结节会给医生资金上的奖励，虽然没有真正实施，但小宇认为：“有了AI相当于一个双重审核，我们平时找起来很吃力，容易漏掉的小结节，AI正好擅长。”

产品同质化严重，闲置率高

在走访中，记者发现，虽然一些医院同时安装多家公司的AI产品，但真正使用的只有一两家，甚至一家都未使用，存在大量闲置情况。

武警总医院的多名医生表示，他们平时会从根据使用习惯、系统的稳定性等只用一家，比较少去切换比对。广东省第二人民医院也表示引入了图玛森维、腾讯、推想科技的产品，日常用的也是1家。

某匿名行业内人士透露，因为使用体验并不理想，有的医院是使用一段时间就不用了，“筛查不精准，或者调用软件时导致系统崩溃，这让医生不愿意花费时间。”

医疗类媒体动脉网也曾报道，邵逸夫医院放射科合作的医疗AI公司达到了10家，重庆医科大学附属第一医院合作了7家，但一位医生大多只用一款产品。

为什么会出现产品闲置的情况？

其中原因在于虽然AI能帮助找出结节，但在进一步的良恶性判断与报告意见出具方面，AI尚不能给出结论。而且，目前市场上的产品多集中在肺结节上，同质化严重。

一位影像AI领域从业者透露，肺结节出产品容易而新病种攻克难度大。

具体而言，肺结节公开数据最多，很多数据集可以直接下载，而且肺结节影像相对直观，不管是创业公司还是上市公司，过去两年都相继推出类似产品；而新病种研发需要大量深度学习模型训练，获取单病种数据难度大，还需要与大量专家合作进行精标注，新病种的验证周期也非常长。

在各家创业公司的研发端，除肺部筛查产品之外，也在开发适用于脑部等其他部位的AI应用，只是大多数产品还没进入到临床应用阶段。

推想科技创始人兼CEO陈宽认为，虽然大家都在做肺结节，但是在医院的使用情况截然不同。同质化不重要，关键看的是医生的信任度与点击量，这才是判断产品的标准。

“未来公司将开发胸部、脑部更多的模块，形成产品矩阵，让医院更加依赖于我们的产品体系，当然，AI产品的发展与成熟还需要与医院医生互相配合培养，还需要时间。”陈宽说。

只是锦上添花，医院购买意愿低

经过了三年多的发展，影像AI领域内的公司依然处于打磨产品的阶段，没有清晰的商业模式与盈利场景，医院的付费意愿很低。

王贵生表示，就目前看，拿肺结节产品来收费肯定是不可能的，因为各公司都能做到而且都在免费使用。

在他看来，AI产品盈利能力受限的根本原因还是在于现阶段的产品对医生来说并不是刚需，有了是锦上添花，没有也不耽误事，就像是滴滴，用它方便叫车，但没有也能出行。

小宇也表示，找到结节只是第一步，医生要做的是对它定性，看没有变成肺癌的风险，而目前AI还没有这样的功能，让医院买单难度太大。

美国AI医疗服务商More Health联合创始人胡泊认为，影像AI产品难以真正落地使用，其中除了技术问题，还有责任问题。如果AI给出的结果错误，谁来承担这个责任，这需要相关的政策和法律支持。

同时，企业的良性发展问题尚未解决。目前大部分企业在烧钱，中国大部分机构或医院不愿意为软件买单，找到可带来现金流的产品是难题。

此外，国内数据有不连续性和多样性，每个医院的标准不一样，一个患者可能去四五家医院，数据不连续，大部分医院现在还是信息孤岛，想要打通短期之内很困难。

“中国如果在数据的规范和安全以及流通性上如果能做出更好的举动的话，医疗AI发展会比美国更快，毕竟中国的患者更多，数据更多。”胡泊说。

开发盈利模块，往基层拓展

从医生的角度，王贵生认为，AI除了筛查结节降低误诊率之外，测量、对比、了解结节密度的改变也对医生很有帮助，“比如，肺结节大小的改变其实是体积的改变，如果AI能给出准确的体积改变与前后对照，价值是较大的，这类问题也是AI的优势。”

他表示，AI公司如果想让医院买单，应该把它最优势的机器运算发挥起来，将人脑做不到或误差率非常大的东西细化、产品化，拿这些模块来补现在免费的模块，产品的系列多了就好卖了。

此外，AI公司可以跟设备厂商结盟，依附于医疗设备上，将付费方和受益方形成一致，这可能是一个更快的盈利方式，传统厂商也能增加卖点。

在小宇看来，产品如果真的做得好的话也是有场景的，“如患者较多的体检机构，或者是县级医院开展一些体检项目，肺癌筛查专项就可能落地。”

胡泊也认为最有发展前途的是在基层医院提供这些人工智产品，因为AI解决了两个问题：降低成本和可复制。在医疗资源、医生水平和经验相对不足的地方，让软件来提供辅助，可以大大提高它的工作效率和准确度。

不过，长期关注医疗领域的火山石资本副总裁刘凯认为，医疗影像AI更适合设备厂商来做。

“设备厂商扮演的角色和AI公司的商业模式都存在不确定性，销售软件给医院的市场规模并不是很大，基于前两个不确定性去博一个市场不够大的领域，需要谨慎。”

在他看来，西门子等设备厂商有很多技术储备，影像要先从设备里出来，设备厂商能拿到更多更一手的资料，如果由他们来做医疗影像AI，比第三方公司拿最后的片子加标注更容易。