2017年，影像AI的机会让许多创业者趋之若鹜；然而，风口之下有人却选择了离开。
“团队经过仔细考虑，最后决定放弃影像AI，绕向了为医疗单位提供数据和软件服务方向，”一位医疗行业连续创业者向GPLP君坦言，目前看不清影像AI的商业模式，贸然进入风险太高。
“影像AI像一场赌局，”一位医疗行业资深投资人告诉GPLP君，“目前大多影像AI公司尝试与医院进行科研合作，帮助其提高诊断效率，而真正深入到临床诊断的影像AI产品较；所以，要想影像AI产品实现商业付费，目前还很困难。”
火热的影像AI到底怎么了？到底是泡沫还是“赌局”？
影像AI：竞争激烈的赛道
2017年，影像AI在国内十分火热。科大讯飞智慧医疗事业部相关负责人马文君曾表示，“如今的智能影像很像前几年的互联网医疗，大家一窝蜂进来了。”
以融资来论，据GPLP不完全统计，2107年影像AI领域约融资20多次，融资总额大概20亿元人民币左右，目前行业内头部企业大多进入到了B轮。根据公开资料显示，目前全国有300多家医疗影像相关的公司，而单以AI+影像的创业公司不下百家，占到行业三分之一左右，竞争十分激烈。
资料来源：GPLP根据动脉网等资料综合
为何医疗影像AI领域成为创业者和资本拥簇的赛道？
这实际上和我国医疗影像资源缺少的现状有关。根据公开资料显示：我国医学影像数据的年增长率约为 30%，能够诊断的医师数量增长远不及影像数量的增长，单以放射科医师为例，年增长率只有4.1%；而与此同时，中国的放射科医师每天至少需要看4万张医疗影像，严重供求失衡，由此导致一个结果是我国医疗影像误诊人数高达5700万人/年。
在影像AI诊断出现之前，政府的解决方案是通过外包给第三方独立机构。于是，从2009年开放第三方诊断中心以来，这个方法曾在一定程度上缓解了医疗影像诊断的压力，但是依然无法从根本上缓解这种高度依赖劳动力的看片方式。
随后，AI技术变革的出现让政府和创业者看到了机会——人的精力有限，可以交给精力无穷的机器。
2017年7月份政府印发《新一代人工智能发展规划》，随后12月工信部又印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》通知，其中明确了具体目标：推动医学影像数据采集标准化与规范化，支持脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的医学影像辅助诊断技术研发，加快医疗影像辅助诊断系统的产品化及临床辅助应用。
这让大家都看到了机会及希望。
因此，国家战略之下，各方力量的纷纷涌入，据GPLP君研究发现，目前涉及到的影像AI领域公司粗略可以归纳分为四类：
第一类是新兴的技术型创业公司，目前主要通过和医院合作进行研究方式，比如依图科技、图玛深维、汇医慧影、深睿科技、推想科技等。
第二类是医疗影像类的硬件厂商，通过和外界团队合作方式全方位切入。比如，万东医疗旗下的万里云通过与美联健康、阿里健康等巨头合作，以SaaS服务的模式向患者、医院、医生提供全方位影像服务，包括影像云端存储、诊断、分享、质控、培训和大数据服务等。
第三类是跨界的互联网科技巨头公司。2017年，阿里、腾讯、科大讯飞等科技巨头相继发布医疗人工智能相关的产品或是通过投资参与其中。他们在影响力、流量、技术、资金、等方面有着较大的综合优势，比如，2017年11月，科技部宣布将依托腾讯公司建设医疗影像和国家新一代人工智能开放创新平台。
第四类是国外影像设备公司，他们携已有的技术、市场积淀进入到中国影像AI领域。例如，美国通用电气公司(GE)、荷兰飞利浦公司(PHILIPS)以及德国西门子公司(SIEMENS)组成的三巨头“GPS”占据我国中高端医疗影像设备市场80%的份额。
一句话，仅从国产替代的角度考虑，医疗影像及医疗影像设备公司的发展前景就十分广泛。
举例来说，北京协和医院放射科的官方网站上，在“设备介绍”一栏中进行公示的多台磁共振设备均来自“GPS”和日本东芝公司(如下图)，这些设备采购价格不菲，这些国外公司赚取了大部分收益，急需中国公司从技术上进行突破。
资料来源：北京协和医院官网
综合比较下来，在这四类企业当中，生存压力相对较大的是以AI+影像的创业公司。
“互联网科技巨头实力雄厚，而对于国内外大型的医疗器械厂商而言，都能够依赖已有的业务进行造血，影像AI的出现不过增强其商业壁垒的又一种方式。”一位行业专家告诉GPLP君，目前算法技术已经很难成为核心竞争力，对于影像AI而言，真正重要的是优质的医疗数据和应用场景的资源。
因此，对于影像类AI的创业公司而言，这势必是一场持久战。
影像AI为何投入周期会是如此之长？创业公司何时才能够实现大规模盈利呢？
影像AI的商业化
创业不易，对于影像AI类创业公司同样如此。
首先，在当前环境下，影像AI创业公司想要迅速落地变现有点困难。依图医疗副总裁郑永升曾接受GPLP君采访时说道：“(按)我们内部的话讲，没五年你不要想这件事情可以规模化，我们本质上是抱着一个长跑的心态来看待今天对医疗的投入。”
一位行业专家也表示，和一般行业不同，医疗行业的投入是一个长周期的过程，单就影像AI而言，其背后要考虑技术、监管认证、跨界人才以及病人观念等因素影响。
最近媒体报道显示，国外某医学博士质疑前百度首席科学家吴恩达带领的斯坦福团队设计的能够检测肺炎的“ CheXnet ” 算法，他发现，与人类医生的视觉评估相比，该数据集中的标签不准确、不清楚，并且经常描述医学上的次要发现，不过，作为人工智能和机器学习领域国际最权威学者之一的吴恩达对此并没有回应。
不过也很容易归纳，那就是人工智能跨界整合医疗资源并不是一件容易的事。而且，即使影像AI在技术上完全可行，但其商业化落地之路并不平坦。
根据公开资料显示，早在2009年，由国家卫生计生委颁布的《人工智能辅助诊断技术管理规范(试行)》就提到了对医疗机构、医疗人员的多项要求。
以影像诊断科为例，开展影像临床诊疗工作需达到5年以上工作经验，其技术水平达到三级医院专业科室要求，必须有数字化影像诊断设备包括数字化常规X线设备、磁共振(MRI)、计算机X线断层摄影(CT)和医学影像图像管理系统及其工作站的计算机硬件平台。
另一方面，“尽管CFDA认证在逐步放开，但是影像AI要通过CFDA的认证的估计还需要几年时间；如果的没有CFDA认证，对于AI+影像的创业公司而言，就无法形成稳定的营销渠道，何谈盈利呢？”一位医疗行业的专家表示。
这实际上从宏观上控制了影像AI的变现速度，而从微观技术层面考虑，医疗影像数据转化成AIAI可以利用的标准数据过程也比较困难。
一位影像AI业内人士说：“通过算法寻找影像中的病灶并不难，问题的关键是如何获得高质量被标注好的数据。现在优质的数据都掌握的在三甲医院中，影像AI创业公司需要和三甲医院的专家一起标注数据，解决影像医学设计到问题。”
但是三甲医院的专家为何要和创业公司一起共享数据呢？
这是个问题，尽管所有人都知道，AI 医学影像尽快商业化需要顶级医学专家和顶级机器学习学者通力合作才有可能成功。然而，专家是稀缺资源，有多少专家原因配合投入到数据标准，这要打一个问号。
而且，专家是一方面，医疗影像AI创业公司的员工素质又是另外一方面，能否吸引并留住人才这是个问题。据GPLP君随机调查一些影像AI创业公司显示，一些影像AI创业公司并不是让专业度极高的医疗影像人员进行影像标注操作，而是用一些经验相对较低的人员。如此下来，影像AI在医学上的严谨、严格的数据标准又将如何保证？
图片来源：天眼查
除了数据标注，另一道坎是，在我国大部分医院的数据都是孤立的存在。影像AI公司想要获得高质量的影像数据体系就需要让不同医院数据进行融合，但这并非易事。
通常，一般大型医院的影像科室都有PACS系统系统，主要的任务就是把日常产生的各种医学影像(包括核磁、CT、超声、各种X光机、各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM，网络)以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用。
图片来源：百度
问题的难点在于，中国目前有几百家信息化厂商，打通数据的过程涉及多方利益。
“对于AI医疗公司来说，要打通这些数据壁垒，可能又是一项成本支出。”郑永升说道。
“成本支出”到底是多少？在和医院对接过程中速度如何？这些又是需要时间考验的问题。
即使前面所有坎的都跨过去，也并不代表影像公司的能够很快变现，因为还会涉及到谁来付费的问题。GPLP君采访的一些影像AI从业者对于产品付费问题目前都是以回避姿态作答。
如果说是患者的话，中国目前患者对这种付费意识并不强。
比如，目前市面一些影像AI公司打造AI检测骨龄的产品为例，GPLP君调查发现，测骨龄的市场空间很大，据统计，中国儿童生长发育迟缓发生率达到9.9%，超过700万的生长发育迟缓儿童总数已居全球第二。但是由于大众对儿童矮身材了解不够，实际上真正进行规范治疗的很少，更何谈付费。
根据中华医学会儿科学分会内分泌遗传代谢学组的统计，全国4-15岁矮小患儿700万人群中，目前每年真正接受规范治疗的患者不到3万名。而在规范治疗之前，需要进行的骨龄检测为例，GPLP君联系到北京一家儿童医院，对方告知每次骨龄检测费用是200元左右。
可见，单就这款AI骨龄产品而言，影像AI公司要想获得盈利，收回投入的成本，可能还需要一个较长时间的市场教育。
如果说是医院付费吧，你本来数据都渴求人家给予，同时，多少公司排队等着医院放一条口子进入，求都来不及，何来让医院付费？
如果没有人买单，影像AI公司的未来该怎么办？
AI赌赢？
投资是为了赚钱，而不是为了慈善。
如果没有变现，影像AI创业公司到底能走多远？
正如一位医疗行业连续创业者向GPLP君坦言，创业本就像一场的充满风险“赌局”，而最终能否胜出，则需要看创业者的“牌”能否能够真正带来回报。
目前，影像AI创业公司“出牌”方式分为两类：
第一类是平台模式，第二类是伸向垂直领域。
一方面，成像设备的差异会产生多种类型的图像。CT、MRI、X光、超声、内窥镜、病理切片这些图像缺乏一定的标准。目前，业内的影像AI公司都已纷纷意识到数据标准问题，联合多方进行数据标准制定。对于他们而言，越早开展数据标准的制定，越就意味可以掌握更多的主动权。
另一方面，在医学影像上，大概可以分为两千多个病种。北京大学王立威教授曾表示：“解决一个单病种已经不是简单的事情，斯坦福的团队已经和顶级的医学专家(斯坦福团队研究的AI检测皮肤癌方案)研究数年才得到目前的成果，要囊括两千多个病种更是难上加难。此外，病种与病种之间的差异度也很大。”
王立威教授认为，从技术角度而言，今天的机器学习、人工智能技术对于检测等问题可能做得比较好，但是全局性病变、结构性病变对机器学习还是有难度。未来几年看谁能胜出，就看谁能选对病种，选错就有可能浪费时间、精力。
选对选错，这就是一场赌局了。赢了，通吃；输了，一败涂地。
但是，赛道一侧的医疗器械厂商会给影像AI创业公司很多机会吗？
“当AI算法已经不成为核心竞争力时，考验的是进入到影像AI领域公司的应用场景和获得用户的渠道，在这方面影像医疗器械厂商有着天然的优势。”一位业内人士说道。
以万里云为例，依托万东医疗设备的市场销售渠道，万里云有实力能够在病患、基层医院、影像中心、影像专家、设备厂商等之间能够形成有效率的产业链对接。一般的影像AI创业公司很难具备其完善的服务体系和强大市场竞争力。
根据媒体公开报道数据，万里云已经和2000多家医院建立了合作关系，而平台上每天上传病历数量高峰时能够达到10000张，阅片量平均每天也能达到8000张。一般的影像AI创业公司能够建立合作关系大约也就几百家医院。
由此，影像AI的竞争可以类比是电商的发展，最开始谁都没有能力覆盖所有的病种在打造一个完整的平台，然而随着技术的成熟，掌握流量入口一方可以通过不断扩充病种进一步占据优势。
实际上，除了医疗影像器械厂商的竞争，GPLP君也在前面提到，以腾讯、科大讯飞为代表的科技巨头，也是个个实力雄厚的对手；并且这些巨头们大都抱着长期不盈利的心态对待这场“赛事”。
于是，一个困难的现实摆在影像AI创业者面前，当融资热潮过去以后，整合在所难免，下一波的融资会相对困难，尤其是B轮和C轮的融资。
但站在投资人的角度，这必然要影像AI创业公司在下一轮融资时，有相对成熟的产品或者是商业模式上的突破。否则，以高人力成本着称的影像AI能否经得起长期的折腾，这恐怕是每一个影像AI创业者心中都十分担心的问题。
影像AI这场赌局的结果，或许会像几年前的互联网的医疗热潮一样，当潮水褪去时，能站在赛道上的也就剩下几个。
到底谁将成为最后的胜者呢？
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
大多影像AI公司尝试与医院进行科研合作.帮助其提高诊断效率.而真正深入到临床诊断的影像AI产品较
60
阅
90