巨頭啟動AI_醫(yī)學影像數(shù)據(jù)成“入口”

一位在廣州一家三甲醫(yī)院影像科從業(yè)8年的醫(yī)生，用“先進門瞧瞧”來形容他的工作，“我們需要經(jīng)過歷史影像對比、定量分析等步驟，才能對患者拍完的片子做一個基礎的診療判斷”，然后，決定患者需要什么樣的治療方案。

在醫(yī)療診斷依據(jù)中，影像的價值是無法取代的。90%的醫(yī)療數(shù)據(jù)是影像，它們來自CT、X線、磁共振、超聲、PET等。如為一個癌癥患者實施手術前，要拍片，以腫瘤的狀況、血管狹窄程度等信息為依據(jù)，判斷手術方案，用藥方案及后續(xù)風險。

人工智能（AI）技術和圖像識別技術的進步，讓這項工作有了一個得力助手——人工智能醫(yī)學影像分析系統(tǒng)。同一張二維醫(yī)學圖像，醫(yī)生需要花費十幾分鐘來觀察和推理，而人工智能經(jīng)過深度學習訓練能在幾十秒就可“讀”出來。在充足的大數(shù)據(jù)支持下，人工智能有望將診斷速度提升10倍，且由此大幅壓縮診療成本。

對于醫(yī)生而言，高效的分析，能幫助他們節(jié)省讀片時間、降低誤診率、提供更豐富的歷史圖像比對。醫(yī)院也樂于看到人工智能對醫(yī)學影像處理的數(shù)字化成果，便于醫(yī)療數(shù)據(jù)庫的構筑，借此降低診療方案的成本。資本、技術和醫(yī)療數(shù)據(jù)三者的匯集，是當下人工智能醫(yī)學影像起飛的三股東風，這位還處于實習期的“讀片”助手能否最終獨當一面？

搶欄快馬，勝在數(shù)據(jù)

與2016年相比，2017年的人工智能醫(yī)療行業(yè)熱度更加高漲，同時渴求能落地的成果。

“大家都談膩了。畢竟沒人可以靠‘雞血’過日子?！眱|歐智庫醫(yī)療產(chǎn)業(yè)分析師尚鞅告訴《財經(jīng)》記者，“有沒有在應用層面可以稱得上‘拿得出手’的呢？我認為就是人工智能醫(yī)學影像分析?！?/p>

和人工智能醫(yī)療的其它領域相比，人工智能醫(yī)學影像的優(yōu)勢部分在數(shù)據(jù)。影像學的數(shù)據(jù)不像一份病歷一樣，包含病史、病人信息、癥狀、治療手段、愈后恢復等多方面的零散信息，它本身的信息集成度高——一張醫(yī)學病理片子就包含大量高價值信息。因此，和其他的醫(yī)療數(shù)據(jù)相比，影像數(shù)據(jù)處理難度更小，處理價值卻更高。

“醫(yī)學影像原始圖片是很高維、很復雜的，而人工智能把高維的數(shù)據(jù)，變換成一個低維度的、更容易處理的問題?！绷汶?a href="http://wenjunhu.com/v/" target="_blank">科技有限公司首席架構師王曉哲對《財經(jīng)》記者說，醫(yī)學影像數(shù)據(jù)本身很好地契合了人工智能表征模型算法。

影像數(shù)據(jù)標準統(tǒng)一，對于算法來說更易“入口”，輔助診斷模型的構建更為輕松。

各家醫(yī)院的影像數(shù)據(jù)，不只在放射科一個科室，幾乎涉及到每個臨床科室，這也意味著影像數(shù)據(jù)不單單存在一個信息區(qū)域里。北京大學腫瘤醫(yī)院信息部部長衡反修告訴《財經(jīng)》記者，醫(yī)學影像數(shù)據(jù)在醫(yī)院是數(shù)據(jù)量最大的，而且是標準化的，更便于機器閱讀，這非常重要。

動醫(yī)學影像腦筋的大有人在。早在2003年，飛利浦健康科技臨床科學部高級總監(jiān)周振宇和他的導師就有一個創(chuàng)建影像大數(shù)據(jù)平臺的想法，但“在那個年代，很多挑戰(zhàn)我們都無法克服，比如成像質(zhì)量、數(shù)據(jù)和計算機的不匹配，診斷的邏輯思路也不規(guī)范，這些都導致15年前我們無法做到真正的智慧醫(yī)療?！敝苷裼罡嬖V《財經(jīng)》記者。

正如影像科醫(yī)師需要閱讀大量的臨床醫(yī)學圖像，“喂食”病理圖像數(shù)據(jù)，是人工智能系統(tǒng)最主要的學習方式。和周振宇與他的導師起念頭時相比，目前能“喂食”的病理圖像數(shù)據(jù)越來越充足，人工智能分析能力才能茁長成長。

由于數(shù)據(jù)相對充足，開發(fā)者們得以向垂直領域聚攏。2016年，貝斯以色列女執(zhí)事醫(yī)學中心（BIDMC）與哈佛醫(yī)學院公布，二者合作研發(fā)一個人工智能乳腺影像診療平臺。研發(fā)人員不斷輸入大量的病理圖像，讓系統(tǒng)完成對片子的癌細胞識別和健康領域劃分，并在深度學習技術框架中完成自我完善，提高識別準確率和效率。該平臺負責人Andrew Beck稱，該平臺對患者乳腺的影像分析準確率能達到92%，與病理學家的分析結合后診斷準確率可達99.5%。

落地醫(yī)院加速，巨頭啟動

醫(yī)療的獨特性，迫使人工智能企業(yè)必須一開始就得和醫(yī)院合作。由于在衛(wèi)生體系中，醫(yī)院相對獨立，數(shù)據(jù)獨握，使一眾人工智能企業(yè)都有機會多點進入。2017年，瞄準醫(yī)療領域的人工智能企業(yè)頻繁公布與醫(yī)院的合作項目，從對外公布的數(shù)據(jù)看，不僅醫(yī)學圖像處理和分析的能力提升，也有了更多的臨床應用案例。

對肺結節(jié)進行跟蹤影像是其中一例。通過人工智能系統(tǒng)，不僅能告訴患者哪里有肺結節(jié)，通過原有數(shù)據(jù)分析，還能預測惡性的概率，通過概率建議病人篩查復查時間，或者是不是需要做穿刺活檢，或相應的基因型的檢查。這些明確的信息不但讓患者更明了病情，醫(yī)患容易溝通，也會為支付減重，這也是政府樂意看到的。

獨立第三方醫(yī)學影像平臺匯醫(yī)慧影CEO柴象飛提供給《財經(jīng)》記者的數(shù)據(jù)顯示，匯醫(yī)慧影的閱片量已經(jīng)超過百萬。這與其加快了切入實際應用場景的步伐分不開，目前匯醫(yī)慧影已經(jīng)接入500多家基層醫(yī)院和200多家頂級三甲醫(yī)院。

另一家臨床應用較為突出的人工智能醫(yī)療公司Airdoc，主要集中于眼科的影像分析，借由國內(nèi)外醫(yī)院收集了數(shù)十萬張眼底照片。今年下半年，Airdoc與浙江省眼科醫(yī)院、上海市北醫(yī)院都達成合作協(xié)議，建立了人工智能眼科圖像分析相關的技術基地。

據(jù)不完全統(tǒng)計，目前進入人工智能醫(yī)學影像領域的創(chuàng)業(yè)公司，已達40多家。除了垂直度高的人工智能醫(yī)療公司，互聯(lián)網(wǎng)巨頭的動作變得越來越明顯。

鑒于互聯(lián)網(wǎng)巨頭們積累已久的數(shù)據(jù)優(yōu)勢，它們的介入可能直接影響這一領域未來的格局變化，政策的加持又讓這份影響力得到放大。

11月15日，科技部在新一代人工智能發(fā)展規(guī)劃暨重大科技項目啟動會上宣布，首批國家新一代人工智能開放創(chuàng)新平臺名單：依托百度公司建設自動駕駛、依托阿里云公司建設城市大腦、依托騰訊公司建設醫(yī)療影像、依托科大訊飛公司建設智能語音。這是人工智能醫(yī)學影像，首次被政府層面列為人工智能領域的一種單獨分類。

騰訊“空降”人工智能醫(yī)學影像市場，不過是在這份名單公布的3個月前。8月，騰訊推出首款AI醫(yī)療產(chǎn)品“覓影”，主要應用于早期食管癌的篩查。目前，中山大學附屬腫瘤醫(yī)院、廣東省第二人民醫(yī)院、深圳市南山區(qū)人民醫(yī)院都加入了這一合作項目。

無論是互聯(lián)網(wǎng)巨頭，還是垂直度更高的人工智能醫(yī)療公司，2017年下沉到醫(yī)院的成果都非常顯著——保證了人工智能數(shù)據(jù)“糧食”的充足，發(fā)現(xiàn)應用中遇到的問題，離臨床更近，更具有商業(yè)化前景，這些都是資本樂于看到的。

資本涌動，但賺錢尚早

撇除人工智能技術本身的光環(huán)，醫(yī)學影像市場在2017年也到達了一個新的臨界點。

日益增長的市場需求與醫(yī)學影像資源之間，斷裂變得顯著。而蓬勃增長的醫(yī)學影像市場的利潤，吸引了人工智能公司蜂擁而至，希望在成為這條裂縫中最早的“縫合膠”的同時，成為第一批到達的“采礦工”。

火石創(chuàng)造CEO楊紅飛介紹，從目前醫(yī)療影像的市場規(guī)模來看，患者端高速增長，影像檢查收入占醫(yī)院總收入超過10%，緊隨藥品收入占比?；鹗瘎?chuàng)造6月發(fā)布的《醫(yī)療影像的市場圖譜和行業(yè)發(fā)展分析》指出，按照過去5年中國醫(yī)療整體支出，2020年中國醫(yī)學影像市場規(guī)模將會達到約6000億至8000億元。

這也吊起資本的“胃口”。據(jù)不完全統(tǒng)計，截至發(fā)稿，國內(nèi)人工智能醫(yī)學影像市場完成天使輪融資的企業(yè)有3家，Pre-A輪融資企業(yè)2家，A輪7家，B輪3家，C+輪1家。

其中，金額最大的三次融資集中在5月及下半年。5月，依圖科技宣布完成3.8億元的C輪融資，由高瓴資本集團領投，云鋒基金、紅杉資本、高榕資本、真格基金跟投；9月，推想科技宣布完成1.2億元B輪融資，由啟明創(chuàng)投領投，元生資本、紅杉中國聯(lián)合投資；10月，匯醫(yī)慧影宣布完成“數(shù)億元”的B輪融資，投資方為達泰資本及其他2家投資機構。

在咨詢公司Frost&Sullivan中國區(qū)總裁王煜全看來，國內(nèi)資本扎堆人工智能醫(yī)學影像是非常合理的結果?！叭斯ぶ悄苡跋駥︶t(yī)療的提升是必然會發(fā)生的事情，這個提升是可以看得見的，也是當下最熱門的，預計到2018年資本熱情也不會變冷?！蓖蹯先嬖V《財經(jīng)》記者。

然而，看起來巨大的蛋糕，要切一塊并不容易。即便是龍頭IBM Watson，其Watson for Oncology也還沒有報告具有了盈利能力。

腫瘤輔助診療解決方案Watson for Oncology的工作內(nèi)容是通過醫(yī)學圖像分析結果，為醫(yī)生提供診療建議，生成治療方案，借此提升醫(yī)生診療的準確性，背靠的是IBM本身的信息分析專長和市場認可度。Watson for Oncology進入中國、美國、荷蘭、韓國、泰國與印度等多國。然而，目前IBM Watson盈利情況暫時未見諸于公開報告。

相比Watson，國內(nèi)一眾人工智能醫(yī)學影像公司都還處于疾病篩查的應用階段，即判斷影像中是否存在某類疾玻在“知其有”“知其所以有”和“知如何讓其無”三步中，大部分人工智能醫(yī)學影像公司仍停留在第一步的探索中。

“就目前來講，AI所取得的成果還遠遠沒達到預想的。”上海長征醫(yī)院眼科主任魏銳利對《財經(jīng)》記者說：“AI主要應用于篩查，實際使用時，醫(yī)生會重新復核一遍，就像患者拿了地方醫(yī)院的診斷報告，我們看到了還是要重新考慮。”

此外，國內(nèi)公司仍集中在醫(yī)學圖像分析要求較為簡單的疾病領域，價值相對較低。以肺部為例，肺癌識別是一個人工智能醫(yī)學圖像熱門領域，這是由于肺部圖像識別有天然的對比，屬于較容易攻克的方向，但對于肺癌具體癥狀并不具有深度分析能力。

廣東省人民醫(yī)院放射科教授劉再毅對此感受頗深，“我們醫(yī)院肺癌病例大部分是復查的，三期、四期病人的肺部有很多轉(zhuǎn)移灶、合并滲出、肺不張等狀況，計算機很難對這些特征實現(xiàn)自動對比。這些協(xié)助醫(yī)生產(chǎn)品在臨床中確實可能減少一些工作量，但對醫(yī)生的幫助及應用場景都較?！?/p>

扎堆較為容易突破的領域，意味著競爭更為激烈，被巨頭排擠吞并的風險也更高。而在《財經(jīng)》記者對業(yè)內(nèi)人士的采訪中，盈利模式和盈利問題仍是他們腦中順位靠后的問題。

11月，光大證券分析，以服務為主的醫(yī)療影像下游產(chǎn)業(yè)亟待服務模式的創(chuàng)新，在遠程醫(yī)療影像診斷和獨立影像中心快速取得足夠資源的企業(yè)，未來開展影像智能診斷將有更大的優(yōu)勢。

從巨頭們的市場反應看，已經(jīng)多次嘗試開啟中國市場的IBM，加上已經(jīng)動作頻頻的阿里、騰訊，一旦出手對市場的影響都非常強。億歐智庫醫(yī)療產(chǎn)業(yè)分析師尚鞅告訴《財經(jīng)》記者，“據(jù)我在資本方面的接觸，可以預期巨頭們在2018年會加緊行動，一輪的‘大魚吃小魚’馬上就會開始了。”

咨詢公司Frost&Sullivan中國區(qū)總裁王煜全則認為，即使巨頭們不會那么迅速地大舉整合人工智能醫(yī)學影像市場，小公司之間的廝殺也會非常慘烈，誰能勝出難以預測，甚至有可能像共享單車行業(yè)一樣，淪為資本博弈的代表。

2017年人工智能與醫(yī)療的結合開始深入和細化，作為最早也競爭最激烈的一個“戰(zhàn)場”，人工智能醫(yī)學影像行業(yè)遇到的諸多問題難以找到經(jīng)驗參考，而這也反映了它距離品嘗到人工智能醫(yī)療這鮮美的“第一口湯”最為接近。