那些年在AI+医学影像上烧的钱，怎么才能赚回来？

目前人工智能医学影像产品主要应用于疾病筛查阶段，这是一个不易获得稳定商业模式的领域。未来一个人工智能医学影像产品商业化成功的前提至少有三个——

人工智能应用在医学影像领域赚钱吗？

答案是肯定的。就市场规模来看，行业报告预计，2020年，我国医学影像市场规模将达6000亿至8000亿元左右。但问题在于，这偌大的蛋糕，目前却没有一个人工智能项目“啃得动”。

没有一个成熟的商业模式是困扰行业的最大问题。尽管近年来人工智能医学影像的项目一个接一个冒头，连腾讯、阿里、百度这样的巨头也相继闯进战场，然而却没有一个项目提出自己在人工智能医疗影像项目上是盈利的。依靠筛查、分析报告来变现的路径走不走得通？这还需要时间的验证。

谁才是人工智能医学影像的买单人？谁才是人工智能+医学影像真正的用户？什么样的模式才是适合这个领域的商业模式？带着这些问题，我们一起来探究一下人工智能医学影像商业化的难点所在。

AI+影像：只烧钱不挣钱？

方正证券产业金融部董事医疗产业投资并购负责人姜天骄在2017长江产业论坛（秋季）暨医疗健康大数据与人工智能大会上指出，目前，大多数人工智能产品已经实现了产品的落地，但真正实现商业模式落地的是辅助诊疗、医药研发和基因测序产品，影像读片依旧停步在产品落地的阶段。

需要承认的是，人工智能在医学领域的应用是有盈利的案例的。IBM沃森是一个已经进入测试流水阶段的项目。

目前，Watson for Oncology肿瘤辅助诊疗解决方案，已经在中国、美国、荷兰、韩国、泰国与印度等多国落地临床。就其在中国的运作模式来看，IBM选择通过代理分销商去打开市场，如此一来，就可以获得一定的收入，按照目前其在中国每人每次不低于5000元的收费标准来看，盈利目标可期。

我们来看看沃森医生能够盈利的关键原因是什么。首先，IBM作为一家世界知名的公司，其产品在世界范围内，包括亚欧等多个国家的市场对其都是认可的，更大的市场为其提供了商业模式走通的基础。其次，IBM本身的信息分析、自然语言处理及自我学习能力都非常强大，在数据方面合作的纽约纪念斯隆凯特琳癌症中心（MSCKCC）也是肿瘤领域知名的医疗机构，技术和数据上都较为领先。再者，沃森主要应用与癌症的诊疗领域，并非筛查领域。换句话说，沃森的解决方案必须能够解决实际问题，并有强有力的成功案例和公司背景作为背书。

总而言之，沃森可以为医生推荐最佳治疗方案、提升医生诊疗的准确性，相比较于CT等手段已经比较成熟的筛查领域，诊疗过程的辅助对医生和医疗机构更具有吸引力。医疗机构对IBM这类的产品更有付费的意愿。

然而，目前国内的人工智能医学影像项目大多不具备这样的条件。

首先，国内的人工智能医学影像项目大多集中在疾病筛查阶段，主要通过对读片来判断用户是否患病。这种产品虽然能够减轻医生的工作量，也能提高医生的诊断准确率，但对于医疗机构来说，这并不是刚需。

此外，疾病筛查是一件成本很高的事情。医疗领域人工智能企业Airdoc副总裁张京雷指出，疾病筛查的服务对象是一个庞大的群体。举例来看，北京市海淀区359.3万人全部筛查一遍眼底疾病，那么就需要至少布1000个筛查点，并且需要较长时间，这个成本是非常大的。

其次，虽然目前中国人工智能医学影像项目的准确率都号称可以保持在97%左右，但健康点记者在走访过多家相关企业后发现，这些项目的数据一部分来自医院，一部分来自公开资料或数据库，未来，这些项目还需要吸收更多的数据去完善算法。复旦大学医学影像智能诊断研究所教授刘雷曾在接受媒体采访时提到，目前中国临床数据比较乱、错误多、缺失多，都会造成人工智能对医疗大数据的处理不是很成功。“以眼科为例，糖尿病视网膜病变筛查，网上就有10万张片子可以免费下载，但是片子有好有坏。”

此外，如果企业想从医院处获得数据，那么就要和医院达成互惠互利的合作模式，不收钱或少收钱都不能达到盈利的目的。目前，在医疗影像细分市场上，中国大量高质量数据集中在二甲以上医院，这些医疗机构的特点就是有能力、有资本、有规模，但有没有对人工智能医学影像产品的购买欲望还值得商榷。

清华大学清华-青岛数据科学研究院执行副院长韩亦舜也在2017长江产业论坛（秋季）暨医疗健康大数据与人工智能大会上指出，人工智能项目和医疗机构之间存在一定的矛盾，医疗机构对人工智能的接受程度并不高。

“搞人工智能的人说我帮医院做筛查，医疗机构会考虑筛查错了责任算谁的。人工智能说我可以提高医生的效率，医生会说高效率对我有什么好处？”韩亦舜强调，人工智能需要更多地理解医生，和医生共同寻找出路。

不难看出，目前人工智能医学影像项目还出在烧钱的阶段，但每个项目都烧得起这个钱吗？我们来看看目前中国做人工智能医学影像项目的企业有哪些？

第一类，财大气粗的BAT。他们的特点是有钱、有技术。第二类，设备型公司，比如翼展科技、西安盈谷科技等。这类公司的特点是可以依靠医学影像设备或影像管理协作系统进入医疗机构，获得数据的同时也能有财务上的收入。第三类，技术型公司，比如前文提到的Airdoc，比如汇医慧影等等。这些公司拥有自己的算法，并且在人工智能医学影像领域布局较早，在准确率上更有保证。

这三类企业中，第一类可以依靠自身强大的财力支撑项目发展。第二类可以依靠公司其他业务的收入去支持人工智能业务。第三类企业则主要依靠融资和微薄的收入支撑业务发展。

基层是人工智能主战场？

目前，市面上主要的人工智能医学影像产品主要集中在几种疾病的筛查上，比如食管癌、肺癌、糖网病、宫颈癌和乳腺癌等。然而并不是每一种疾病都是和通过人工智能的方法去进行筛查。以肺结节为例，张京雷告诉健康点记者，Airdoc基于海量数据研发了肺结节识别算法在推广的过程中就很难落地。

一方面，癌症的识别关乎一个人的生命健康，医疗系统和患者都会十分谨慎。另一方面，在现实生活中单一算法很难落地，一张影像中可能会有多种病变，但是肺结节的识别算法只能够识别单一病种，这并不能够解决医生的实际需求。

那么，哪些科室的疾病更容易应用人工智能呢？张京雷指出，一个人工智能医学影像产品商业化成功的前提有三个：

1、科室需求强烈。

换句话说，这些可是必须医生数稀缺的。过去几十年以来，我国医学影像学发展迅速，但是专科医生资源不足，而且主要集中于大城市和大医院当中，很多中小城市没有足够的影像学诊断能力，很多患者为了获取更好的医疗资源，不得不到大城市就医。

以眼科为例，2016年中华医学会第二十一次全国眼科学术大会上的公布数据显示，目前中国还有20%的县级医院没有眼科，并且中国眼科医师相比总人口来说较少，尤其是眼底病专业医师更加稀缺。据中华医学会眼科分会统计，目前全国共有眼科医生2.8万名左右，但能开展内眼手术的不足4000 人，眼科医生资源仍然缺乏。同时眼科医生分布极不均衡，全国70%的眼科医生分布在大中型城市，基层眼科医生数量很少。

因此，Airdoc目前主推的产品就是糖尿病性视网膜病变的辅助分析系统，该系统用于识别筛查糖网病变，目前，Airdoc人工智能辅助分析方案已经在包括上海长征医院在内的众多医院已经得到了普及。

阿里健康、腾讯和英特尔也非常注重科室的选择。阿里健康于2017年7月正式发布的AI医疗产品“Doctor You”将功能应用于CT肺结节智能检测。腾讯于2017年8月发布的首个AI医学影像产品“腾讯觅影”，辅助早期食道癌等疾病的筛查，此外该系统还涉及到肺癌、糖网病、宫颈癌和乳腺癌等疾病。2017年年初，英特尔发布了其基于超声影像的甲状腺结节良恶性的辅助诊断系统。这些疾病所在可是的医生数量相对来说比较少，同时工作任务也很重，人工智能有较大的应用空间。

2、疾病在人群中的发病率不低。

张京雷强调，作为应用于筛查阶段的产品，人工智能需要发挥出筛查的意义。如果一种疾病在全人群中的发病率极低，甚至一千万人中只能筛出一个患者，那么从商业化的角度来讲，这种筛查的成本就太高了。

3、后续并发症比较严重。

还是以眼科为例，糖尿病性视网膜病变是一种严重的糖尿病后遗症，30%的糖尿病人都会有糖尿病性视网膜病变，而这个病极可能导致患者失明，如果及早发现、及早进行有效治疗，就能避免失明的出现。

从上面总结的科室特点来看，目前，基层医疗市场对于人工智能医学影像的需求更大。一方面，三甲医院有专家，也有先进的技术和设备，他们对于人工智能的需求并不是很大。另一方面，基层医疗医务人员能力不足，但承担着大量常见病、多发病、慢性病的诊疗工作，他们反而更需要提高诊疗水平和效率的工具。

准确率高、检测效率也高的人工智能相比人工阅片显然更适合基层医疗。然而，目前人工智能医学影像想要走进基层还有一定的困难。主要原因有三，一是向基层推广产品的渠道比较少。二是基层的医院IT系统条件比较差，不方便与AI产品对接。三是目前人工智能医学影像产品的售价较高，基层医疗机构几乎不可能花费上万元或者十几万元去购买一个软件。

已经在基层医疗机构中有所布局、并进行现金流测试的依图医疗告诉健康点，在有成功运营案例的时候，基层医院是有可能购买人工智能产品的。依图医疗副总裁Cathy Fang解释到，目前，依图医疗在向基层推广的过程中主要还有两种途径，一是为三甲医院提供产品，三甲医院所辐射的基层医疗机构在三甲医院学习的过程中，可以感受产品的优势。二是通过代理渠道进行销售。但值得注意的是，其产品对于基层医疗机构的收费模式依旧处在探索阶段，购买、租赁或是远程医疗都是可能尝试的。

AI距离挣钱还有多远？

烧钱容易赚钱难，人工智能医学影像真的没办法走通一个商业模式吗？张京雷给了健康点记者一个乐观的答案：“目前行业正在积极探索商业模式，随着数据积累的越来越多，算法越来越成熟，商业模式会越来越清晰。”

张京雷提成了这样一种可能。未来，随着技术的成熟，人工智能医学影像产品的成本会越来越低。这样一来，产品就更容易打开市场，被医疗机构所接受。此外，目前人工智能医学影像产品主要应用于疾病筛查阶段。疾病的筛查可以降低大病出现的几率，从而为政府降低医保支出。这样一来，政府也是有买单的可能性的。

此外，向后端发力，创造更多价值，也是一个途径。未来，人工智能将不止于做简单重复的筛查工作，而是做更有指导性的工作，比如将IBM沃森的诊疗方案发展到不同的疾病领域等等。

总的来看，虽然目前人工智能医学影像产品的商业模式尚不成熟，但是该领域的前景还是十分可观的。一旦商业模式走通，人工智能医学影像将有可能成为如共享单车般火热的风口。