AI医疗领域大面积推广前还要迈过哪些坎

AI（人工智能）无疑是当前甚至是未来十年的一个技术风口，在投资人眼里，如何将AI技术与具体应用场景结合，也成为当前的投资风口之一。

在诸多场景应用当中，医疗可谓是兵家必争之地。不仅诸多传统VC/PE机构早已在当中有所布局，甚至BAT们也在近年加速AI医疗布局。

借助资本和巨头的力量，赛道内的初创企业们也在努力想要“闯出一片天地”。近日，医疗AI企业深睿医疗宣布完成C轮融资，本轮融资由阳光保险集团战略领投，昌发展、丝路华创和山蓝资本跟投。至此，深睿医疗两年内完成了四轮融资。

据公开资料显示，深睿医疗前身是北大信科学院人工智能实验室项目，2017年转化成实体公司，总部位于北京中关村高科技核心地区，通过人工智能“深度学习”技术及自主研发的核心算法，为各类医疗服务机构提供基于人工智能和互联网医疗的解决方案。成立至今，深睿医疗已经将其人工智能的产品落地到400多家医院。

作为AI技术落地应用的最佳场景之一，医疗长期以来都是各家资本和巨头争夺的要地。而从目前来看，深睿医疗的产品矩阵，正好代表了当前圈内对医疗AI具体应用领域看好的细分部分。

据深睿医疗联合创始人、CEO乔昕介绍，目前，深睿医疗已经开创了一个人工智能医疗产品矩阵，包括医学影像人工智能辅助诊疗系统、智能影像云平台、多模态科研平台、院内问诊导诊智能系统和医学病理检验人工智能系统等。“未来，深睿医疗将在大健康领域开展更多人工智能的尝试与探索，搭建人工智能生态圈，我们的产品和服务已经从单病种诊疗向全病种诊疗发展，单一技术应用向技术生态发展，单一模态的数据学习向多模态的人机互动发展。”乔昕说。

在深睿医疗此次的战略投资人中，阳光保险集团备受瞩目。据悉，未来双方将会以新的战略合作模式探索医疗AI。阳光保险战略投资部总经理宋文雷表示，医疗是阳光保险一直以来重点布局的行业之一。近几年，人工会智能在医学影像领域开始了广泛引用。对于医疗AI的创业公司，技术能力、产品能力、对医疗行业的理解能力以及商务能力，任一方面的短板都会严重制约创业公司的发展。

君联资本董事总经理、首席投资官李家庆表示，他们持续看好人工智能在医疗辅助诊断领域内的应用场景。昆仲资本创始管理合伙人王钧也表示，通过医疗影像技术对医疗进行诊断，是整个医疗行业的重要入口，且具有巨大的发展潜力和想象空间。

事实上，百度也在这一领域做了重要布局。今年以来，百度频频布局医疗领域。3月份，百度战略投资东软医疗超过2000万元。2月底，百度全资获取北京康夫子健康技术有限公司股权。加上之前的投资，目前百度在医疗AI领域的布局主要集中在影像诊断和医疗大数据方面。

在以“AI应用落地，助力产业升级”为主题的腾讯全球数字大会AI分论坛上，腾讯副总裁姚星介绍说，医疗作为腾讯AI切入最早、应用最广、成熟度最高的产业之一，目前正向着纵深化发展。

腾讯AI在医疗领域的应用，已完成从产品、场景到落地的深入探索。从最早辅助筛查食道癌开始，腾讯觅影的医疗影像辅诊功能，已扩展到肺癌、糖尿病性视网膜病变、结直肠肿瘤、宫颈癌、乳腺肿瘤等多个大众化病种。

除了影像，流程前期的辅诊系统发展迅速，能辅助医生诊断700多种常见病种，准确率达96%；分诊系统已上线百家医院的200个科室，准确率达98%；此外腾讯还提前布局病理分析领域，研发结合AI与AR技术的智能显微镜。

业界普遍认为，在中国的环境下，医疗+AI的需求是“实打实存在的”，但是医疗+AI本身的商业价值如何挖掘依然是个难题。除了投资之外，巨头们也在其中早早有了尝试。

比如2017年3月，阿里巴巴推出了其在“医疗+人工智能”领域的首个产品——“ET医疗大脑”。“ET医疗大脑”可以辅助医生判断甲状腺结节点，并给出良性或者恶性的判断。同年，阿里健康推出了医疗人工智能系统“Doctor You”，该系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等等。

另外，平安集团作为早期介入AI医疗领域的巨头之一，依托旗下平安智慧城市—智慧医疗，已与近20个省市的近300家医疗机构签约合作，提供包括智能医疗影像筛查、AskBob智能辅助诊疗以及智能慢病管理等在内的整套端到端的AI医疗服务方案。

尽管人们深知，医疗AI作为未来医疗行业发展趋势，但实际在推行中并没有那么容易。平安集团首席医疗科学家谢国彤在接受新华社记者采访时表示，医疗AI在推行中最大的挑战之一就是心里接受问题，很多医生会质疑AI辅助医疗是否靠谱，是否真正能提升诊断效率。

另外一个问题则是评估体系。谢国彤表示，包括美国在内的AI辅助诊疗类产品，没有几个通过FDA（食品药品监督管理局）认证。在医疗资源更为紧张、对医疗AI需求更强烈的中国，如何在监管滞后于AI创新的情况下，去评估医疗AI产品的有效性和安全性，也是当前急需解决的问题。

体素科技CEO丁晓伟也提出，现有的算法评估标准通常以工程界的标准为主，不一定能够得到临床医生的认可。他表示，目前得到药监局许可的临床实验，大部分在非常受控的环境下进行，而医生对这种受控环境下做出来的数据，不见得真正认可。第二是监管的问题，医疗器械的使用和推广需要药监局的批准。第三是商业变现的问题。他认为，AI在医疗领域的应用更接近与体检和预防，“有时候带来的效果很大，但非常间接，不容易形成控费价值的影响”。

联影智能COO詹翊强则表示，在目前的技术阶段上，“人工智能使医生都失业”的情况不可能发生。詹翊强认为，把水平不高的医生提高到三甲医院医生的水平是人工智能赋能医疗的一种希望。他表示，虽然人工智能的价值不一定能立刻转化为企业的绩效，但能够让更多基层的病人接受到更高质量的医疗服务。

谈到人工智能在医疗场景落地的挑战，詹翊强表示，处理实际医疗工作中的庞大数据量是一大难点。他介绍，在实验室场景中，大量三维的医疗图象数据会产生巨大的数据量，特别是在大型医院里，可能有十台CT同时向系统输送数据，对数据处理的速度和精度要求极高，对整个信息系统的架构也有很多要求。