​眼底AI日漸成熟，醫療產業為何“毫無反應”？

曾經爆火的AI醫療產業，現如今已然褪去了神秘的色彩，相對成熟的眼底AI技術突出重圍，一直活躍在人們的視線中。

眾所周知，視網膜是人體中唯一一個能以無創方式直接觀察血管和神經細胞變化，以此作為多種慢性病指標的機體組織。因此，作為一種輔助檢查的手段，視網膜影像一直被列為醫療影像的研究重點，在AI醫療產業中也有舉足輕重的地位。

據鷹瞳科技招股書數據顯示，在人工智能醫學影像市場中，人工智能視網膜影像發展最快，2019年至2021年的年復合增長率為171.0%。

AI醫療在商業化戰場上屢屢碰壁，一直無法觸及診療核心，除了發展的技術跟不上時代的節奏以外，從本質上來說，也無法完全取代醫生的主導地位。就連眼底AI發展前景廣闊，也仍未走出逐年虧損的怪圈，“燒錢”一直是AI醫療撕不掉的標簽。

那麼，醫療AI產業處在這不尷不尬的位置上，是否能成為新興行業的指路明燈？

眼底AI如何破局？

圈內有一個共識，想要發展AI醫療最難的部分就是數據庫的建立，畢竟每家醫院信息系統中的數據質量參差不齊，而創業初期的企業只能向一家或者幾家醫院，通過付費購買或者科研合作的方式達成合作，但很大概率只能獲得部分並不完整的數據。

而眼底AI領域就沒有這個後顧之憂，根據資料顯示，2018年3月，中檢院眼底圖像數據庫建庫工作完成。在此基礎知識之上，2020年8月，鷹瞳科技和硅基智能的“糖網輔助診斷軟件”第一批通過藥監局審批、取得第三類醫療器械證書。緊接著致遠慧圖、微醫醫療器械有限公司的產品也相繼獲得認證，其中還有幾款產品獲得了歐盟CE認證。

可以說，眼底AI的發展穩扎穩打，逐步建立起了以視網膜影像為基礎的診斷系統。根據瞭解，通過捕捉並分析視網膜圖像，不僅可以識別視網膜黃斑變性、病理性近視、視網膜脫落等眼科疾病，也能診斷糖尿病、高血壓、心腦血管病等全身性疾病。

從根本上說，雖然眼底AI不能完全代替眼科醫生進行診斷，但起到了明顯的預防作用。

根據《2017年中國衛生和計劃生育統計年鑑》獲悉，中國有4億左右慢性眼病患者，而只有3.6萬名眼科醫生，門診量超過1.1億，住院患者超過450萬結合整個醫療環境來說，眼底AI的出現讓很多慢性疾病實現了“早篩早治”，進一步結合醫生的診斷結果，讓很多病人得到了及早的治療。

除此之外，術業有專攻，眼科醫生對於糖尿病、內分泌等其他專科疾病的診療並不一定準確及時，而非眼科醫生對眼底影像閱片能力畢竟有限，尤其是眼底疾病病灶微小、不同病灶間區分度低，全國范圍內擁有閱片能力的醫生相對較少。而眼底AI的輔助診療，在一定程度上可以成為醫生的“幫手”。

眼底AI之所以可以在人工智能影像市場中脫穎而出，與企業落地場景的多樣性也有很大的關系。不管是肺部影像、心血管影像或是胸腔影像，一般都會選擇落地大型醫院，綁定硬件設備來銷售，而眼底AI的選擇范圍更加廣泛，既可以選擇三甲醫院，也可以從視光中心進行小范圍突破。就像鷹瞳科技的眼底篩查軟件，選擇用一個低成本要求的眼底相機，實現對基層醫療體系的滲透。

但眼底AI的走勢良好，不賺錢卻擺在了明面上。比如，鷹瞳科技的招股書顯示，2019年、2020年以及2021上半年，其實現收入3041.5萬元、4767.2萬元和4947.7萬元。去年11月，“醫療AI第一股”鷹瞳科技成功著陸，但上市即破發。

只能說，AI醫療產業尚且年幼，再加上最近經濟形勢低迷，新興業態的發展處於停滯狀態，想要有所發展必定先要突破固有商業模式，積極創新，才有新的轉機。

人工智能+醫療，齊頭並進？

或許是受西方電影橋段的影響，人工智能一直是人類終極形態的代表。

近幾年，人工智能的發展也是突飛猛進，其研究表明，2012至2018年6年間，在最大規模的人工智能模型訓練中所使用的計算量呈指數級增長，其中有3.5個月的時間計算量翻了一倍。其次，資本也持續看好中國人工智能產業發展，到2020年，中國人工智能產業融資規模達到1402億元。

尤其是交通場景和醫療場景受到了廣泛關注，特別是企業紛紛表示未來會重點佈局人工智能。

在iiMedia Research數據顯示，超八成中國網民看好人工智能的未來發展前景，其中交通場景和醫療場景分別佔比45.2%和40.5%。八成受訪企業表示對人工智能重視程度較高，近六成企業表示未來會重點佈局人工智能。

疫情的到來，更是讓中國醫療器械市場規模持續擴大，特別是人工智能在醫療行業起到至關重要的作用。iiMedia Research數據顯示，2020年中國醫療器械市場規模達到7341億元。其中，手術機器人、AI臨床輔助系統等智能醫療工具為抗擊疫情發揮重要力量。與此同時，中國人工智能醫療器械相關專利數量進一步增長。

不可置否，AI醫療產業的發展，結合了醫、學、產等多方面力量。除了資本的助推，也離不開相關院系的科研力量。2017年3月25日，浙大睿醫人工智能研究中心成立，領頭人吳朝暉教授曾表示，“我們會利用浙大基礎優勢，以開放姿態和各大醫療機構及學科帶頭人合作，打通數據源，建立多學科、多機構協同機制，爭取早日在醫學人工智能的關鍵性技術上取得突破。”

但結果卻並沒有朝著預期發展，國內醫療AI市場規模增速極為緩慢，甚至於在走下坡路。據統計，2020年中國醫療AI市場整體規模約為265億，而從2015年風口突起至2020年上半年，醫療AI總融資規模就超過了350億。

2021年，醫療AI企業雖然迎來了上市大關，但全力商業化兩年的成績單依然難過二級市場的法眼，接連敗北。3月，科亞醫療向港交所遞交IPO申請，到9月，上市狀態變成了“失效”；6月，鷹瞳科技也遞交IPO申請，11月，上市即破發；7月，依圖科技的IPO狀態變成了“終止”，8月，依圖醫療團隊被深睿收購。

不止國內的AI醫療產業鎩羽而歸，在醫療領域“火力全開”的谷歌健康也陷入重重危機之中，不得不大規模裁員重組。

谷歌在AI領域本就已是巨頭，谷歌健康成立後，還聘請醫療領域資深人士David Feinberg就任主管，仍未將谷歌與醫療AI相關的創新業務做起來。2021 Q1季度財報顯示，谷歌包括人工智能DeepMind、智能醫療Verily在內的創新業務，仍然處於虧損狀態。

人工智能和醫療場景的結合，不僅是對技術的考驗，更是對現實情景的多方考驗，只可惜，偌大的醫療領域無法拯救人工智能的應用深度，更何況，醫療AI本身也在苦苦掙扎。

AI醫療，困於算法

人工智能本身的特點就決定了它無法面臨錯綜復雜的醫療場景，想要完全脫離人工而獨立進行診療，其實很難達到。圖靈獎得主Yoshua Bengio也曾說過，在醫學文本文件中，人工智能系統無法理解其模糊性，也無法瞭解人類醫生注意到的微妙線索。

可以說，算法還有待優化，用更全面的數據加固已有的模型，才能逐步讓AI醫療應用到更多場景中。

追溯到2020年，吳恩達在斯坦福HAI研討會的演講中曾分析，醫療領域AI研究的算法難以投入到生產，因為一部分數據訓練出的模型，難以泛化到其他情況。這一說法在谷歌健康的“糖尿病視網膜病變篩查”業務中有所證實。

此前，谷歌發表在《美國醫學會期刊》的文章中提到，AI算法使“糖尿病視網膜病變篩查”的准確率達到了90%，理論上幾秒就能出結果。但當理論與現實結合時，卻出現了極大的反差。2020年，谷歌與泰國公共衛生部門就這項業務展開合作，最終由於算法對檢查照片的要求極高，准確率遠不如預期。

除此之外，從上傳照片到出結果所需要的時間，還取決於當地醫院的網絡信號是否良好，病人通常需要很長的時間才能拿到結果。

很顯然，AI醫療對環境以及照片像素等外界因素的依賴程度極高，一旦出現預期外的事件發生，將無法發揮自身的效用。就連相對成熟的眼底AI算法，尚且無法適應各種狀況的發生，更何況本就發展受限的其他領域。

AI醫療在應用中的受限因素有很多。

首先，基本地域限制，AI在實際場景並不通用，本質上來說，適用性較高的AI基本都是定製化研發。例如，兒童骨齡智能輔助診斷軟件在診斷上就有一些問題，這個參照南方地區身高作為標准的軟件，並不適合平均身高突出的當地。

其次，基於技術限制，市面上AI在心血管中的診療工具集中在影像功能，高門檻的技術難點讓不少企業望而卻步。相較於視網膜、肺部影像掃描圖像基本處於相對靜止狀態，心髒以及冠脈極端復雜的網狀結構的圖像更難捕捉，圖像的合成和三維重建十分困難。AI在心血管領域需要更加精密而龐大的算法，來診斷與預測種類極為豐富的心髒病症。

最後，AI醫療被應用於真實醫療場景，大量的訓練數據是前提，但數據准確性和全面性卻並未得到保障。比如，在美國醫療媒體STAT公佈的IBM公司內部文件中顯示，沃森系統的訓練，使用是虛擬患者的假想數據，推薦的治療方案是基於紀念斯隆-凱特琳癌症中心專家的方案；且訓練數據不足，8種癌症中，訓練數據量最高的肺癌只有635例，而最低的卵巢癌僅有106例。

不難看出，算法的優化根本跟不上醫療情景的變化，很多醫療AI在實景操作中並派不上用場。而投入巨大的人力物力，卻得不到相應的回報，讓資本對AI醫療產業的熱情驟減，也讓這個賽道顯得越發落寞。

本文來自微信公眾號“錦鯉財經”（ID：jinlifin），作者：奇異博士後，36氪經授權發布。

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪