本报实记者 陈杨 记者 曹学平上海报道
2018年初创企业数量达到顶峰，与机器人对话，2019年资本寒冬，与卡通人合影，2020年“批证年”，个个玩得不亦乐乎。举报/反馈，经历了一轮浪淘沙的AI医学影像企业再次获得市场关注。刚刚过去的8月里，深睿医疗出手并购依图科技的医疗板块，推想科技向港交所递表，拟香港主板上市。
亿欧智库发布的《2021年人工智能医学影像企业发展报告》显示，2020年开始，人工智能医学影像企业融资进程明显加快，B、C以及D轮的企业占比明显增加。2021年6月，药品监督管理（NMPA）颁布《人工智能医疗器械注册审查指导原则（征求意见稿）》。随着行业规范初步建立，未来产品审批速度将加快，AI医学影像市场逐步规范化。
不过，上述报告显示，现阶段AI医疗影像的院端付费渗透率为4.5%-7%。
谈及AI医学影像企业的商业模式和投资机构的关注点，安德医智BioMind董事长梁伟民在接受《经营报》记者采访时表示，“我想归根结底一是看应用场景的覆盖程度，二是产品的应用价值，三是能不能给多数的医院赋能。我觉得这个衡量的标准会越来越清晰。未来不是公司决定市场价值，而是公司的产品决定未来的价值。”
持续烧钱
自AlphaGo战胜世界冠军棋手李世石后，人们对人工智能似乎不再陌生。在各类垂直行业中，人工智能在医疗健康、金融、商业、教育和安防等领域渗透较多，其中医疗健康领域占比最，达到22%。另据沙利文咨询的统计预测，2019年人工智能医疗市场规模达到7.2亿元，2024年将超过60.6亿元，2016-2024年均复合增长率高达122.75%。
由于影像数据的相对易获取性和易处理性，“AI+医学影像"在人工智能医疗领域中应用最为广泛。据行业统计，2020年人工智能医疗公司共计129家（不包含以基因检测技术为主的企业），其中医学影像领域的公司数量最多，达55家，占人工智能医疗公司总数的42.6%，涉及的疾病领域包括肺、眼科、心血管、脑等。
而“烧钱”是这些公司的共同特征。
在有消息称依图医疗被深睿医疗收购之前，其母公司依图科技曾两度上市受挫。招股书显示，依图科技2017年、2018年、2019年和2020年上半年营收分别为6871.89万元、3.04亿元、7.17亿元和3.81亿元；同期归母净利润分别为-11.66亿元、-11.61亿元、-36.42亿元和-12.99亿元。截至2020年6月末，依图科技累计未弥补亏损超过72亿元，资产负债率达252.28%。
具体到医疗方向，招股书显示，截止到2020年6月，依图科技在智能医疗临床决策平台、数据平台和管理平台等相关研发项目已累计投入2.09亿元。而2018年、2019年及2020年上半年，依图科技在医疗健康应用场景实现的收入仅为9.91万元、559.73万元和562.67万元。依图科技称，由于人工智能技术在医疗领域尚未实现规模化商用，报告期内收入规模不，占营业收入的比例较小。
母公司上市中止，“输血”失败，或是依图医疗成为“弃子”的重要原因。
而除了依图科技，今年先后提交上市申请的科亚医疗、鹰瞳科技、推想科技也如出一辙。招股书显示，2019年和2020年，鹰瞳科技收入分别为3041.5万元和4767.2万元，年内亏损分别为8713.9万元和7962.6万元；推想科技收入分别为662.2万元和2,770.2万元，相应的净亏损分别为4.02亿元和5.87亿元；科亚医疗收入为116.7万元和70.9万元，年内亏损分别为5392.5万元和4.87亿元。
科亚医疗招股书指出，这些收入主要来源于和医院合作的科研服务。其核心产品深脉分数在获得AI首证后，还没有产生任何商业化营收，未来实现更的商品化营收，还需要在研发成本和市场推广上继续加投入。
场景为王
截至2021年7月，国内已经有15款产品通过了NMPA三类医疗器械审批。《医学影像人工智能发展报告2020》的数据显示，现阶段AI医疗影像的院端付费渗透率为4.5%-7%。如果说“三类证”是AI医学影像企业迈入商业化的敲门砖，“应用场景”则被认为是产品落地下一个难点。
肺结节检测是当下AI医学影像领域相对最集中和成熟的产品。易凯资本执行董事沈煜霄以此举例，“如果你胸不舒服，用一个只针对肺结节的AI产品一筛查，发现没有肺结节，接下来就没招了。因为你的产品只针对肺结节，是不是肺炎、肺慢阻这些都不知道，这就是场景薄弱的体现。”
梁伟民告诉记者，除了高效完成重复的工作，AI医学影像产品更被期待缓解国内医疗资源分配不均、基层医院影像科医生匮乏、水平参差的问题。辨别肺结节对于基层医生来说难度不，原本靠医生花10分钟做出判断变成AI花1分钟得出结论，一定程度上提高了效率，但对于病人不多的基层医院而言并没有足够的吸引力。而检出结节之后，是不是肺癌，要不要做下一步处理，是要做手术还是可以不用管它，才是临床最重要和医生最需要的信息。
梁伟民认为，当下找不到商业模式的原因在于AI产品本身的限性。“CT能做的疾病可能有成百上千几百种，AI只判断出了10种、8种，就想去落地，我觉得是停留在想象的空间里。假如AI能给出一个辅助诊断的结果，并且这个结果的准确率和医院水平一致，基层医院买一个AI产品，就相当于引进了一位最顶级医院的医生，医院的购买意愿和落地速度肯定是不一样的。”梁伟民说。
除了做全单位的疾病图谱、给更多医生赋能，覆盖多系统、建立产品平台也是当下头AI医学影像企业提高场景适配度的方向。今年5月，数坤科技提出“数字人体”的概念，计划整合“数字脑”“数字心”等各个位的数字化产品，形成“数字人体”基础设施。推想科技坚持走“一横一纵”，“横”向覆盖癌症、心脑血管、传染病、创伤疾病等全位影像诊断，“纵”向覆盖疾病临床全流程。安德医智则提出在2023年前完成全身系统影像AI辅助诊断和多病种辅助决策产品的全面布。
沈煜霄表示，未来的AI医学影像产品可能是一个“苹果手机”，针对乳腺、胸、头颅的疾病都在一个产品上。“这样的产品进到影像科，是解决整个系统性的问题，其场景应用的丰富度要高很多。医院影像科包括临床科的接受程度肯定和只针对肺结节的产品不同。”
数据之战
目前，多数获得三类证的AI产品还没有达到精确诊断的级别。沈煜霄认为，主要的原因在于数据。当下，多数算法模型开源，企业之间没有绝对的壁垒，数据作为机器学的“老师”，在某种程度上决定了AI产品的天花板和AI公司的护城河。
一方面，“地级市医院的老师教不出天坛医院、华山医院的学生”，高度精准的数据无疑都来自于三甲医院的高年资医生。但沈煜霄表示，实际上，与顶级医院合作的难度较，分公司还是通过一些熟悉的临床医生专家或影像医生来获取数据，“比如说这家医院拿个几百例，那家医院拿个几千例。”他认为，这样的数据不仅可能不具备续航力，无法连续、动态地获得，其标准化程度可能也有所差别。
“当数据来源于很多不同的医院，可能是诊断能力参差不齐的医疗机构时，某种程度上并不会因为数据量的积累而带来产品质的变化，反而有可能会降低诊断能力的平均水平。”沈煜霄说。
另一方面，数据的维度也决定了“学”的成果。北京一位业内资深人士告诉记者，当下AI公司获取的主要是医学影像数据，其数据量庞、增速快且标准化程度高。但在临床上，病理数据才是医生诊断的金标准。“如果在数据维度中加入病理数据，并且把影像数据里的一些指标，比如恶性肿瘤的形态和病理数据相结合，最终产品诊断的正确率一定是高于只做影像数据模型的。”沈煜霄说。
上述业内人士向记者指出，数据获取和标注是所有AI企业最的成本来源之一。今年6月，NMPA颁布的《人工智能医疗器械注册审查指导原则（征求意见稿）》指出，数据收集需考虑数据来源的合规性和多样性、数据分布的科学性和合理性、数据质控的充分性和有效性。应在人工智能医疗器械全生命周期过程中考虑数据安全问题，包括上市前设计阶段和上市后使用阶段。
而随着今年9月《数据安全法》的实施，AI医学影像公司在数据获取和使用上的成本也会进一步提升。“过去可能有灰色的分，但现在到了立法的层面，通过什么途径获得数据，数据脱敏完全不完全，数据流出有没有经过医院许可，数据安全和病人隐私怎么保护，是每个企业都避免不了的课题。”梁伟民说。
（编辑：阎俏如校对：燕郁霞）
