首页

联影智能联席CEO周翔:医学影像AI市场空间广阔,应多维度布局细分发展

来源|界面

2018年和2020年是国内医学影像AI领域的两次分水岭,资本两度大量涌入这个赛道。疫情期间,技术扎实服务精细的初创企业纷纷突围,金钱与技术一道不断调整着这个AI医疗领域中美差距最小赛道的走向。

在第二届中国医学影像AI大会上,中国医学影像AI产学研用创新联盟理事长刘士远表示:“医学影像AI初创企业在2018年达到顶峰,随后数量开始减少,医疗AI逐渐进入落地和成熟环节。整个市场变得更加理性,开始关注真正有希望的成长型AI企业。”

2018年,国家医保局、卫健委、药监局三大部门先后成立,国内超过1000家三甲医院引入了AI系统,该年成为AI医疗落地元年。2018年底,福布斯评出AI领域取得发展的6大方向,其中医疗领域取得的突破最为明显,谷歌的DeepMind已可以用人工智能预测蛋白质三维结构。根据Global Market Insight数据报告显示,2018年,按照应用划分,AI医学影像市场已成为全球医疗AI第二大细分市场。同年,我国共有43家公司提供“医学影像”服务。

2020年,国内医学影像AI行业头部企业科亚医疗、推想科技、Airdoc都传出了上市计划,10多家企业拿到了国家颁发的三类医疗器械注册证。根据健康界不完全统计,2020全年,国内AI医疗健康领域共完成了65次融资,而细分赛道AI医疗影像占到总融资数的三分之一,其中绝大多数在亿元级人民币以上。

国内AI医疗热潮始于医学影像领域,截至目前,医学影像在医疗数据总量中占比约为90%。

AI医学影像诞生之初,定位于帮助医生提高诊断效率和识图准确率,以免费试用形式进入国内医院。据《中国医学影像人工智能发展报告2020》显示,现阶段,AI医学影像的院端付费渗透率为4.5%-7%。目前行业头部企业有联影智能、推想科技、数坤科技、Airdoc、硅基智能、深睿医疗、依图医疗、汇医慧影等十余家,主要的应用方向包括影像设备的图像重建、疾病筛查,病灶勾画、脏器三维成像以及智能判断病理切片。

近日,界面新闻采访了联影智能联席CEO周翔,与他聊了聊国内AI医学影像行业和市场的现状,并分析了未来商业化的前景。

公开资料显示,联影智能是联影集团旗下的人工智能公司,于2017年12月由联影集团注资3亿人民币成立,致力于提供贯穿成像、筛查、随访、诊断、治疗、评估的全栈式AI解决方案。联影医疗是国内最大的高端医学影像与放疗设备的企业,联影智能是联影集团在人工智能领域中的重要战略布局。

以下为采访摘要:

界面新闻:目前在AI医学影像这个细分赛道上,AI+CT影像一直最受关注,AI超声赛道也有显著的进展,在你看来,哪些概念是炒作,哪些是比较鸡肋的技术,哪些是能真正落地的 ?

周翔:医学影像AI行业很有意思,它不是一个短跑,而是一个长跑。三五年前,互联网或其他行业的人冲进来做了一些公司,希望用互联网的打法快速占领市场,现在看是存在问题的。这个行业属于一个强监管的行业,也涉及到政府政策,不会像To C行业那样可以很快爆发。

我们在行业里面已经做了很长时间,能够理解行业发展速度跟大家的期待相比有点慢热,但我们可以看到行业目前确实热起来了,AI的价值在中国已经慢慢体现,很多国内医生,尤其年轻医生对AI这个新技术已经养成了使用习惯和依赖。

至于哪些AI能真正落地,我觉得这个行业有四种应用场景,从易到难分别是:

第一类“草里寻针”:如肺结节、肋骨骨折、钼靶里小的钙化点、磁共振中大脑里的转移瘤,这些应用会热得最快,事实也证明的确如此。我们看到很多医院一线医生已经对医学影像AI工具产生了依赖,像是遇到医院AI服务器需要维护升级时,我们必须提前给所有医生发通知。我们开玩笑说,这就好比小区停水停电得提前发通知。这些点滴让我觉得星星之火可以燎原,这个行业确实是在创造价值。

现在随着医学影像AI企业拿到三类证的增多,行业商业化也在渐渐成型,我相信付费、独立采购等这些事情会逐步水到渠成。

第二类是“视而不见”:人的眼睛无法进行精细的三维量化测量,也无法对病灶的复杂演变进行精准评估,而AI可以轻松地完成这类任务。此外,很多高级成像功能比较复杂,如乳腺增强磁共振扫描,需要对时序图像进行柔性配准,然后对造影剂的变化进行复杂的量化分析。而这些人眼“看不见的东西”正是AI可以大有作为的场景。

第三类叫“雾里看花”:有些医学影像中的病灶由于其他物体的遮挡而若隐若现,似有似无。这种应用场景我们要格外小心。打一个比方:对一幢楼拍个照片,然后问楼里有多少人。这个问题再“聪明”的AI也做不好——即使有很多金标准数据(就是楼里的实际人数)训练AI。

AI公司很容易走进这个误区,常因期待过高而最终失望、失败。前几年有一部分公司雄心勃勃地认为AI什么都可以做到, 而没有意识到“金标准不金”或者“可学习性欠缺”的巨大挑战。我们必须承认,有些问题是AI暂时解决不好的。

第四类叫“捕风捉影”(这个词本是贬义词,但我暂时把它当作一个褒义词借用一下):医生往往可以根据零星的患者信息,基于影像或者影像之外的各种临床信息,做出一些睿智的猜测、判断和决定。其成功的诀窍来自于医生丰富的知识和经验,而如今AI的短板恰恰在于深度学习缺乏对多模态知识、经验的有效建模和充分利用。

后面两点是这个行业容易走进误区的地方。

界面新闻:业内都认为AI医学影像赛道是人工智能医疗领域里中美差距最小的细分赛道,本土的企业、研究团队跟美国相比并不逊色,您认为哪些因素促进了这个赛道的强竞争力?

周翔:一是欧美的医生可能对AI需求并不高。美国医生多、收入高、资源丰富,他们一天看7、8个病人,一个片子可以看20分钟、半个小时,没有大量报告要写,因此这方面需求没有那么大;二是2016年之前,CAD计算机辅助检测的效果并不理想,敏感度在90%左右,而现在敏感度达97%至99%。

中国有需求,但有些AI放在工作站上,工作站跟着机器走,放在别的房间里。中国医生通常要在PACS/RIS上写报告,如果有100份患者报告要写,医生很难反复跑到工作站去一个个地调出病人数据、查看工作站上的算法结果。所以传统的“高端后处理工作站”并不是AI落地的理想载体。

现在的AI能在国内落地有三个因素,第一是算法变好了,第二是国内的医生特别需要AI,第三点就是工作流的切入和创新,这是中国式创新特别厉害的一点,有互联网创新的精神。中国的公司包括联影智能,都在想尽办法把最新的结果通过最新的软件架构比如BS架构(Browser Server),送到医生的任何一个阅片的机器上去,让医生不费吹灰之力就能看到AI结果。这中间有非常多的细节要去摸索,比如AI与XP系统的适配,就要花大量的时间做大量的工作,中国AI公司也都是这样一步步闯出来的。

我们这条赛道上的创业小伙伴非常辛苦,但收获也很多。中国医生的需求、算法迭代更新、工作流的创新与无缝切入等因素,促使中国年轻医生在最前线最需要AI的时候便可以轻松拿到AI的结果。另外我国从事AI算法研发的年轻人数量多、覆盖广,这也是一个影响因素。

界面新闻:互联网大厂会对这个赛道产生真正影响么,你认为巨头们是否会考虑收购这个赛道的初创公司?在器械大厂像GPS调整战略聚焦之前,这个赛道的窗口期会过去么?

周翔:我们这个赛道有一个特点,如果仅作单一病种的AI市场是有限的。因为人类疾病多,细分起来还有更多的专业领域,有的公司冠脉产品做得好,有的主攻肺结节,有的乳腺方面做得好,不同公司还采用不同的模式,做临床、做病理、做手术规划,技术相似,但落地场景完全不同,服务模式也各式各样。所以在我估计,收购可能不会成为一个主流的策略。

界面新闻:现在这个行业在医院之间的数据共享和互通推进到什么程度了?

周翔:数据打通这件事,国家、地方政府和医院都在采取不同措施努力推进,我们也在参与,这也是很好的探索方向。医疗数据涉及到许多安全性私密性方面的问题,很多医院的IT系统数字化程度也正在完善、转型,需要时间。

界面新闻:处于非头部的那些初创企业应该怎么做才能立足?

周翔:要沉下心来思考自己的公司能提供怎样的价值给用户,用户涉及放射科一线医生,二线医生和技师,临床医生,心外心内等。如果能将发现的优势做出来,不管是对临床深刻的理解、对算法的把握,还是客户粘性的保持,仍有很多细分赛道可以出彩。企业需要关注自身发展,控制成本、现金流,活下来就是有前途的。