跳出辅诊与商业路径探寻，这些医学影像AI企业如何构建新生态？

1987年，Alexander Waibel提出的时间延迟网络（Time Delay Neural Network, TDNN）可追溯为历史上第一个CNN算法。但受限于有限的算力、数据，CNN并没有因此成为学者们关注的重点。直至19年后，加拿大多伦多大学GeoffreyHinton重新定义深度学习，CNN的表征学习能力才重新成为众人关注的热点。

而后，CNN的数据挖掘，机器学习等能力在图像处理上的应用逐渐成熟，有心之人逐渐开始意识到，这样一项新兴技术，可能在医疗上存在充分的发展空间。

所以，第一批进入医疗影像AI的人，是一群互联网人。

2015年起，一大批医疗影像AI公司陆续成立，涌向影像AI这一蓝海市场。但直到进入之后，众人才醒悟：没有足够的医疗认知，如何越过深厚的壁垒？回忆起当时的场景，推想科技陈宽苦笑到：“那时，我自己都不愿看自己做的产品。”

转变从2017年开始。当一批批互联网人不断跟医生共同工作，深入了解医生工作的流程，加之国家开始逐渐意识到AI的重要性，AI产品开始逐渐进入临床试点。医生与创业者之间的互助桥梁得以建立，AI企业在接下来的两年中经历了快速的发展。

2019年是医疗人工智能走向通用的一年，我们能看到，更多面向智慧医疗的企业涌现出来。而健康管理、社区管理乃至医美也都开始小心翼翼地尝试引入AI。对此，动脉网对人工智能进行了调研，一组数据或许能帮助我们更清楚地了解2019年整个医疗AI的发展状况。

透过数据看医疗AI2019发展

据动脉网知识库数据显示，截取2018年12月24日至2019年8月20日这一时间段，全球医疗AI融资事件数总计107次，总募资额为139.58亿元（不包含投资金额为“未披露”的融资事件），其具体轮次分布与融资金额分段如下图所示。

通过这张图表，我们可以明显看到，2019年的医疗AI融资事件聚集于B轮与C轮。相比之下，没有企业成功IPO，天使轮事件也仅有4次。整个事件分布呈“中间大，两头小”的状况。这或许意味着，头部人工智能企业已经建立了充分的壁垒，新企业进入存在一定难度。

同样扩大的还有医疗AI企业的规模，从上图可以看到，50人规模以上的人工智能企业占据了仅1/4的数量，优质资源明显聚集。

在这之中，影像AI企业可谓其中最早参与人工智能的企业，从这些企业的动态中，我们也许可以窥见整个行业的端倪。那么这部分企业发展如何呢？

如上图所示，加上2018年末完成B轮的体素科技、完成C轮的推想科技，头部的影像企业悉数拿到了新一轮的资金。

如今2019年已过半载，头部影像企业的肺结节、乳腺筛查等产品已经足够成熟。借由数据、医院布局逐步建立起自己的壁垒，相应的AI产品步入审批中的临床阶段。

在等待审批的过程中，头部企业均在不断挖掘已有资源的潜在价值，各自探寻AI潜在的商业化可能。现在最关键的问题在于，谁将成为影像AI的付费方？

医、药、患，谁可能是影像AI的付费方？

长征医院影像医学与核医学科主任刘士远曾表示：“未来影像科的工作一定是智能化的，报告是结构化的。”潜在含义下，AI必定成为影像科的一部分，但并不在今天。

将目光从影像科移开，AI是否还存在发展的空间？答案是肯定的，药企、患者、保险公司都有可能是AI影像的潜在支付方，而医院也并非仅放射科愿意为影像AI的产品付费。

先谈医院。不同的医院对于产品的需求各不相同，AI产品想要切入三甲医院，必须抓住三甲医院医生的两个关键需求——效率需求和科研需求。如今已经成熟的CT肺、CT肝、脑MRI产品均是为了满足医生对于阅片效率的追求，但这仅占影像科医生工作时间的一部分。更贴近医生的需求为科研需求——在大数据时代协助医生去掌控数据。

而对于医疗能力略逊一筹的乡镇级医院，AI企业可为其搭建私有云、连接医联体的云PACS，也可在院内以教学的方式培养医生的阅片能力与出具报告能力。这一部分市场虽然庞大，但由于医院自身规模的限制，智慧医院的建设支出也会存在相应限制，进而影响到对于AI企业的支付意愿。而对于AI辅助工具的付费意愿，乡镇级医院仍强于三甲医院。

最有可能付费医疗机构包括私立专科医院、混合制医院以及第三方影像中心，这三类医院既缺乏与三甲医院相抗衡的医疗资源，需要AI进行补足，又缺乏老百姓对于制度的信任，需要AI为医院的技术力量增添色彩。

总的来说，向医院出售搭载AI的设备，搭建云PACS平台，或是出售非AI的影像相关服务（如数字胶片）将在很长一段时间内，承担AI企业的主要收入来源，而AI辅诊业务的商业化仍有一段路要走。

再谈药企。AI影像类企业能够满足药企的三类需求，一是充当CRO的角色，对病理数据再处理；二是借助大数据工具对临床试验中的患者进行筛选，三是通过社群合作的方式帮助药企进行精准数字化营销。

最容易获得变现的渠道来源于数字化营销，AI影像企业可与医学部合作，进行真实世界数据研究，协助完成药物治疗效果验证和标准化诊疗模式验证；也可与市场部、销售部合作，搭建学术平台，协助药品销售。

由于这三类业务不需要影像AI企业获取药监局的审批，而是依赖于他们在长期布局中整合的资源，所以这些合作将有可能人工智能影像企业的重要收入来源之一。

相对与上述两种模式，让患者成为稳定的付费对象则困难得多。尽管在许多三甲医院，基于AI的MDT会诊以及辅助诊断已经进入了医院的收费目录。但由于AI技术内核的不确定性，企业很难要求医生向患者推荐使用AI产品。

同时，由于市场教育的不足，在选择AI服务与非AI服务时，绝大部分患者还是倾向于选择无AI内核的传统服务。但随着技术、政策、患者认知的推进，患者很有可能在未来成为稳定的支付方。

那么，影像头部企业都是如何在困局中寻求发展的呢？动脉网采访了近十家影像AI头部企业，试图梳理出其中的逻辑。需要注意的是，下述的部分企业涉及了多项突破，而本文只选取每个企业的一部分创新业务作为案例讲解。

以医疗机构为突破点

医疗机构是AI企业启程的起点，几乎所有的AI影像类初期产品都是为了服务医生打造。所以，即便这些产品仍没有盈利，但却为新的产品的推进埋下了伏笔。在保证已有产品不断迭代的前提下，各家企业正从影像出发，不断向外延伸。

推想科技：从随医者完善AI，到携医者共筑AI

“临床并非医者发挥价值的唯一途径。医疗作为一门经验学科，医者更希望能将更多的时间用于经验整理与对未知可能的探索，并将其梳理成论文，以供更多志同道合者交流学习。”推想科技营销总裁席渭龄曾表示。

随着与医生合作的不断推进，推想研发人员对医生就诊流程、就诊需求的理解更加深刻，进而懂得如何帮助医生规范数据结构和利用数据，定制化算法模型进行科学研究。将这样一套思维具象化，造就了如今的InferScholar CenterAI学者科研平台。

仅统计RSNA投稿状况，该科研平台在2019年助力多家临床合作医院共完成RSNA投稿超过300篇，涉及方向包括人工与AI比较、病理、效能评估、扫描参数、高低剂量比较12%。

通过这种方式，推想有效地转化了研究人员在与医生交流的经验，极大拓展了深度学习在医疗领域的价值和应用场景，实现了人工智能从“辅助临床诊断”到“辅助临床科研”。

透过这样一个基于AI的科研平台，推想能够为医院全科室，全病种提供原创性的人工智能科研服务。平台有几十种AI算法和单病种数据管理能力，可服务于整个医院的科研，教学和产业转化。而对于推想而言，这种模式将协助他们获得更多的医疗资源，赋予AI更强大的创造力。

深睿医疗：无形资产的价值难以衡量

与推想不同，由深睿医疗首席科学家IEEE Fellow俞益州教授带领的深睿研究院，更多依托自身的科研实力，同医疗机构及医生建立全方面的科研合作。在现实性与前瞻性间平衡，俞益洲不仅要带领团队做具体项目的技术攻关，还要和外部高校、科研院所合作，进行前瞻性技术的研发。

这些科研合作覆盖领域广泛，既包含常见的乳腺癌、肺结节、脑卒中场景，又包含在AI界相对小众的胰腺癌，为深睿医疗的全病种战略打下了坚实的基底。除了医疗场景，深睿医疗也有很多基础计算机视觉领域的科研成果产出。

仅2019年，深睿研究院有8篇论文入选人工智能顶级会议CVPR2019，实现了图像识别与医学影像分析等技术的创新性突破，跻身中国论文发布数量排名前列的科技公司之一。在今年10月召开的医学影像分析顶级国际会议MICCAI和11月召开的国际计算机视觉顶级会议ICCV上，深睿研究院又有10篇关于医疗人工智能领域的科研论文被收录。此外，深睿还有两篇论文被ER和MIA收录。

截止到目前为止，深睿研究院已发表50余篇顶级学术论文，累积影响因子超过80，论文接收率超过50%。 深睿研究院在人工智能与机器学习顶级期刊及会议（如Science Robotics、TPAMI、TCyb、TIP、ICML、CVPR、ICCV、ECCV、AAAI等）上发表论文近三十篇，其中涵盖了计算机视觉和模式识别领域三大顶级国际会议，尤其是连续两年在备受瞩目的顶级会议CVPR（谷歌2019学术榜Top 10）上均有学术成果发表，在国内人工智能领域的科技公司中处于前列；同时，在医学影像计算与分析领域，如IPMI、MICCAI、ISBI、RSNA等顶级会议上，发表论文二十余篇。

科研的价值难以衡量，但毋庸置疑，这将是一笔宝贵的财富。

汇医慧影：从整体解决方案向下延伸，实现数字胶片等业务盈利

在过去的两年中，除了打磨核心的AI辅诊工具外，许多影像AI企业都在完善数据中台建设，同时不遗余力地铺设医院，试图把蛋糕的底盘做得足够大，以寻求在未来实现更快地产品落地。在这之中，汇医慧影无愧于佼佼者。

通过AI质控平台、影像云平台、AI辅助诊断平台、大数据科研平台、数字智能胶片、AI结构化报告等应用层服务，汇医慧影可以构建跨越区域的桥梁，而连接的医院越多，其蕴含的价值越大。

以数字智能胶片为例，汇医慧影将云胶片与AI辅诊结果结合在一起，即患者通过微信、短信、APP等在获取胶片时能够收到相应的人工智能辅诊参考结果，这一服务能够运作的前提在于汇医慧影已经铺设的智慧影像大数据平台。

汇医慧影告诉动脉网记者：“智慧影像大数据平台是基础，很多医院正是看中了我们平台化解决方案的能力才与我们达成合作。没有平台的支撑，我们难以打通数字胶片、科研平台等业务的流程。而经过数年的铺设过程，汇医慧影接下来的产品落地速度将进一步加快。”

数坤科技：专注于心脑血管AI研发

作为国内领先的心脑血管AI公司，完成B轮的数坤科技走在了心脑血管行业的最前列。相比于其他影像类企业，数坤科技显得更为专注于已有AI的产品。

自2018年初在全球范围内首推冠脉CTA人工智能辅助诊断系统以来，数坤科技的心脏疾病AI产品，包括冠脉CTA，冠脉CTFFR、斑块成分分析、门控钙化积分、主动脉形态与功能，已经覆盖形态学到功能学冠心病AI诊疗全链路，并落地于北京安贞与阜外医院等心血管头部医院和全国150多家三甲医院，进入科室日常全流程，占据了心血管人工智能市场最大份额。

而在今年5月，数坤科技发布了加菲CareSphere Advisor AI影像诊断平台，将5款心脏影像AI解决方案整合，形成了一整套符合临床使用场景，可基于检查部位的多任务模型AI解决方案，充分覆盖临床工作流程；打造了实现单病多维度、部位多任务、覆盖全流程的全体系心脏影像人工智能解决系统。

整个发展过程中，数坤科技都将精力放在了心脑血管AI产品的研发及临床试验之上。对此，CEO马春娥表示：“目前头部三甲医院主任医生，区域中心医院、民营医院院长对我们产品反馈积极，并列入即将开始的合作计划，让我们更加坚信心脑血管商业化这条路是完成能够走通的。”

“当然，也有药企、高值耗材商向我们寻求合作。但在考虑的同时，我们还是会把重心放在已有心脑血管产品的落地上，这才是数坤体现其价值的核心。”

药械与AI企业的合作之路

与医疗器械公司合作是人工智能企业的常态，通常表现为：由器械巨头搭建类似于APP Store的生态圈，以供不同人工智能企业的产品竞争。而如今，由人工智能企业自行参与定制化设计的器械项目逐渐增加。定制化的优势在于器械可最大程度上契合人工智能对于数据、算法的需求，并可针对特定场景进行产品设计。

药企与AI企业的合作与器械厂商不同，药企更多地看重人工智能企业在铺设医院中自行收集、创造的数据。通过这些数据，药企可以使临床试验和药品销售更具针对性，这将为药企带来巨大的成本节约。打个比方，销售心脑血管药物的药企可能寻找数坤科技进行合作，而销售创新性糖尿病治疗药物的药企则会与上工医信探讨真实世界数据可靠性。

依图医疗：为孩子定制专用的低剂量骨龄DR

在维持原有AI产品的不断迭代外，依图医疗也在不断尝试新的合作以寻找额外的发展空间，骨龄便是其中的一点。

作为衡量青少年生长发育水平的重要指标，骨龄检测相较于身高、体重等指标能够更加精准、客观地反映儿童实际生长发育水平。粗略估计，我国

每年需进行生长发育检测的青少年及儿童。超过1亿。然而传统骨龄检测方法流程冗长，阅片效率低，一致性差，加之家长对于X光片辐射的担忧，极大限制了单次骨龄检测及骨龄随访在临床上的应用。

以此为突破点，依图医疗在7月发布了儿童生长发育测评智能一站式解决方案，该系统在业内率先实现人工智能技术与硬件设备“软硬一体”，融合超低辐射、智能摄片、智能阅片、AI生长发育测评等多项功能与特点于一体，仅需5-10分钟即可完成“拍片-阅片-报告”全流程，其中智能阅片流程仅需秒级即可完成，判读结果与高年资儿科内分泌医师绝对误差小于0.3年。

依图医疗告诉动脉网：“通用型DR在进行骨龄片拍摄的时候，会对孩子的其他器官一定的散射辐射，家长对于辐射也有一些担忧。所以，解决这两个问题是我们定制化设计儿童生长发育测评智能一站式解决方案的初衷。”

通过搭载于器械的方式进入医院是一个很好的选择，但器械之上的人工智能产品审批类别仍需界定。对于这样一个新的产品，依图医疗或许能在审批之中探索出新的途径。

图玛深维：以器械厂商深度合作向临床科室延伸

图玛深维作为GE医疗的全球战略合作伙伴已经有些时日，但就2019年的动作而言，图玛深维正将产品的单点应用场景，从服务放射科拓展到服务胸外科、呼吸科、肿瘤科、放疗科、MDT多学科会诊等临床科室，延伸至筛查、诊断、治疗、康复的各个环节。

5月与赛诺威盛、李钟医生集团、赛昂国际医疗的合作则凸显出图玛深维对肿瘤三维图像切割、勾画、分析在手术实操中的价值。

目前，图玛深维能够快速对脏器、肝段/肺段/肾段进行分割及容积测量，自动定量分析切割结果；支持临床医生根据手术需要任意调整分割面的位置、角度、曲度等，手术方案优化；支持解剖结构和局部功能定量评估融合，有效预测术后肝功能和手术风险；三维图像上自动计算并勾画病灶，可满足各类精准诊疗应用。

上工医信：从慢病管理出发为药企寻找渠道

作为一家专注于眼病和糖尿病并发症管理的人工智能公司，上工医信没有涉及影像科。但一直以来，眼底AI面临着与放射科AI一样的商业化问题。如何突破这一桎梏？药企或能与AI企业达成双赢协议。

以上工医信专攻的糖尿病为例，它的治疗过程不是一个点，而是很长的一条线。在糖尿病所有的并发症中，眼部并发症是最难管理的。上工医信通过为患者提供AI糖网筛查管理好糖尿病眼部并发症，进而搭建糖尿病及并发症智慧管理平台。

现在，上工医信搭建了包含科研、示范、科室交流及患者教育在内的医疗服务平台，为患者提供AI糖网筛查服务的同时，患者的信息会自动更新进该平台。医务工作者以平台为载体，为患者提供义诊、防教、糖尿病社区管理等服务。

刘晓表示：“进入上工医信平台的患者往往具备粘性。糖尿病是一个终身疾病，患者每年至少做一次检查，这意味着患者会长期在平台上保持活跃，而我们也有义务主动提醒他们检查。”由此可见，这个平台对于药企非常具有吸引力。

在与大药企的具体合作之中，刘晓将其分为了两种模式：一是与医学部合作，进行真实世界数据研究，协助完成药物治疗效果验证和标准化诊疗模式验证；二是与市场部、销售部合作，搭建学术平台，增加多方合作的形式。

总的来说，上工医信能与药企产生合作的关键在于上工医信广泛的医院-患者布局，这种模式非常适合通过创新合作的形式，为药企和医生搭建以患者利益为核心的协作平台。

打动消费者，渠道是核心

通过消费端直接向患者提供服务逐渐成为不少AI企业的第二选择。通过提供无风险的检验服务，消费级基因检测已经开了一个好头。与零售相似，AI企业要向打通消费者的付费之路，如何触达消费者是其中的关键。

Airdoc：从眼科走至眼镜门店

在2019年1月获得中信和平安主导的B轮融资后，Airdoc开始了更多直面消费者的AI研究。

在近视防控领域，Airdoc可协助医疗机构对青少年进行视力的预防与筛查，作出防控决策，如分析每天的户外活动时间、近距离用眼时间、平时生活和学习过程、不良的眼睛行为习惯、父母遗传、夜间照明等多因素对近视的影响程度，为用户提供了全面的健康风险评估以及配镜建议，帮助用户排除健康风险因素导致视力受损情况。

通过与Airdoc进行合作，星创视界推出了“360度近视防控方案”，整合专业筛查、AI预测、定期复查、AI行为干预、专业产品矫正、电子档案管理等全流程服务，现已落实到旗下1200家宝岛眼镜门店中。

但是，要解除消费者对AI的戒备，还需要双方对市场进行教育。总的来说，这是一次TOC重要的尝试。

体素科技：基于移动端的诊断尝试

体素肤知汇由体素科技在2018年12月正式发布，以微信小程序为载体，直接为皮肤病患者提供免费的图片检测服务，是一款面向C端的人工智能产品。

具体而言，患者通过手机拍照的方式可获取皮肤病图像，并通过肤知汇上传至云端，体素将借助其皮肤病知识图谱为患者提供可靠的皮肤病检测参考意见。

很多患者的皮肤病发病于隐私部位，患者往往难以启齿，而体素肤知汇给了患者在就诊前自我了解病情的机会，有助于推动患者主动就诊。同时，获得肤知汇支持的患者可以在诊疗阶段更清楚地为医生描述病情，这同样是对互联网问诊的支持。

据体素科技创始人丁晓伟所述：互联网问诊平台虽有政策支持，但仍需效率提升。特别是很多患者在主诉环节很难准确描述自己的病情。针对这一痛点，体素肤知汇可帮助医生及时分析患者的皮肤信息，也可让患者提前了解病情。所以，这一程序的意义在于提高互联网问诊的质量，并辅助后期的复诊与随访。

除此之外，这类APP/小程序隐含的作用还包括患者教育和品牌传播两项功能，患者在使用APP/小程序的过程中，自然会从中了解自身病情及软件提示的解决状况，而企业也会因为患者的使用而提高其品牌知名度。

总结

从上述案例可以看出，虽然影像AI企业的核心业务仍然停留在辅助诊断工具之上，但其影像业务的延伸并没有固定方向，每一个细小的医疗场景都能成为影像AI商业化的机遇。

总的来说，我们可以从中做出以下推论。

1. 影像AI产品仍是创业公司的核心产品，在推陈出新的同时，他们仍在不断更新自己的核心产品。

2. 审批仍是困扰影像AI企业商业化的核心问题，这对于企业而言是一个不可控的风险因素。

3. 由于医疗数据的非公开性，获得临床试验的企业建立的壁垒由时间堆积而成，大多数新兴企业难以超越，天使轮融资数量迅速减少。在这一壁垒的建设之中，云技术起到了关键作用。

4. 通过合作的方式，人工智能企业有可能促进医院各科室之间的合作，推动医院内部系统改革。

5. 科研合作是一种独特的方式，人工智能企业可以借此在已有医院合作的基础进一步加深双方的联系，并从中获得软件收入及更深入的技术壁垒。

6. 面向眼科的AI产品比面向放射科的AI产品更容易直接走向消费者，这是因为消费者更有可能在基层或非医疗机构检查眼部情况，这些机构离消费者更近。

7. 传统合作下，大型器械商不会为AI企业提供直接收入，但是可以为AI企业提供施展空间的平台。

8. 与传统合作相反，新式合作下，人工智能企业在器械设计方面起到的主导作用。

9. 在开发AI并将其落地于医院的过程中，人工智能企业可以收获多种影像相关的衍生品，数据、算法、平台、用户均有可能在未来独立盈利，甚至成为主要的商业化模式。

如今，我们或许应该重新审视一下AI企业的价值。跑马圈地的时代已经过去，如何将现有的价值迅速变现，将成为人工智能企业需要跨过去的一个坎。