本文来自微信公众号:财健道(ID:ArtofWealthandHealth),作者:海若镜,编辑:杨中旭,原文标题:《封面 | 医疗AI,影像简史》,题图来自:视觉中国


近日,唱衰医疗影像AI的声音不绝入耳,坏消息也接踵而至。国外,谷歌宣布解散健康部门Google Health,医疗影像AI团队被划入搜索和人工智能部门;国内,昔日明星公司依图医疗被剥离,变卖给深睿;年初即向港交所递表的科亚、鹰瞳,至今仍未见回响,前者还将更新招股书;新冲刺公司推想科技交表后,业内几乎波澜不惊。


六七年前,互联网的“野蛮人”冲入医疗行业,本想颠覆,却一路“被教育”。在医疗AI创业潮中,IT和算法人以更谦和的姿态,进入医院和科室,对外他们常讲到——“蹲在医院”。


由于诸多原因,临床医疗场景封闭、保守,技术在其中很重要,但并不是绝对的驱动因素。通过梳理2016年至今医疗影像AI公司的创业历程,会发现AI产品一步步从“玩具”到医生的工具,从工具到医生的助手;未来能否真正成为“智能医生”?如今,谈“替代”还早。


一方面,医疗影像AI产品还没能真正发展成不可替代的诊断方法;另一方面,商业化和资本化的重担压顶,稍有懈怠便可能面临对赌失败。但一路悲观、一路唱衰,不能解决问题;等待技术奇点突至,出现穿透医学经验科学、全知全能的AI,亦不可能。


对于新近融资数亿元的医疗影像AI公司来说,证要一张一张拿,医院要一家一家进。赛道方向没错,不可能团灭;即便不知终局在何方,但只要跑得比竞争对手快,就有出路。


一、2016—2017年:烈火烹油,资本与算法齐飞


2016年1月,靠游戏公司起家的投资人周亚辉,在开曼群岛注册成立了“昆仑医云”(Curacloud),后改名叫“科亚医疗”。在美国,经由得力干将宋麟介绍,周亚辉把他的哥哥宋麒招至麾下,随后曹坤琳等来自GE全球研发中心的AI科学家、工程师陆续加盟。创业初期,算法团队在美国西雅图。


五六年前,O2O已是一片红海,大批资本、人才从TMT领域流向深度学习。计算机视觉领域的“AI四小龙”,彼时正是备受追捧的新贵。2017年世界互联网大会上,周亚辉被问到:“AI在哪个赛道机会比较大”,答:


“短期是人工智能+教育;长期是人工智能+医疗。”


因为深度学习在图像识别领域相对成熟,AI+医疗顺势先应用于医疗影像方向,特别是肺结节、糖网(视网膜血管病变)的筛查场景中。卷积神经网络主要是用于处理二维图像,可对图片进行全方位的数学处理,相比复杂的心脑血管病变,AI对肺结节等的识别会更有把握。


如今,仍处于头部的深睿、推想、医准都是从肺结节的红海中拼杀出来。但在一开始,科亚选择了心血管方向,这与创始人的过往经历息息相关。离开GE后、创立科亚前,宋麒曾作为资深科学家,在美国AI辅诊独角兽HeartFlow工作了一年。


HeartFlow创立于2007年,两位创始人曾是美国心血管外科医生、GE工程师,他们开创了CT-FFR,一种无创诊断冠心病等心血管疾病的技术。2014年时该产品在FDA获批,2016年科亚起步之时,HeartFlow已获得近1亿美元D轮融资、进入日本市场;今年7月其宣布将赴纽交所上市。


科亚也是靠CT-FFR起步,2016年3月宋麒等创立公司;8个月后,人工智能CT-FFR“深脉分数”就已通过NMPA医疗器械质量检验中心认证,型检后通常不允许有重大改动,也就是说产品当时基本成型。对于需要海量影像数据、训练算法的AI系统而言,也数高效。


那么,科亚和HeartFlow两家公司的CT-FFR有什么区别?


简单来说,HeartFlow的技术路径是:基于生理原理、流体动力学,通过模拟仿真,计算血流速度及FFR值(血流储备分数,冠脉狭窄功能性评价的公认指标);优点是计算结果可解释,缺点是算力耗费大,运算时间长。


科亚的路径则是:通过深度学习对冠脉进行三维建模,基于已有真实影像数据,跑出来的算法模型去预测FFR值,优点是运算时间可缩短到10分钟内,缺点是结果不可解释。


2017年,HeartFlow又完成一笔1.5亿美元的巨额融资。与对标企业的大手笔相比,此时的科亚拿钱颇为克制,成立后四年间,累计融资仅1.2亿人民币;对外没有主动发声,以致于到了2019年初,已收录了180多家医疗AI企业的医垂媒体动脉网发现:漏了科亚。


不过,“低调”并非是这个赛道的主流气质,多数医疗影像AI企业团队配置豪华,一诞生就吸金无数。


数坤科技的董事长毛新生、CEO马春娥、CTO郑超都来自IBM;“夫妻档”创业毛新生、马春娥,曾是IBM中国创新研究院高管。毕业后就进入IBM的马春娥,在35岁的转折点离开了舒适区,2017年拿到2200万天使轮融资,和丈夫一同创立了数坤;而后三年,融资5轮、总金额超过13亿元。


直到今天,提起医疗AI,仍然绕不过IBM的Watson。参与孵化Watson、与辉瑞合作药物研发的经历,让马春娥和数坤绕过肺结节的“红海”,从心血管切入。科亚做FFR-CT,数坤一开始做的则是心脏冠脉CTA,而后又迁移至头颈CTA。


心内科一直都是备受各方关注的战场,市场广阔。作为诊断冠心病的两种方法,冠脉造影虽是诊断金标准,但有创、需局部麻醉;冠脉CTA优点在于无创、价低,但清晰度相对较差,难以充分显示细小的冠脉分支,多适用于中度风险的患者。


冠脉CTA检查后,需要医生人工做后处理,重建三维图像、写报告。2017年数坤入场,尝试通过AI替代这部分人工劳动,但难题很多:一来,冠脉不像肺结节、糖网,没有现成的竞赛数据集,数据少、散且非结构化;二来,心脏和血管的数据标注非常专业;三来,CTA数据多是三维图像,市面上没有直接好用的算法框架。


所以最早数坤的AI产品,只能测量血管的狭窄程度,后续才增加了钙化积分、斑块分析等功能学评估。过程中,数坤与北京友谊、安贞、阜外等大医院合作;同时继续招兵买马,引进2017年Kaggle奖金最高比赛的冠军、清华博士廖方舟,作为首席算法科学家。


历史车轮滚滚向前。今年初,马春娥的老东家IBM中国研究院关闭,曾被称为“中关村两大工程师养老院”的甲骨文和IBM,在中国相继败北,有创业者评论道,“这个时代,任何看起来稳定的地方,都不会是铁饭碗。”


必备折腾属性的创业者,总是一次次主动打破铁饭碗。深睿医疗CEO乔昕毕业于浙江大学生物医学工程专业,1995年放弃了北医三院的铁饭碗,进入西门子,做到东北亚副总裁、医疗及CT事业部总经理。


医疗AI风口涌动时,他遇到了已转型天使投资人的雷鸣、高德搜索和数据部的老大李一鸣,三人一拍即合,走上I创业路。雷鸣最响亮的title是“百度创始七剑客之一”,但北大人工智能创新中心主任的角色助力更甚,使得深睿能有源源不断的人才储备。


如此配置,深睿自然不差钱,成立后一年间,融了3轮合计约3亿元。2017年被称为“肺结节年”,这一年才出道做肺结节,确实需要些底气。不过,乔昕认为“行业做的只是单一病种的技术革新,严格意义上来说都不能叫辅助诊断,只能是早期筛查,在整个行业版图中还是很浅的层面。”


也就是说一切还早,万里长征刚起步。某些花大价钱做出来的影像AI系统,也被从业者质疑是“精致的玩具”,离“临床工具”还有相当距离。


二、2018-2019年:融资通道收窄,成本居高不下


训练AI模型,需要海量结构化、精准化、闭环的大数据;但医疗数据量小,且散落在不同的医院信息系统里。


中国公立医院属于非盈利机构,医院的数据资产不允许进入市场交易,没有市场定价。于是,对医疗AI公司来说,能撬动多少医院资源、接近多少医疗数据,决定着资本市场给出的估值


头部的医疗影像AI企业大多有其医院“福地”,如安德医智与北京天坛医院,数坤与北京友谊医院,科亚与北京安贞医院等。当时,企业与医院合作皆需签订合同,用人工智能技术,服务有科研诉求的PI(学术带头人)


医疗学术圈,顶级PI并不缺服务者。竞争之下,一些企业甚至甘愿让渡股权,与PI深度绑定。医疗AI公司和医生团队合作的过程,正是借由医院数据、训练算法的过程。


为了向公众展示AI应用临床的可能性,几年前流行“医疗影像版人机大战”,像柯洁对战AlphaGo。AI企业联合医院、协会,策划邀请影像科医生与AI软件竞技。


2018年6月,安德医智(Biomind)和中国卒中学会等机构举办了一场“判读颅内肿瘤”的比赛,赛前半年,安德医智学习了北京天坛医院近10年接诊的神经系统疾病病例的影像,公开资料称有“数万余病例”。


比赛分两组:一组判读颅内肿瘤的CT、MRI影像,另一组判读脑血管疾病的 CT、MRI。公布的结果是:安德医智分别以 87%、83% 的准确率,领先医生战队 66%、63%的准确率。


不久后,解放军南京总医院办了另一场比赛,准备了100例有肺结节病变的CT片,找了126位初、中、高级影像科医生,来与深睿医疗的辅助诊断系统PK。


那时,找到肺结节,已是医疗影像AI企业的常规技能,所以深睿AI要PK的是:更准更快地诊断肺结节的良恶性。3年前从准确性、敏感性等四个维度比较, AI超过了126位医生的平均水平,即便第一名仍是医生。


站在2018年的节点,不少影像科医生甚至担心起未来出路。但是,比赛成绩能说明临床应用效果吗?


赛后,上海长征医院影像医学与核医学科主任刘士远抛出了这个问题,在他看来,要说清这个问题,涉及到“比赛测试题来源、测试题与训练集的关系、测试题数据处理的方法”。


简单理解,如果训练算法模型的数据,主要出自一个数据源(如某一家医院),那么这个AI识别该医院的片子,效果好,“换一家医院,模型效果就完全没法看。”刘士远曾撰文点评。


某一线公募基金的董事总经理邹鹏向《财经》科普:“都是读放射学的医生,但每家医院出诊断报告的描述规范都不太一样。特别像北京这些大三甲医院,协和的规范,301不一定认。”曾在医院做过信息科主任的他,甚至直言:“当前中国没有真正的医疗大数据。”


数据之殇,成为医疗AI领域无比突显的挑战。深睿医疗的首席科学家俞益洲(港大教授,IEEE Fellow)也曾直言:医疗AI训练数据少,数据分布高度不均匀,数据标注的一致性较差,数据类型多(多模态影像,文本+影像)


“算法当然重要,但真正拉开差距的,是数据质量、标注质量。”一位在医疗影像AI公司从业的算法工程师告诉《财经》,“你可以去看世界算法竞赛的最终结果,像Kaggle,基于同一标注数据集,大家(模型)跑出来的结果,拟合度非常接近,差异甚至要到小数点后3、4位。”



AI圈有句话,“有多少智能,就有多少人工”,数据标注是让机器理解世界的前提。因为医疗影像的专业性,要求标注者必须有医学背景,众包的方式并不适用。一些医疗AI公司选择聘请1-2位全职医生牵头,再找医生兼职标注;或如上海联影,招聘百位全职“AI医学影像算法标注师”。



所以,从成本角度,获得高质量的医学图像标注,甚至比获得医学图像更高。


同时,算法工程师等技术人才的价格也水涨船高。根据CDSN的统计,2018年一线科技企业校招岗位中,跟AI相关的岗位,平均月薪达到4万元以上;刚毕业的名校AI博士年薪甚至被抬到七八十万。


以上种种,都推高着企业的研发、运营费用。花钱的闸口水流不止,临床效果常受质疑,商业化落地也比预想的更远,所以融资的路子非但没有更多,反而收窄了。


据IT桔子数据,2018年医疗影像AI的投资达到顶峰,融资金额为17.12亿元,2019年便跌至5.6亿元。众多同质化的产品,等不到真正商业化,只得直面“C轮死”这一行业魔咒。


像图玛深维(12sigma)这样昔日的独角兽,已官宣B轮融资2亿元,却也被沉重的成本、迟迟未到账的投资款拖垮。一位早期研发人员跟随公司创业失败后,撰文总结原因称:市场宣传开支过度,与专家的合作费昂贵;公司盲目扩张,投资人误导性地要求规模化指标;以及市场的不成熟等。


为了进入医院,他们曾采取“大规模免费铺产品”的模式,光是在医院部署电脑、服务器及商业软件授权等,成本开支就达千万。这位前员工还告诉《财经》,临床上想向C端收费,建议走体检渠道,“拍一次CT能把肺结节、肺癌、肝癌、乳腺癌、脑卒中这几个重大疾病筛查一遍的话,大部分人还是愿意掏钱。如果已经确诊,还让病人掏钱检查,就不一定愿意了。”


三、2020年:三类证劈开生机,落地临床场景难处多


2020年新冠肺炎疫情突如其来,对行业的影响也出现分化。对于医疗影像AI而言,经历了2019年的短暂沉寂, 密集、巨量的CT胸片审阅需求,让医疗AI企业的智能影像分析能力得以释放。数坤、推想、深睿等都在原有解决方案的基础上,推出了针对新冠肺炎的辅助诊断系统。


重大公卫危机之下,医疗影像AI系统入院的门槛骤降;不同医院的CT影像数据,也为AI系统喂足了料,提高准确度的同时,数据多样性也更符合审评标准。


2020年初,陆续有医疗影像AI产品获批医疗器械三类证,给行业带来了新希望。事实上,2018-2019年间,“拿三类证”一直是企业竞争的关键词。新版《医疗器械分类目录》规定:若AI诊断软件通过算法对病变部位进行自动识别,并提供明确诊断提示,需按照第三类医疗器械管理。


从器械名称来看,二类证只是图像处理软件;三类证上,才能出现“诊断”或“辅助诊断”关键词。三类器械证获批需要在NMPA(国家药品监督管理局)注册,并通过临床试验。


常规来看,三类医疗器械实现商业化收费,要走三步:中检院型检、药监局注册审批、省市设置医疗价格目录,完成约需4年。作为创新产品,医疗AI软件可选择走“绿色通道”,加速过评。


2020年,医疗AI产品三类证陆续获批。低调了4年的科亚医疗,靠着“深脉分数”拿到首张医疗AI三类证,并且一口气融资4轮、8.5亿元,率先冲刺IPO。同在心血管领域的数坤也不甘示弱,去年拿了近10亿,今年8月又官宣融资7亿,吸金能力一如既往。推想、深睿、汇医慧影紧随其后。



从2020年下半年开始,医疗影像AI融资“第二春”来了,不过资本的热忱,都付与了拿到三类证的“高富帅”。千言万语敌不过一证在手。


拿到融资后,各家的路径大体相似:丰富产品线,从单部位走向多部位、多病种;加速商业化,通过各种渠道做收入。


科亚除了做服务心内科的FFR-CT,服务神内科的脑卒中分析系统,也获批临床试验。数坤不仅做心脑血管、肺结节,还开始进行腹部的肝脏检查,尝试发现肝硬化、肝囊肿等病灶。深睿在肺结节、肺炎基础上,尝试走向前两家主攻的心脑血管领域;并购依图后,儿童骨龄软件也可直接纳入产品图谱。


虽然每家出发时选择的路不同,但终点却一样,即走向所谓的“多模态医疗AI解决方案”。理想很丰满,落地医院临床场景的现实,却依然骨感。


从北大医学部博士毕业几年后,马瑞一直在国家卫健委直属的某三甲医院工作,作为一名放射科医生,他曾对医疗AI寄予厚望,但渐渐也没了太多期待。“我们这几年换了好几个AI系统,现在保留下来的两个是深睿和依图,因为只有这两家还愿意免费合作。”相比投资圈的并购新闻,医生们更关注系统哪个功能更好用。


AI系统的肺结节、骨疾病、淋巴结等病灶辅助诊断,马瑞觉得最好用的还是肺结节,几毫秒就可以识别出来。“但主要不是节省了时间,而是避免漏诊。胸部CT本身只是影像科的一部分,肺结节又只是胸部CT的一部分,”马瑞向《财经》举例,“就像坐地铁通勤,地铁行驶速度快了10倍,但来回走到地铁站的时间还是那么长。


不过,他认为患者不会因为降低漏诊率而付费,“有没有AI,病人对医生的期望都是一样的,就是诊断准确、不能漏。病人不能容忍医生犯错误。不过现在漏的这些,95%以上也没事儿。”


对于通过AI加速进行冠脉三维重建,马瑞讲道该功能确实可以减少图像后处理的时间,节省1-2个人力。不过遇到有支架、心脏搭桥的特殊病例,系统还不能自动处理。


针对与放射科相关的获批三类证场景,他个人的使用体会是,“除了肺结节,手部CT看骨龄成熟、好用;骨折的话,CT看肋骨骨折还凑合,别的部位不好使。”


对于马瑞这样的三甲医院医生而言,AI系统的助力相对有限,但在基层医院,成熟的放射科医生稀缺。此前,多地兴建医共体,其中一项便是上级医院支持基层的DR/CT/心电图等阅片、写报告。这意味着,医疗影像AI有落地基层的商业机会。


但是,北京另一家三甲医院的主任医师方博告诉《财经》,很多时候出现“漏诊”,问题并非在阅片环节,而是片子本身就没拍好。“比如手部骨折了,但在医院没发现,这可能是拍片时投照角度、给的X线剂量有问题,导致重影或病变没有显示出来。”这种情况下,AI也无能为力。


除了系统难以解决的原始数据采集问题,经费限制也影响着医疗影像AI下沉。“大部分的基层医院经费有限,所以喜欢上短平快、能带来实际效益的项目”,活跃在河南的一位医疗设备代理商讲道,受疫情冲击,很多医院资金亏空严重,像郑大二附院、五附院账上都有几千万的窟窿,医院上新项目非常谨慎。


“相对来说,现在最有钱的是县域医院,有一定现金储备。但县医院里,病人肯定更信医生,而不是机器,像AI这样高大上的东西,接受度可能不会很高。”


质疑医疗影像AI的声音不绝入耳,有媒体总结医疗AI眼前的商业化窘境——三甲医院用不上,基层医院用不起。投资圈里机构也开始分化,看好该赛道的PE基金大举进入:2021年上半年,推想D轮融资9亿,数坤融7亿,深睿C3轮数亿,医准C轮数亿……不看好的机构则冷眼旁观,用“我不投”来远离设想中、泡沫破灭后的一地鸡毛。


对医疗影像AI公司来说,无暇顾及泼冷水者。尽快适应医疗圈的规则,把收入做起来、顺利上市才是关键。


四、2021年商业化:招标之下疯狂内卷,医保控费双刃剑


商业化过程中,AI科学家和医生团队之间、和医院之间,有着诸多磨合。李开复在近日的一次演讲中,讲道,“与金融、互联网等领域不同,AI+医疗特别要尊重客户和他们的采购方式,而不是盲目以己度人地教育市场。”2017年,创新工场all in人工智能赛道,也投资了多家医疗AI创业公司。


他直言,很多AI科学家创业会把医疗领域想得过于简单,建议创业者用更严谨的方法适应医院的采购流程。


医学影像AI企业的软硬件产品要进入公立医院,通常要走招标采购的流程。7月、8月间,河南郑州、重庆江油、甘肃天水等多地医院发布了招标采购的通知,招标最高价从几十万到五百万不等。



9月1日,福建医科大附属第一医院以190万元的价格,采购了数坤的冠脉CTA医学影像AI辅助诊断系统——已获三类证的Coronary Doc。


医疗圈的采购流程,确实让一些算法工程师感到不适,“现在都是走招标,各家内卷得非常厉害。”从阿里算法岗跳到某医疗影像AI公司的刘盛讲道,招标这种方式,决定了系统很难标准化,“竞争对手新增了一个功能,为了应标,我们必须也出一个类似功能。”


开发得多、资源消耗也大,这就意味着:每次应对招标,都要付出一定的额外成本。“我们的临床医生说,这些新增功能其实没有用,临床大夫也不会看。但有的公司已经是行业里第一卷王,疯狂地加功能;最近我们的肺结节产品被他们打压得厉害,也在拼命地改版。”


虽然进入新赛道时间不长,但刘盛能感觉到医院端的需求正在增多。此前没有接触过医疗行业的他觉得,只要招标这一采购模式不改变,大规模商业化就很难到来。


不过,了解国内医疗体系的人都会知道:公立医院作为事业单位,招标采购模式由来已久、非常稳固。在信息系统和医疗设备采购中,非标品、半定制的产品形态再常见不过。采购环节的回扣、腐败案也时有发生。


医学博士出身、曾在医院工作的投资人邹鹏认为“医疗影像AI商业化”,必须放在中国医院的大生态中去理解。医院作为非营利性机构,只有举办人,没有股东,干活的院长医生也不能从医院盈利中获益,所以难有动力做很精细化的管理;作为付费方的医保,虽有动力,却难以事无巨细地参与到医院管理中。


对比中美医疗服务的参与主体,在美国,商业保险作为付费方,向医院、医生购买服务,“医生时薪特别贵,如果AI可以提高人效,保险公司会愿意付费,且支付方式很灵活。”邹鹏讲道,“但中国不缺人”,除非医疗影像AI带来替代性的检查或治疗方法,仅是提高效率、节省人力,很难有大范围的医院买单。


在他看来,医疗影像AI最高效的付费方式,是按使用量付费,就像手机缴费一样,“打电话、用流量就付钱,不打就不交钱”。但中国公立医院是预算审批制,“服务的量是不确定的,只卖服务的合同怎么报价、怎么签,在公立医院很难算,所以经常把‘卖服务’,变成‘卖硬件’(一次性系统/设备)。”


另一位投资人(曾投资医疗AI公司)也表达了相似的观点,按服务收费对AI企业来说更可持续,就像现在IVD(体外诊断)的销售模式,向医院投放设备,医院购买试剂产品,“相当于企业和医院按比例分,每用AI系统辅助诊断一个病例,就收一次钱。”


企业的销售模式也印证着邹鹏的观点,从推想医疗招股书上可见,其在中国的销售是定额收费,在海外则能以订阅方式提供产品,并支收服务月费。


为了加快入院速度,科亚、数坤等多家都在今年拿了数个二类证,先进院、抢占位、拿收入。虽说二类证叫“医学图像处理软件”,但提供的是AI辅助诊断服务,有投资人比喻“特斯拉挂雅迪的标志卖”。



尽管公立医院一端的需求还没放开,但供给侧的医疗影像AI公司已尝试了多种灵活模式。不管是卖给医院做科研,还是进入信息科、心内科、神外科、眼科等用以临床;单卖辅助诊断软件,或者加上前端电脑、工作站等软硬件一起部署;直销、通过代理商销售,又或是搭载GPS(通用、飞利浦、西门子)的设备入院,牟足了劲。


争抢的是细分赛道的上市机会。8月底推想科技公布招股书,显示2020年、2021年Q1的收入分别约为2800万元、2200万元,毛利率分别为81.8%、87.3%。如此增速能否在2021年后三个季度持续尚不可知,但至少目前来看商业化已现曙光。


比推想更早递表的科亚医疗,是发力销售的典型。今年3月向港股递表时,招股书显示其已有181位销售人员,且2022年前营销团队将达到250人。从猎聘、BOSS直聘等多个招聘平台可见,科亚仍大量扩充销售队伍。据了解,是否应该采取如此激进的销售策略,科亚高层之间也有分歧。


说到科亚的销售契机,不能不提冠脉支架带量采购政策。冠脉支架从均价13000元降到700元后,胡大一曾撰文指出:“精准治疗成为一个趋势,即通过FFR、IVUS(血管内超声)等新技术评估患者是否需放支架。集采后,这些检查运用更频繁,且这些检查单价在两万以上。”


该不该如此广泛运用,此处暂不论。但科亚的明星产品深脉分数(CT-FFR),正是FFR技术的一种。尽管去年科亚只有科研合作赚来的70万收入,但据动脉网报道,科亚的CT-FFR已进入7省份的医疗价格目录,若能进入科室按次收费,业绩表现应是不俗。同理,数坤的冠脉CTA也存在类似的疗法替代场景。



当前,面对医保控费、万物集采,行业一度集体瑟瑟发抖。但细究之下,的确可见“腾笼换鸟”之趋势,对真正创新的临床技术会是利好。9月14日,国家组织人工关节带量采购即将开标,在此当口,骨科手术机器人公司天智航披露:其机器人辅助骨科手术(含术前精准规划)获得政府定价(8000元/次),并纳入北京市医保目录。


相比于已有数百年历史的现代医学,人工智能涉足这一领域时日尚浅。诸多医疗影像AI企业研发、创业至今,也只有五六年的时间。当技术遇到关乎生死健康的医疗,尽管在临床应用中确有裨益,从安全性、伦理角度,也需要一个逐渐接受和渗透的过程,这决定了医疗影像AI的商业化速度,很难突飞猛进。


然而,有一个避不开的问题:医疗慢,资本急


五、结语:上市迫在眉睫,终局尚不知何处


科亚、推想已向港交所递表,数坤在回应采访提问时表示“近期不方便接受任何媒体采访”,其它C轮之后的企业也摩拳擦掌。为什么医疗影像AI公司急于上市?投资机构的诉求或可解释。


“做基金,LP对机构也有最低业绩要求,5年赚3倍,那就是25%的复利。”邹鹏告诉《财经》,“投出一亿元,要拿回3个亿,就得靠上市。上市后还有锁定期,港股6个月,A股1年。那就倒推,投了之后第几年,公司必须上市成功,投资时都得签上市对赌。”


按惯例,完不成上市对赌,被投公司需想办法回购股权,行业惯例通常是投资本金再加10%的利息。此般明股实债,公司急于上市也易理解。


最近一两年,医疗影像AI企业拼命地向前冲刺,找钱、招人,尽管终点在哪儿还不知道——


“医疗AI就像盲人摸象,每个人都可以对自己接触的信息,形成对这个行业的认知。但是这头大象最终的形态是什么样,目前没有人知道。”深睿医疗创始人乔昕曾这样讲道。


从临床上看,AI技术定然可助力医疗质量改善。那么,只要跑得比竞争对手快,死神或许就追不上。


(实习生张羽岐、尹诗琪对本文亦有贡献,应采访对象要求,邹鹏、马瑞、方博、刘盛皆为化名)


参考资料

【1】IBM沃森十年:AI医疗,黄粱一梦;机器之能

【2】一位医疗 AI 创业者的自述:这个行业到底需要什么样的产品?雷锋网

【3】审批、商业化……医学影像AI有几道关要过? 科创板日报

【4】 解密医学影像人工智能“人机大战”;健康界

【5】 深度解析AI医学影像如何突破AI落地难瓶颈;融资中国

【6】 超80亿资金注入,医疗AI走出“V”字曲线丨2020年度盘点;动脉网

【7】  在医疗软件行业混的这几年;知乎

【8】2020中国计算机视觉人才调研报告:算法岗年薪三十多万,超六成企业急需AI产品经理;机器之心

【9】 “数字人体”惊艳世界人工智能大会,数坤引领AI商业化进程

【10】医疗影像AI的应用价值-影中万象,数蕴乾坤;刘建

【11】数坤科技马春娥:没有人是你的天花板,自己是自己的天花板;马春娥

【12】深睿医疗乔昕:诊断和治疗是医疗AI的核心环节;健康界

【13】科亚医疗宋麒:国内第一张医疗AI三类证的诞生;GGV

【14】估值24亿美元!全球AI辅诊独角兽HeartFlow将通过SPAC合并上市;贝壳社

【15】医生惨败AI或被取代?别再被误导了

【16】一年四次融资,获得首张AI三类证的科亚医疗如今怎样了?昆仑万维


本文来自微信公众号:财健道(ID:ArtofWealthandHealth),作者:海若镜