本报实习记者 陈杨 记者 曹学平上海报道
2018年初创企业数量达到顶峰，2019年资本寒冬，2020年“批证大年”，经历了一轮大浪淘沙的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年中国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，国家药品监督管理局（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《中国经营报》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，三是能不能给大多数的医院赋能。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大，达到22%。另据沙利文咨询的统计预测，2019年中国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年中国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部、眼科、心血管、脑部等。
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、大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大，占营业收入的比例较校
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，未来实现更大的商品化营收，还需要在研发成本和市场推广上继续加大投入。
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。《中国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，“如果你胸部不舒服，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大，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产品本身的局限性。“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大医院水平一致，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。
除了做全单部位的疾病图谱、给更多医生赋能，覆盖多系统、建立产品平台也是当下头部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”等各个部位的数字化产品，形成“数字人体”基础设施。推想科技坚持走“一横一纵”战略，“横”向覆盖癌症、心脑血管、传染并创伤疾病等全部位影像诊断，“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局。
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、胸部、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，大多数获得三类证的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，大多数算法模型开源，企业之间没有绝对的壁垒，数据作为机器学习的“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”，高度精准的大数据无疑都来自于大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大，大部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“学习”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大数据，其数据量庞大、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企业最大的成本来源之一。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，包括上市前设计开发阶段和上市后使用阶段。
而随着今年9月《中华人民共和国数据安全法》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。“过去可能有灰色的部分，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）
