数坤科技再获2亿融资，业内评论：AI医疗的发展不要在一片红海里“裸泳”
2 个月内先后完成两笔 2 亿融资，占今年所有 AI 医疗行业融资总金额的四分之一。8 月 31 日晚间，当数坤科技宣布完成 2 亿元融资的消息之后，AI 医疗影像诊断领域又一次得到外界的关注。本轮融资由启明创投领投，中科创达、朗玛峰创投、浦发硅谷银行联合投资。
一面是 “市场冷静期” 的论调，一面是个别公司的红火态势。融资新闻之下，AI 医疗水下的故事同样精彩。
医疗与 AI 如何结合？
AI 可以应用于医疗数据分析，以及不同阶段的医疗照护协助。在医疗数据分析部分，依照资料特性可大致分为四种：
1）编码资料（coded data）：知识含量最多，且经过编码，最容易使用；
2）影像资料（images & videos data），AI 影像诊断其其中较为热点的应用方向；3）自由文字（free text）：即人类的语言、论述方式及书写内容，包含语意（semantics）和句法（syntactic），还有前、后文的内容（content）与文本（textual）问题。随着自然语言处理（natural language processing, NLP）技术的进步，诸如 Siri、Alexa、Google Home 及 Apple 将推出的 HomePod，大致上都能简单解读人类需求，其中，运用在医疗领域的经典代表，就是 IBM 的 Watson for Oncology ，已进化到能帮人类读书；
4）生理讯号资料（biosignal data）：包括心跳、血压、呼吸等资料。凭借着各种穿戴装置与物联网的蓬勃发展，已可以做到长时间持续性地量测序集，而随之产生的大量资料，需要依靠 AI 才能有效率地分析，这正是所谓的 AIoT：Artificial Intelligence and Internet of Thing，人工智慧和物联网结合的应用。
其中，深度学习技术的发展直接促进了自然语言处理（NLP）和计算机视觉（CV）两个领域技术方向的进步，语音识别、机器翻译、图像处理和识别上出现了诸多成功、成熟的应用。而医学影像分析作为计算机视觉技术在图像领域应用的一个分支，同样成为了研究热点。
图丨 AI 医疗智能系统新冠诊断操作页面（来源：）
2017 年一篇发表在 Medical Image Analysis 的论文统计，AI 深度学习技术于 2012 年在自然图像领域取得突破之后，开始大规模进入医学影像领域。计算机视觉中的目标检测、实例分割、图像分类等几个主要技术在医学影像分析中都有应用，而且覆盖了如 MRI、CT、X-ray、Ultrasound 等不同模态的数据，也涵盖了各种不同的部位。
同年 1 月，斯坦福大学跨学科的研究团队在 Nature 发表的一项研究成果运用深度学习技术，采用了近 13 万的临床数据进行训练，并在 21 位经过认证的皮肤科医生的监督下，测试了它在活检证实的临床图像上的性能。在本次实验中，深度卷积神经网络在最常见癌症识别以及最致命皮肤癌识别浙两个任务上的表现都达到了所有测试专家的水平。
2018 年 2 月，加州大学圣地亚哥分校张康团队在 Cell 上发表学术论文，用约 10 万张准确标注的视网膜光学相干断层成像术图像进行训练，在诊断眼疾时的准确性达到 96.6%，其中灵敏性 97.8%，特异性 97.4%。这项工作引入了迁移学习的技术，可用于诊断视网膜疾病之外的其他疾病，并在用预训练好的眼科 AI 诊断模型上采用 5000 张胸部 X 线图像进行进一步训练，在区分肺炎和健康状态时，准确性可以达到 92.8%。
在此基础上，2020 年 5 月中国医学影像 AI 产学研用创新联盟起草的《中国医学影像 AI 白皮书》中介绍，AI 与医疗结合，主要包含影像设备的图像重建、X 线胸片阅读、眼底检测、脑区分割、脑疾病诊断、器官分割 / 靶区勾画、骨伤鉴定、乳腺疾病诊断、超声辅助诊断、病理切片分析、骨龄分析等 11 个重点应用方向。
“肺”和 “眼” 病是重头戏，但首个 “三类证” 却诞生在 MR 脑肿瘤诊断
政策导向和科研热度的背后，资本层面的追逐游戏也正式宣锣，据《医疗影像的市场图谱和行业发展分析》推算，2020 年我国医学影像市场规模将达 6000 - 8000 亿人民币，其中诊断环节占 20% 左右，却也是一个千亿级别的市场。而美国 2018 年医学影像诊断的市场规模超过 100 亿美元。基于此，IT 桔子及 CB Insights 数据显示，2020 年 1-8 月，全球总计发生 130 次医疗人工智能领域融资，影像 AI 相关的投资事件总计 19 次、海外 10 次，国内 9 次，金额合计 15.6 亿元。
而目前医疗领域大部分企业的产品产品都属于工具型产品，如医疗器械，只要产品质量过硬，能够解决实际临床需求，并且可以切入到临床路径，就能够进行商业化变现，所以医疗影像 AI 产品主要需要跨越的门槛就是找到明确的用户需求和使用场景，并进行落地。而就用户需求和使用场景而言，肺部疾病（肺癌、肺结节）、糖网（糖尿病性视网膜病变）等疾病对也对筛查、提前诊断有迫切的需求。
目前，从中国人工智能医疗影像产品研发的成熟度来看，肺结节的成熟度最高，其次是糖网筛查。
在中国的 AI 医疗企业中，主要产品用于肺部疾病（肺结节）诊断的包括联影医疗、推想科技、深睿医疗、依图医疗、科大讯飞、体素科技、汇医慧影、点内科技、翼展影像、视见科技、腾讯觅影、青燕祥云、杏脉、健培、连心等在内的二十余家企业都已经在肺部疾病方面有所布局。
仅次于肺部疾病的是眼底疾病。包括体素科技、Airdoc、健培、Deepmind、爱尔眼科，以及 IBM Watson、腾讯、百度等在内的十余家企业已在该领域布局。
主要用于诊断的眼部疾病主要是糖网（糖尿病性视网膜病变）。根据国际糖尿病联合会（IDF）的统计数据显示，截止 2015 年，我国糖尿病患者人数高达 1.1 亿，居世界首位，而糖网是糖尿病常见的慢性并发症之一，也是糖尿病患者致盲的最主要眼病，发病率约 31.7%。同时，糖网病早期往往没有任何临床症状，一旦有症状，病情已较比较严重，容易错过最佳治疗时机。研究表明，糖尿病患者每年进行 1 次眼底检查，可使失明发生率降低 94.4％。
之所以众多的产品多围绕在在肺结节和眼底疾病影像上，主要原因是肺结节和糖网存在公开的数据库，相比于其他疾病，数据库丰富而完整，这让二者的市场更加成熟，就赛道的企业也出现了扎堆布局肺结节和糖网诊断的现象，这让外界常用 “大市场，小切口” 这一状态形容 AI 影像诊断行业。
借着这一认知，不少业内人士认为，国内第一张 AI“影像辅助诊断”的“三类证”（三类医疗器械注册证）将在这两类产品中诞生。
但事情的发展出人意料。今年的 6 月 12 日，国家药品监督管理局发布消息，安德医智旗下 BioMind“天医智”的颅内肿瘤磁共振影像辅助诊断软件通过了 NMPA 三类医疗器械审批，第一张 “三类证” 在 MR 脑肿瘤率先冲出重围。
图丨 “颅内肿瘤磁共振影像辅助诊断软件” 注册证书（来源：安德医智科技）
安德医智中国区 CEO 李晶珏曾在接受动脉网采访时表示，“许多人工智能医疗产品迟迟不能通过审批，很有可能是卡在了临床试验这一环节。”很多医疗 AI 企业产品没有进行有效的临床试验，尚未进入审批环节。也正是因为临床试验环节，产品不能体现非劣效性与优效性。
审批严格仅是 AI 影像辅助诊断发展趋缓的根本原因之一，另外的重点在于，过饱和的肺结节和糖网市场，已经成为一片红海。
2 个月融 4 亿背后的原因
近年来， AI 已成为各大领域的当红议题，尤其在医疗应用更是备受瞩目，诸如 IT 大厂鸿海、台积电、Google、Apple、亚马逊等皆跨入医疗领域，可见 AI 与医疗的结合势在必行。然而，当 AI 与医疗的结合遍地开花时，外界也掀起不少疑问：AI 会取代医生吗？针对这一问题，没有人能给出十足肯定的答案，但对于 AI 医疗的发展来说，应用范围及效果的限制已经影响了企业的商业模式。
中国医疗市场的特殊性，让 AI 医疗探索落地的发展一直很艰难。AI 医疗商业模式的核心问题在于，此前 AI 医疗大热的赛道 AI 肺结节筛查及眼部疾病筛查未能解决医生的临床痛点需求，AI 在识别图片过程中标注的假阳性偏高，即使判定出了肺结节，也不能作为肺癌等疾病判断的核心指针。
以谷歌推出的 AI 医疗诊断眼部疾病的应用情况为例，今年 4 月，外媒报道称 “该产品不仅诊断结果不一致，而且实际操作方法和在实验室里压根不一样。内部研究都已经达到了 90% 的准确度，相当于人类专家水平。没想到，落到临床试验，却失败了。” 可见巨头谷歌都没能彻底解决 AI 医疗所面临个别问题。
图丨谷歌推出的 AI 诊疗产品（来源：彭博社）
而中国医疗市场的特殊性，一度导致投融资极为火爆的 AI 医疗在 2019 年迅速降温，商业模式探索遭遇“瓶颈”，无论是投资人还是创业者，都对中国 AI 医疗未来的方向和策略进行了重新思考。据知情人士向生辉透露，几家布局 AI 医疗影像赛道的头部创业公司当前已经减慢了地推肺结节筛查相关 AI 医疗设备的速度。
该业内知情人士告诉生辉，“现在投资人都不敢投了，看不懂这里的风向，肺结节和糖网诊断的供给端早就过剩了。”
与此同时，AI 医疗器械造价不菲，医院不愿意花大价钱去解决 “并非痛点” 的临床需求，由于研究的病种类似、产品同质化程度高、业务集中度高，未来将会有蹭热点的伪医疗 AI 公司消失或关掉 AI 部门。AI 医疗正从狂热期转向冷静期，这会让业务模式更清晰的企业浮出水面。于是 AI 医疗投资的热门赛道由肺结节筛查转向了其他的危重症或技术壁垒更高的领域。
对于数坤来说，不在红海里挣扎是他们发展的主要思路。成立至今，肺结节和眼部筛查并不是他们布局重点。2017 年 6 月，数坤科技成立，它并没有像大多数企业一样从肺结节入手，而是选择从难度更大的心血管领域切入产业。“一方面，与肺癌、肺结节等疾病不同，心血管疾病的诊断流程更加复杂，心脏 CT 图像需要首先经过复杂的三维重建，之后诊断医生根据三维重建的图诊断出血管的起源、走形、血管壁的斑块、管腔狭窄等情况。另一方面，心血管疾病的公开数据集比较少，收集数据就是一个很大的难题了，此外也没有什么开源模型，起步就很难。”数坤科技创始人马春娥曾在虎嗅的采访中表示。
据数坤科技的官网显示，公司的产品主要针对心脏病、脑卒中、肿瘤三大病种。这一布局思路和上文的大多数公司相比是完全不同的。
图丨数坤科技主要产品及 3 个诊断平台（来源：数坤科技官网）
而根据融资稿件中，本轮融资的投资方的联合采访内容表示，他们看中的也是数坤不同于其他同类型公司，选择将产品落地在相对而言 “无人问津” 却市场巨大的疾病市场。
“不要挤到一片红海中去，也不要扎堆'下饺子’，这条路早就走不通了。”该知情人士对生辉说。
参考：
https://www.nejm.org/doi/full/10.1056/Nejmoa1102873
https://www.lenovonetapp.com/pdf/healthcare_so.pdf
https://www.leiphone.com/news/202006/FlfT0y2xACKH46rQ.html
http://med.china.com.cn/content/pid/198592/tid/1018
http://www.shukun.net/
-End-