南方财经全媒体记者 李润泽子 实习生 杨婧文 广州报道

编者按

“人工智能从你出生那天就认识你，读过你所有的电子邮件，听过你所有电话录音，知道你最爱的电影……”尤瓦尔·赫拉利在《未来简史》一书中描述了这样一种未来景况：人工智能比人类更了解自己。

步入人工智能时代，人类的生活习惯和生产方式正在被重塑，科幻和现实渗透，惊喜与担忧交加。人与机器的未来是一场亲密的合作还是激烈的战争？机器会将人类的智能拓展到什么样的边界？

深度赋能行业、落地场景是人工智能的“最后一公里”，AI前沿观察系列推出“新场景”稿件，探讨AI在具体应用场景下的现状与进展，难点与突破，前景与未来。本篇聚焦医疗AI的商业化进程。

在科幻电影《极乐空间》中，有这样一台关键医疗设备——Medbay智能医疗仓。患者只需躺在智能医疗设备便可完成从扫描、诊断、治疗、修复的一切过程，让患者身体健康重启。

这一令人印象深刻的景象正一步步迈向现实。当前，AI与医疗正深度融合，医疗AI作为医生的助手，其角色的重要性正在不断得到加强。医学影像便是AI目前在医疗领域应用最为广泛的场景之一，其率先落地和应用，并率先实现商业化，也率先进入异常激烈的竞争之中。

另一方面，AI成为变革医疗领域的重要工具，彻底改变了整个行业，使之更为透明且高效。放眼整个大医疗健康场景，AI的创新和应用正在更多领域发生。多位受访专家表示，医疗产业的各个环节和场景都将受到AI影响产生改变和突破。

AI医疗商业化落地

AI对医疗领域的赋能作用日渐提升，催生出大量新产品、新应用和新模式。其中，AI医疗影像不仅是医疗 AI 应用落地的前沿阵地，也成为商业化速度最快的领域。

据了解，AI医疗影像产品常应用于放射影像、超声影像、病理影像等诊断环节，应用场景主要支持CT、MR、DR、超声等模态的辅助筛查、辅助评估、辅助诊断等，覆盖胸部、脑部、眼底、骨骼、心血管等部位的各类疾病。此外，还有一些企业提供影像共享、云平台、智慧信息管理等服务。

根据弗若斯特沙利文数据，预计2030年人工智能医学影像市场规模（医疗健康场景）将达423亿元，年复合增长率（CAGR）超过60%。

在国内，医疗AI影像企业于2021年密集筹备上市，科亚医疗、鹰瞳科技、推想医疗、数坤科技、博动医疗等初创企业相继向港交所递交招股书。同年11月，“AI医疗第一股”鹰瞳科技成功上市。

互联网巨头同样早已布局AI医疗影像。以腾讯为例，2017年8月其推出首个医学影像AI产品腾讯觅影。

腾讯健康告诉南方财经全媒体记者，对整个医疗领域而言，医学影像是产生数据量最大的领域，九成以上的医疗数据来自医学影像，从医学影像赛道切入寻找AI的应用创新，是整个行业比较好的选择。

而作为医疗AI行业发展的风向标，国家药监局批准三类医学影像AI注册证（即“AI三类证”）的速度不断变快，无疑也加速了医学影像AI的商业化进程。

《2022年中国人工智能医学影像产业研究报告》统计发现，截止今年8月，国家药监局共批准45个医疗AI辅助诊断软件上市，其中涵盖CT、MR、DR等相关影像设备，为心脑血管疾病、胸部疾病、眼底、骨科疾病及和儿童发育评估、肺部等提供AI辅助诊断。

值得注意的是，2022年国家药监局批证速度加快，截至8月底的批证数量已超过2021年。

虽然商业化落地加速，但AI医疗影像仍面临困境，需要突破诸多门槛。产品同质化首当其冲成为了当前AI医学影像行业必须面对的问题。

根据AI医学影像三类证的拿证情况可以发现，考虑到疫情以及发病率的情况，产品的应用部位集中，其中肺部和眼部就是典型。据《2022年中国人工智能医学影像产业研究报告》统计，在国家药监局批准上市45个医疗AI辅助诊断软件中，就分别有16个和6个的应用部位分别为肺部和眼部。

腾讯健康在受访时介绍，出现这种情况是因为这两个领域的数据集，尤其是公开数据集资源丰富，即便是不精通临床医学的算法工程师，也可以通过公开的渠道获得科研数据集，用于建立算法，AI训练门槛比较低。

医疗影像检测突围

面对日渐拥挤的细分赛道和激烈的竞争，企业应当如何破局？

在中华医学会放射学分会主任委员、中国医学影像AI产学研用创新联盟理事长，上海长征医院影像医学与核医学科主任刘士远看来，多任务/多病种模型值得关注。刘士远指出，AI医学影像基本是基于单病种图像标注形成的模型，产品集中于少数几个病种，难以覆盖全部医学影像问题。

“多任务模型满足临床需要和病人的检查需求，会成为未来的趋势。但是由于算力和算法的限制，现在多任务模型只是在尝试阶段。未来，随着算法的突破和数据的训练，可能会逐渐地得到解决。”他说。

鹰瞳科技以视网膜影像举例，视网膜上的血管和神经非常丰富，通过视网膜可以发现的疾病和病变多达上千种，其中大概200多种是常见慢病。

“如何不断地增加系统识别病种，本身就是一个永恒的天然诉求。”鹰瞳科技表示，在功能上通过视网膜识别更多全身疾病，是当前研发的一个重要方向。如通过视网膜检测，判定高血压、糖尿病、冠心病、脑卒中的当下病情及风险。

此外，提升临床认可度是多位受访专家的共识。刘士远提到，AI是辅助医生进行诊断和治疗的手段，因此医生和医疗AI产品的关系十分密切。企业研发AI产品，需要医生从源头参与，贡献高质量的数据，对数据进行高质量的标注。

“因此，未来人工智能企业要想发展，真正要解决的实际问题是临床问题，只有解决临床问题的企业才能获得未来各方的关注，从而获得良好的发展。”刘士远表示。

据《中国医学影像人工智能发展报告（2021-2022）》中对6118名医务人员的调查，目前AI医疗产品的临床应用之中急需解决的问题排在前三位便是：可供选择的AI产品太少，现有产品不能很好的嵌入工作流顺畅使用，产品性能还不稳定。

事实上，在医学影像领域，AI的作用本就主要在于降本增效。其中，在医生医院端的体现便是AI可以迅速发现和识别病灶，辅助医生进行疾病诊断，大大缩短诊断时间，提高诊断效率和诊断质量。

腾讯健康则表示，AI从算法到临床产品，不仅需要技术，更需懂医术，其间大量的临床相关研究是不可或缺的。“医学人工智能是一个充满着医疗与技术交叉的领域，单靠人工智能不可能解决一切问题，要想用人工智能解决实际临床问题，就需要我们真正从临床实际问题出发，而技术只是解决临床问题的手段。”

但哈尔滨工业大学计算学部教授关毅也指出，医疗毕竟是事关健康和生死的大事，技术在医疗领域的应用门槛很高。AI在医疗领域的应用和推广也面临着伦理道德和风险的双重压力，其与临床的深度结合不是一朝一夕的事情，只能在国家的指导下，有条不紊地谨慎推行。

应用领域拓展

目前，AI赋能下的医学影像产业发展趋于完善，亦形成了独特的商业模式。但值得注意的是，AI在医疗上的应用并非仅在单一领域发生，放眼整个大医疗健康场景，AI的创新和应用正在更多领域发生。

以近期风头正盛的AI药物研发为例，AI的出现提高了新药研发的效率及质量，同时降低临床失败概率及研发成本。

2020年，首个AI设计的小分子药进入临床试验。2021年，AlphaFold2解锁98.5%人类蛋白质组结构，AI进入大分子药已经有了非常好的基础。

华南理工大学计算机学科学与工程学院教授、博士生导师蔡宏民在采访中表示，以往药物研发以化学药物为主，近两年逐渐向生物制药发展。然而无论是化学药物还是生物药物，新药研发的周期较长和成本较高。而AI药物研发可以通过规模化计算，筛选得出可能治疗某种疾病的药物结构或组合，之后再有针对性地进行实验，可大大提高效率。

据《2022AI制药行业观察报告》(以下简称《报告》)，AI技术在化合物合成和筛选方面比传统手段可节约40%至50%的时间，每年为药企节约260亿美元的化合案物筛选成本；在临床研究阶段，可节约50%至60%的时间，每年可节约280亿美元的临床试验费用。

药物研发仅是AI在医疗领域赋能作用中的一方面，事实上目前AI已实现在疾病辅助筛查与诊断、临床治疗辅助决策、药物研发、医学研究、医疗信息化等多个环节的全面渗透。

而多位受访者告诉南方财经全媒体记者，AI在医疗领域的应用会更加积极和广泛。蔡宏民指出，AI赋能医疗依赖于可靠的真实的数据和不断进步的技术。未来，在此基础上医疗产业的各个环节和场景都将受此影响产生改变和突破。

在鹰瞳科技看来，医疗AI应用场景将越来越多。“目前大部分医疗AI产品主要面向严肃医疗场景，未来会逐步拓展到消费医疗场景。”

刘士远也提到，如若未来医疗AI解决稳定性、可靠性以及伦理上的问题，将有希望走进千家万户，通过C端应用于病人身上。

“人们对健康的需求是没有止境的，特别是我国经济不断发展下，人们对健康的需求会越来越高，但医疗资源不平衡的现状，在现有医疗模式下无法被打破，所以这种供需关系的挑战会越来越大。而人工智能或是目前提升医疗服务效率，调整供需关系紧张的最优解。可以预见，医疗健康领域更多赛道会看到AI的应用身影。”腾讯健康表示。

出品：南财合规科技研究院

策划：曹金良

统筹：郭美婷、李润泽子

研究员：郭美婷、李润泽子、冯恋阁

本期作者：李润泽子、杨婧文（实习生）