2020年被看作是國內醫療AI產業的轉折之年。雖然疫情使得部分產業投資進程明顯放緩，但醫療AI行業卻迎來更多的關注。NMPA（國家藥品監督管理局）頒發的多張AI三類證及頭部企業的融資進程，都加速了整個行業的發展，也推動著整個國內醫院智慧化的進程。

?

2020年1月，行業內期盼多年的國內首個醫療AI醫療器械三類證頒出，在隨后的幾個月里，冠脈血流儲備分數計算軟件、心電分析軟件、顱內腫瘤MR影像輔助診斷軟件、糖尿病視網膜病變眼底圖像輔助診斷軟件、冠脈CT造影圖像血管狹窄輔助分診軟件、肺結節CT影像輔助檢測軟件、CT骨折智能分析系統等產品相繼獲得NMPA注冊三類證，行業重心開始由研發向商業化落地轉移。

多個醫療AI三類證獲批，

但臨床意義各不相同

?

縱觀2020年獲批的9款醫療AI產品，產品包含了多個細分場景，但仔細觀察可發現，NMPA對于各個獲批產品的功能描述極為謹慎：并非所有產品都為“輔助診斷”產品，NMPA將部分獲證產品的功能嚴格限制在輔助分診、輔助檢測、計算、分析，并未涉及到診療流程中最為核心的“診斷”環節。

?

細究說來，分診的作用，可以理解為患者去醫院看病，分診臺的護士告訴患者應該去內科還是外科；輔助檢測是不涉及到明確的診斷結果，和篩查本質上趨近，比如肺結節的輔助檢測，能夠幫助醫生檢測出肺結節，但關于肺部細分疾病進一步的定性診斷，輔助檢測的醫療AI并不能做出分析和診斷。

?

而真正被業內外寄予厚望的輔助診斷醫療AI產品，則不止完成篩查功能，還能進一步完成定性診斷，為醫生提供診斷結果上的參考和建議，從而在診療過程中實現閉環。比如發現肺結節后，進一步幫助醫生判斷：如果是腫瘤，良惡性是怎樣的？如果是肺炎，到底是哪一類肺炎（細菌性肺炎、病毒性肺炎等）？

?

其實，對于臨床而言，無論是頂級三甲醫院還是基層醫院的醫生，識別肺結節并非難事；但對于一個患者來說，如果僅僅被告知有無肺結節，而不能告訴他是哪一種具體肺部疾病的診斷結果，?那么就達不到患者就診的需求。相應地，如果醫療AI不能介入到最終的診斷環節中，則實際產生的效用有限，更談不上輔助醫生。

?

換言之，讓研發的醫療AI產品真正具有臨床價值，對于醫療AI企業來說，才是真正證明自身有價值的唯一出路。

?

以安德醫智獲得國家藥監局批準的、以“影像輔助診斷”命名的“天醫智”顱內腫瘤MR影像輔助診斷軟件為例，它針對數十萬例病理驗證的腦腫瘤數據，運用深度學習算法，實現包括腦膜瘤、聽神經瘤、髓母細胞瘤、膠質瘤等在內的顱內腫瘤的人工智能精準診斷，診斷準確率超過90%。患者檢查完成后，系統自動生成一份結構化報告，包括腫瘤位置、體積等精準信息，幫助醫生快速診斷并提高放射科醫生對腦腫瘤的診斷能力。

?

?

北京安德醫智科技有限公司董事長梁偉民表示，安德醫智在研發之初，就與臨床緊密結合。研發團隊“駐扎”在醫院，就是為了產品從影像出發，加入到診療全過程。“安德醫智不僅進行輔助診斷的產品研發，還進行輔助決策的產品研發，貫穿病人入院到出院的整個診療過程都在輔助醫生。”梁偉民介紹。

醫療AI的核心在于數據，

其質量直接決定產品質量

?

正因為臨床價值的不同，輔助診斷產品相較于其他功能的獲證產品，需要更多優質數據的“投喂”。

?

在數據訓練過程中，如果僅僅是關于 “篩選”或“檢測”等功能的訓練，那么僅僅追求檢出率即可。但對于輔助診斷功能的訓練，就不僅僅是識別病灶那么簡單，而是要給出明確的定性診斷意見，這就需要建立標準數據集，用最頂級專家的診療經驗和智慧，加之金標準的病理結果反復驗證、訓練。

?

“我們認為，數據的質量直接決定產品質量，數據是核心。”梁偉民表示，這就好比師父和徒弟的關系，可以說安德醫智從成立之初至今，都選擇全國和世界頂尖水平的“師父”來“拜師學藝”。

?

這在近期公布的工信部“國家級醫療人工智能公共平臺項目”的中標聯合體成員單位名單中可窺一二：解放軍總醫院（301醫院）、天壇醫院、北京大學第一醫院、同仁醫院、北京大學腫瘤醫院、鄭州大學第一附屬醫院、北京安德醫智科技有限公司、華為、中國移動、中國食品藥品檢定研究院。

?

“我們希望牽手在心肺等臟器、腦、眼、血管、骨科、腫瘤等學科醫療水平均居于世界領先地位的頂級醫院，通過臨床與AI技術的強強聯合，實現頭、頸、胸、腹乃至全身疾病的產品研發，首先就是將每個病種的精品數據集梳理出來，這是一切的源頭?！绷簜ッ癖硎荆@也是在該國家級項目中安德醫智承擔的任務之一——參與人工智能醫療健康國家/行業標準（草案）制定工作，參與建立人工智能醫療健康產品的臨床性能評價指標體系。

?

此外，安德醫智與北京天壇醫院聯合成立了全球首家神經系統疾病人工智能研究中心，而天壇醫院則在神經外科、神經內科學科排名全國雙第一、全球排名前三，更是國家神經系統疾病臨床研究中心所在地。安德醫智先前獲NMPA三類證的輔助診斷產品就誕生于此。

?

?

“AI更深刻的價值在于提升基層診療能力，

不僅是效率的提升”

?

隨著國內醫改的進一步深化，分級診療的落地，醫療人工智能將在提高醫療質量和服務效率、減少誤診誤治方面發揮重要作用。長時間以來，國內醫療資源受限于分配不均，優質醫療設備、醫療資源集中在發達城市，這種情況使得大量患者在本地得不到充足的診療，只能向大城市和大醫院聚集。根據此前統計數據顯示，截至2018年11月底，國內共有醫院32476個，其中三級醫院數量2498家，占比7.69%的三級醫院就診人數卻達到16.46億次。

?

“假如縣醫院能達到大醫院的診斷水平，病人就不會往外跑了，因為在縣醫院就能得到及時、優質的治療?！绷簜ッ癖硎?。人工智能的出現一直被認為是解決醫療資源分配不均的的突破口，能夠極大程度提升廣大基層醫院的診療能力，推動優質醫療資源下沉，幫助百姓實現“大病不出縣”。

?

“以往很多人都覺得醫療AI的重點在于效率的提升，但我認為不止于此。”梁偉民認為，醫療AI更深刻的價值在于幫助廣大基層醫生提高診療能力，解決基層醫療機構的真正需求，而這正是我國醫改的重點。

?

?

事實上，對于大醫院來說，解決效率問題是它的需求之一，但如果只是在單獨某個場景中效率的提升，對整個診療環節的效率提速是非常有限的；而基層診療能力的提升則需要系統性、全科室的重建，對于醫療AI企業而言，這直接考驗公司產品覆蓋醫療場景的廣度，和對各垂直細分領域研究的深度。這樣就不單需要擁有AI強大的深度學習技術力，也需要同臨床緊密結合，不斷發現臨床痛點才能真正輔助醫療這一傳統行業。

?

在被問及安德醫智德圍繞臨床的產品布局思考時，梁偉民表示，對于醫療AI產品，如果只能實現單部位或單病種的AI應用，那么臨床的應用體驗就不會有很好的提升，醫生尤其是基層醫生的診療能力也不會得到真正而全面的提高。

?

其實這并不難理解，如果只做針對某個部位、某個器官的的AI產品，其實是遠遠不能滿足需要的，不僅是臨床需求，還有患者的需求。舉個例子，一位患者去醫院拍了全身CT后，醫生是可以根據影像來判斷其全身各部位的健康狀況的。當醫療AI產品加入時，如果只能給到醫生某個部位或某種疾病的輔助診斷意見，那么就無法滿足患者拍CT后全面了解自己身體狀況的目的，也無望成為適用于所有醫生的好幫手。

?

因此，醫療AI產品要比拼的是可以覆蓋全身的輔助診斷能力。而另一方面，進一步比拼的則為“準確率”。

?

以安德醫智的“天醫智”為例，它的研發從頭部的神經系統疾病開始，到心臟、乳腺再到心血管等胸部、腹部疾病的輔助診斷，最終將實現全身多部位、全病種、適用于不同場景的AI應用；它在全球率先實現神經系統疾病CT/MRI影像人工智能輔助診斷，能夠輔助診斷包括腦腫瘤、小血管病變、腦卒中在內的60余種疾病，診斷準確率超過90%，有的病種診斷準確率更超過96%。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 熱度之下，什么樣的企業能夠突圍？

?

以往像行業內熱門的肺結節等領域，已經有不少開源的數據集能夠幫醫療AI企業短時間內快速做出產品。而覆蓋全身的產品，則意味著企業不僅需要先梳理和建立起各類疾病的精品數據集，同時需要能夠實現多任務的同步分析，這就意味著對AI進行反復訓練的是大模型。

?

除了大模型非?？简炂髽I本身的技術能力，臨床資源的協調能力問題更為突出。因為從基層到三甲的診斷能力和結果差異非常大，為了讓AI更趨近于頂尖醫生的能力，就需要用頂尖醫生的診療數據進行訓練。簡單而言，未來實現全身多病種的覆蓋，醫療AI需要獲得全身多種疾病的優質數據集。

?

梁偉民表示，“精品數據集和多任務同步分析的大模型，這兩者對企業的要求非常高，因此醫療AI行業實質上是個高門檻行業?！?/span>

?

在確保數據質量的同時，數據安全也是需要值得關注的命題。近年來，隨著醫療AI逐步走入深水區，相關部門陸續出臺一系列指南、標準，對醫療數據的安全性問題予以規定。

?

以安德醫智為例，為了保證患者的隱私，目前完全做到所有訓練數據不出院，數據進行清洗、脫敏訓練等全部在醫院內網完成。“醫療數據安全和患者隱私是非常嚴肅的事情，安德醫智的目標是走得長遠，所以一開始就把隱患消掉?！绷簜ッ癖硎?。

?

人才方面，醫療AI作為醫療和深度學習的交叉學科，行業內一直都面臨交叉學科人才緊缺的局面。安德醫智團隊成員多來自于劍橋、MIT、清華、新加坡國立等國內外頂尖高校。梁偉民介紹：“安德醫智選拔人才的門檻是非常高的，2019年我們收到了160份來自清華、北大、中科院等學府人才的簡歷，但當時僅發出了兩份offer。”

?

數據顯示，2020年國內醫療AI應用市場規模已接近300億元，融資規模方面，2020年醫療AI總計47筆融資，涉及金額約84.8億元，同比增長118%。雖然市場再次火熱，但未來真正能夠跑出來的醫療AI公司仍在少數。分析原因有二：

?

一方面，醫療AI行業前期階段多使用開源數據集，雖然短時間內將產品推出面世，但容易面臨數據質量不高、同質化傾向嚴重的問題，隨著更多、更成熟產品的面世，競爭將越來越激烈。

?

另一方面，目前市場上能真正根據臨床實際需求設計產品的企業還是少數。如果只是在某個單一的場景里去應用，這樣的產品局限性大，商業模式也很難跑出來。

?

隨著三類證的陸續批準，梁偉民認為，對于醫療AI企業而言，核心競爭力在于人才、數據和全體系產品帶來的商業價值?！鞍驳箩t智會始終秉承初心，迎接挑戰，讓AI技術的進步服務于人類的健康?！?/span>