南方財經全媒體記者 李潤澤子 實習生 楊婧文 廣州報道
編者按
“人工智能從你出生那天就認識你，讀過你所有的電子郵件，聽過你所有電話錄音，知道你最愛的電影……”尤瓦爾·赫拉利在《未來簡史》一書中描述了這樣一種未來景況：人工智能比人類更了解自己。
(資料圖片)
步入人工智能時代，人類的生活習慣和生產方式正在被重塑，科幻和現實滲透，驚喜與擔憂交加。人與機器的未來是一場親密的合作還是激烈的戰爭？機器會將人類的智能拓展到什么樣的邊界？
深度賦能行業、落地場景是人工智能的“最后一公里”，AI前沿觀察系列推出“新場景”稿件，探討AI在具體應用場景下的現狀與進展，難點與突破，前景與未來。本篇聚焦醫療AI的商業化進程。
在科幻電影《極樂空間》中，有這樣一臺關鍵醫療設備——Medbay智能醫療倉。患者只需躺在智能醫療設備便可完成從掃描、診斷、治療、修復的一切過程，讓患者身體健康重啟。
這一令人印象深刻的景象正一步步邁向現實。當前，AI與醫療正深度融合，醫療AI作為醫生的助手，其角色的重要性正在不斷得到加強。醫學影像便是AI目前在醫療領域應用最為廣泛的場景之一，其率先落地和應用，并率先實現商業化，也率先進入異常激烈的競爭之中。
另一方面，AI成為變革醫療領域的重要工具，徹底改變了整個行業，使之更為透明且高效。放眼整個大醫療健康場景，AI的創新和應用正在更多領域發生。多位受訪專家表示，醫療產業的各個環節和場景都將受到AI影響產生改變和突破。
AI醫療商業化落地
AI對醫療領域的賦能作用日漸提升，催生出大量新產品、新應用和新模式。其中，AI醫療影像不僅是醫療 AI 應用落地的前沿陣地，也成為商業化速度最快的領域。
據了解，AI醫療影像產品常應用于放射影像、超聲影像、病理影像等診斷環節，應用場景主要支持CT、MR、DR、超聲等模態的輔助篩查、輔助評估、輔助診斷等，覆蓋胸部、腦部、眼底、骨骼、心血管等部位的各類疾病。此外，還有一些企業提供影像共享、云平臺、智慧信息管理等服務。
根據弗若斯特沙利文數據，預計2030年人工智能醫學影像市場規模（醫療健康場景）將達423億元，年復合增長率（CAGR）超過60%。
在國內，醫療AI影像企業于2021年密集籌備上市，科亞醫療、鷹瞳科技、推想醫療、數坤科技、博動醫療等初創企業相繼向港交所遞交招股書。同年11月，“AI醫療第一股”鷹瞳科技成功上市。
互聯網巨頭同樣早已布局AI醫療影像。以騰訊為例，2017年8月其推出首個醫學影像AI產品騰訊覓影。
騰訊健康告訴南方財經全媒體記者，對整個醫療領域而言，醫學影像是產生數據量最大的領域，九成以上的醫療數據來自醫學影像，從醫學影像賽道切入尋找AI的應用創新，是整個行業比較好的選擇。
而作為醫療AI行業發展的風向標，國家藥監局批準三類醫學影像AI注冊證（即“AI三類證”）的速度不斷變快，無疑也加速了醫學影像AI的商業化進程。
《2022年中國人工智能醫學影像產業研究報告》統計發現，截止今年8月，國家藥監局共批準45個醫療AI輔助診斷軟件上市，其中涵蓋CT、MR、DR等相關影像設備，為心腦血管疾病、胸部疾病、眼底、骨科疾病及和兒童發育評估、肺部等提供AI輔助診斷。
值得注意的是，2022年國家藥監局批證速度加快，截至8月底的批證數量已超過2021年。
雖然商業化落地加速，但AI醫療影像仍面臨困境，需要突破諸多門檻。產品同質化首當其沖成為了當前AI醫學影像行業必須面對的問題。
根據AI醫學影像三類證的拿證情況可以發現，考慮到疫情以及發病率的情況，產品的應用部位集中，其中肺部和眼部就是典型。據?《2022年中國人工智能醫學影像產業研究報告》統計，在國家藥監局批準上市45個醫療AI輔助診斷軟件中，就分別有16個和6個的應用部位分別為肺部和眼部。
騰訊健康在受訪時介紹，出現這種情況是因為這兩個領域的數據集，尤其是公開數據集資源豐富，即便是不精通臨床醫學的算法工程師，也可以通過公開的渠道獲得科研數據集，用于建立算法，AI訓練門檻比較低。
醫療影像檢測突圍
面對日漸擁擠的細分賽道和激烈的競爭，企業應當如何破局？
在中華醫學會放射學分會主任委員、中國醫學影像AI產學研用創新聯盟理事長，上海長征醫院影像醫學與核醫學科主任劉士遠看來，多任務/多病種模型值得關注。劉士遠指出，AI醫學影像基本是基于單病種圖像標注形成的模型，產品集中于少數幾個病種，難以覆蓋全部醫學影像問題。
“多任務模型滿足臨床需要和病人的檢查需求，會成為未來的趨勢。但是由于算力和算法的限制，現在多任務模型只是在嘗試階段。未來，隨著算法的突破和數據的訓練，可能會逐漸地得到解決。”他說。
鷹瞳科技以視網膜影像舉例，視網膜上的血管和神經非常豐富，通過視網膜可以發現的疾病和病變多達上千種，其中大概200多種是常見慢病。
“如何不斷地增加系統識別病種，本身就是一個永恒的天然訴求。”鷹瞳科技表示，在功能上通過視網膜識別更多全身疾病，是當前研發的一個重要方向。如通過視網膜檢測，判定高血壓、糖尿病、冠心病、腦卒中的當下病情及風險。
此外，提升臨床認可度是多位受訪專家的共識。劉士遠提到，AI是輔助醫生進行診斷和治療的手段，因此醫生和醫療AI產品的關系十分密切。企業研發AI產品，需要醫生從源頭參與，貢獻高質量的數據，對數據進行高質量的標注。
“因此，未來人工智能企業要想發展，真正要解決的實際問題是臨床問題，只有解決臨床問題的企業才能獲得未來各方的關注，從而獲得良好的發展。”劉士遠表示。
據《中國醫學影像人工智能發展報告（2021-2022）》中對6118名醫務人員的調查，目前AI醫療產品的臨床應用之中急需解決的問題排在前三位便是：可供選擇的AI產品太少，現有產品不能很好的嵌入工作流順暢使用，產品性能還不穩定。
事實上，在醫學影像領域，AI的作用本就主要在于降本增效。其中，在醫生醫院端的體現便是AI可以迅速發現和識別病灶，輔助醫生進行疾病診斷，大大縮短診斷時間，提高診斷效率和診斷質量。
騰訊健康則表示，AI從算法到臨床產品，不僅需要技術，更需懂醫術，其間大量的臨床相關研究是不可或缺的。“醫學人工智能是一個充滿著醫療與技術交叉的領域，單靠人工智能不可能解決一切問題，要想用人工智能解決實際臨床問題，就需要我們真正從臨床實際問題出發，而技術只是解決臨床問題的手段。”
但哈爾濱工業大學計算學部教授關毅也指出，醫療畢竟是事關健康和生死的大事，技術在醫療領域的應用門檻很高。AI在醫療領域的應用和推廣也面臨著倫理道德和風險的雙重壓力，其與臨床的深度結合不是一朝一夕的事情，只能在國家的指導下，有條不紊地謹慎推行。
應用領域拓展
目前，AI賦能下的醫學影像產業發展趨于完善，亦形成了獨特的商業模式。但值得注意的是，AI在醫療上的應用并非僅在單一領域發生，放眼整個大醫療健康場景，AI的創新和應用正在更多領域發生。
以近期風頭正盛的AI藥物研發為例，AI的出現提高了新藥研發的效率及質量，同時降低臨床失敗概率及研發成本。
2020年，首個AI設計的小分子藥進入臨床試驗。2021年，AlphaFold2解鎖98.5%人類蛋白質組結構，AI進入大分子藥已經有了非常好的基礎。
華南理工大學計算機學科學與工程學院教授、博士生導師蔡宏民在采訪中表示，以往藥物研發以化學藥物為主，近兩年逐漸向生物制藥發展。然而無論是化學藥物還是生物藥物，新藥研發的周期較長和成本較高。而AI藥物研發可以通過規模化計算，篩選得出可能治療某種疾病的藥物結構或組合，之后再有針對性地進行實驗，可大大提高效率。
據《2022AI制藥行業觀察報告》(以下簡稱《報告》)，AI技術在化合物合成和篩選方面比傳統手段可節約40%至50%的時間，每年為藥企節約260億美元的化合案物篩選成本；在臨床研究階段，可節約50%至60%的時間，每年可節約280億美元的臨床試驗費用。
藥物研發僅是AI在醫療領域賦能作用中的一方面，事實上目前AI已實現在疾病輔助篩查與診斷、臨床治療輔助決策、藥物研發、醫學研究、醫療信息化等多個環節的全面滲透。
而多位受訪者告訴南方財經全媒體記者，AI在醫療領域的應用會更加積極和廣泛。蔡宏民指出，AI賦能醫療依賴于可靠的真實的數據和不斷進步的技術。未來，在此基礎上醫療產業的各個環節和場景都將受此影響產生改變和突破。
在鷹瞳科技看來，醫療AI應用場景將越來越多。“目前大部分醫療AI產品主要面向嚴肅醫療場景，未來會逐步拓展到消費醫療場景。”
劉士遠也提到，如若未來醫療AI解決穩定性、可靠性以及倫理上的問題，將有希望走進千家萬戶，通過C端應用于病人身上。
“人們對健康的需求是沒有止境的，特別是我國經濟不斷發展下，人們對健康的需求會越來越高，但醫療資源不平衡的現狀，在現有醫療模式下無法被打破，所以這種供需關系的挑戰會越來越大。而人工智能或是目前提升醫療服務效率，調整供需關系緊張的最優解。可以預見，醫療健康領域更多賽道會看到AI的應用身影。”騰訊健康表示。
出品：南財合規科技研究院
策劃：曹金良
統籌：郭美婷、李潤澤子
研究員：郭美婷、李潤澤子、馮戀閣
本期作者：李潤澤子、楊婧文（實習生）
