医疗影像AI六年记：让人工智能读报告，你愿意吗？未成年人保护法|网络安全法

文章插图
图片来源@视觉中国
文 | 财健道，作者 | 海若镜，编辑 | 杨中旭
近日，唱衰医疗影像AI的声音不绝入耳，坏消息也接踵而至。国外，谷歌宣布解散健康部门Google Health，医疗影像AI团队被划入搜索和人工智能部门；国内，昔日明星公司依图医疗被剥离，变卖给深睿；年初即向港交所递表的科亚、鹰瞳，至今仍未见回响，前者还将更新招股书；新冲刺公司推想科技交表后，业内几乎波澜不惊。
六七年前，互联网的“野蛮人”冲入医疗行业，本想颠覆，却一路“被教育”。在医疗AI创业潮中，IT和算法人以更谦和的姿态，进入医院和科室，对外他们常讲到——“蹲在医院”。
由于诸多原因，临床医疗场景封闭、保守，技术在其中很重要，但并不是绝对的驱动因素。通过梳理2016年至今医疗影像AI公司的创业历程，会发现AI产品一步步从“玩具”到医生的工具，从工具到医生的助手；未来能否真正成为“智能医生”？如今，谈“替代”还早。
一方面，医疗影像AI产品还没能真正发展成不可替代的诊断方法；另一方面，商业化和资本化的重担压顶，稍有懈怠便可能面临对赌失败。但一路悲观、一路唱衰，不能解决问题；等待技术奇点突至，出现穿透医学经验科学、全知全能的AI，亦不可能。
对于新近融资数亿元的医疗影像AI公司来说，证要一张一张拿，医院要一家一家进。赛道方向没错，不可能团灭；即便不知终局在何方，但只要跑得比竞争对手快，就有出路。
2016—2017年：烈火烹油，资本与算法齐飞2016年1月，靠游戏公司起家的投资人周亚辉，在开曼群岛注册成立了“昆仑医云”（Curacloud），后改名叫“科亚医疗”。在美国，经由得力干将宋麟介绍，周亚辉把他的哥哥宋麒招至麾下，随后曹坤琳等来自GE全球研发中心的AI科学家、工程师陆续加盟。创业初期，算法团队在美国西雅图。
五六年前，O2O已是一片红海，大批资本、人才从TMT领域流向深度学习。计算机视觉领域的“AI四小龙”，彼时正是备受追捧的新贵。2017年世界互联网大会上，周亚辉被问到：“AI在哪个赛道机会比较大”，答：
“短期是人工智能+教育；长期是人工智能+医疗。”
因为深度学习在图像识别领域相对成熟，AI+医疗顺势先应用于医疗影像方向，特别是肺结节、糖网（视网膜血管病变）的筛查场景中。卷积神经网络主要是用于处理二维图像，可对图片进行全方位的数学处理，相比复杂的心脑血管病变，AI对肺结节等的识别会更有把握。
如今，仍处于头部的深睿、推想、医准都是从肺结节的红海中拼杀出来。但在一开始，科亚选择了心血管方向，这与创始人的过往经历息息相关。离开GE后、创立科亚前，宋麒曾作为资深科学家，在美国AI辅诊独角兽HeartFlow工作了一年。
HeartFlow创立于2007年，两位创始人曾是美国心血管外科医生、GE工程师，他们开创了CT-FFR，一种无创诊断冠心病等心血管疾病的技术。2014年时该产品在FDA获批，2016年科亚起步之时，HeartFlow已获得近1亿美元D轮融资、进入日本市场；今年7月其宣布将赴纽交所上市。
科亚也是靠CT-FFR起步，2016年3月宋麒等创立公司；8个月后，人工智能CT-FFR“深脉分数”就已通过NMPA医疗器械质量检验中心认证，型检后通常不允许有重大改动，也就是说产品当时基本成型。对于需要海量影像数据、训练算法的AI系统而言，也数高效。
那么，科亚和HeartFlow两家公司的CT-FFR有什么区别？
简单来说，HeartFlow的技术路径是：基于生理原理、流体动力学，通过模拟仿真，计算血流速度及FFR值（血流储备分数，冠脉狭窄功能性评价的公认指标）；优点是计算结果可解释，缺点是算力耗费大，运算时间长。