众所周知，视网膜是人体中唯一可以无创直接观察血管和神经细胞变化的身体组织，并将其作为各种慢性疾病的指标。因此，视网膜影像作为一种辅助检查手段，一直被列为医学影像的研究热点，在AI医疗产业中也有着举足轻重的作用。数据显示，在人工智能医疗影像市场中，人工智能视网膜影像发展最快，2019-2021年复合增长率达171.0%。无法触及诊疗的核心。除了科技发展跟不上时代步伐外，本质上还不能完全取代医生的主导地位。纵使眼下AI发展前景广阔，但仍未摆脱同比亏损的怪圈，“烧钱”一直是AI医疗无法摘掉的标签.那么，医疗AI产业处于如此尴尬的境地，能否成为新兴产业的指路明灯？眼底AI如何突破？圈内有共识，发展AI医疗最难的是数据库的建立，毕竟各家医院信息系统的数据质量参差不齐，处于创业初期的企业只能达成合作通过有偿采购或科研合作的方式与一家或几家医院合作，但大概率只能获得其中的一部分。完整的数据。在眼底AI领域，就没有这样的顾虑。资料显示，2018年3月，中央检察院眼底影像数据库建设完成。在此基础知识的基础上，2020年8月，盈通科技与矽智科技的“糖网辅助诊断软件”首批通过食药监局审批，获得三类医疗器械证书。紧接着，致远慧图和微医医疗器械有限公司的产品也获得了认证，多款产品获得了欧盟CE认证。可以说，眼底AI的发展是稳健的，逐渐建立起了基于视网膜图像的诊断系统。据了解，通过对视网膜图像的采集和分析，不仅可以识别视网膜黄斑变性、病理性近视、视网膜脱离等眼科疾病，还可以诊断糖尿病、高血压、心脑血管等全身性疾病。从根本上来说，眼底AI虽然不能完全替代眼科医生进行诊断，但起到了明显的预防作用。据《2017年中国卫生和计划生育统计年鉴》了解，中国约有4亿慢性眼病患者，但眼科医生只有3.6万人，门诊病人超过1.1亿人，住院病人超过450万人。结合整个医疗环境，眼底AI的出现，让很多慢性病变成了现实。“早筛早治”，进一步结合医生的诊断结果，让很多患者得到了早治疗。此外，外科行业有专科，眼科医生对糖尿病、内分泌等专科疾病的诊治未必准确及时。区间辨别力低，全国具备看片能力的医生相对较少。眼底AI的辅助诊疗在一定程度上可以成为医生的“帮手”。眼底AI之所以能在人工智能影像市场脱颖而出，与企业落地场景的多样性有很大关系。无论是肺部影像、心血管影像还是胸部影像，一般都会选择在大医院落地，并绑定硬件设备进行销售。而眼底AI的选择范围更广，既可以来自三甲医院，也可以来自验光中心。一个小小的突破。就像影通科技的眼底筛查软件一样，选择用低成本的眼底相机打入基层医疗系统。不过AI眼里的趋势是好的，不赚钱是显而易见的。例如，盈通科技的招股书显示，2019年、2020年和2021年上半年，其营收分别为3041.5万元、4767.2万元和4947.7万元。去年11月，“医疗AI第一股”盈通科技成功落地，上市即破发。只能说AI医疗行业还很年轻，再加上近期经济不景气，新兴商业模式的发展处于停滞状态。要想发展，首先要突破固有的商业模式，积极创新，才有新的契机。人工智能+医疗，齐头并进？或许是受西方电影情节的影响，人工智能一直是人类终极形态的代表。近年来，人工智能的发展也突飞猛进。其研究表明，从2012年到2018年的六年间，最大的人工智能模型训练所用的计算量呈指数级增长，其中3.5个月的计算时间翻了一番。其次，资本也持续看好中国人工智能产业的发展。到2020年，中国人工智能产业融资规模将达到1402亿元。尤其是交通场景和医疗场景受到广泛关注，尤其是企业纷纷表示未来将重点发力人工智能。iiMediaResearch(艾媒咨询)数据显示，超过80%的中国网民看好人工智能未来发展前景，其中交通场景和医疗场景分别占比45.2%和40.5%。80%的受访企业表示非常重视人工智能，近60%的企业表示未来将重点关注人工智能。随着疫情的来临，我国医疗器械市场规模不断扩大，尤其是人工智能在医疗行业发挥了至关重要的作用。艾媒咨询预计，2020年中国医疗器械市场规模将达到7341亿元。其中，手术机器人、AI临床辅助系统等智能医疗器械在抗击疫情中发挥着重要作用。与此同时，我国人工智能医疗器械相关专利数量进一步增加。不可否认，AI医疗产业的发展结合了医、学、产等多方力量。除了资金的助推，还离不开相关部门的科研实力。2017年3月25日，浙江大学锐意人工智能研究中心成立。带头人吴朝晖教授曾表示，“我们将利用浙大的基础优势，以开放的态度与各大医疗机构和学术带头人合作，打通数据源，建立多学科、多机构的协同机制，力争早日突破医疗人工智能关键技术。”但结果并没有像预期的那样发展，国内医疗AI市场增长极为缓慢，甚至出现下滑。据统计，2020年中国医疗AI市场整体规模约为265亿，而从2015年出现到2020年上半年，医疗AI总融资规模已超过350亿。2021年，虽然医疗AI企业迎来了IPO大关，但两年来全面商业化的成绩单，在二级市场眼中依然惨不忍睹，纷纷败下阵来。3月，科亚医疗向港交所提交IPO申请，到9月，上市状态已变为“无效”；6月，盈通科技也递交IPO申请，11月，上市破局；7月，依图科技IPO状态变更为“终止”。8月，依图医疗团队被申瑞收购。不仅国内AI医疗行业失败，在医疗领域“火力全开”的GoogleHealth也陷入危机，不得不大规模裁员重组。谷歌已经是AI领域的巨头。谷歌健康成立后，还聘请了医学界资深人士大卫·范伯格担任总监。目前还没有启动谷歌与医疗AI相关的创新业务。2021年Q1季度财报显示，谷歌的人工智能DeepMind、智能医疗Verily等创新业务仍处于亏损状态。人工智能与医疗场景的结合，不仅是对技术的考验，也是对现实的多方位考验。遗憾的是，庞大的医疗领域并不能挽救人工智能的应用深度，更何况医疗AI本身也在举步维艰。AI医疗由于算法人工智能本身的特性，决定了它无法面对错综复杂的医疗场景。没有人工，其实很难做到自主诊疗。图灵奖获得者YoshuaBengio也表示，在医学文本文件中，人工智能系统无法理解其中的歧义，也无法理解人类医生注意到的细微线索。可以说算法还有待优化，可以用更全面的数据加强现有模型，让AI医疗逐步应用到更多场景。追溯到2020年，吴恩达在斯坦福HAI研讨会上的演讲中分析说，医疗领域AI研究的算法很难投入生产，因为在某些数据上训练的模型很难泛化到其他情况。这一说法得到了谷歌健康“糖尿病视网膜病变筛查”业务的支持。此前谷歌在《美国医学会期刊》发表的一篇文章中提到，AI算法已经让“糖尿病视网膜病变筛查”的准确率达到90%，理论上几秒就能出结果。但是当理论和现实结合起来的时候，就会出现巨大的反差。2020年，谷歌就此业务与泰国公共卫生部门进行了合作。最终由于检查照片的算法要求极高，准确率远低于预期。此外，从上传照片到出结果所需的时间还取决于当地医院的网络信号是否良好，患者通常需要很长时间才能出结果。显然，AI医疗极度依赖环境、照片像素等外部因素。一旦发生突发事件，将无法发挥其自身的效能。即便是相对成熟的眼底AI算法，也依然无法适应各种情况，更何况是其他发展受限的领域。人工智能医疗的应用存在诸多限制因素。首先，由于基本的地域限制，AI在实际场景中并不普及。从本质上讲，具有高适用性的人工智能基本上是定制化研发。比如儿童骨龄智能辅助诊断软件在诊断方面存在一些问题。本软件以南方地区的高度为标准，不适用于平均高度突出的地方。其次，受技术限制，目前市场上的心血管AI诊疗工具主要集中在影像功能，高门槛的技术难点让很多企业望而却步。与基本处于相对静止状态的视网膜和肺部成像扫描图像相比，心脏和冠状动脉极其复杂的网络结构图像更难捕捉，图像合成和三维重建难度很大。心血管领域的人工智能需要更复杂、更庞大的算法来诊断和预测各种各样的心脏病。最后，AI医疗应用于真实医疗场景时，大量的训练数据是前提，但不能保证数据的准确性和全面性。例如，在美国医学媒体STAT发布的IBM内部文件中，显示Watson系统的训练使用了虚拟患者的虚构数据，推荐的治疗方案是根据MemorialSloan专家的方案凯特林癌症中心；而训练数据不足，在8种癌症中，训练数据量最高的只有635例肺癌，最低的只有106例卵巢癌。不难看出，算法的优化跟不上医疗场景的变化，很多医疗AI在实景操作中无用武之地。然而投入了巨大的人力物力，却没有得到相应的回报，导致资本对AI医疗行业的热情一落千丈，也让这条赛道更加落寞。
