沒有人會質疑AI促進醫療發展的意義。其中，AI醫學影像是醫療領域落地最快的一個方向。
近日，中科院蘇州醫工所聯合麗水市中心醫院、蘇州大學附屬第二醫院研究團隊開展了一項新的研究。研究結果顯示，與醫學影像聯合使用的人工智能系統SE－DenseNet與增強核磁共振圖像結合，可以在無創條件下為病患完成癌癥分級。研究團隊表示，將把該技術應用在其開發的肝癌消融計劃導航系統中，以更準確地輔助制定手術規劃。
資本扎堆，政策支持，放射類影像相對容易獲取數據，國內影像醫生缺口巨大……許多充分必要條件都推動著AI醫學影像向前走。但漫漫長征路，想要真正商業化應用落地，還有諸多攔路石。
看似順風順水，實則推進困難
在醫療診斷中，影像的價值是無可取代的，90％的醫療數據需要醫生通過影像來判斷病理情況、手術方案、用藥風險等。但在臨床應用中，影像解讀高度依賴于醫生經驗，具有較大的主觀性，因此，尋求客觀、有效的評估方法是一個重要的研究方向。使用“醫學影像＋AI”能更全面地獲取病灶信息，降低漏檢概率，具有重要的臨床意義。
AI醫學影像的發展根源在于數據。數據是深度學習算法所需的核心資料。中國醫療的獨特性，迫使人工智能企業必須和醫院深度合作。
在中國的衛生體系中，醫院相對獨立，數據獨握，不同地區的醫院遵循的政策管理又不盡相同，中國的醫療數據的管控政策不清晰。這給AI醫療公司帶來了諸多困難。為了得到醫院的寶貴數據，讓醫生在研發過程中幫助機器學習，讓醫院允許產品進場試用。在實際產品應用過程中得到反饋?？萍脊拘枰馁M大量的人力物力財力去搞定醫院和醫生。
而且，國內現階段缺乏標準化的高質量訓練集，使得各家人工智能企業采用的數據訓練集標準多樣，系統偏差比較大。每家醫院的醫療流程不同，醫療政策差異，公司一般都需要單獨定制產品，這都加大了AI醫療公司的研發壓力和資金壓力。
這也反映在了公司的發展方向上。
目前做AI醫療影像的國內公司，很大一部分都集中在肺結節病種上，因為病例多且普遍，病患反應也相對統一，屬于較容易攻克的方向。但最重要的原因是，肺結節影像數據有公開數據庫，掌握AI算法的公司，都可以拿這個數據庫跑一個模型出來。但在其他病種上，科技公司很難拿到大量數據，對于AI公司來說，只有少量醫院的數據是沒有太大意義的。
產品落地實用性遭質疑
除了在推進過程中的困難和壓力巨大，已經讓一部分科研公司望而卻步。在產品落地應用上，目前來說，AI所取得的成果也還遠遠沒有達到預期，面臨著專業醫生的質疑。
目前AI醫學影像基本是基于單病種圖像標注形成的模型，尚沒有符合臨床使用場景的產品，產品集中于少數幾個病種，難以覆蓋全部醫學影像問題。最重要的是產品實用性，即AI閱片準確率的問題。在臨床過程中，很多創業公司的產品準確率只能達到50％。視覺識別的不準確，產品性能自報與實際檢測數據不符，很難取得醫院和醫生的信任。這也是包括IBM Waston在內的醫療影像行業的普遍問題。
市場蓬勃增長，但賺錢尚早
人工智能醫療行業熱度高漲，影像作為公認的圖像識別技術在醫療領域最直接的應用，掀起了一股創業潮。據不完全統計，目前進入人工智能醫學影像領域的創業公司，已達40多家。除了垂直度高的人工智能醫療公司，互聯網巨頭也接連進場，影響著領域內的格局變化。
第三方市場調研機構Global Market Insights數據顯示，醫療影像和診斷技術將成為2017年－2022年智能醫療領域增速最快的行業，預計到2024年，行業將達到250億美元，增速超40％。
現實卻并不樂觀。即便是龍頭IBM Watson，其Watson for Oncology也還沒有報告具有了盈利能力。
2017年2月，人工智能醫療領域的風向標項目MD安德森與IBM沃森宣布合作終止，這被很多人看作是人工智能在醫療領域的倒退。原因之一是雙方合作的系統IBM沃森支持的臨床決策系統——Oncology Expert Advisor（OEA）并沒有得到臨床應用。
相比Watson，國內一眾人工智能醫學影像公司都還處于疾病篩查的應用階段，即判斷影像中是否存在某類疾病，對于病癥具體癥狀并不具有深度分析能力。比如肺部圖像識別在臨床中可能能協助醫生減少一些工作量，但對醫生的幫助以及應用場景比較小，價值相對是較低的。因此，醫院和醫生并不愿意為此買單。與醫院的合作多是提供產品試用，收不到錢。沒有收入來源和場景，商業模式是不健康的。
但更苦情的是，盈利是AI醫療影像公司還來不及想的問題，考慮“在激烈競爭下活下來”，優先級可能更高。
谷歌、IBM、英特爾等國際巨頭和國內的BAT等科技大廠加緊布局，初創企業如何擺脫“大魚吃小魚”的命運。即使巨頭們不大舉整合市場，創業公司之間的廝殺也相當激烈，誰能在博弈中搶得跑道。
小結：
得益于計算機視覺這種深度學習技術，國內有曠視科技、商湯科技、極鏈科技video＋＋、云從科技等優秀的AI創業公司率先在各個跑道上推動著AI落地。經過多年的發展，AI醫學影像也已經成為AI賦能應用的重點領域。作為最早競爭也最激烈的戰場，AI醫學影像商業化之路還有多遠。
行業的興起與泡沫，是任何一個新技術浪潮的必經之路。人工智能入局醫療，如何突破應用關，還需要等待。