編輯導語：通過一張視網膜照片，理論上能夠發現200餘種常見疾病和病變，然而眼底檢測需要較高的閱片技術門檻，所以視網膜影像AI的出現便解決了醫生的許多問題。在醫療AI這一領域中，視網膜影像AI的價值成色幾何？又能否站穩鰲頭？
2015年，《財富》雜誌報道了一組數據，在一場肺癌診斷競賽中，IBM開發的人工智慧程序「沃森」，以90%對50%的準確率大勝人類。
在世界各地，醫療專家普遍是受人尊重的職業，並享有優厚待遇。醫生的學習年限往往較其它專業更長，要隨時學習最新的行業知識。正因如此，我國醫療市場長期處於供不應求的狀態，對於擁有豐富經驗的專科醫生，患者往往一「號」難求。
而人工智慧之所以能在醫學影像領域「媲美」專家，正是依賴「經驗」。
作為AI程序，「沃森」擁有不眠不休的學習能力，相比人類，「沃森」跟進最新病例數據的能力遠遠勝出。在輔助診斷時，「沃森」可以在幾秒鐘之內提煉全球醫學雜誌的關鍵信息，並梳理成診療方案。
而肺癌診斷只是醫療AI大顯身手的冰山一角。以醫學影像AI為代表，隨著相關產品陸續獲批上市，醫療AI商業化的大潮正在興起，其中視網膜影像AI尤為引人注目，已廣泛應用於疾病的輔助診斷及健康管理。
從Google、IBM、百度、騰訊等國內外互聯網巨頭先後入局，到國內初創企業競相賽跑跑出醫療AI第一股，視網膜影像AI這一細分領域的價值成色幾何？在這場國際科技競賽中，誰又將站穩鰲頭？
01 影像AI熱
2016年，AlphaGo在圍棋比賽中擊敗李世石，人工智慧成功出圈，震驚了世界。基於深度學習技術，人工智慧如今已從一個概念，走向了應用爆發，許多服務行業和其相關職業也隨之發生轉變。
醫療被認為是人工智慧最有應用前景的行業之一。醫學中的診斷、治療都高度依賴醫生的經驗，但同時，醫療過程本身產生了大量可標準化的數據，包括門診、住院、影像、手術、臨床癥狀、患者特徵等等。這意味著，相關數據一旦由AI整合，就有加快服務效率的空間。
在醫療AI行業中，醫學影像AI發展速度最快，目前已進入了加速商業化的階段。
在我國，醫學影像醫生面臨較大供應缺口，《智能化醫療健康的應用與未來》一書提供的數據顯示，我國醫學影像數據量每年增長約30%，而放射科醫師年增長率僅為4%，市場需求的擴大與供給不足背景下，醫學影像AI識別的重要性愈發凸顯。
當前，醫學影像AI主要應用於肺部、心血管、眼底、骨骼、頭頸等相關病種的診斷和檢測，2020年以來，國內各個細分賽道下均有2-3款產品陸續獲得國家葯監局批准上市，部分企業在海外也已經形成規模收入。2021年，科亞醫療、鷹瞳科技、數坤科技、推想科技等頭部企業相繼向港交所遞交招股書沖關IPO。最終，專註視網膜影像人工智慧的鷹瞳科技拔得頭籌，成功上市。
視網膜影像AI確實是醫學影像AI中發展最為迅速的細分賽道之一。瞄準這一賽道的，不僅僅有國內初創企業，谷歌、IBM等國際互聯網巨頭早早便已搶灘布局。
2015年，搜索巨頭谷歌通過改組整合了一批非互聯網項目，在新上市公司的架構中，包括醫療子公司Verily和AI子公司DeepMind、Calico，三家公司共同構成了谷歌的AI醫療戰略。谷歌嘗試用AI追蹤、檢測疾病，並全面管理患者的生活方式，其中，用視網膜影像AI檢測眼病和心血管疾病，是谷歌的主攻方向。
信息技術巨頭IBM從2013年開始，就將醫療AI列為人工智慧業務的主攻方向，並為此進行了耗資巨大的收購。從2015年開始，IBM選擇發力用AI技術分析視網膜影像。在IBM的規劃中，AI醫生、癌症篩查等主力項目將極大擴展公司的發展前景。
小小的視網膜，為何能有如此之大的吸引力？國內外巨頭和初創企業爭相入局，視網膜影像AI這塊蛋糕夠分嗎？答案或許還要從它的技術和醫學原理說起。
02 被低估的價值
視網膜，人體眼球後壁部的感光層，也是人體中唯一一個能以非侵入方式觀測血管和神經的部位。血管和神經的性狀變化可以用於多種慢性病的檢測，包括高血壓、糖尿病、ICVD、帕金森氏病及貧血症等等。通過一張視網膜照片，理論上能夠發現的常見疾病和病變就多達200餘種。
但是，眼底檢測需要較高的閱片技術門檻，在我國，能看眼底病的專業眼科醫生有限，僅1000餘名，使得眼底拍照+人工閱片識別疾病的模式難以普及。
對於擁有眼科專家的大三甲醫院來說，視網膜影像AI有效解決了全流程無需專業醫生值守、處理自動化等臨床痛點，減少了醫生的重複性操作；而對於絕大多數缺少眼科專家的醫療機構來說，視網膜影像AI更是能賦予其眼底病及慢性病檢測從無到有的能力。
除了在院內場景的應用，視網膜影像AI在民營體檢、視光中心、保險公司、藥店等院外大健康場景也展現了極大的應用價值，國內頭部企業已有規模布局，在一些場景下開展應用的速度甚至超過了在醫療場景下的應用。
在院外場景下，AI應用扮演了更為重要的角色。首先，視網膜影像AI的應用可以提高B端的綜合服務能力和水平，實現產品升級和服務轉型。例如過去僅從事眼鏡銷售的眼鏡店，可以實現向專業檢查、視光服務場所的轉型。
其次，視網膜影像AI在院外場景的應用，也為傳統診斷在2C場景的應用帶來了嶄新方向。過去需要在大醫院才能做的眼底檢查，如今在家門口的體檢中心、眼鏡店，甚至未來居家也能夠完成，在手機上就能看到AI對自身健康狀況作出的評估。產品的可及和流程的簡便，能有效提高患者的早篩意願，無疑將進一步釋放眼健康管理、慢病防控的壓力。
與此同時，不少地方政府也發現並認可了視網膜影像AI的應用價值。在廈門翔安區，當地衛健局推出了一項「60歲以上老人接種新冠疫苗送體檢篩查」的服務，居民在疫苗接種的觀察間隙接受視網膜影像AI的檢測，前後不到2分鐘，便能拿到篩查結果。此舉不僅提高了老年人疫苗接種率，對於疾病早診早治，降低整體衛生支出也有重要意義。
在我國專業醫師供給數量不足，醫療資源分配不均的基礎國情背景下，視網膜影像AI可以通過無創、高效的方式檢測並持續管理常見慢性病。如若能在疾病早期篩查風險，必將有更多的人從這場技術變革中獲益。
03 誰將站穩新藍海？
國家糖尿病聯盟（IDF）數據顯示，目前我國糖尿病患者人數超1.4億，且這一數據仍在快速增長。檢測需求端正在高速增長，而專業醫師供應不足，這就亟需視網膜影像AI的介入來解決供需矛盾。
基於較大的應用價值和臨床需求，視網膜影像AI的市場前景被不少諮詢機構和投行看好。弗若斯特沙利文數據顯示，中國人工智慧視網膜醫學影像市場預計將自2020年的人民幣0.45億元增至2030年的人民幣340.10億元，年複合增長率高達81.55%。而在大健康場景下，由於市場仍有大量需求未被滿足，預計從2020年到2030年，視網膜AI大健康市場的年度複合增長率將達到90.7%，增速超過醫學影像市場。
這塊數百億的大蛋糕怎麼分？我們來看看目前的競爭格局。
截至目前，美國有Digital Diagnostics和Eyenuk兩家企業的視網膜影像AI產品獲得美國食葯監管局FDA認證；國內自2020年8月鷹瞳科技獲批國家葯監局醫療器械三類證以來，已累計有4家企業拿證。通過公開數據對比，國內企業在產品性能、產品適配性，以及開發演算法的種類等方面已處於領先。
而值得注意的是，早早便入局，且財力與技術儲備均雄厚的國內外互聯網巨頭，至今仍未開發出通過註冊的相關產品。
2021年，谷歌以醫療和谷歌云為主的其它業務虧損額高達53億美元，視網膜AI則仍處於理論狀態，無任何實際產品落地；IBM則於今年1月宣布出售AI醫療業務Watson Health，宣告了醫療布局的徹底失敗。
在整個AI醫療賽道，美國互聯網巨頭無疑擁有先發優勢，和更強的硬體算力，但他們似乎都缺少一點商業化應用的突破能力，不得不「起了個大早，卻趕了個晚集」。
前任IBM研究院首席醫學科學家Martin Kohn曾對外界大倒苦水——高管熱衷於開發「華而不實的東西」，以拉升公司的想象空間，但做出來的東西不符合市場的真實需求。
谷歌的困境與此類似，谷歌視網膜AI系統在泰國的實驗表明，產品的臨床效果與實驗室效果大相徑庭，AI需要高質量的眼底相片，而診所採集的圖像模糊，這使系統拒絕了相關圖像的診斷。
深究起來，醫療AI需要人工智慧的算力，但其本質終究是醫療產品，需要為場景尋找合適的技術，而谷歌和IBM受限於互聯網科技基因，切入醫療AI的始發點，是為技術尋找合適的場景，這是供需雙方匹配矛盾的根本原因。
如果從醫學影像的發展歷程看，臨床痛點始終是技術發展的源動力。從1972年，CT應用於臨床檢測領域開始，利用機器取代人的經驗，安全、無創地判斷患者的健康狀態，就成為醫學領域的集體追求。
美國互聯網巨頭的經驗證明，技術難以跨越醫療需求先行發展，在實驗室中反覆驗證的精確理論，總會在臨床應用中遇到棘手的現實問題。無論谷歌還是IBM，都更傾向於解決醫療AI的「高精尖」問題，寄希望於讓AI深入醫療產業鏈的全流程，畢其功於一役。結果是，IBM的AI醫療助手被醫生吐槽「沒有實用價值」，谷歌的視網膜AI產品只能面向標準的精確樣本，對複雜樣本沒有檢測能力。
反觀國內，幾家初創企業已率先進入商業化階段，並在醫療和大健康場景中積累數據、優化演算法，實現了「彎道超車」。
究其原因，或許是國內初創企業的醫療基因為其彌補了這一缺陷，使得產品在保持技術先進性的同時，能夠最大程度滿足臨床的真實需求。而由於我國的病例基數大，覆蓋範圍廣，產品歷經不同地區、不同民族、不同硬體機型、不同檢測環境等維度的錘鍊，因此也更具臨床應用的優勢，能夠適用於多種應用場景。
隨著國內視網膜影像AI產品進入商業化初期，行業格局將向率先拿證、率先商業化的先發企業傾斜，直至形成規模效應。
一款成功的醫療AI產品，必然經歷產品研發、臨床試驗、註冊審批、商業應用、數據積累、演算法優化等流程，其周期至少長達兩年。這意味著，越是先啟動的玩家，就越是有利於卡位行業生態，對追趕者形成適配性、精確度都更優的產品優勢，及市場規模優勢。
未來，機會必將會優先垂青行業的先行者，但究其根本，誰能比競爭對手更加洞悉市場需求，誰更能解決終端場景的真實問題，誰就能掌握市場的主要份額，佔領這片新藍海。
參考文獻：
[1]王笛，趙靖，金明超，劉婧，熊偉. 人工智慧在醫療領域的應用與思考[J]. 中國醫院管理，2021（6）.
[2]閔棟，王豫，徐岩，方林.AI+醫療健康：智能化醫療健康的應用與未來[M].機械工業出版社，2018（10）.
作者：白芨；編輯：月見