2017年是醫療人工智能的元年，醫療影像企業數量一度達到100余家，據統計全年49起融資案例中有35家是醫療影像；2019年，AI醫療影像行業進入「逆風道」，融資劇減也加速了醫療人工智能企業優勝略汰的過程，企業減幅達50%。
到了2020年，數碼醫療的價值得以認可與爆發，國內醫療AI再次回歸大眾的視野；據數據顯示，2020年國內醫療AI套用市場規模已接近300億元，融資規模方面，2020年醫療AI總計47筆融資，涉及金額約84.8億元，同比增長118%，推動整個行業的發展。
在這短短四年間，醫療人工智能已經歷了從「風起」到「逆風」，再到「熱度回歸」的轉變。
「熱度回歸」後如何勝出？
雖然市場火熱，但未來真正能夠跑出來的醫療AI公司仍在少數：一方面，醫療AI行業前期階段多使用開源數據集，雖然短時間內將產品推出面世，但容易面臨數據質素不高、同質化傾向嚴重等問題，隨著更多、更成熟產品的面世，競爭將越來越激烈；另一方面，目前市場上能真正根據臨床實際需求設計產品的企業還是少數，若只是在某個單一場景裏去套用，這樣的產品局限性大，商業落地也比較困難。
成立於2017年底的「醫準智能」搭上AI醫療的末班車，走了一條「截然不同」的路，在這四年間經歷了從研發到落地及產品不斷叠代再到商業化的過程，受到了各級醫療機構客戶的認可，驗證了截然不同的道路也可以成就賽道中的飛馳人生。
據悉，醫準智能近期完成了2021年度的第二筆融資，距離上一輪融資僅時隔三個月，資本對於醫準智能AI醫療影像商業化前景充滿期待。何以在擁擠的賽道中勝出？如何打破AI醫療影像的界限？為此，虎嗅記者與醫準智能核心研發團隊進行了深入溝通，探究了背後的「秘訣」。
頂尖演算法團隊成就全面、智能的
全棧式AI醫療影像解決方案
醫準智能依托過硬的研發能力和超前的商業化落地能力，在短短三年時間裏將有限的彈藥全部投入到產品創新與商業化能力塑造中，這從其套用場景和技術細節上可窺一斑：
l 從套用場景出發 ，相較於其它AI醫療影像解決方案提供商，醫準智能從多維度入手，突破從篩查檢出到診斷分析的局限性，推動全流程數碼醫療智慧化行程，以乳腺為例，醫準智能基於流程痛點，提供全棧式乳腺智能分析解決方案，實作乳腺掃描、診斷、治療、管理、教學等全流程覆蓋。此外，醫準智能還推出基於CT、MR、DR、乳腺X線、乳腺超聲等多種影像器材的多部位、多場景的AI智能分析解決方案，以符合臨床真實的工作流程及覆蓋更多的套用場景。
l 從研發能力出發 ，醫準智能匯集國內外頂級人工智能相關領域高尖端演算法人才，深耕科研創新與臨床需求，不斷開發出更完善的產品矩陣；例如：醫準智能的胸部CT產品采用半監督學習方法，利用大量弱標註數據提升病竈檢出率，以減少未開發病種對於數據的依賴；乳腺X線產品利用多體位資訊增強病竈檢出準確率等。
也正是因為上述原因，醫準智能的產品已快速進入千余家醫療機構並投入使用，輔助醫生為千萬名患者進行影像分析工作。2020年新冠疫情初期，醫準智能研發團隊僅用306個小時緊急推出「新冠肺炎智能分析系統」，助力全國五十余家醫療機構抗擊疫情，研發實力得到集中體現。
截至目前，醫準智能已經走出了完全區別於友商的創新探索之路，推出全棧式乳腺智能分析解決方案，做到硬件、軟件、醫生的有機結合，最終形成全流程、智能化的數碼診療新模式，全面助力乳癌篩查；並推出「冠脈CTA智能分析系統」加入一站式胸部CT人工智能解決方案，用更全面、高效的解決方案賦能醫生工作流。
AI的深刻價值在於提升臨床的套用體驗
如何打破AI醫療影像的界限？醫準智能圍繞臨床的產品布局是如何思考的？為此虎嗅采訪了醫準智能聯合創始人兼CTO丁佳，就以上兩個問題進入了深入交流。
丁佳表示：對於醫療AI產品，如果只能實作單部位或單病種的AI套用，那麽臨床的套用體驗就不會有很好的提升，尤其是基層醫生的診療能力也不會得到真正而全面的提高。
其實這並不難理解，如果只做針對某個器官的的AI產品，是遠遠不能滿足臨床需要的，不僅是臨床需求，還有未來醫療發展的需求、患者的需求。
例如：一位患者去醫院拍攝胸部CT影像，醫生可以根據影像來判斷胸部全方位的健康狀況。而醫療AI產品如果只能給醫生單一疾病的輔助診斷意見，那將無法滿足患者進行CT檢查後全面了解自己身體狀況的需求，也無法成為適用於所有醫生的好幫手。
因此，醫療AI產品需要比拼：是否可以實作「更大範圍」、」更便捷「、「更準確」的輔助診斷能力。
l 更大範圍 ：以醫準智能胸部CT智能分析解決方案為例，作為醫準智能最早落地的產品，目前，產品已完成多輪叠代，功能愈加豐富，效能更為優異；系統覆蓋肺結節、肺炎、肋骨骨折等胸部九大病種的檢測與分析任務，為助力硬件器材的智能化升級以及臨床輔助診斷有著重大意義。
l 更便捷 ：醫準智能的乳腺超聲智能檢測系統在不改變現有超聲器材和醫院工作流程的基礎上，利用神經網絡對超聲訊號進行即時智能分析，實作即時病竈檢出，對病竈進行自動分割及良惡性分析，將乳腺智能檢測推進到影片即時檢測的AI 3.0時代。
從長遠發展來看，醫準智能將基於自身的技術優勢不斷滿足臨床需求，提供更智能、更全面的人工智能解決方案，並作為生態合作夥伴與GE醫療的合作共同探索數碼醫療生態發展與迴圈，軟硬結合，鑄就篩查之利器。
熱度之下的」黑馬「，如何突圍技術壁壘
以往，行業內熱門的肺結節等領域已經有不少開源數據集能夠幫醫療AI企業短時間內快速做出產品。而實作覆蓋「更大範圍」的產品，則意味著企業不僅需要梳理和建立起各類疾病的精品數據集，同時需要能夠實作多工同步分析的技術能力，這就意味著對AI反復訓練的模型要求更高。
為此，醫準智能對數據標註、影像辨識、演算法模型等多個維度技術進行了深入探索。以胸部CT多病種智能分析系統為例，因涉及到的病種很多，需要對每個病種數據做單獨標註和演算法訓練，因此這需要涉及好幾百萬體量的標註數據，這就需要投入的時間成本很大。
為了解決數據標註問題，醫準智能使用半監督學習方法，利用大量弱標註數據，提升病竈檢出率和模型效果。丁佳指出，「目前待開發的疾病類別還特別多，其中有些病種標註難度很大，便可以用弱標註數據，像支氣管擴張這類非常密集的病竈，醫生如果每個病竈都進行勾畫，工作量很大，這時就可以用‘弱標註’。」
丁佳指出，這只是公司技術壁壘的「冰山一角」。過年三年多的時間裏，公司積累了高配置的人才結構，醫準智能核心技術團隊均出身於國內外頂尖高校和科研機構，曾在PAMI，CVPR、ICCV、MICCAI、NeurIPS等頂級國際會議及雜誌期刊中釋出數十篇論文成果。
說到未來行業走向，丁佳指出，醫療AI技術目前已經滿足了病竈檢出、報告撰寫等需求，並遵循著從單病種產品到多病種解決方案的路徑在發展。他認為，長期來看，AI產品將朝向全棧式、智能化的方向發展，並與硬件融合無縫嵌入醫院的工作流程，更高質素地完成工作；從套用端，未來AI除了影像科，還可以進入更多臨床科室。如今，醫準智能已然朝著這個方向堅定邁進。
