轟轟烈烈的開始，悄無聲息的消失。這是創業的常態，也是不少醫學影像AI公司的真實寫照。

“醫學影像AI是投資相當火熱的領域，該領域公司至少有一百多家。但很多時候，他們設備還在我們醫院，公司卻沒了。“大連大學附屬中山醫院放射科副主任張清直言，“主要就在于很多企業的東西不好用，研發跟不上臨床需求，無人使用，更不用說買單。”

從篩查起步

“以肺部CT圖像為例，一個病人肺部CT圖像少則200幅，多則上千幅。按平均每人500幅，三甲醫院一天100個病人左右，共計5萬幅圖像。如果200個病人，就是10萬幅，醫生要看這么多圖像，視覺易疲勞，漏診的幾率高。”長征醫院影像醫學與核醫學科主任劉士遠對億歐大健康說，“通過對醫療AI產品的使用，對于漏診率的降低和醫生工作效率的提升都有所改善。”

大連大學附屬中山醫院放射科副主任張清也表示，近幾年，通過對AI產品的使用，無論是CT量、體檢人數，還是門診量等一直都在快速增長，每年CT增長量都在18%以上。對于醫院的學科建設、口碑建設和提升醫院的服務滿意度也都帶來積極的影響。

但與此同時，在與眾多醫生交談過程中，他們也提出現在市面上的醫療AI產品還存在不少問題。而其中，許多AI公司的算法僅僅停留在疾病的篩查階段，這一問題導致不少醫生對AI的興趣不高。

在交流中，他們提出了幾個關于使用AI醫療產品的顧慮：篩查之后發現出來的這些病怎么辦？發現出來的這些患者怎么辦？醫院如何更好的服務他們？又如何給醫院提供更完整的醫療流程，讓醫院服務這些患者？在他們看來，醫療有很多的環節，從患者的角度來看，不會純粹因為篩查或診斷而獲得價值，一定是篩查到診斷，需要的話還需隨訪、觀察、手術、愈后，這一系列全鏈條、全周期加在一起的時候，才會給患者帶來價值，給醫院帶來價值，給社會節省成本。

作為醫療AI的從業者，推想科技創始人兼CEO陳寬也深知診療一體化的重要性：“很多主任多少都提到這個問題，醫院里面有不同的科室，但每一個科室所關注的重點都不一樣，如何形成多個科室的協同和合作？如何體現在最終整體的數據上？能夠帶來多少早期肺癌的發現和治療？這些都需要大量的時間去反復磨合以及內部沉淀。”

前不久，推想科技正式發布了“肺癌全周期智慧解決方案”，該方案構建人工智能“防、診、治、管”全生命周期的人工智能輔助診斷及決策系統，包括肺癌的早篩、肺癌的早診以及肺癌規范化的治療。

陳寬感嘆道：“終于可以拿出手了，這是推想科技團隊兩年來的價值沉淀。”

價值醫療AI

醫療全鏈條、全周期的補齊

“事實上，這次也是對原有肺癌智慧解決方案的補全，從最開始篩查，多學科門診，到后續如何治療，以及治療完以后完整的管理。”針對這次發布的“肺癌全周期智慧解決方案”，陳寬表示。

據他介紹，該方案包含一個科研質控平臺、兩個數據中心、三類AI醫療應用系統。“一個科研質控平臺”指方案將通過科研質控平臺，來助力醫生AI科研創新和臨床落地應用，推進人工智能在肺癌篩查、診斷、治療決策、預后等全周期領域應用的快速發展；“兩個數據中心”即通過為醫療機構建設”影像數據庫”和“臨床數據庫”數據中心，來實現數據統一化、標準化管理，提高數據的可用性和安全性；最終，通過三類AI醫療應用平臺提供AI預防、診斷、治療的全周期、規范化的肺癌解決方案。

在正式發布該套方案前，推想科技已經與遼寧錦州醫科大學附屬第三醫院以及山東聊城市第二人民醫院等合作伙伴，共同驗證了“肺癌全周期智慧解決方案”的可行性。

2015年初，山東聊城市第二人民醫院開展肺癌篩查，開設了肺結節影像門診和肺癌多學科門診，為當地肺結節、肺腫瘤、肺癌患者提供咨詢、篩查、診斷、治療一站式醫療服務。

對此，山東省聊城第二人民醫院早期肺癌篩查治療中心的解耀锃主任說：“現在，我們每天能篩查38個人；去年有77個人在我們醫院進行肺癌手術治療。對于我們基層醫院來說，所帶來的無論是經濟效益還是社會效益都是可喜的。”

肺癌智慧解決方案對于醫院的助力，遼寧錦州醫科大學附屬第三醫院副院長劉敬禹也有所感知。“今年不到半年的時間，AI輔助系統一共預測了一萬多例病人，各科醫生都已經熟練使用AI檢測系統， AI產品使用率超過80%。”他表示。

除了對醫院和醫生的價值提升，從政府層面來說，該套方案還得以推動人工智能在醫療事業的發展，可以推動分級診療的落地，降低醫保費用的支出。對于患者而言，可以進行疾病的早期預防、早期診斷，獲得更加精準的診療建議和診療方案。

截至2019年6月，推想科技的執行點已經覆蓋全國30個省市自治區，同時完成了北美、亞太以及歐洲的戰略布局，覆蓋全球8個國家。此外，推想科技每日輔助醫生完成超40000例臨床診斷工作，通過推想科技AI服務器總病例數已經突破700萬。

人工智能

“大病不出縣”開始發力？

與前些年紛紛宣稱落地頂級醫院不同，這次“肺癌全周期智慧解決方案”更多落地到了基層醫院。

“用AI把醫療每個環節補齊，如果能夠做到基層醫院，就可以做到大病不出縣。”陳寬表示，“過去幾年，我們的落地重點放在三甲醫院和國際醫院等醫療機構，但那并不是我們的最終目標。我們最終希望的是借助醫療AI產品，推動分級診療，實現肺癌診治同質化。”

事實上，醫療AI的落地本身也應該經歷這樣一個過程。早期，企業通過頂級醫院的數據和技能訓練人工智能產品，但最終的目的大都意在落地偏遠的基層醫院，提升它們醫生的診療水平，因為這些地方才是醫療資源矛盾最典型和最突出的地方。

對于基層醫院而言，也希望技術“過硬”的人工智能產品加速落地。清河縣人民醫院副院長王志軍就表示：“如果能把篩查出來的肺結節高危患者都留在我們醫院治療。不僅讓患者免于奔波轉診，而且對于醫院的口碑、影響力和收入都會有大幅的提高。但前提是AI產品的有效性。”

在陳寬看來，落地基層的時機已經成熟。一方面，醫療AI本身技術的不斷迭代；另一方面，隨著5G疊加進入醫療AI領域，人工智能會成為中國分級診療政策當中的一個核心技術推手，促進優質醫療資源進一步下沉。接下來，推想科技也會將絕大部分戰斗力放在基層。

從頂級醫院到基層醫療，人工智能在醫療資源不均的大環境下逐漸將自身“魅力”最大化。而對于企業來說，活下去并活得更好才是關鍵。對此，陳寬堅信的一點是，只需將技術做到極致，解決核心醫療問題，商業化便是水到渠成的一件事。