AI醫療影像難破商業化瓶頸，「中科九峰」認為機會在基層

核心提示：

1.為什麼選擇X光作為AI醫療影像布局的切入點？

2.應用場景是什麼？渠道有哪些？效果如何？

3.為什麼選擇基層切入，商業空間有多大？

「在醫療臨床診斷中，單憑影像便可篩查出70%的病人」，一個基本的確診路徑是「X光—CT—病理切片」。作為初篩入口，X光在臨床診療中佔據重大作用：在排除30%的正常人後，對於40%可單獨診斷病種可直接通過X光判斷，包括對骨折、退變的確診，和對肺心病、慢支、肺氣腫、心影增大、胸水、支擴、肺結核等的準確分類（集中在判斷陽性/陰性）；剩下30%則可配合CT、病理等綜合診斷。

因此，DR（X光線拍片機）成為了各大醫療機構的標配，包括鄉鎮衛生院。不過，這些基層機構往往缺乏專業的放射科醫生，拍片不規範、讀片不準等時有發生，成為誤漏診的重災區；加上與上級醫院無法互聯互通，還易導致重複檢測。中科九峰創始人吳文輝認為，AI遠程診斷能幫助解決這一問題。

用「AI」讓基層DR設備發揮最大效用

中科九峰是一家總部位於南昌的AI醫療影像公司，2015年成立，專註於用AI輔助X光片和CT影像遠程讀片，「從而幫助基層醫生讓DR設備發揮最大效用」。

目前可實現的完整服務流程是：由基層醫院發送讀片申請至醫共體影像中心（縣醫院和縣衛計委/疾控中心組成）進行轉診，再將影像同步至雲平台——九峰智慧雲進行AI輔助診斷，經人工複核後，將報告沿原路徑返回至醫院，完成讀片。

一般來說，AI輔助診斷要實現演算法的足夠精確，需拿到足夠多高質量的標註數據。因為大三甲醫院具備病例多、有品牌背書、有專家參與數據標註等優勢，多數AI醫療公司會選擇免費或貼錢進大三甲來訓練演算法，不僅成本高、渠道擴張難，醫生還不一定「買賬」，難突破商業化（賣軟體/設備）瓶頸，探索的方向多在用患者數據反哺醫藥或器械廠商。

吳文輝認為，若能確保標註質量，將渠道下沉不失為一個好辦法。因此，九峰選擇在基層醫院訓練演算法，除了能實現大規模低成本獲客，也能幫基層彌補醫生不足的痛點，實現基層首診。

800家機構+40萬份標註數據

目前，九峰不依賴外部醫生，而是自建了3名教授+3位博士組成的影像團隊進行數據標註，他們分別具有15-27年的醫療影像經驗。據吳文輝透露，截止目前，公司已標註近40萬份相關影像數據。

截至目前，九峰的遠程診斷系統已覆蓋江西、新疆、湖南、湖北、河北、河南、廣西等近10個省份的700多家鄉鎮衛生院、50多家縣醫院。吳文輝表示，一般10分鐘-30分鐘便能遠程生成報告，且準確率比基層醫生高了20%；其AI演算法團隊最近在斯坦福MURA大型放射影像數據集與挑戰賽中獲得了第1名（kappa值為0.775，頂級放射科醫生的數據是0.778），證實「即便在基層也能有高質量的標註數據、訓練出好的演算法」。

至於商業化的部分，吳文輝透露，公司即將落地兩款產品：慧眼工作站和肺結核鷹眼工作站（將AI嵌入DR設備），前者適用於普篩（面向鄉鎮衛生院），後者則針對於肺結核篩查（面向結防所），實現即拍即出報告。

基層AI醫療影像的商業想像力

在醫療影像領域，其實早已是「AI扎堆」：既包括傳統醫療器械公司（GPS）、也有IT巨頭（IBM、BATK等），還有一眾創新企業（依圖、匯醫匯影、圖瑪深維等）。

一個值得思考的點是，九峰通過基層切入沒有「三甲和專家」背書能否建立品牌信任，基層的付費意願有多高，市場有多大；商業化後是否會面臨推廣的難題。吳文輝表示，「鄉鎮衛生院根本不差錢，現有渠道能直接轉化」，在這一圈層形成影響力後也容易向外輻射。

再從市場層面看，目前全國有近4萬家鄉鎮衛生院，每年拍片量約1億人次，算下來會是幾十億元規模的市場。隨著城鎮化和醫保政策的逐步落實，這一數字還會繼續增長。但吳文輝認為，基層AI醫療的想像力遠不止於於此，除了賣設備，所產生的醫療大數據還能探索分級診療個性化服務、幫助葯企提高研發效率、讓保險公司合理定價和有效風控、服務於公共衛生的疫情監測/建立動態資料庫等更廣泛的業態，「圍繞鄉鎮的8億人口，最終能形成一個萬億級的市場」。分級診療的推進也會來催熟這一市場。

最後介紹一下團隊，創始人兼CEO吳文輝，是前西門子醫療東北亞地區總裁，有20餘年醫療行業從業經驗；聯合創始人田捷為中科院分子影像重點實驗室主任；首席醫學官為前南京軍總放射科主任、全軍放射學副主委陳君坤教授；除了上述的標註醫生團隊，公司還有另外20餘人醫生團隊進行AI讀片報告的遠程人工複核，剩下多為技術研發人員。整個團隊目前共70餘人。

九峰目前正啟動A輪融資，計劃融資6000萬元，用於人才引進和擴大市場。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！