在葛亮看來，只有與醫生習慣無縫配合的AI才是好的AI。

2014年以來，AI技術的發展逐步進入垂直細分領域，醫療影像以其標準化程度相對較高而被認為是最早能夠實現AI落地的場景之一。一時間，幾十家創業公司湧入影像AI賽道，其中不乏獨角獸與巨頭互聯網公司。但沒過太久，隨著AI醫療影像工具在各大醫院診療場景中的普及和深入，『不好用』卻是醫院醫生給出的最多反饋。

對此，點內生物科技創始人兼CEO葛亮給出了自己的看法，「在產品設計上，原先有許多公司試圖設計一款工具去替代醫生的部分職能，用簡單粗暴的方式去切入場景，這樣會帶來很多問題。個人認為在設計產品前還是要充分考慮清楚出發點，貼近醫生的需求和工作流程去做，才能夠做出受到醫院和醫生認可的AI醫療工具。」

打開今日頭條，查看更多圖片

圖 | 點內生物科技創始人兼CEO 葛亮

具備最全數據，肺癌是AI醫療最佳切入點

容易發現，在影像AI賽道中，肺癌這一細分領域佔據了非常大的比例。這與疾病本身有著很大的關係。

去年年底，美國癌症學會官方期刊發表了《2018年全球癌症統計數據》報告，內容評估了185個國家中的36種癌症發病率和死亡率。其評估後的結果就顯示，2018年一年全球有大約1810萬癌症新發病例和960萬癌症死亡病例，其中肺癌以11.6%的發病率和18.4%的死亡率高居各類癌症之首。

因極高的發病率，肺癌成為世界範圍內擁有最多案例和數據的一種癌症，其影響之廣泛也使其本身具有重大的研究意義。因此，對於眾多做影像AI的科技公司來說，肺癌常常是第一選擇。點內科技也不例外。

葛亮指出，「在肺癌患者數量上，中國是全球第一大國家，這很不幸。但同時，這些案例構成了大量的數據，從這些數據去做深度學習，技術上我們會比很多國家有優勢。這也就是我們的人工智慧在肺癌或者肺癌篩查上做得比較強的原因。」

因此，在深度學習技術大火沒多久，在肺癌方面的影像AI醫療就發展了起來。

但是如文章一開始所提到的，經過這幾年發展之後，影像AI產品同質化嚴重、實際效果不理想、不好用等反響也成為了這一領域的共識，它們構成了整個市場的現狀。因此，對比其他公司晚兩年進入的點內科技而言，一切尚不算遲，但挑戰也是同樣艱巨。

「人無我有，人有我優」

對於這部分有著五年發展歷史卻難見起色的市場，曾有業內人這麼分析說，影像AI產品難以真正落地使用的原因，其中技術問題的重要性不言自明，但同時也還有責任問題。

不同於AI醫療領域眾多技術類型的公司，從傳統醫藥行業跨足AI與科技公司去競爭的點內科技倒因此顯得有些「特別」。或許一開始葛亮也許沒有意識到，在責任問題這一點上，醫藥出身的點內科技有著先天的優勢。

葛亮解釋說，「在創辦點內科技之前，我在腫瘤藥廠工作，因為曾經從事醫療器械與製藥相關工作，這讓我們對遵守規範有著比較強的意識，這樣也會讓我們的自覺性會更好一些。」

無需學習，在既有道德與律法的約束下，其中涉及到的數據影響等邊界問題，醫藥出身的點內科技似乎會更加小心避開，在這方面它更顯專業。

當然，除此之外，技術仍然是智慧醫療最為關鍵的一點。被問到技術，葛亮亦十分有信心，「技術方面我們還是非常自信的。我們的優勢總結來看，主要就是『人無我有，人有我優』。」

葛亮介紹說，「診斷上，在肺部結節的檢出率、對病人的隨訪和檢出後對良惡性的預判上，我們的工具無論是參數還是性能指標，都是出類拔萃的，這樣就可以幫助醫生提高診斷準確率、效率並節約成本。」

所謂人有我優，在葛亮看來，就是將工具的易用性和用處儘可能發揮出來，顯然點內科技在努力做到這一點。但不僅僅如此，因為有強大的專家團隊，點內科技也將AI技術的效用逐步發揮到了治療方面，以構建自己獨有的技術壁壘，即人無我有。

「在治療方面，我們在去年首發了用影像分析去針對肺癌的腺癌做病理分類。今年，我們還會用影像去做人類表皮生長因子過度表達的病人預測，目前這兩塊的研究成果分別被Cancer Research和CancerMedicine收錄，這個其實是跨組學的，即從影像組學去預測基因組學，這是靠肉眼完全達不到的。此外，我們的AI工具還有一個功能就是用影像分析去對腫瘤葯的治療療效進行評估，據我所知這件事還沒有團隊做成。」葛亮解釋說。

圖 | 點內生物研究成果被Cancer Research收錄

做「叫好又叫座」的AI工具

技術上形成自己的優勢，這遠遠不是點內科技所滿足的。葛亮希望公司研發的AI工具能夠真正為醫生所用，為廣大癌症患者造福。在某種程度上，這也意味著點內科技需要造出經得起市場驗證的產品。

在這一點上，點內科技其實已經有所收穫。「在病理分類、輔助腫瘤科和呼吸內科醫生選擇治療方案等功能上，我們都收穫了比較好的反饋。」

圖 | 點內生物產品 肺常好 優勢

但僅僅如此仍然不行。遍觀整個行業，儘管經過了四年多的發展，影像AI領域內的公司基本仍都處於打磨產品的階段，沒有清晰的商業模式與盈利場景，醫院的付費意願很低。點內科技一開始也不得不面臨這樣的困局。

談到這一點，葛亮深有感觸，「點內科技的發展戰略是將科研與落地場景結合起來，我們希望看到人工智慧能夠有非常好的場景。但現在社會各界對AI醫療是叫好不叫座，即概念很多真正落地應用有人來買單的幾乎沒有。在這一方面，我們希望自己的產品不僅能在場景中應用，還要有人付費。」

但為何「付費」成了很多公司都難以跨越過去的一道坎呢？葛亮分析說，因醫藥領域有很多自己的門檻，產品和醫生場景需求之間很難無縫對接，因此這構成了很大的阻礙。

通過觀察和實踐，葛亮發現，其實醫生的工作量十分之大，需要AI工具輔助的意願也是強烈的，其中的關鍵在於AI工具是否能很好配合醫生工作。

葛亮舉例解釋說，「幫醫生做規劃和統計這項功能就很有賣點。比如我們曾幫助一個醫生小組管理2萬個病人的隨訪，這對他們的誘惑力是很強的，醫生用著也很順手。其實這個問題的關鍵還在於醫生使用AI工具的流暢度是否好。當一個AI工具最大程度得滿足醫生的使用流程時，應當是他需要時能及時喚出，不需要時是看不見的。我們覺得能夠幫助醫生幹活和解決困難的才是好的人工智慧。」

更多優質內容，請持續關注鎂客網~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！