在協和、同濟、301等北京知名的三甲醫院，塞滿了各個人工智能公司的智能設備和系統，不少公司以此來宣傳與大醫院的緊密合作。這是今年三甲醫院的日常工作場景，人工智能繼安防之后，開始在醫療領域掀起創業潮。多家AI醫療公司的創始人向《財經》記者表示，自2017年下半年起，投資人上門的次數明顯變多，他們不愁融不到錢。
2017年AI醫療投資案例60起，數量超過安防，也是所有“AI+行業”（包括金融、教育等）領域中數量最多的，但總融資金額并不高，約為40億元人民幣，是安防領域的一半。多位接受《財經》記者采訪的投資人稱，安防可以短期看到資金回籠，醫療市場成熟還有待時日，目前以早期投資為主。
商湯科技、云從科技、依圖科技等AI獨角獸的賽道布局中，均設置了醫療板塊。以依圖為例，依圖科技在去年5月完成C輪3.8億元的融資，這家公司將此輪募集的絕大部分資金用于醫療板塊的技術、人才和市場培養。
投資人已經瞄準了AI領域的下一個金礦。華創資本合伙人熊偉銘向《財經》記者表示，AI安防的創業格局已經趨于穩定，而AI醫療從美國硅谷開始，新的變化正在發生，投資潛力更大。九合創投創始合伙人王嘯也表示，AI醫療未來想象空間巨大。
看起來，又一個風口正在成型。從2015年開始中美AI醫療影像創業公司顯著增加，但在藥物發現方面，美國遙遙領先。
人工智能在醫療的落地場景主要集中在三個領域——藥物研發、醫療影像與診斷技術以及AI機器人。接受《財經》記者采訪的不少行業人士認為，影像是圖像識別技術在醫療領域最直接的應用，這也是為什么影像主導了這一輪AI醫療的發展。創投數據平臺鯨準的數據顯示，過去五年，AI醫療應用的創業項目共計完成86起融資，其中影像占31％，占比第一。
第三方市場調研機構Global Market Insights數據顯示，盡管藥物發現在智能醫療方面將占據35％以上的最大市場份額，到2024年收入將超過400億美元；但醫療影像和診斷技術將成為2017年－2022年智能醫療領域增速最快的行業，預計到2024年，行業將達到250億美元，增速超40％。
現實卻并不樂觀——這些北京三甲醫院里，雖然塞滿了來自各個人工智能公司的智能設備，但其中真正被臨床使用的，幾乎沒有。這些設備，大多是AI公司免費贈送的。“給300家醫院免費送300套，誰做不到呢？”北大醫療信息技術有限公司數據總監王琦說。
AI獨角獸曠視科技目前還未宣布布局醫療，公司副總裁謝憶楠告訴《財經》記者，在他們看來，“AI醫療領域周期有點長，數據有點貴，場景有點窄”。
這和全球巨頭IBM在中國的窘境類似。全球AI醫療領域的先行者IBM公司在美國和中國均有布局。IBM智能醫療業務在美國市場年收入已達10億美元以上，在中國仍處于投入期。一位接近IBM的核心人士對《財經》記者說，IBM在美國迅速做大AI醫療，核心在于可以迅速通過收購得到數據，但在中國，這不可能。
“如今的智能影像很像前幾年的互聯網醫療，大家一窩蜂進來了，但下一步怎么做是個問題。” 科大訊飛智慧醫療事業部醫療影像產品負責人馬文君在接受媒體采訪時說。
從美國到中國，AI醫療已經開始發力，但仍然面臨多個發展瓶頸。
中美醫療數據玩法不同
2015年1月，陳寬創建AI醫療公司“推想”，與其他創業者大部分時間在辦公室，或是在見投資人不同，創業初期，他幾乎住在醫院。
在中國，醫療行業受政策嚴格管控，而不同地區的醫院遵循的政策管理不盡相同，起步也慢。2015年時，人們還在探討互聯網醫療的可行性。
陳寬幾乎是與醫生一起上下班，一起看診斷報告，一起喝酒，一起抱怨不靠譜的供應商。他認為只有這樣，才能拉近與醫生的距離，理解他們的需求，并普及AI醫療的概念。
創業初期，幾乎所有醫院都將他拒之門外。他用了超過半年的時間，簽下了第一家醫院——四川省人民醫院。他說，“你找的醫院夠多，你被拒絕的次數夠多，自然能找到一家愿意嘗試的。”
陳寬創業的第二年，Fusion Fund管理合伙人張璐在美國投資的一個醫療項目獲得了230％的超額認購。在此之前，這類優質的醫療器械類項目甚至都不容易找到聯合投資方。張璐是最早進入美國醫療人工智能領域少數的投資人之一，她在斯坦福材料科學與工程學院讀研究生時，利用自己在納米級生物傳感器領域的研究，研發了一款專為II型糖尿病人提供早期檢測的醫療儀器。
在美國，與張璐同樣感受到這輪趨勢變化的是波士頓科學的投資總監閆小珅（Kevin Yan）。波士頓科學是美國一家有著50年歷史的老牌醫療科技公司，主要經營醫療器械。閆小珅看到醫療器械的升級帶給醫院的巨大變化，比如微創手術、治理帕金森抖動的醫療器械發展趨勢，同時認為現在人工智能在醫療上的實際應用還有限。
2015年，谷歌、蘋果開始尋求醫療領域的合作伙伴。彼時，閆小珅接到新任務——找到AI技術公司來投資或合作。多次斡旋之后，他的公司成為谷歌的深度合作伙伴，在醫療領域定期舉辦峰會與訓練營，以此吸引AI醫療領域創業公司。除了之前關注的醫療器械領域，他也會從與谷歌合作的醫療訓練營中尋找關于AI醫療的項目。
閆小珅強烈感受到，科技公司與醫療公司的合作在快速升溫。一方面，醫療領域機會大，科技公司進入愿望強烈；另一方面，醫療器械審查十分嚴格，現有產品普遍技術含量不高。醫療公司希望去尋找好的產品，很愿意與科技公司合作。
2016年－2017年，在被稱為人工智能兩極高地的中美兩國，風開始吹了。
至今，陳寬仍然保持這樣的工作模式，但已經把預期合作的醫院名單開到了50家，駐扎在公司的人也從他發展到了公司里80％的員工。
中國創業者與醫生親密接觸的原因是數據獲取渠道多元化，很大一部分掌握在醫院手中，搞定醫院和醫生，也意味著搞定了數據與銷售渠道。在美國，AI醫療創業公司獲取數據的渠道相對規范透明，比如向FDA申請研究數據，或者通過與醫療類公司合作獲取數據，進入市場需要先通過FDA，市場相對規范成熟，因此更多創業團隊把主要精力放在與研究機構合作，以及技術突破上。
王琦告訴《財經》記者，醫療是一個非常特殊又敏感的行業，目前中國大部分的醫院都只有內網，數據嚴格保密，與患者相關的數據絕對不能離開醫院。“一家大型三甲醫院里，駐扎了各個不同公司來的工作人員，太常見了。”她說道。
大多數中國AI醫療創業者像陳寬一樣，發展艱難，即使是比陳寬更熟悉醫療領域的團隊，也不容易。
高榮強是匯醫慧影的銷售總監，加入這家創業公司之前，他曾經是GE醫療部門的高管，從事醫療行業已經十幾年，他和他所領導的銷售團隊中每一個人，都手握醫療資源，但他們仍然遇到很多不愿意合作的醫院。
造成這一局面的核心原因在于，中國的醫療數據的管控政策并不清晰，并且各個省份，甚至各個城市的醫療政策均不相同。
醫療數據的使用，是目前中美AI醫療行業最大的差異。丁曉偉創建的醫療影像公司體素科技（VoxelCloud）橫跨中美，主要做眼科圖像輔助診斷、冠脈計算機斷層掃描、肺癌人工智能分析軟件。根據他的經驗，目前中國的項目申請審批，獲取數據時間較短，但是不確定性多，數據質量參差不齊；而美國審批時間長，但是不確定性少。
在這樣確定的環境下，他們可以通過不同的路徑來實現布局。美國知名孵化器Y Combinator孵化的一家醫療公司，為了能夠拿到做研究的數據，繞開了美國本土，專門找到中東與非洲的醫院拿數據。
長期關注醫療領域的紀源資本執行董事吳曉堯對《財經》記者表示，目前中國的醫療數據體量雖然大，但是數據質量不高，病例文本數據不規范，缺少結構化數據。
如何解決這一難題，關鍵在于政策。“如果國家層面放松對數據的管制，放松對科技公司進入醫療領域的限制，能夠在一定程度上改善這一現狀，”吳曉堯說，“但我目前并不能看到這個趨勢。”
有些時候，恰恰是這樣的模糊和不確定性，給了中國創業者更大的野心。AI醫療初創公司康夫子創始人張超認為，亂世才能出英雄，“中國的醫療政策幾乎天天在變，變化越大，給我們的機會就越多”。
在美國，醫療硬軟件設備進入醫院需要通過FDA（美國食品藥品監督管理局）檢測，通過FDA意味著有更多的訂單與融資，這需要產品有更高的準確率。美國有發達的律師系統，處理醫患糾紛是美國醫院最大的成本，因此沒有通過FDA認證的產品進入醫療系統在出現問題時可能面臨巨額索賠。中國也有CFDA（中國食品藥品監督管理總局）等類似標準，硬件器械類的醫療產品，必須通過CFDA才能進入醫院，但很多軟件與設備還在申請CFDA審批中，產品就已經鋪入醫院。
一位醫療行業人士向《財經》記者透露，目前軟件工具類的AI醫療產品，只要與醫院達成合作，都可以隨時進入醫院。熊偉銘也表示，目前國內的AI醫療產品不少都沒有通過CFDA，“現在正處于公司與醫院聯合開發階段”。
對比中美，美國可能因更加規范的市場管制，讓創業者集中精力在科研領域；對于中國的創業者們來說，產品可以在實際應用中檢驗，搞定醫生和醫院，是關鍵。
市場在升溫，巨頭相繼進入。2016年4月，騰訊等機構以10億元人民幣投資碳云智能；2017年8月，騰訊發布了AI醫學影像產品“騰訊覓影”，利用人工智能醫學影像技術輔助醫生進行早期食管癌篩查；2017年3月，阿里云發布“ET醫療大腦”進入醫療AI領域。
動脈網數據庫顯示，2017年，中國醫療人工智能行業對外公布的融資事件一共有27件， 2017年該領域融資總額超過17億元人民幣。美國也出現了類似的趨勢。第三方調研機構Fusion Fund整理的數據顯示，2015年，美國在醫療領域的風險投資總金額達到75億美元，隨后的2016年基本持平，但在2017年，市場開始變化，僅上半年醫療領域的融資額就達到了50億美元。
如何讓醫院買單？
2017年2月，人工智能醫療領域的風向標項目MD安德森與IBM沃森宣布合作終止，這被很多人看作是人工智能在醫療領域的倒退。原因之一是雙方合作的系統IBM沃森支持的臨床決策系統——Oncology Expert Advisor（OEA）并沒有得到臨床應用。OEA將計劃針對白血病進行試點的項目半途而廢，隨后將目標轉向了肺癌項目。其次，在醫院合作中，財務、流程等溝通障礙，系統不兼容導致數據無法提取都是這次合作失敗的重要原因。
無論中美，即使是IBM沃森這樣的大型項目，在進入醫院時都困難重重。
《財經》記者調查發現，目前做AI醫療影像的公司，很大一部分都集中在肺結節病種上，因為病例多且普遍，病患反應也相對統一，適合機器學習。但還有一個更重要的原因——肺結節影像數據有公開數據庫，懂AI算法的公司，都可以拿這個數據庫跑一個模型出來。
但在除了肺結節之外的其他病種上，外部公司很難拿到大量數據。一名患者，尤其是疑難雜癥患者，治療過程可能會涉及多家醫院，而國內的醫院都是一個數據孤島，如果AI只能獲取到單個醫院的數據，價值并不大。
因此，在中國的AI醫療創業圈中，合作的醫院數量是幾乎每個創業者言必稱的數字，這個數字代表了公司的影響力，而其中，三甲醫院的占比更是代表了對公司技術的認可度。
目前醫療系統的AI都還在建模期，利用AI技術幫助醫生閱片，需要有專業的人員進行數據標記，一旦機器識別出現偏差，還需要醫生自己在機器上進行修正。
如何讓已經忙得焦頭爛額的專業醫生，抽空來幫助機器學習，AI醫療行業的人們使出了渾身解數。“我們會付給醫生一些勞務費。”陳寬表示。但中國的很多專家級醫生并不缺錢，于是，他們想到了另一種途徑。
“中國的這些專家級醫生，他們需要的是科研成果、論文發表，他們要名，不要利。”王琦告訴《財經》記者，“很多創業公司都通過協助醫生做科研項目，來換取他們的時間，最常見的方式就是把公司里的技術人員交給醫生調配。”
陳寬也表示，他們會給醫生的科研項目提供幫助，比如項目資金。如果能夠對醫生的科研項目起到幫助，換來的不僅僅是醫生幫助標記數據，更重要的是醫生還可以幫助公司推廣AI產品。在仍然保持師徒制的醫療體系中，一個知名專家的號召力不言而喻。
這意味著，創業公司需要耗費大量的人力物力財力，王琦給《財經》記者算了一筆賬，搞定一家醫院至少要長期駐守1名－2名工作人員，還要源源不斷的砸錢進去，如果一家初創公司簽了300家醫院，后續成本如何負擔？
而且，醫院并不愿意為此買單。
中國的醫院很難通過外部推薦來購買設備。上海長征醫院心內科主治醫生伍鋒告訴《財經》記者，醫院如果要采購智能化設備，通常的路徑是以科室為單位，主任醫生針對自己科室的情況，提出需求，醫院組織專家組進行審核，審核通過后，再進行采購。也就是說，主導權在主任醫生的手里。
高榮強透露，匯醫慧影2017年的收入在6000萬元人民幣，目前簽約醫院超過800家。如果簡單計算，平均一家醫院的收費為7.5萬元，而每家醫院由于醫療流程不同，區域醫療政策差異，公司都需要單獨定制，這些收入對于需要重金投入的AI技術來說，杯水車薪。
中國的三甲醫院多為政府管控，采購設備的預算有限，對于還無法證實能夠真正幫助醫生工作的AI設備，大部分醫院的態度仍然是——可以嘗試，不愿買單。
美國醫生與醫院的關系完全不同，美國看病的賬單是分開的，一個給醫院，一個給醫生，類似于醫生進駐醫院，美國醫生的收入是中國醫生的幾十倍甚至幾百倍。“醫生太有錢了也不行，顧慮就會比較多。”閆小珅說道。因此，美國醫生最大的顧慮是自己的口碑，加上美國的律師體系高度發達，每年醫生與醫院大量的錢都花在了官司上面，大家在使用新的診療系統時會更謹慎。
但這同時也意味著，美國醫生是現有體系的既得利益者，既不愿意冒風險使用還沒有完全成熟的AI醫療產品，也沒有動力去積極參與這輪AI創新。
擺脫畫餅充饑
從技術上看，美國相對于中國的科研實力更強，市場更加規范。但無論中美，讓AI醫療取代醫生還為時尚早。對這輪醫療影像創業潮前景的看法，取決于一個基本假定——AI到底是取代醫生還是輔助醫生？如果是取代醫生，這將是一個漫長的過程，無論中美前景都不樂觀。若是輔助醫生，則可以幫助醫生減輕工作強度，減少因疲勞出現問題。
中國幾乎每一家三甲醫院每天都會接收來自全國各地數量眾多的病人，一名主治醫生一個工作日，可能接診超過200例病患，工作強度高，甚至出現醫生因勞累而導致各種問題。
發展速度最快的醫療影像也是供給最不平衡的細分領域。“幾乎所有的重大疾病，都離不開影像診斷，醫療影像數據每年增加30％，這還是保守估計，但同時，由于經常會受到射線干擾，影響身體狀況，愿意從事這一崗位的醫生并不多——每年影像科醫生的增長量只有4.1％。”陳寬說道。
影像科醫生的困擾，正是AI可以幫助他們解決的問題。創業公司與巨頭公司正在影像領域迅速擴張，目前推想合作醫院超過50家，并已經與德國、日本、美國等海外醫院展開合作；匯醫慧影合作醫院超過800家；騰訊覓影在去年8月到12月之間，新增合作醫院就超過了100家。
不少醫療行業論壇上，參會醫生從討論一些疑難雜癥，變成開始討論AI發現的病癥。
伍鋒也嘗試過在診斷過程中使用AI閱片，盡管有不少創業公司宣稱AI閱片的準確率已經超過90％，但他在臨床過程中發現，準確率只能達到50％。“太低了，醫療體系能容忍的準確率是95％。”他說道，“而且我只愿意相信自己的眼睛，因為最終的治療結果是我自己負責。”
這種視覺識別的不準確，是包括IBM Watson、體素科技在內的醫療影像行業的普遍問題。閆小珅說：“程序員用幾個月甚至一年做一個產品，一個五六十年從業的老醫生，看過的數據量可能比機器還多，這種時候科技公司的銷售，很難取得醫生的信任去與他們合作。”
在美國，AI醫療正在技術上取得一些重大突破。今年5月，深度學習知名科學家吳恩達在推特上介紹了斯坦福計算機科學系、醫學系和放射學系的最新研究成果，通過MURA肌肉骨骼醫療數據集和一個基礎模型，這個模型可以像放射科醫生根據X光片進行診斷。去年底，他曾經發推稱放射科醫生可能面臨失業危險，因為他們的研究成果可以通過X光片診斷肺炎，實驗結果優于四名專業醫生的平均值。
然而，這兩次論文的發布都引來美國醫生和生物學家的質疑，比如四名專業醫生的診斷是否能代表美國醫生的平均水平，吳恩達是否有夸大科研成果的嫌疑。這些質疑集中在“機器替代醫生”的論斷基礎上，而不是用研究輔助醫生。
不過，吳恩達科研使用的4萬多張圖像來自斯坦福醫院圖像存檔和通信系統，開源數據集正在幫助更多的科研人員進入該領域。
AI醫療公司應當把目光持續擴大。王嘯認為，“目前國內的AI醫療創業扎堆在放射科的輔助診斷，事實上AI在疾病治療、藥物研發、健康管理方面大有作為，微生物和動物市場也前景廣闊。”
在伍鋒的工作經驗中，智能設備和智能技術在大醫院里不是新鮮事，甚至很多技術都已經被頻繁使用。其中使用頻率較多的包括：手術機器人，能夠縮小患者的手術創口，減輕痛苦；膠囊胃鏡，同樣減少患者的痛苦，并且方便醫生治療；3D打印技術，可以應用于骨科，制作一些植入物和假體。甚至還提到了VR技術，讓患者模擬診療過程，也能讓一些年輕醫生積累更多經驗。
這些都能夠完成醫生自己無法做到的工作，AI技術在醫療領域大有作為，也有更多需求等待挖掘，而影像這個細分領域，也許并不需要這么多的玩家。
丁曉偉說，中國每年有30多億次醫療影像掃描，不包括眼科的光學影像和病理影像，目前這個行業才剛剛開始。之后的神經精神行為分析、皮膚數據、健康預防、養老監控設備預測，還有大量的運用場景。
除了這些新創建的計算機視覺應用的醫療影像公司，張璐也投資了一些將機器學習和醫療器械結合的創新企業，硬件部分是數據收集的入口，把數據上傳到云端以后，再通過機器學習進行分析整合，從而可以給出更加個性化的診斷結果和診療方案。
“這輪AI醫療，本質不同是更加個性化。以前的升級是提升效率、提升準確率，人工智能賦予的另一個優勢是個性化診療方案。”張璐已經看到，美國很多藥廠都在做個性化藥物探索。
她在Fusion Fund新發布的報告中指出，美國正在出現新的AI醫療創新中心，如匹茲堡、休斯頓、舊金山、圣地亞哥，重要原因是只有AI或者只有傳統醫療器械的人都是不夠的，需要兩邊人才進行整合。
但這都需要時間的積累。“以目前AI技術的成熟度來看，醫療產業鏈里能切入的范圍還很小，”陳寬說，“從影像開始落地，至少在AI醫療的萬里長征中，邁出了第一步。