BAT 們與各路資本齊齊砸下血本，對這個(gè) AI 技術(shù)當(dāng)下最熱門的垂直場景之一發(fā)起了多輪攻勢。AI 與醫(yī)療的雙高門檻，是區(qū)別于兩年前移動(dòng)醫(yī)療熱潮的最重要因素之一。但是，將上一輪移動(dòng)醫(yī)療熱情徹底澆滅的那些教訓(xùn)，卻仍然值得此輪醫(yī)療創(chuàng)業(yè)者借鑒。
當(dāng)下，移動(dòng)醫(yī)療從 2015 年下旬開始經(jīng)歷的那一場突然而又漫長的寒冬，已基本無人談起。
“那是 2015 年吧，移動(dòng)醫(yī)療就已經(jīng)死了一批了，有些融完 A 輪就不行了。后來慢慢的，相比移動(dòng)醫(yī)療，大家就開始更多地用“數(shù)字醫(yī)療”這個(gè)詞了。”這是一位從 2014 年就開始深入調(diào)查分析醫(yī)療創(chuàng)業(yè)項(xiàng)目的分析師給到我們的碎片式回憶。
實(shí)際上，早在 2016 年 10 月，動(dòng)脈網(wǎng)根據(jù)深入調(diào)查而出具的一份名為《互聯(lián)網(wǎng)醫(yī)療生存報(bào)告：38 家企業(yè)為什么死去？》的醫(yī)療創(chuàng)業(yè)項(xiàng)目倒閉白名單，曾轟動(dòng)一時(shí)。
其中，技術(shù)含量不高導(dǎo)致的創(chuàng)業(yè)同質(zhì)化，對醫(yī)療工作流程特殊性的錯(cuò)誤理解，監(jiān)管層面的約束，對市場的忽視，以及過高的估值與資本介入，都是那時(shí)候醫(yī)療創(chuàng)業(yè)者用血與淚換來的教訓(xùn)。
2016 年中旬左右，幾乎像是一場足球比賽上下場的轉(zhuǎn)換，AI+醫(yī)療強(qiáng)勢崛起。這個(gè)難得讓 BAT 與資本們共同找到興奮點(diǎn)的醫(yī)療新賽道，在過去不到 2 年的時(shí)間里，孕育出超過 100 家以醫(yī)療為重點(diǎn)的 AI 創(chuàng)業(yè)公司。
如果再快進(jìn)到 2017 年，你會(huì)發(fā)現(xiàn)在過去的 9 個(gè)月中，國內(nèi)外以醫(yī)療為重點(diǎn)的 AI 創(chuàng)業(yè)公司獲得融資的頻率幾乎可以媲美曾紅極一時(shí)的“共享充電寶”。其中，“醫(yī)療影像自動(dòng)化診斷”算是一個(gè)近期各家“齊頭并入”的熱門應(yīng)用場景。
當(dāng)然，與曾經(jīng)同質(zhì)化嚴(yán)重的移動(dòng)醫(yī)療相比，極高的 AI 門檻加上極高的醫(yī)療門檻，讓進(jìn)入 AI 醫(yī)療界的一眾創(chuàng)始人們一開始就似乎有了“睥睨天下”的資本。
業(yè)內(nèi)人士，算法專家，海歸博士……與其他 AI 創(chuàng)業(yè)公司并無太多差異，技術(shù)與研發(fā)當(dāng)仁不讓成為公司宣傳的核心；而資本方也難得進(jìn)入“高僧打坐”模式，只是“期待”，閉口不談商業(yè)模式與盈利要求。
那么，一個(gè)如此早期的領(lǐng)域，只有拼技術(shù)就夠了？移動(dòng)醫(yī)療曾經(jīng)經(jīng)歷的那一場暴風(fēng)雪，是否也有相似的教訓(xùn)值得當(dāng)下借鑒？
VoxelCloud（體素科技），算是最近一頭扎入這個(gè)領(lǐng)域的 AI 創(chuàng)業(yè)公司中比較露鋒芒的一個(gè)。2016年才成立，就在2017年5月獲得紅杉領(lǐng)投的千萬級融資；僅隔3個(gè)月，又在今天得到騰訊的超億元人民幣 A+輪投資。很顯然，這個(gè)數(shù)額與融資頻率應(yīng)該會(huì)讓當(dāng)下一眾同類型的創(chuàng)業(yè)公司十分眼紅。
當(dāng)然，盡管騰訊有自己醫(yī)療布局的考慮在內(nèi)（剛剛推出一款醫(yī)療影像產(chǎn)品“覓影”），但對于選投 VoxelCloud 的理由，騰訊與紅杉的“口徑”較為一致：
“他們之前就有了明確的產(chǎn)品，以后還會(huì)有更多創(chuàng)新性應(yīng)用”。
VoxelCloud 的創(chuàng)始人丁曉偉很爽快地接受了我們的專訪，而且并不避諱一些敏感問題。不過，自始至終，對于 AI 醫(yī)療，他的態(tài)度是謙卑且謹(jǐn)慎的，甚至承認(rèn)“現(xiàn)在的技術(shù)和硬件并不天然滿足醫(yī)療應(yīng)用級產(chǎn)品的研發(fā)，需要通過大量另辟蹊徑實(shí)現(xiàn)”。
“我們有技術(shù)，有很強(qiáng)的人，但是我們也必須考慮商業(yè)模式，也需要正確面對那些市面上的 AI 醫(yī)療診斷系統(tǒng)曾經(jīng)犯過的錯(cuò)誤。”
只談學(xué)術(shù)，不談應(yīng)用，這不靠譜
“借助先進(jìn)的人工智能技術(shù)，系統(tǒng)在短時(shí)間內(nèi)處理海量數(shù)據(jù)，并對病人做出愈加準(zhǔn)確的診斷。”這是 IBM 旗下的 AI 診療系統(tǒng) Watson 曾做出的承諾。
然而，在 IBM 將 Watson 推向全世界的 6 年里，這個(gè) AI 醫(yī)療領(lǐng)域最負(fù)盛名的產(chǎn)品，卻遭到了無數(shù)醫(yī)生的質(zhì)疑與媒體的嘲諷。
可靠的技術(shù)，高質(zhì)量的數(shù)據(jù)，醫(yī)生的配合。事實(shí)上，這些在研發(fā)人員中最為看重的幾個(gè)因素，一旦“合體”落實(shí)到臨床實(shí)驗(yàn)中，就會(huì)遇見各種各樣的麻煩。這就像一個(gè)僅有完整的身體與四肢，卻沒有關(guān)節(jié)與潤滑劑的機(jī)器人，只能是一個(gè)無法動(dòng)彈的殘次品。
譬如，在實(shí)際工作中，Watson 合作醫(yī)院的醫(yī)生們真的會(huì)主動(dòng)用它來處理病患信息嗎？醫(yī)生輸入數(shù)據(jù)過程中是否會(huì)遇到各種問題？給出的診斷結(jié)果是否會(huì)參考不同國別、人種的差異？
作為加州大學(xué)洛杉磯分校的計(jì)算機(jī)視覺博士，VoxelCloud 的創(chuàng)始人丁曉偉并沒有否認(rèn)研發(fā)與應(yīng)用之間橫亙著巨大的鴻溝。那些在實(shí)驗(yàn)室中熠熠閃光，讓人十分興奮的技術(shù)與樣品，其實(shí)很容易“見光死”。
這也是他為何通常在產(chǎn)品研發(fā)過程中，選擇與醫(yī)生們一待就是 6 個(gè)月的原因：
“我雖然學(xué)的是計(jì)算機(jī)視覺這一學(xué)科，但是我家人都是醫(yī)生，我基本從小就長在中國的醫(yī)院里。哪個(gè)科室做什么，到底怎樣運(yùn)轉(zhuǎn)，我都見過。我覺得，做醫(yī)療產(chǎn)品必須走到醫(yī)院里，去觀察醫(yī)生的每一步到底是怎么做的。
譬如我們在研發(fā)無創(chuàng)肺癌篩查診斷系統(tǒng)的時(shí)候，就跟醫(yī)生長時(shí)間一起工作，大概要相處半年吧，天天在一起討論。這不是說我們一定要掌握哪一種病癥，而是要去了解這個(gè)病的知識(shí)難點(diǎn)，看看醫(yī)生處理的時(shí)候會(huì)有哪些問題。然后我們再獨(dú)立去分析一個(gè)病種的時(shí)候，再去考慮怎么與深度學(xué)習(xí)技術(shù)融合。
另外在臨床實(shí)驗(yàn)過程中，對某一項(xiàng)任務(wù)的安全編制，醫(yī)生的需求是什么，這里面的容錯(cuò)空間有多大，做成什么樣子是最能為他們解決問題的，這些都是非常細(xì)節(jié)的問題。
你不走進(jìn)醫(yī)院，你絕對不知道有哪些很棘手的問題。
但是，即便與醫(yī)院進(jìn)行長時(shí)間無縫隙合作，也不能保證機(jī)器給出的治療方案給出的一定是精準(zhǔn)的，或者是被醫(yī)生認(rèn)同的解決方案。這就像歐洲一些曾對 Watson 系統(tǒng)多有抱怨的醫(yī)生透露，Watson 給出的建議帶有針對美國患者與美國醫(yī)院治療方案的傾向。
對于這個(gè)疑問，丁曉偉首先提出了一個(gè)大部分人對人工智能醫(yī)療應(yīng)用的理解誤區(qū)：機(jī)器診斷報(bào)告一定需要與某個(gè)醫(yī)生的主觀印象高度匹配。
他認(rèn)為，與醫(yī)生主觀印象做比對是一種錯(cuò)誤的認(rèn)知，機(jī)器診斷結(jié)果，應(yīng)該在有條件的情況下，去對比該疾病的金標(biāo)準(zhǔn)檢查結(jié)果（Gold Standard）。
“早期疾病的篩查在絕大多數(shù)狀況下，不確定性是不可避免的。而且醫(yī)生也知道，在初步篩查結(jié)果下得到的只是初步意見，不能作為金標(biāo)準(zhǔn)來下定論。我們能夠保證的，是基于數(shù)據(jù)信息量，讓病癥在某一階段的診斷準(zhǔn)確率無限接近金標(biāo)準(zhǔn)。
當(dāng)然，如果出現(xiàn)某一特殊病癥沒有現(xiàn)有的金標(biāo)準(zhǔn)可以參考，也同時(shí)為了保證診斷結(jié)果的客觀性，我們會(huì)請權(quán)威醫(yī)療專家，把他們分成 4~5 組，分別獨(dú)立去做一批數(shù)據(jù)診斷，對數(shù)據(jù)做質(zhì)控標(biāo)記。
這就相當(dāng)于，把我們的系統(tǒng)作為第 6 組醫(yī)生，它與每一組醫(yī)生的差異率要維持在這幾組醫(yī)生之間差異率之內(nèi)。
實(shí)際上，一些市場中現(xiàn)有計(jì)算機(jī)輔助診斷系統(tǒng)出現(xiàn)的問題，在某種程度上也被丁曉偉認(rèn)為是 AI 醫(yī)療產(chǎn)品之間存在的目標(biāo)性差異。
譬如，有些公司可能只做圖像診斷，給出一個(gè)輔助性的診斷結(jié)果，而有些產(chǎn)品是既給出診斷結(jié)果，也會(huì)改進(jìn)醫(yī)生的工作流程，把醫(yī)生寫報(bào)告、做隨訪的時(shí)間也給一同安排了。“大概我們的產(chǎn)品在人性化方面會(huì)要求的更高一些”，丁曉偉說得比較委婉。
“你看市面上的大部分的診斷應(yīng)用，可能都是機(jī)械地去做特定疾病檢測與判斷。這起到的是查缺補(bǔ)漏的作用，因?yàn)槲覀冿@然不可能完全相信算法。
但我想讓自己的系統(tǒng)多一點(diǎn)特性，就是能給予醫(yī)生一種信任感，讓人不會(huì)覺得那么生硬。你看，就像完成一個(gè)機(jī)械動(dòng)作，人與機(jī)器都能完成，但是過程與感覺是不一樣的。
作為醫(yī)生，除了給出一個(gè)診斷，他還具備『處理不確定性的能力』。他知道哪些是不確定的，會(huì)去找上級醫(yī)生尋求幫助，會(huì)去尋求更進(jìn)一步的但代價(jià)更大的醫(yī)學(xué)檢查。
舉個(gè)例子，某一種病的治療方案如果沒有特別有說服力的信息量，醫(yī)生的選擇總是通過各種各樣的方式去驗(yàn)證，譬如不斷地去隨訪，或者尋求外部援助。而這些機(jī)制機(jī)器都是通通忽略的，妄圖在一次檢查中給出最好的答案。”
換句話說，在他的認(rèn)知中，一件成功的醫(yī)療診斷產(chǎn)品，不僅會(huì)“學(xué)習(xí)海量的數(shù)據(jù)”，還要對診斷過程有一個(gè)深度理解。把醫(yī)生寫報(bào)告，向上級尋求幫助，二次審核等梯級任務(wù)都學(xué)到手，具備像人類一樣的“處理不確定性的能力”。
某種程度上，這個(gè)設(shè)想與 Google Deepmind 團(tuán)隊(duì)一邊做糖網(wǎng)病篩查診斷系統(tǒng)，一邊研發(fā)醫(yī)務(wù)支持與任務(wù)管理系統(tǒng)的“兩手抓”計(jì)劃有共通之處。
“所以，我們想優(yōu)化的是整個(gè)看病流程，而非僅僅提高一個(gè)診斷結(jié)果的準(zhǔn)確率。這不是一個(gè)單純拼技術(shù)水平高低的問題，而是誰能在現(xiàn)實(shí)診療過程中更有風(fēng)險(xiǎn)控制的能力。”
但是，無論通過什么手段來保證診斷的準(zhǔn)確率與提升醫(yī)生的滿意度，丁曉偉也承認(rèn)一定需要考慮地域之間的差異。這也是 VoxelCloud 在美國與中國分別設(shè)立研發(fā)中心，與美中兩國醫(yī)療機(jī)構(gòu)同時(shí)進(jìn)行項(xiàng)目試驗(yàn)的根本原因：
“我們的研發(fā)中心是洛杉磯，跟梅奧醫(yī)學(xué)中心，UCLA 醫(yī)學(xué)中心的關(guān)系也非常好，項(xiàng)目都是一起合作的。在國內(nèi)，雖然合作醫(yī)院需要取得授權(quán)才可以透露名字，但已經(jīng)有 100 多家了，都是北京和上海的三甲醫(yī)院。
這樣做的理由，不只是因?yàn)椴』嫉臄?shù)據(jù)會(huì)有地域差異。國內(nèi)外的診療流程也很不一樣，兩者都是相輔相成的，而且兩地的研發(fā)結(jié)果也能做到互補(bǔ)，我們必須同時(shí)考慮到。
VoxelCloud與交大洽談醫(yī)療影像合作
數(shù)據(jù)是否是核心競爭力？
好算法雖然是價(jià)值千金，但是好數(shù)據(jù)卻更是“千金難買”。
風(fēng)投機(jī)構(gòu) 8VC 的 CEO Joe Lonsdale 曾在今年在斯坦福舉行的 Light Forum 會(huì)議上稱：“做醫(yī)療診斷一開始遇到的挑戰(zhàn)就在于搜集與創(chuàng)建數(shù)據(jù)”。
而美國癌癥中心 MD Anderson 的一位負(fù)責(zé)人也認(rèn)為，只有在擁有上萬患者數(shù)據(jù)的前提下，才能初步找到針對性治療模式：
“從各種患者數(shù)據(jù)中找到不同的特征很關(guān)鍵，這對針對性治療與精確用藥非常有幫助。但是如果不能擴(kuò)大現(xiàn)有數(shù)據(jù)集，上述愿景是無法實(shí)現(xiàn)的。你可能只有 1 萬個(gè)肺癌患者數(shù)據(jù)，但其實(shí)這個(gè)數(shù)字并沒有很大。”
此外，一位專注于醫(yī)療創(chuàng)業(yè)項(xiàng)目的分析師告訴機(jī)器之能：“現(xiàn)在 AI 醫(yī)療初創(chuàng)項(xiàng)目之間的競爭核心，就在于誰能拿到更多的數(shù)據(jù)。”
很簡單，醫(yī)療數(shù)據(jù)之于醫(yī)療診斷的重要性，就像道路測試之于無人駕駛汽車。你只有不斷地讓汽車去實(shí)地訓(xùn)練，不斷地收集與“咀嚼”道路數(shù)據(jù)，才能繪制出更高精的地圖，逼近更高的安全數(shù)值。
同理，人體的復(fù)雜性更是不必多說。這也是為何 IBM 的數(shù)據(jù)工程師與醫(yī)生們耗費(fèi)了六年之久，才僅僅讓 Watson 學(xué)習(xí)了 7 種癌癥；而科技巨頭與這個(gè)領(lǐng)域內(nèi)所有創(chuàng)業(yè)公司也只能從單一的或者兩三種疾病入手來進(jìn)行摸索學(xué)習(xí)。
丁曉偉也認(rèn)同這個(gè)觀點(diǎn)。他認(rèn)為，目前這個(gè)市場，大多數(shù)公司都在做肺癌、糖網(wǎng)病的 AI 醫(yī)療診斷，一方面是因?yàn)檫@些病種發(fā)病率非常高，影響范圍非常廣，且難以攻克，所以研究價(jià)值非常大。
而另一方面，其實(shí)是因?yàn)檫@些病的數(shù)據(jù)比較容易能拿到，包括網(wǎng)絡(luò)等很多途徑都是能搜集到很多案例的。
“這些可能是起點(diǎn)與上手都相對其他病癥來說更容易一些（不是說本身容易）的項(xiàng)目，所以大家都從這幾個(gè)病種入手。”
目前大多數(shù)AI醫(yī)療公司研究最多的4種病癥：肺癌、糖網(wǎng)病、冠心病、肝病
根據(jù)知名醫(yī)療媒體 mobihealthnews 的一份調(diào)查，在醫(yī)療領(lǐng)域，數(shù)據(jù)的收集形式其實(shí)很豐富，包含臨床實(shí)驗(yàn)、醫(yī)生報(bào)告、醫(yī)學(xué)圖像、傳感器和生物樣本等多種獲取途徑。
然而，如何獲取優(yōu)質(zhì)數(shù)據(jù)，特別是“干凈”的患者數(shù)據(jù)，對于所有該領(lǐng)域的公司來說，是更為至關(guān)重要的。
“不管是研究項(xiàng)目、還是產(chǎn)品項(xiàng)目，模型的能力是不可能超出收集數(shù)據(jù)的質(zhì)量。目前對于癌癥來講，可能最有效的做法就是取得病人的手術(shù)活檢，或者穿透活檢的病例結(jié)果，然后把這個(gè)結(jié)果作為金標(biāo)準(zhǔn)用于目前的訓(xùn)練。
但問題在于，在一家醫(yī)院里，有活檢病人的數(shù)量是遠(yuǎn)少于沒有活檢病人數(shù)量的。”丁曉偉這樣解釋高質(zhì)量數(shù)據(jù)的重要性。
換句話說，要保證有持續(xù)的高質(zhì)量數(shù)據(jù)的輸入，公司只能盡可能多得通過與醫(yī)院及其他醫(yī)療機(jī)構(gòu)的合作來獲得。因此，如何“拿下”醫(yī)院的合作項(xiàng)目，也是鑒別 AI 醫(yī)療創(chuàng)業(yè)公司生存能力的一個(gè)重要衡量標(biāo)準(zhǔn)。
雖然丁曉偉并沒有過多透露 VoxelCloud 與國外包括美國 NIH（美國國立衛(wèi)生研究院）、梅奧醫(yī)學(xué)中心等頂尖醫(yī)療機(jī)構(gòu)的合作條約內(nèi)容。但很顯然，其導(dǎo)師 Demetri Terzopoulos 在全球醫(yī)療界的赫赫聲望，為 VoxelCloud 鋪開了一張巨大的關(guān)系網(wǎng)：
“我們算是師徒創(chuàng)業(yè)吧，我的博士生導(dǎo)師 Demetri 是英國皇家科學(xué)院院士和加拿大科學(xué)院院士，在業(yè)界的地位非常高。
當(dāng)然，IEEE Fellow、ACM Fellow 等頭銜，奧斯卡技術(shù)成就獎(jiǎng)，德國亥姆霍茲獎(jiǎng)等一大堆獎(jiǎng)項(xiàng)就不用說了，其實(shí)他被肯定的最重要的一點(diǎn)，是對醫(yī)療應(yīng)用層的貢獻(xiàn)。譬如他參與研發(fā)的圖像分割算法，就被廣泛應(yīng)用于醫(yī)療成像技術(shù)中。”
這種略顯豪華的技術(shù)背景優(yōu)勢，是否能夠讓開發(fā)者在面對成百上千萬的數(shù)據(jù)時(shí)，更能對它們進(jìn)行游刃有余地處理？ 根據(jù)丁曉偉給出的一份案例顯示，他們正在基于一份包含 250 多萬病例的數(shù)據(jù)集上做出眼底各種疾病分析模型，診斷結(jié)果已經(jīng)能夠達(dá)到專業(yè)醫(yī)生水平的準(zhǔn)確率。
然而，他們需要面對的挑戰(zhàn)依舊很大。
MIT（麻省理工科技評論）曾在批評包括 Watson 在內(nèi)的諸多醫(yī)療診斷系統(tǒng)“不作為”時(shí)，把矛頭指向“數(shù)據(jù)處理的難度”而非“數(shù)據(jù)的量級”，這同樣也是所有 AI 醫(yī)療公司都有的短板：
“很多時(shí)候，診斷結(jié)果不夠好并不是公司本身的原因，而是由于數(shù)據(jù)的復(fù)雜性與相對不可用性。因此，這需要 AI 系統(tǒng)基于數(shù)據(jù)調(diào)整參數(shù)，以達(dá)到最佳擬合效果。對于相對容易的任務(wù)，比如檢測惡性腫瘤 X 射線，效果可能很好；但在很多關(guān)系復(fù)雜的病況下，就很難實(shí)現(xiàn)。”
而加州大學(xué)伯克利分校公共衛(wèi)生學(xué)院的生物統(tǒng)計(jì)學(xué)教授 Maya Peterson 也持有同樣的觀點(diǎn)，她在今年 7 月的一次醫(yī)療會(huì)議上指出：
“人體的數(shù)據(jù)真的太過復(fù)雜，而我們還沒有完全理解他們之間的聯(lián)系。在探索更加復(fù)雜的病癥中，機(jī)器學(xué)習(xí)在某種程度上野心過大，這也不是一件好事。”
這不是一個(gè)當(dāng)下能談?dòng)氖袌?/strong>
對于 AI 醫(yī)療創(chuàng)業(yè)公司來說，還有另一個(gè)很嚴(yán)酷的事實(shí)：數(shù)據(jù)的量級是與其價(jià)格成正比的。與此同時(shí)，還有優(yōu)質(zhì)算法與優(yōu)秀技術(shù)團(tuán)隊(duì)的高昂成本。
換句話說，在進(jìn)入這個(gè)市場前，所有人都應(yīng)該意識(shí)到這是一個(gè)“資本無底洞”。
2015 年 8 月，IBM 耗費(fèi) 10 億美元收購了醫(yī)學(xué)成像及臨床系統(tǒng)供應(yīng)商 Merge Healthcare，垂涎的就是后者手中積累的海量數(shù)據(jù)。
2016 年 2 月，IBM 又甩出 26 億美元欲拿下醫(yī)療保健數(shù)據(jù)與分析服務(wù)提供商 Truven Health Analytics，為的就是后者掌握的 8500 家客戶與 3 億病患數(shù)據(jù)。
這兩個(gè)舉動(dòng)也被 MIT 看作是“IBM Watson 即便再被世人討厭，也仍然有其競爭優(yōu)勢”的關(guān)鍵證據(jù)。
而另一個(gè)殘酷的反面案例是，作為 Watson 的第一批合作伙伴，曾希望借助 Watson AI 診療技術(shù)來構(gòu)建獨(dú)立腫瘤專家建議系統(tǒng)的安德森癌癥中心 MD Anderson，在耗盡 6000 萬美元后，宣告項(xiàng)目失敗。
此外，與龐大投入相對應(yīng)的，是商業(yè)模式仍然在尋找，盈利更是不可能談起的早期探索狀態(tài)。
丁曉偉向機(jī)器之能透露，VoxelCloud 目前已經(jīng)推出了成熟的產(chǎn)品，但在當(dāng)下所有簽訂的合同中，與公立醫(yī)院的項(xiàng)目肯定是非盈利的合作形式，而私立機(jī)構(gòu)用他們的系統(tǒng)則是要收錢的。
“現(xiàn)在大家都處于早期，研發(fā)與搜集更多的數(shù)據(jù)是最重要的事情。雖然我們已經(jīng)有了不少成熟的產(chǎn)品線，但是這個(gè)領(lǐng)域真的太新了，我們必須懷著謹(jǐn)慎和敬畏的心，持續(xù)往前去推進(jìn)。
公司在不同的發(fā)展階段，肯定會(huì)有不同的商業(yè)模式，但是作為一個(gè)從業(yè)者，我認(rèn)為現(xiàn)在的主要矛盾不是賺錢，而是把賺錢的前一步走好，先把這個(gè)事做成了再說。
說實(shí)話，現(xiàn)在 AI 醫(yī)療領(lǐng)域的技術(shù)需要很多非常規(guī)的技術(shù)變通才能達(dá)到應(yīng)用級的要求。”
而從肯定不愿意做虧本買賣的投資人角度來看，這些“禿鷲”目前能做的，也是給予這個(gè)領(lǐng)域的創(chuàng)業(yè)者一些更多的時(shí)間，讓自己再多盤旋幾圈。
今年 8 月，VoxelCloud 本輪的投資方騰訊，曾推出了自家的醫(yī)療影像產(chǎn)品“覓影”，當(dāng)時(shí)在發(fā)布會(huì)上，公司的互聯(lián)網(wǎng)+醫(yī)療部門負(fù)責(zé)人常佳就曾針對騰訊的醫(yī)療布局表示：
“我們認(rèn)為 AI 在所有領(lǐng)域的應(yīng)用還處于早期階段，長遠(yuǎn)看才會(huì)有更大的空間。因此，現(xiàn)階段我們還不考慮商業(yè)化的事情。”
而丁曉偉也向機(jī)器之能透露，其上一輪領(lǐng)投方紅杉資本對 VoxelCloud 并沒有盈利方面的短期要求。
“紅杉本來就是長線投資方，他們非?？粗剡@個(gè)領(lǐng)域。而且在我看來，投資人會(huì)比較看你已經(jīng)有了什么，只談潛力是不夠的。我們有了比較成熟的應(yīng)用和產(chǎn)品，而且部分產(chǎn)品線已經(jīng)拿到了美國 FDA（食品及藥物管理局）與歐洲 CE 的許可；而國內(nèi) CFDA 也快要拿到了。”
但是，對于永遠(yuǎn)最看重回報(bào)的投資方來說，這類公司無論如何都是要最終接受市場考驗(yàn)的。華創(chuàng)資本的前沿科技項(xiàng)目投資負(fù)責(zé)人公元?jiǎng)t告訴機(jī)器之能：
“如果技術(shù)門檻非常高，早期雖然是不用考慮太多盈利模式（要先把壁壘建立起來）。但最終肯定是要接受市場和盈利的考驗(yàn)，只能說看資本市場能接受的長短度而已。”
而更加無法忽視的現(xiàn)狀是，除了商業(yè)模式與盈利問題，擋在 AI 醫(yī)療創(chuàng)業(yè)公司面前的還有監(jiān)管障礙、人才短缺以及那些來行業(yè)內(nèi)外的“不信任的聲音”。
根據(jù)《中國科技報(bào)》的一份報(bào)道，中國科學(xué)院院士、上海交通大學(xué) Bio-X 中心主任賀林在解讀國務(wù)院在今年 8 月發(fā)布的《新一代人工智能發(fā)展規(guī)劃》時(shí)曾直擊當(dāng)前國內(nèi) AI+醫(yī)療項(xiàng)目的監(jiān)管痛點(diǎn)：
“目前，國內(nèi)還沒有一款醫(yī)療領(lǐng)域的人工智能產(chǎn)品得到國內(nèi) FDA 的批準(zhǔn)，相關(guān)收費(fèi)也沒有進(jìn)入醫(yī)保目錄，人工智能對于國內(nèi)醫(yī)療行業(yè)來說仍然是新興事物，需要與現(xiàn)有醫(yī)療模式一起經(jīng)歷“磨合期”。”
而另一方面，丁曉偉自己則把“招聘問題”與”外界質(zhì)疑”列為當(dāng)下 VoxelCloud 最大的兩個(gè)難題。其中，他認(rèn)為“人才短缺”是包括他在內(nèi)的當(dāng)下所有同類公司都需要面對的挑戰(zhàn)：
“我們團(tuán)隊(duì)有 40 多個(gè)人，雖然大家基本都是來自梅奧醫(yī)學(xué)中心，加州大學(xué)洛杉磯分校與卡內(nèi)基梅隆大學(xué)，亞利桑那州立大學(xué)等高校的專家，但是我們覺得人手還遠(yuǎn)遠(yuǎn)不夠，因?yàn)轭櫦暗綌?shù)據(jù)的復(fù)雜程度與醫(yī)療研發(fā)的嚴(yán)謹(jǐn)度，我們需要耗費(fèi)大量心力去做研發(fā)。對于創(chuàng)業(yè)公司來說，速度也很重要，因此我們平時(shí)基本連軸轉(zhuǎn)。
現(xiàn)在大家都會(huì)想盡一切辦法去搶人，因此我們基本不會(huì)放過任何學(xué)校的計(jì)算機(jī)及醫(yī)療專業(yè)的高材生。”
實(shí)際上，這不是丁曉偉一家 AI 醫(yī)療創(chuàng)業(yè)公司的心聲，而是整個(gè) AI 產(chǎn)業(yè)圈焦灼的人事狀態(tài)。然而，在這個(gè)人才身價(jià)雖然水漲船高，但同時(shí)卻被越來越多的人提出“泡沫說”的創(chuàng)業(yè)領(lǐng)域，是否值得我們“將所有身家都壓在上面”？
此外，雖然設(shè)立了高門檻，但同樣有“盈利無著”“燒錢過快”等問題的 AI 醫(yī)療是否會(huì)重蹈兩年前移動(dòng)醫(yī)療的覆轍？
這就像一位不愿透露姓名，但曾經(jīng)歷移動(dòng)醫(yī)療寒冬，并調(diào)查過幾十個(gè)死掉的移動(dòng)醫(yī)療項(xiàng)目的行業(yè)資深人士對機(jī)器之能發(fā)出的一番感嘆：
“包括移動(dòng)醫(yī)療在內(nèi)的數(shù)字醫(yī)療曾死過一大批，但這不就是創(chuàng)業(yè)的正?，F(xiàn)象嗎？現(xiàn)在人工
智能醫(yī)療創(chuàng)業(yè)如此火爆，咱們不說炒作嫌疑，我覺得主要背景是人力資源短缺與醫(yī)療成本高企。人工智能在醫(yī)療里，包括影像，頂多是輔助。
另外，之所以投資人都不注重商業(yè)盈利問題，是因?yàn)樗麄冏⒅匾矝]辦法盈利。”
然而，無論各方如何給出自己的判斷，當(dāng)初醫(yī)療創(chuàng)業(yè)寒冬留給所有 AI 醫(yī)療從業(yè)者的教訓(xùn)，其實(shí)都可以匯成一句話：
“不要做出過分的承諾，不要相信關(guān)于你自己過于天花亂墜的報(bào)道，懷著對醫(yī)學(xué)與 AI 技術(shù)的敬畏之心，匍匐前進(jìn)。”
