2014年以来，AI技术的发展逐步进入垂直细分领域，医疗影像以其标准化程度相对较高而被认为是最早能够实现AI落地的场景之一。一时间，几十家创业公司涌入影像AI赛道，其中不乏独角兽与巨头互联网公司。但没过太久，随着AI医疗影像工具在各大医院诊疗场景中的普及和深入，‘不好用’却是医院医生给出的最多反馈。
对此，点内生物科技创始人兼CEO葛亮给出了自己的看法，“在产品设计上，原先有许多公司试图设计一款工具去替代医生的部分职能，用简单粗暴的方式去切入场景，这样会带来很多问题。个人认为在设计产品前还是要充分考虑清楚出发点，贴近医生的需求和工作流程去做，才能够做出受到医院和医生认可的AI医疗工具。”
图 | 点内生物科技创始人兼CEO 葛亮
具备最全数据，肺癌是AI医疗最佳切入点
容易发现，在影像AI赛道中，肺癌这一细分领域占据了非常大的比例。这与疾病本身有着很大的关系。
去年年底，美国癌症学会官方期刊发表了《2018年全球癌症统计数据》报告，内容评估了185个国家中的36种癌症发病率和死亡率。其评估后的结果就显示，2018年一年全球有大约1810万癌症新发病例和960万癌症死亡病例，其中肺癌以11.6%的发病率和18.4%的死亡率高居各类癌症之首。
因极高的发病率，肺癌成为世界范围内拥有最多案例和数据的一种癌症，其影响之广泛也使其本身具有重大的研究意义。因此，对于众多做影像AI的科技公司来说，肺癌常常是第一选择。点内科技也不例外。
葛亮指出，“在肺癌患者数量上，中国是全球第一大国家，这很不幸。但同时，这些案例构成了大量的数据，从这些数据去做深度学习，技术上我们会比很多国家有优势。这也就是我们的人工智能在肺癌或者肺癌筛查上做得比较强的原因。”
因此，在深度学习技术大火没多久，在肺癌方面的影像AI医疗就发展了起来。
但是如文章一开始所提到的，经过这几年发展之后，影像AI产品同质化严重、实际效果不理想、不好用等反响也成为了这一领域的共识，它们构成了整个市场的现状。因此，对比其他公司晚两年进入的点内科技而言，一切尚不算迟，但挑战也是同样艰巨。
“人无我有，人有我优”
对于这部分有着五年发展历史却难见起色的市场，曾有业内人这么分析说，影像AI产品难以真正落地使用的原因，其中技术问题的重要性不言自明，但同时也还有责任问题。
不同于AI医疗领域众多技术类型的公司，从传统医药行业跨足AI与科技公司去竞争的点内科技倒因此显得有些“特别”。或许一开始葛亮也许没有意识到，在责任问题这一点上，医药出身的点内科技有着先天的优势。
葛亮解释说，“在创办点内科技之前，我在肿瘤药厂工作，因为曾经从事医疗器械与制药相关工作，这让我们对遵守规范有着比较强的意识，这样也会让我们的自觉性会更好一些。”
无需学习，在既有道德与律法的约束下，其中涉及到的数据影响等边界问题，医药出身的点内科技似乎会更加小心避开，在这方面它更显专业。
当然，除此之外，技术仍然是智慧医疗最为关键的一点。被问到技术，葛亮亦十分有信心，“技术方面我们还是非常自信的。我们的优势总结来看，主要就是‘人无我有，人有我优’。”
葛亮介绍说，“诊断上，在肺部结节的检出率、对病人的随访和检出后对良恶性的预判上，我们的工具无论是参数还是性能指标，都是出类拔萃的，这样就可以帮助医生提高诊断准确率、效率并节约成本。”
所谓人有我优，在葛亮看来，就是将工具的易用性和用处尽可能发挥出来，显然点内科技在努力做到这一点。但不仅仅如此，因为有强大的专家团队，点内科技也将AI技术的效用逐步发挥到了治疗方面，以构建自己独有的技术壁垒，即人无我有。
“在治疗方面，我们在去年首发了用影像分析去针对肺癌的腺癌做病理分类。今年，我们还会用影像去做人类表皮生长因子过度表达的病人预测，目前这两块的研究成果分别被Cancer Research和CancerMedicine收录，这个其实是跨组学的，即从影像组学去预测基因组学，这是靠肉眼完全达不到的。此外，我们的AI工具还有一个功能就是用影像分析去对肿瘤药的治疗疗效进行评估，据我所知这件事还没有团队做成。”葛亮解释说。
图 | 点内生物研究成果被Cancer Research收录
做“叫好又叫座”的AI工具
技术上形成自己的优势，这远远不是点内科技所满足的。葛亮希望公司研发的AI工具能够真正为医生所用，为广大癌症患者造福。在某种程度上，这也意味着点内科技需要造出经得起市场验证的产品。
在这一点上，点内科技其实已经有所收获。“在病理分类、辅助肿瘤科和呼吸内科医生选择治疗方案等功能上，我们都收获了比较好的反馈。”
图 | 点内生物产品 肺常好 优势
但仅仅如此仍然不行。遍观整个行业，尽管经过了四年多的发展，影像AI领域内的公司基本仍都处于打磨产品的阶段，没有清晰的商业模式与盈利场景，医院的付费意愿很低。点内科技一开始也不得不面临这样的困局。
谈到这一点，葛亮深有感触，“点内科技的发展战略是将科研与落地场景结合起来，我们希望看到人工智能能够有非常好的场景。但现在社会各界对AI医疗是叫好不叫座，即概念很多真正落地应用有人来买单的几乎没有。在这一方面，我们希望自己的产品不仅能在场景中应用，还要有人付费。”
但为何“付费”成了很多公司都难以跨越过去的一道坎呢？葛亮分析说，因医药领域有很多自己的门槛，产品和医生场景需求之间很难无缝对接，因此这构成了很大的阻碍。
通过观察和实践，葛亮发现，其实医生的工作量十分之大，需要AI工具辅助的意愿也是强烈的，其中的关键在于AI工具是否能很好配合医生工作。
葛亮举例解释说，“帮医生做规划和统计这项功能就很有卖点。比如我们曾帮助一个医生小组管理2万个病人的随访，这对他们的诱惑力是很强的，医生用着也很顺手。其实这个问题的关键还在于医生使用AI工具的流畅度是否好。当一个AI工具最大程度得满足医生的使用流程时，应当是他需要时能及时唤出，不需要时是看不见的。我们觉得能够帮助医生干活和解决困难的才是好的人工智能。”
