论文部分内容阅读
在协和、同济、301等北京知名的三甲医院，塞满了各个人工智能公司的智能设备和系统，不少公司以此来宣传与大医院的紧密合作。这是今年三甲医院的日常工作场景，人工智能继安防之后，开始在医疗领域掀起创业潮。多家AI医疗公司的创始人向《财经》记者表示，自2017年下半年起，投资人上门的次数明显变多，他们不愁融不到钱。
2017年AI医疗投资案例60起，数量超过安防，也是所有“AI+行业”（包括金融、教育等）领域中数量最多的，但总融资金额并不高，约为40亿元人民币，是安防领域的一半。多位接受《财经》记者采访的投资人称，安防可以短期看到资金回笼，医疗市场成熟还有待时日，目前以早期投资为主。
商汤科技、云从科技、依图科技等AI独角兽的赛道布局中，均设置了医疗板块。以依图为例，依图科技在去年5月完成C轮3.8亿元的融资，这家公司将此轮募集的绝大部分资金用于医疗板块的技术、人才和市场培养。
投资人已经瞄准了AI领域的下一个金矿。华创资本合伙人熊伟铭向《财经》记者表示，AI安防的创业格局已经趋于稳定，而AI医疗从美国硅谷开始，新的变化正在发生，投资潜力更大。九合创投创始合伙人王啸也表示，AI医疗未来想象空间巨大。
看起来，又一个风口正在成型。从2015年开始中美AI医疗影像创业公司显著增加，但在药物发现方面，美国遥遥领先。
人工智能在医疗的落地场景主要集中在三个领域——药物研发、医疗影像与诊断技术以及AI机器人。接受《财经》记者采访的不少行业人士认为，影像是图像识别技术在医疗领域最直接的应用，这也是为什么影像主导了这一轮AI医疗的发展。创投数据平台鲸准的数据显示，过去五年，AI医疗应用的创业项目共计完成86起融资，其中影像占31%，占比第一。
第三方市场调研机构Global Market Insights數据显示，尽管药物发现在智能医疗方面将占据35%以上的最大市场份额，到2024年收入将超过400亿美元;但医疗影像和诊断技术将成为2017年-2022年智能医疗领域增速最快的行业，预计到2024年，行业将达到250亿美元，增速超40%。
现实却并不乐观——这些北京三甲医院里，虽然塞满了来自各个人工智能公司的智能设备，但其中真正被临床使用的，几乎没有。这些设备，大多是AI公司免费赠送的。“给300家医院免费送300套，谁做不到呢？”北大医疗信息技术有限公司数据总监王琦说。
AI独角兽旷视科技目前还未宣布布局医疗，公司副总裁谢忆楠告诉《财经》记者，在他们看来，“AI医疗领域周期有点长，数据有点贵，场景有点窄”。
这和全球巨头IBM在中国的窘境类似。全球AI医疗领域的先行者IBM公司在美国和中国均有布局。IBM智能医疗业务在美国市场年收入已达10亿美元以上，在中国仍处于投入期。一位接近IBM的核心人士对《财经》记者说，IBM在美国迅速做大AI医疗，核心在于可以迅速通过收购得到数据，但在中国，这不可能。
“如今的智能影像很像前几年的互联网医疗，大家一窝蜂进来了，但下一步怎么做是个问题。” 科大讯飞智慧医疗事业部医疗影像产品负责人马文君在接受媒体采访时说。
从美国到中国，AI医疗已经开始发力，但仍然面临多个发展瓶颈。
2015年1月，陈宽创建AI医疗公司“推想”，与其他创业者大部分时间在办公室，或是在见投资人不同，创业初期，他几乎住在医院。
北京的三甲医院里，塞满7来自各个A1公司的智能设备。雷/视觉中国
在中国，医疗行业受政策严格管控，而不同地区的医院遵循的政策管理不尽相同，起步也慢。2015年时，人们还在探讨互联网医疗的可行性。
陈宽几乎是与医生一起上下班，一起看诊断报告，一起喝酒，一起抱怨不靠谱的供应商。他认为只有这样，才能拉近与医生的距离，理解他们的需求，并普及AI医疗的概念。
创业初期，几乎所有医院都将他拒之门外。他用了超过半年的时间，签下了第一家医院——四川省人民医院。他说，“你找的医院够多，你被拒绝的次数够多，自然能找到一家愿意尝试的。”
陈宽创业的第二年，Fusion Fund管理合伙人张璐在美国投资的一个医疗项目获得了230%的超额认购。在此之前，这类优质的医疗器械类项目甚至都不容易找到联合投资方。张璐是最早进入美国医疗人工智能领域少数的投资人之一，她在斯坦福材料科学与工程学院读研究生时，利用自己在纳米级生物传感器领域的研究，研发了一款专为II型糖尿病人提供早期检测的医疗仪器。
在美国，与张璐同样感受到这轮趋势变化的是波士顿科学的投资总监闫小珅（Kevin Yan）。波士顿科学是美国一家有着50年历史的老牌医疗科技公司，主要经营医疗器械。闫小珅看到医疗器械的升级带给医院的巨大变化，比如微创手术、治理帕金森抖动的医疗器械发展趋势，同时认为现在人工智能在医疗上的实际应用还有限。
2015年，谷歌、苹果开始寻求医疗领域的合作伙伴。彼时，闫小珅接到新任务——找到AI技术公司来投资或合作。多次斡旋之后，他的公司成为谷歌的深度合作伙伴，在医疗领域定期举办峰会与训练营，以此吸引AI医疗领域创业公司。除了之前关注的医疗器械领域，他也会从与谷歌合作的医疗训练营中寻找关于AI医疗的项目。
闫小珅强烈感受到，科技公司与医疗公司的合作在快速升温。一方面，医疗领域机会大，科技公司进入愿望强烈;另一方面，医疗器械审查十分严格，现有产品普遍技术含量不高。医疗公司希望去寻找好的产品，很愿意与科技公司合作。 2016年-2017年，在被称为人工智能两极高地的中美两国，风开始吹了。
至今，陈宽仍然保持这样的工作模式，但已经把预期合作的医院名单开到了50家，驻扎在公司的人也从他发展到了公司里80%的员工。
中国创业者与医生亲密接触的原因是数据获取渠道多元化，很大一部分掌握在医院手中，搞定医院和医生，也意味着搞定了数据与销售渠道。在美国，AI医疗创业公司获取数据的渠道相对规范透明，比如向FDA申请研究数据，或者通过与医疗类公司合作获取数据，进入市场需要先通过FDA，市场相对规范成熟，因此更多创业团队把主要精力放在与研究机构合作，以及技术突破上。
王琦告诉《财经》记者，医疗是一个非常特殊又敏感的行业，目前中国大部分的医院都只有内网，数据严格保密，与患者相关的数据绝对不能离开医院。“一家大型三甲医院里，驻扎了各个不同公司来的工作人员，太常见了。”她说道。
大多数中国AI医疗创业者像陈宽一样，发展艰难，即使是比陈宽更熟悉医疗领域的团队，也不容易。
高荣强是汇医慧影的销售总监，加入这家创业公司之前，他曾经是GE医疗部门的高管，从事医疗行业已经十几年，他和他所领导的销售团队中每一个人，都手握医疗资源，但他们仍然遇到很多不愿意合作的医院。
造成这一局面的核心原因在于，中国的医疗数据的管控政策并不清晰，并且各个省份，甚至各个城市的医疗政策均不相同。
医疗数据的使用，是目前中美AI医疗行业最大的差异。丁晓伟创建的医疗影像公司体素科技（VoxelCloud）横跨中美，主要做眼科图像辅助诊断、冠脉计算机断层扫描、肺癌人工智能分析软件。根据他的经验，目前中国的项目申请审批，获取数据时间较短，但是不确定性多，数据质量参差不齐;而美国审批时间长，但是不确定性少。
在这样确定的环境下，他们可以通过不同的路徑来实现布局。美国知名孵化器Y Combinator孵化的一家医疗公司，为了能够拿到做研究的数据，绕开了美国本土，专门找到中东与非洲的医院拿数据。
长期关注医疗领域的纪源资本执行董事吴晓尧对《财经》记者表示，目前中国的医疗数据体量虽然大，但是数据质量不高，病例文本数据不规范，缺少结构化数据。
如何解决这一难题，关键在于政策。“如果国家层面放松对数据的管制，放松对科技公司进入医疗领域的限制，能够在一定程度上改善这一现状，”吴晓尧说，“但我目前并不能看到这个趋势。”
有些时候，恰恰是这样的模糊和不确定性，给了中国创业者更大的野心。AI医疗初创公司康夫子创始人张超认为，乱世才能出英雄，“中国的医疗政策几乎天天在变，变化越大，给我们的机会就越多”。
在美国，医疗硬软件设备进入医院需要通过FDA（美国食品药品监督管理局）检测，通过FDA意味着有更多的订单与融资，这需要产品有更高的准确率。美国有发达的律师系统，处理医患纠纷是美国医院最大的成本，因此没有通过FDA认证的产品进入医疗系统在出现问题时可能面临巨额索赔。中国也有CFDA（中国食品药品监督管理总局）等类似标准，硬件器械类的医疗产品，必须通过CFDA才能进入医院，但很多软件与设备还在申请CFDA审批中，产品就已经铺入医院。
一位医疗行业人士向《财经》记者透露，目前软件工具类的AI医疗产品，只要与医院达成合作，都可以随时进入医院。熊伟铭也表示，目前国内的AI医疗产品不少都没有通过CFDA，“现在正处于公司与医院联合开发阶段”。
对比中美，美国可能因更加规范的市场管制，让创业者集中精力在科研领域;对于中国的创业者们来说，产品可以在实际应用中检验，搞定医生和医院，是关键。
市场在升温，巨头相继进入。2016年4月，腾讯等机构以10亿元人民币投资碳云智能;2017年8月，腾讯发布了AI医学影像产品“腾讯觅影”，利用人工智能医学影像技术辅助医生进行早期食管癌筛查;2017年3月，阿里云发布“ET医疗大脑”进入医疗AI领域。
动脉网数据库显示，2017年，中国医疗人工智能行业对外公布的融资事件一共有27件， 2017年该领域融资总额超过17亿元人民币。美国也出现了类似的趋势。第三方调研机构Fusion Fund整理的数据显示，2015年，美国在医疗领域的风险投资总金额达到75亿美元，随后的2016年基本持平，但在2017年，市场开始变化，仅上半年医疗领域的融资额就达到了50亿美元。
如何让医院买单？
2017年2月，人工智能医疗领域的风向标项目MD安德森与IBM沃森宣布合作终止，这被很多人看作是人工智能在医疗领域的倒退。原因之一是双方合作的系统IBM沃森支持的临床决策系统——Oncology Expert Advisor（OEA）并没有得到临床应用。OEA将计划针对白血病进行试点的项目半途而废，随后将目标转向了肺癌项目。其次，在医院合作中，财务、流程等沟通障碍，系统不兼容导致数据无法提取都是这次合作失败的重要原因。
无论中美，即使是IBM沃森这样的大型项目，在进入医院时都困难重重。
《财经》记者调查发现，目前做AI医疗影像的公司，很大一部分都集中在肺结节病种上，因为病例多且普遍，病患反应也相对统一，适合机器学习。但还有一个更重要的原因——肺结节影像数据有公开数据库，懂AI算法的公司，都可以拿这个数据库跑一个模型出来。
但在除了肺结节之外的其他病种上，外部公司很难拿到大量数据。一名患者，尤其是疑难杂症患者，治疗过程可能会涉及多家医院，而国内的医院都是一个数据孤岛，如果AI只能获取到单个医院的数据，价值并不大。
因此，在中国的AI医疗创业圈中，合作的医院数量是几乎每个创业者言必称的数字，这个数字代表了公司的影响力，而其中，三甲医院的占比更是代表了对公司技术的认可度。
目前医疗系统的AI都还在建模期，利用AI技术帮助医生阅片，需要有专业的人员进行数据标记，一旦机器识别出现偏差，还需要医生自己在机器上进行修正。
如何让已经忙得焦头烂额的专业医生，抽空来帮助机器学习，AI医疗行业的人们使出了浑身解数。“我们会付给医生一些劳务费。”陈宽表示。但中国的很多专家级医生并不缺钱，于是，他们想到了另一种途径。
“中国的这些专家级医生，他们需要的是科研成果、论文发表，他们要名，不要利。”王琦告诉《财经》记者，“很多创业公司都通过协助医生做科研项目，来换取他们的时间，最常见的方式就是把公司里的技术人员交给医生调配。”
陈宽也表示，他们会给医生的科研项目提供帮助，比如项目资金。如果能够对医生的科研项目起到帮助，换来的不仅仅是医生帮助标记数据，更重要的是医生还可以帮助公司推广AI产品。在仍然保持师徒制的医疗体系中，一个知名专家的号召力不言而喻。
这意味着，创业公司需要耗费大量的人力物力财力，王琦给《财经》记者算了一笔账，搞定一家医院至少要长期驻守1名-2名工作人员，还要源源不断的砸钱进去，如果一家初创公司签了300家医院，后续成本如何负担？
而且，医院并不愿意为此买单。
中国的医院很难通过外部推荐来购买设备。上海长征医院心内科主治医生伍锋告诉《财经》记者，医院如果要采购智能化设备，通常的路径是以科室为单位，主任医生针对自己科室的情况，提出需求，医院组织专家组进行审核，审核通过后，再进行采购。也就是说，主导权在主任医生的手里。
高荣强透露，汇医慧影2017年的收入在6000万元人民币，目前签约医院超过800家。如果简单计算，平均一家医院的收费为7.5万元，而每家医院由于医疗流程不同，区域医疗政策差异，公司都需要单独定制，这些收入对于需要重金投入的AI技术来说，杯水车薪。
中国的三甲医院多为政府管控，采购设备的预算有限，对于还无法证实能够真正帮助医生工作的AI设备，大部分医院的态度仍然是——可以尝试，不愿买单。
美国医生与医院的关系完全不同，美国看病的账单是分开的，一个给医院，一个给医生，类似于医生进驻医院，美国医生的收入是中國医生的几十倍甚至几百倍。“医生太有钱了也不行，顾虑就会比较多。”闫小珅说道。因此，美国医生最大的顾虑是自己的口碑，加上美国的律师体系高度发达，每年医生与医院大量的钱都花在了官司上面，大家在使用新的诊疗系统时会更谨慎。
但这同时也意味着，美国医生是现有体系的既得利益者，既不愿意冒风险使用还没有完全成熟的AI医疗产品，也没有动力去积极参与这轮AI创新。
从技术上看，美国相对于中国的科研实力更强，市场更加规范。但无论中美，让AI医疗取代医生还为时尚早。对这轮医疗影像创业潮前景的看法，取决于一个基本假定——AI到底是取代医生还是辅助医生？如果是取代医生，这将是一个漫长的过程，无论中美前景都不乐观。若是辅助医生，则可以帮助医生减轻工作强度，减少因疲劳出现问题。
中国几乎每一家三甲医院每天都会接收来自全国各地数量众多的病人，一名主治医生一个工作日，可能接诊超过200例病患，工作强度高，甚至出现医生因劳累而导致各种问题。
发展速度最快的医疗影像也是供给最不平衡的细分领域。“几乎所有的重大疾病，都离不开影像诊断，医疗影像数据每年增加30%，这还是保守估计，但同时，由于经常会受到射线干扰，影响身体状况，愿意从事这一岗位的医生并不多——每年影像科医生的增长量只有4.1%。”陈宽说道。
影像科医生的困扰，正是AI可以帮助他们解决的问题。创业公司与巨头公司正在影像领域迅速扩张，目前推想合作医院超过50家，并已经与德国、日本、美国等海外医院展开合作;汇医慧影合作医院超过800家;腾讯觅影在去年8月到12月之间，新增合作医院就超过了100家。
不少医疗行业论坛上，参会医生从讨论一些疑难杂症，变成开始讨论AI发现的病症。
伍锋也尝试过在诊断过程中使用AI阅片，尽管有不少创业公司宣称AI阅片的准确率已经超过90%，但他在临床过程中发现，准确率只能达到50%。“太低了，医疗体系能容忍的准确率是95%。”他说道，“而且我只愿意相信自己的眼睛，因为最终的治疗结果是我自己负责。”
这种视觉识别的不准确，是包括IBM Watson、体素科技在内的医疗影像行业的普遍问题。闫小珅说：“程序员用几个月甚至一年做一个产品，一个五六十年从业的老医生，看过的数据量可能比机器还多，这种时候科技公司的销售，很难取得医生的信任去与他们合作。”
在美国，AI医疗正在技术上取得一些重大突破。今年5月，深度学习知名科学家吴恩达在推特上介绍了斯坦福计算机科学系、医学系和放射学系的最新研究成果，通过MURA肌肉骨骼医疗数据集和一个基础模型，这个模型可以像放射科医生根据X光片进行诊断。去年底，他曾经发推称放射科医生可能面临失业危险，因为他们的研究成果可以通过X光片诊断肺炎，实验结果优于四名专业医生的平均值。
然而，这两次论文的发布都引来美国医生和生物学家的质疑，比如四名专业医生的诊断是否能代表美国医生的平均水平，吴恩达是否有夸大科研成果的嫌疑。这些质疑集中在“机器替代医生”的论断基础上，而不是用研究辅助医生。
不过，吴恩达科研使用的4万多张图像来自斯坦福医院图像存档和通信系统，开源数据集正在帮助更多的科研人员进入该领域。
AI医疗公司应当把目光持续扩大。王啸认为，“目前国内的AI医疗创业扎堆在放射科的辅助诊断，事实上AI在疾病治疗、药物研发、健康管理方面大有作为，微生物和动物市场也前景广阔。”
在伍锋的工作经验中，智能设备和智能技术在大医院里不是新鲜事，甚至很多技术都已经被频繁使用。其中使用频率较多的包括：手术机器人，能够缩小患者的手术创口，减轻痛苦;胶囊胃镜，同样减少患者的痛苦，并且方便医生治疗;3D打印技术，可以应用于骨科，制作一些植入物和假体。甚至还提到了VR技术，让患者模拟诊疗过程，也能让一些年轻医生积累更多经验。
这些都能够完成医生自己无法做到的工作，AI技术在医疗领域大有作为，也有更多需求等待挖掘，而影像这个细分领域，也许并不需要这么多的玩家。
丁晓伟说，中国每年有30多亿次医疗影像扫描，不包括眼科的光学影像和病理影像，目前这个行业才刚刚开始。之后的神经精神行为分析、皮肤数据、健康预防、养老监控设备预测，还有大量的运用场景。
除了这些新创建的计算机视觉应用的医疗影像公司，张璐也投资了一些将机器学习和医疗器械结合的创新企业，硬件部分是数据收集的入口，把数据上传到云端以后，再通过机器学习进行分析整合，从而可以给出更加个性化的诊断结果和诊疗方案。
“这轮AI医疗，本质不同是更加个性化。以前的升级是提升效率、提升准确率，人工智能赋予的另一个优势是个性化诊疗方案。”张璐已经看到，美国很多药厂都在做个性化药物探索。
她在Fusion Fund新发布的报告中指出，美国正在出现新的AI医疗创新中心，如匹兹堡、休斯顿、旧金山、圣地亚哥，重要原因是只有AI或者只有传统医疗器械的人都是不够的，需要两边人才进行整合。
但这都需要时间的积累。“以目前AI技术的成熟度来看，医疗产业链里能切入的范围还很小，”陈宽说，“从影像开始落地，至少在AI医疗的万里长征中，迈出了第一步。
2017年AI医疗投资案例60起，数量超过安防，也是所有“AI+行业”（包括金融、教育等）领域中数量最多的，但总融资金额并不高，约为40亿元人民币，是安防领域的一半。多位接受《财经》记者采访的投资人称，安防可以短期看到资金回笼，医疗市场成熟还有待时日，目前以早期投资为主。
商汤科技、云从科技、依图科技等AI独角兽的赛道布局中，均设置了医疗板块。以依图为例，依图科技在去年5月完成C轮3.8亿元的融资，这家公司将此轮募集的绝大部分资金用于医疗板块的技术、人才和市场培养。
投资人已经瞄准了AI领域的下一个金矿。华创资本合伙人熊伟铭向《财经》记者表示，AI安防的创业格局已经趋于稳定，而AI医疗从美国硅谷开始，新的变化正在发生，投资潜力更大。九合创投创始合伙人王啸也表示，AI医疗未来想象空间巨大。
看起来，又一个风口正在成型。从2015年开始中美AI医疗影像创业公司显著增加，但在药物发现方面，美国遥遥领先。
人工智能在医疗的落地场景主要集中在三个领域——药物研发、医疗影像与诊断技术以及AI机器人。接受《财经》记者采访的不少行业人士认为，影像是图像识别技术在医疗领域最直接的应用，这也是为什么影像主导了这一轮AI医疗的发展。创投数据平台鲸准的数据显示，过去五年，AI医疗应用的创业项目共计完成86起融资，其中影像占31%，占比第一。
第三方市场调研机构Global Market Insights數据显示，尽管药物发现在智能医疗方面将占据35%以上的最大市场份额，到2024年收入将超过400亿美元;但医疗影像和诊断技术将成为2017年-2022年智能医疗领域增速最快的行业，预计到2024年，行业将达到250亿美元，增速超40%。
现实却并不乐观——这些北京三甲医院里，虽然塞满了来自各个人工智能公司的智能设备，但其中真正被临床使用的，几乎没有。这些设备，大多是AI公司免费赠送的。“给300家医院免费送300套，谁做不到呢？”北大医疗信息技术有限公司数据总监王琦说。
AI独角兽旷视科技目前还未宣布布局医疗，公司副总裁谢忆楠告诉《财经》记者，在他们看来，“AI医疗领域周期有点长，数据有点贵，场景有点窄”。
这和全球巨头IBM在中国的窘境类似。全球AI医疗领域的先行者IBM公司在美国和中国均有布局。IBM智能医疗业务在美国市场年收入已达10亿美元以上，在中国仍处于投入期。一位接近IBM的核心人士对《财经》记者说，IBM在美国迅速做大AI医疗，核心在于可以迅速通过收购得到数据，但在中国，这不可能。
“如今的智能影像很像前几年的互联网医疗，大家一窝蜂进来了，但下一步怎么做是个问题。” 科大讯飞智慧医疗事业部医疗影像产品负责人马文君在接受媒体采访时说。
从美国到中国，AI医疗已经开始发力，但仍然面临多个发展瓶颈。
中美医疗数据玩法不同
2015年1月，陈宽创建AI医疗公司“推想”，与其他创业者大部分时间在办公室，或是在见投资人不同，创业初期，他几乎住在医院。
在中国，医疗行业受政策严格管控，而不同地区的医院遵循的政策管理不尽相同，起步也慢。2015年时，人们还在探讨互联网医疗的可行性。
陈宽几乎是与医生一起上下班，一起看诊断报告，一起喝酒，一起抱怨不靠谱的供应商。他认为只有这样，才能拉近与医生的距离，理解他们的需求，并普及AI医疗的概念。
创业初期，几乎所有医院都将他拒之门外。他用了超过半年的时间，签下了第一家医院——四川省人民医院。他说，“你找的医院够多，你被拒绝的次数够多，自然能找到一家愿意尝试的。”
陈宽创业的第二年，Fusion Fund管理合伙人张璐在美国投资的一个医疗项目获得了230%的超额认购。在此之前，这类优质的医疗器械类项目甚至都不容易找到联合投资方。张璐是最早进入美国医疗人工智能领域少数的投资人之一，她在斯坦福材料科学与工程学院读研究生时，利用自己在纳米级生物传感器领域的研究，研发了一款专为II型糖尿病人提供早期检测的医疗仪器。
在美国，与张璐同样感受到这轮趋势变化的是波士顿科学的投资总监闫小珅（Kevin Yan）。波士顿科学是美国一家有着50年历史的老牌医疗科技公司，主要经营医疗器械。闫小珅看到医疗器械的升级带给医院的巨大变化，比如微创手术、治理帕金森抖动的医疗器械发展趋势，同时认为现在人工智能在医疗上的实际应用还有限。
2015年，谷歌、苹果开始寻求医疗领域的合作伙伴。彼时，闫小珅接到新任务——找到AI技术公司来投资或合作。多次斡旋之后，他的公司成为谷歌的深度合作伙伴，在医疗领域定期举办峰会与训练营，以此吸引AI医疗领域创业公司。除了之前关注的医疗器械领域，他也会从与谷歌合作的医疗训练营中寻找关于AI医疗的项目。
闫小珅强烈感受到，科技公司与医疗公司的合作在快速升温。一方面，医疗领域机会大，科技公司进入愿望强烈;另一方面，医疗器械审查十分严格，现有产品普遍技术含量不高。医疗公司希望去寻找好的产品，很愿意与科技公司合作。 2016年-2017年，在被称为人工智能两极高地的中美两国，风开始吹了。
至今，陈宽仍然保持这样的工作模式，但已经把预期合作的医院名单开到了50家，驻扎在公司的人也从他发展到了公司里80%的员工。
中国创业者与医生亲密接触的原因是数据获取渠道多元化，很大一部分掌握在医院手中，搞定医院和医生，也意味着搞定了数据与销售渠道。在美国，AI医疗创业公司获取数据的渠道相对规范透明，比如向FDA申请研究数据，或者通过与医疗类公司合作获取数据，进入市场需要先通过FDA，市场相对规范成熟，因此更多创业团队把主要精力放在与研究机构合作，以及技术突破上。
王琦告诉《财经》记者，医疗是一个非常特殊又敏感的行业，目前中国大部分的医院都只有内网，数据严格保密，与患者相关的数据绝对不能离开医院。“一家大型三甲医院里，驻扎了各个不同公司来的工作人员，太常见了。”她说道。
大多数中国AI医疗创业者像陈宽一样，发展艰难，即使是比陈宽更熟悉医疗领域的团队，也不容易。
高荣强是汇医慧影的销售总监，加入这家创业公司之前，他曾经是GE医疗部门的高管，从事医疗行业已经十几年，他和他所领导的销售团队中每一个人，都手握医疗资源，但他们仍然遇到很多不愿意合作的医院。
造成这一局面的核心原因在于，中国的医疗数据的管控政策并不清晰，并且各个省份，甚至各个城市的医疗政策均不相同。
医疗数据的使用，是目前中美AI医疗行业最大的差异。丁晓伟创建的医疗影像公司体素科技（VoxelCloud）横跨中美，主要做眼科图像辅助诊断、冠脉计算机断层扫描、肺癌人工智能分析软件。根据他的经验，目前中国的项目申请审批，获取数据时间较短，但是不确定性多，数据质量参差不齐;而美国审批时间长，但是不确定性少。
在这样确定的环境下，他们可以通过不同的路徑来实现布局。美国知名孵化器Y Combinator孵化的一家医疗公司，为了能够拿到做研究的数据，绕开了美国本土，专门找到中东与非洲的医院拿数据。
长期关注医疗领域的纪源资本执行董事吴晓尧对《财经》记者表示，目前中国的医疗数据体量虽然大，但是数据质量不高，病例文本数据不规范，缺少结构化数据。
如何解决这一难题，关键在于政策。“如果国家层面放松对数据的管制，放松对科技公司进入医疗领域的限制，能够在一定程度上改善这一现状，”吴晓尧说，“但我目前并不能看到这个趋势。”
有些时候，恰恰是这样的模糊和不确定性，给了中国创业者更大的野心。AI医疗初创公司康夫子创始人张超认为，乱世才能出英雄，“中国的医疗政策几乎天天在变，变化越大，给我们的机会就越多”。
在美国，医疗硬软件设备进入医院需要通过FDA（美国食品药品监督管理局）检测，通过FDA意味着有更多的订单与融资，这需要产品有更高的准确率。美国有发达的律师系统，处理医患纠纷是美国医院最大的成本，因此没有通过FDA认证的产品进入医疗系统在出现问题时可能面临巨额索赔。中国也有CFDA（中国食品药品监督管理总局）等类似标准，硬件器械类的医疗产品，必须通过CFDA才能进入医院，但很多软件与设备还在申请CFDA审批中，产品就已经铺入医院。
一位医疗行业人士向《财经》记者透露，目前软件工具类的AI医疗产品，只要与医院达成合作，都可以随时进入医院。熊伟铭也表示，目前国内的AI医疗产品不少都没有通过CFDA，“现在正处于公司与医院联合开发阶段”。
对比中美，美国可能因更加规范的市场管制，让创业者集中精力在科研领域;对于中国的创业者们来说，产品可以在实际应用中检验，搞定医生和医院，是关键。
市场在升温，巨头相继进入。2016年4月，腾讯等机构以10亿元人民币投资碳云智能;2017年8月，腾讯发布了AI医学影像产品“腾讯觅影”，利用人工智能医学影像技术辅助医生进行早期食管癌筛查;2017年3月，阿里云发布“ET医疗大脑”进入医疗AI领域。
动脉网数据库显示，2017年，中国医疗人工智能行业对外公布的融资事件一共有27件， 2017年该领域融资总额超过17亿元人民币。美国也出现了类似的趋势。第三方调研机构Fusion Fund整理的数据显示，2015年，美国在医疗领域的风险投资总金额达到75亿美元，随后的2016年基本持平，但在2017年，市场开始变化，仅上半年医疗领域的融资额就达到了50亿美元。
如何让医院买单？
2017年2月，人工智能医疗领域的风向标项目MD安德森与IBM沃森宣布合作终止，这被很多人看作是人工智能在医疗领域的倒退。原因之一是双方合作的系统IBM沃森支持的临床决策系统——Oncology Expert Advisor（OEA）并没有得到临床应用。OEA将计划针对白血病进行试点的项目半途而废，随后将目标转向了肺癌项目。其次，在医院合作中，财务、流程等沟通障碍，系统不兼容导致数据无法提取都是这次合作失败的重要原因。
无论中美，即使是IBM沃森这样的大型项目，在进入医院时都困难重重。
《财经》记者调查发现，目前做AI医疗影像的公司，很大一部分都集中在肺结节病种上，因为病例多且普遍，病患反应也相对统一，适合机器学习。但还有一个更重要的原因——肺结节影像数据有公开数据库，懂AI算法的公司，都可以拿这个数据库跑一个模型出来。
但在除了肺结节之外的其他病种上，外部公司很难拿到大量数据。一名患者，尤其是疑难杂症患者，治疗过程可能会涉及多家医院，而国内的医院都是一个数据孤岛，如果AI只能获取到单个医院的数据，价值并不大。
因此，在中国的AI医疗创业圈中，合作的医院数量是几乎每个创业者言必称的数字，这个数字代表了公司的影响力，而其中，三甲医院的占比更是代表了对公司技术的认可度。
目前医疗系统的AI都还在建模期，利用AI技术帮助医生阅片，需要有专业的人员进行数据标记，一旦机器识别出现偏差，还需要医生自己在机器上进行修正。
如何让已经忙得焦头烂额的专业医生，抽空来帮助机器学习，AI医疗行业的人们使出了浑身解数。“我们会付给医生一些劳务费。”陈宽表示。但中国的很多专家级医生并不缺钱，于是，他们想到了另一种途径。
“中国的这些专家级医生，他们需要的是科研成果、论文发表，他们要名，不要利。”王琦告诉《财经》记者，“很多创业公司都通过协助医生做科研项目，来换取他们的时间，最常见的方式就是把公司里的技术人员交给医生调配。”
陈宽也表示，他们会给医生的科研项目提供帮助，比如项目资金。如果能够对医生的科研项目起到帮助，换来的不仅仅是医生帮助标记数据，更重要的是医生还可以帮助公司推广AI产品。在仍然保持师徒制的医疗体系中，一个知名专家的号召力不言而喻。
这意味着，创业公司需要耗费大量的人力物力财力，王琦给《财经》记者算了一笔账，搞定一家医院至少要长期驻守1名-2名工作人员，还要源源不断的砸钱进去，如果一家初创公司签了300家医院，后续成本如何负担？
而且，医院并不愿意为此买单。
中国的医院很难通过外部推荐来购买设备。上海长征医院心内科主治医生伍锋告诉《财经》记者，医院如果要采购智能化设备，通常的路径是以科室为单位，主任医生针对自己科室的情况，提出需求，医院组织专家组进行审核，审核通过后，再进行采购。也就是说，主导权在主任医生的手里。
高荣强透露，汇医慧影2017年的收入在6000万元人民币，目前签约医院超过800家。如果简单计算，平均一家医院的收费为7.5万元，而每家医院由于医疗流程不同，区域医疗政策差异，公司都需要单独定制，这些收入对于需要重金投入的AI技术来说，杯水车薪。
中国的三甲医院多为政府管控，采购设备的预算有限，对于还无法证实能够真正帮助医生工作的AI设备，大部分医院的态度仍然是——可以尝试，不愿买单。
美国医生与医院的关系完全不同，美国看病的账单是分开的，一个给医院，一个给医生，类似于医生进驻医院，美国医生的收入是中國医生的几十倍甚至几百倍。“医生太有钱了也不行，顾虑就会比较多。”闫小珅说道。因此，美国医生最大的顾虑是自己的口碑，加上美国的律师体系高度发达，每年医生与医院大量的钱都花在了官司上面，大家在使用新的诊疗系统时会更谨慎。
但这同时也意味着，美国医生是现有体系的既得利益者，既不愿意冒风险使用还没有完全成熟的AI医疗产品，也没有动力去积极参与这轮AI创新。
摆脱画饼充饥
从技术上看，美国相对于中国的科研实力更强，市场更加规范。但无论中美，让AI医疗取代医生还为时尚早。对这轮医疗影像创业潮前景的看法，取决于一个基本假定——AI到底是取代医生还是辅助医生？如果是取代医生，这将是一个漫长的过程，无论中美前景都不乐观。若是辅助医生，则可以帮助医生减轻工作强度，减少因疲劳出现问题。
中国几乎每一家三甲医院每天都会接收来自全国各地数量众多的病人，一名主治医生一个工作日，可能接诊超过200例病患，工作强度高，甚至出现医生因劳累而导致各种问题。
发展速度最快的医疗影像也是供给最不平衡的细分领域。“几乎所有的重大疾病，都离不开影像诊断，医疗影像数据每年增加30%，这还是保守估计，但同时，由于经常会受到射线干扰，影响身体状况，愿意从事这一岗位的医生并不多——每年影像科医生的增长量只有4.1%。”陈宽说道。
影像科医生的困扰，正是AI可以帮助他们解决的问题。创业公司与巨头公司正在影像领域迅速扩张，目前推想合作医院超过50家，并已经与德国、日本、美国等海外医院展开合作;汇医慧影合作医院超过800家;腾讯觅影在去年8月到12月之间，新增合作医院就超过了100家。
不少医疗行业论坛上，参会医生从讨论一些疑难杂症，变成开始讨论AI发现的病症。
伍锋也尝试过在诊断过程中使用AI阅片，尽管有不少创业公司宣称AI阅片的准确率已经超过90%，但他在临床过程中发现，准确率只能达到50%。“太低了，医疗体系能容忍的准确率是95%。”他说道，“而且我只愿意相信自己的眼睛，因为最终的治疗结果是我自己负责。”
这种视觉识别的不准确，是包括IBM Watson、体素科技在内的医疗影像行业的普遍问题。闫小珅说：“程序员用几个月甚至一年做一个产品，一个五六十年从业的老医生，看过的数据量可能比机器还多，这种时候科技公司的销售，很难取得医生的信任去与他们合作。”
在美国，AI医疗正在技术上取得一些重大突破。今年5月，深度学习知名科学家吴恩达在推特上介绍了斯坦福计算机科学系、医学系和放射学系的最新研究成果，通过MURA肌肉骨骼医疗数据集和一个基础模型，这个模型可以像放射科医生根据X光片进行诊断。去年底，他曾经发推称放射科医生可能面临失业危险，因为他们的研究成果可以通过X光片诊断肺炎，实验结果优于四名专业医生的平均值。
然而，这两次论文的发布都引来美国医生和生物学家的质疑，比如四名专业医生的诊断是否能代表美国医生的平均水平，吴恩达是否有夸大科研成果的嫌疑。这些质疑集中在“机器替代医生”的论断基础上，而不是用研究辅助医生。
不过，吴恩达科研使用的4万多张图像来自斯坦福医院图像存档和通信系统，开源数据集正在帮助更多的科研人员进入该领域。
AI医疗公司应当把目光持续扩大。王啸认为，“目前国内的AI医疗创业扎堆在放射科的辅助诊断，事实上AI在疾病治疗、药物研发、健康管理方面大有作为，微生物和动物市场也前景广阔。”
在伍锋的工作经验中，智能设备和智能技术在大医院里不是新鲜事，甚至很多技术都已经被频繁使用。其中使用频率较多的包括：手术机器人，能够缩小患者的手术创口，减轻痛苦;胶囊胃镜，同样减少患者的痛苦，并且方便医生治疗;3D打印技术，可以应用于骨科，制作一些植入物和假体。甚至还提到了VR技术，让患者模拟诊疗过程，也能让一些年轻医生积累更多经验。
这些都能够完成医生自己无法做到的工作，AI技术在医疗领域大有作为，也有更多需求等待挖掘，而影像这个细分领域，也许并不需要这么多的玩家。
丁晓伟说，中国每年有30多亿次医疗影像扫描，不包括眼科的光学影像和病理影像，目前这个行业才刚刚开始。之后的神经精神行为分析、皮肤数据、健康预防、养老监控设备预测，还有大量的运用场景。
除了这些新创建的计算机视觉应用的医疗影像公司，张璐也投资了一些将机器学习和医疗器械结合的创新企业，硬件部分是数据收集的入口，把数据上传到云端以后，再通过机器学习进行分析整合，从而可以给出更加个性化的诊断结果和诊疗方案。
“这轮AI医疗，本质不同是更加个性化。以前的升级是提升效率、提升准确率，人工智能赋予的另一个优势是个性化诊疗方案。”张璐已经看到，美国很多药厂都在做个性化药物探索。
她在Fusion Fund新发布的报告中指出，美国正在出现新的AI医疗创新中心，如匹兹堡、休斯顿、旧金山、圣地亚哥，重要原因是只有AI或者只有传统医疗器械的人都是不够的，需要两边人才进行整合。
但这都需要时间的积累。“以目前AI技术的成熟度来看，医疗产业链里能切入的范围还很小，”陈宽说，“从影像开始落地，至少在AI医疗的万里长征中，迈出了第一步。