當我們談及國內醫療人工智慧領域，推想科技肯定是繞不開的一個存在。

2016年，AlphaGo在圍棋比賽中擊敗李世石的戰績刷屏全球社交媒體，在很多吃瓜群眾還在感嘆人工智慧的神奇時，已經有人敏銳的開始利用人工智慧賦能傳統行業，比如推想科技創始人&CEO陳寬。此時陳寬已經從美國芝加哥大學休學回國。“如果有心裡非常想做的事情，你就應該去追逐它。”帶著導師的祝福，陳寬頻著對於人工智慧的憧憬，開啟了全新的探索。

△推想科技創始人&CEO陳寬

四年多的時間，陳寬推動了醫療人工智慧在國內的發展，也收穫到了應有的回報。2020年，11月，陳寬的推想科技，拿到了肺部診斷領域全球第一個人工智慧NMPA三類醫療器械認證的證書，或有機會讓肺部診斷這件事情變得更加容易。

今天的人工智慧，在醫療領域已經不再是單純的科研專案，商業化已經成為了繞不開的話題。過去四年時間，我在醫療人工智慧領域工作時，就一直在關注和思考推想科技和陳寬的動作。而這次，在與陳寬的深入溝通中，不僅印證了我之前的一些推測，也更大程度讓我對推想科技的發展細節和邏輯有了很多別樣的理解。

01

實驗室到商業化，

醫療AI四個不同階段的挑戰

“人工智慧在醫療領域經歷了4個階段——首先是可不可行，其次是能不能用，再之後是怎麼認證，現在的階段是要證明醫療人工智慧商業模式能否落地，推想現在的工作重點也在這裡。”經歷了數年的探索後後，陳寬已經親身經歷了人工智慧在醫療領域的不同發展階段。

2016年，國內醫療領域對於人工智慧的認知基本上是零。雖然人工智慧理論上可以在醫療供給端幫助醫生，但是獨自走進四川省人民醫院時，陳寬迫切需要證明人工智慧如何在影像識別中發揮作用，面臨的挑戰和壓力可想而知。為此，陳寬沉下心來帶著團隊租住在四川省人民醫院外的一棟破舊的居民樓裡，終於訓練出了推想第一個可用於醫療影像的AI模型，直接用產品讓一眾醫生接受了人工智慧。

△肺結節識別

在實驗室裡完成第一階段的驗證後，推想馬上就遇到了新的挑戰——醫生到底會不會用？也是在這個時間節點，大量的創業公司開始扎堆在肺結節領域，行業出現了一些不良競爭。甚至有些醫院同時使用多家產品，導致一些企業的產品被棄用。

縱使如此，推想並未因為行業的混亂而改變自己的初衷，始終堅持要做出一款讓醫生和患者都有益的產品的定力。2019年推想的肺結節人工智慧產品獲得山東省政府的認可，批准了全國第一個肺結節人工智慧輔助診斷的物價收費專案。同時，也有更多醫院也開始做這樣的探索，2019年底北京大學第一醫院向北京市衛健委申請了人工智慧輔助診斷的物價收費並得到批准，開啟了北京人工智慧可收費的新篇章。這種醫院自發的行為，也為整個行業帶來寶貴的經驗，為醫療人工智慧企業規劃了一個長久可行的商業模式。

在過去這麼多年，全世界僅有美國IDX的糖網人工智慧產品獲得了FDA審批三類醫療器械證書。進入到2020年，中國醫療人工智慧領域卻開始了翻天覆地的變化，一個又一個的企業獲得NMPA三類醫療器械證書，推想也率先拿到了肺部診斷領域的證書。

△推想科技產品

陳寬表示，這種看似爆發式的增長，其實是過去幾年積累厚積薄發的體現。2018年三月份，中檢院就已經完成了一些領域的標準化資料庫的建設。並且2019年中，審評中心頒佈深度學習產品審評指導原則，同年各家已經基本完成了臨床試驗。經歷了兩年多的時間，臨床試驗、專家會、審評等必要環節都已經完成了，因此2020年才會出現陸續有產品被批准的現象。

經過了這幾個階段的發展，人工智慧已經不再單純“炒概念”，甚至已經有一些商業模式的出現。陳寬認為，接下來對於所有的醫療人工智慧企業挑戰將會是最大的，那就是商業模式能否批次化複製。

02

一橫一縱，人工智慧繞不開的兩條路

在過去幾年，幾乎所有的企業都是透過一個影像產品敲開醫療人工智慧的大門。但是開了門後是做深耕，又或者是進入其他科室橫向發展，到底是做目前的一兩個科室，還是做更多的科室看企業自己，不過橫向發展必須要建立在有一個穩固的後方。

“醫療環節都是細分的，如果幾個細分場景做到世界第一，一定能夠成為千億市值的企業。一個科室的需求很多，現在大家都在探索期，如何將一個科室做深做透。現階段企業都是從影像入手，停留在影像科，但是AI必須要走到臨床。”在陳寬看來，放射科作為切入點，必須要進入臨床。每個科室都有自己的需求，在這個過程中沒有捷徑，只能從需求重新出發，或是修改產品或是重新研發。

△產品臨床

人工智慧將疾病診斷能力全程化，將會衍生出大量的需求，醫生和患者會倒逼著企業提供新服務以滿足臨床需求。陳寬的目光，從來沒有僅僅停留在影像診斷，醫療人工智慧就像是一個潘多拉魔盒，影像診斷只是盒子的蓋子，開啟後你會發現這個行業，遠遠比想象中更復雜。

舉個例子，在臨床指南上，4mm-6mm，6mm-8mm，8mm-12mm是肺結節的不同階段的診斷標準，但是4mm以下的需求難道就不存在嗎？又比如，與疾病相比，肺結節的發展相對緩慢，對於患者來說隨訪和健康管理都是必不可少的環節，那麼這個領域，人工智慧就不能發揮作用嗎？因此，在陳寬看來，未來5-10年內，影像產品將會提供很好的服務形成比較好的盈利模式，但是仍然需要繼續虧損投入研發也是正常現象。

現階段行業已經開始呈現良性競爭，各家已經不再單純頂著肺部和眼底兩個領域。“國際領先的醫療公司，一定是深挖特定領域的企業，醫療場景很複雜，很難橫跨特別多科室，推想其他科室的嘗試，一定要基於肺部的強大優勢。“目前，依託於肺部的優勢，推想已經計劃一些橫向的嘗試。

03

保持團隊飢餓感，基層是繞不開的場景

現在醫療人工智慧經過了概念階段，在NMPA證書下來之前，很多人都在懷疑醫療人工智慧的商業化能力。對於，企業來說，商業化成為了醫療人工智慧企業邁不過去的一道坎。

好在，最近行業已經進入良性競爭，醫療人工智慧的服務價格也在逐步提升。在商業化的過程中各家企業也在各顯神通，有的在做院外市場、有的在做科研專案、有的在與藥廠合作。對推想來說，每一個探索都是有價值的，都可以為推想科技未來的發展提供寶貴的經驗。但是目前推想依然以院內市場為主，將推想的服務以打包、計費等不同的方式銷售給醫院，目前合作醫院已經超過400家。

△產品臨床

現在大家都在做的收費目錄是一個加分項，算錢的時候，有收費目錄會更直觀，但是醫院需要的是如何提高管理和服務等綜合能力的產品。儘管his和pacs等資訊化軟體沒有進入收費目錄，但是已經成為了醫生日常工作中必不可少的工具，醫院同樣願意付費。人工智慧同樣為醫院提供了獨特的服務能力，因此行業並不存在商業化不順暢的情況。同時，這個商業模式在過去幾年已經被驗證。

醫療人工智慧的發展一定是長週期的發展曲線，也就是說每一年都是在增長，但是每年的進展都很緩慢。醫療是一個垂直的B端服務場景，不會像滴滴，不會像共享單車的C端產品一樣集中爆發。

在商業規模化道路上，推想科技的團隊一直保持著飢餓感。其中很大的原因在於推想的融資數量的選擇上。每一次融資的錢都是剛剛夠用，但是又似乎不太夠。錢太少不利於發展，錢太多又會給員工帶來不缺錢的假象，可能會導致團隊遠離一線市場。這種融資的度和分寸的拿捏，時時為團隊帶來商業發展的緊迫感。

符合公家分級診療政策的基層醫院正在快速發展，將會成為下一個爆發點。同時，整個市場環境也將促進醫療人工智慧的落地。在陳寬看來，醫院數字化的發展迅速，基層醫院逐漸上雲將會是一個趨勢，區域雲將會是未來醫療人工智慧的部署方式。區域性的醫聯體或者醫共體，只需要維護一箇中間的節點，大大降低了醫療人工智慧企業的維護成本。

人工智慧在早期發現患者，可以大大降低中晚期的治療難度，從而更好的幫助醫保控費。也許用不了多久，醫保付費將會為醫療人工智慧企業另外一條商業化路徑。與此同時，醫療人工智慧在醫生的心目中更加特殊，因此醫生更願意推進醫療人工智慧進入收費目錄。首先可以將專家的技術賦能給更多的年輕醫生，從而更好的服務患者。其次，醫療人工智慧的研發和成長，全部離不開專家，這種心理歸屬感讓醫院願意推動醫療人工智慧的商業化發展。北京大學第一醫院的收費目錄便是體現了醫生的這種心理。

現階段，率先獲得了NMPA證書的推想科技已經獲得了收費先行者的條件，並且正在推動著人工智慧納入收費目錄的事情，相信在不遠的將來，可以在這個領域獲得相對應的利益。院內市場，是醫療人工智慧企業商業化第一步都繞不過去的一道屏障，而醫保和基層則將成為人工智慧發揮的基本彈藥。相信，在不久的將來，人工智慧將會成為每個人身邊的健康守門員。