据业内人士透露，本轮融资额为数亿元人民币，这无疑给沉寂了大半年的医疗AI行业带来了振奋。

作者 | 保尔

来源 | IPO那点事

数据支持 | 勾股大数据

六月份，医疗AI终于在资本市场又有了踪影，深睿医疗宣布完成C轮融资。本轮融资由阳光保险集团战略领投，昌发展、丝路华创、山蓝资本等跟投。

深睿医疗前身是北大信科学院人工智能实验室项目，2017年转化成公司。其两年完成四轮融资，前三次融资分别是3500万元A轮融资、1.15亿元A+轮融资、B轮1.5亿元融资（由君联资本领投，联想之星跟投）。

而此次融资具体金额未披露，但根据业内人士透露，本轮融资额为数亿元人民币，这无疑给沉寂了大半年的医疗AI行业带来了振奋。

1

曾经广受资本追捧的AI医疗影像市场

AI医疗影像市场曾经大热，广受资本追捧。

根据 Global Market Insight 报告显示，按照人工智能+医疗的应用场景划分，药物研发在全球医疗 AI 市场中占比 35%市场份额最大，智能医学影像市场为第二大细分市场，并将以超 40%增速发展，在 2024 年达到 25 亿美元规模，占比 25%。

2011 年-2016 年 6 月，人工智能投融资总额达 14 亿美元，医学影像+人工智能融资项目共 16 项，融资金额达 1.49 亿美元，其中 Butterfly Network2014年获 1 亿美元融资。2018 年 7 月，复星医疗向 Butterfly Network 继续加码 1.06 亿美元。资本市场对AI医疗影像高度认可。

图：2011-2016 年全球人工智能细分领域累积投融资额（百万美元）

资料来源：VCbeat、国元证券研究中心

但是，随着人工智能泡沫开始破裂，资本对AI医疗影像的投资断崖下跌。每当浪潮退去，才能看清究竟谁在裸泳。随着虚假的泡沫纷纷开始破裂，很多医疗AI企业并没有活下去。深睿医疗作为优秀的医疗AI的代表，穿越过这次退潮，却仍面临窘境，前路漫漫不见冲刺线。医疗AI什么时候才能真正落地，停止烧投资者们的钱？

2

AI医疗影像是个大生意

具体地来说，深睿医疗是做AI医疗影像，就是把人工智能技术应用到医疗影像上。

医疗影像是借助于如X射线、电磁场、超声波等介质，把人体内部组织器官结构、密度显示出来。比如我们常说的X光和CT，就是典型的医疗影像。稍微有点医疗经验的人都知道，尽管拍片子就这么一瞬间，但是取片子往往需要经过半天以上的等候。这是因为这些影像不是拍出来就算完成，需要经过诊断医师“读片”，去进行判断，得出初步评估结果。

完成这一步，这个结果才回到你和诊断医生的手中，进行进一步地运用。有些复杂的片子和繁忙的医院，患者甚至需要数天的等候。

而AI医疗影技术，就是辅助甚至替代诊断医生去“读片”。它借助时下最为热点的人工智能技术，根据X光片等影像提供的信息进行判断，继而对人体健康状况进行初步评价。

图：AI医疗影像应用范围很广

由于中国医疗系统的特点，AI医疗影像注定是门大生意。首先，医疗影像服务市场的蛋糕很大，是医疗器械市场规模最大的子行业。医学影像行业因为产品单价较高，市场需求广，中国市场空间达 846 亿元。

再者，人均医疗资源亟需提升，“读片医生”供不应求。我国医疗影像数据以每年 30%的速度增长，而影像医生的年增速仅为 4%，远不能满足市场需求，部分医生超负荷工作。地域分布不合理，小城市和边远地区“读片医生”的资源往往很紧缺。而AI巨大的运算速率和27/7的能解决这些痛点。

图：影像阅片数量增长过快和影像医生数量不足的矛盾

另外，医疗影像 AI 阅片能做到比人工更高效和更高精度。而医疗影像 AI 可以快速从几百张片子中定位病灶、减少读片时间，提高工作效率并降低误诊率。对于患者而言，医疗影像 AI 帮助患者获得更精准的诊疗结果、更适合的治疗方案，节省医疗费用和时间支出。

图：人工阅片与医疗影像 AI 阅片对比

而AI医疗影像的优点使得医院和患者接受其的意愿越来越高涨，但矛盾的是，落地的情况却迟迟未达预期。这因为什么呢？

3

“穷”得只剩下技术，AI医疗影像落地的三大难题

AI医疗影像团队很多都做出来精准度较高的模型，但是为什么商业化看起来还遥遥无期？因为除了AI技术，还有更多关键的命门。AI的深度学习是一门经验科学。说白了，它像人一样，就要从过去的数据和结果中，训练和学习，从而构造出一个适合的模型，以在未来面对新的问题解答出新的结果。

毋庸置疑，AI技术是AI医疗影响产品的根基。深睿医疗哪怕不是国内最顶尖的AI医疗影像团队，但也算是领先的团队。其前身是北大信科学院人工智能实验室项目，研发团队优秀。

创始团队核心人物分别为：董事长雷鸣（百度创始七剑客之一），CEO乔昕（原西门子东北亚副总裁、医疗及CT事业部总经理），曾就职于百度并曾在的CTO李一鸣（前高德搜索部和数据部总经理）和首席科学家俞益洲教授（ACM（美国计算机协会）杰出科学家）。这保证了深睿医疗拥有国内领先的人工智能深度技术。

尽管如此，人工智能在医疗影像仍未能达到高精度。这是由于目前的深度学习算法天生带有局限性，只能从事指定类型的智能行为，有诸多的使用条件和范围，例如运用人工智能识别糖尿病视网膜病变，除了需要专业人员标准化操作保障眼底照相机拍摄保质量图像，还需要在使用之前排除许多不适用的状况，如持续性实力丧失、视力模糊、增值性视网膜病和视网膜静脉阻塞等症状。而这些操作很有可能没有给予医生帮助，而是在增加工作量。

而且，只有算法的技术还不够，对比之下，医疗影像应用场景非常复杂，使得AI难以满足临床需求。遇到模棱两可的疾病影像，通常需要医生在读片时参考问询患者，结合患者之前的病历报告来综合判断，单一影像资料在临床中往往不能作为某疾病的唯一判断标准。例如不同人有不同表型，同病异症、异症同病以及合并症等，对于人工智能来说都是比较棘手的问题。如何用技术解决这些问题，企业还有很远的路要走。

并且，光有技术，就像有巧妇而没有米。没有可以深度学习的材料，AI从何学起？因此，高质量可训练的临床数据是AI医疗应先的核心驱动力。有读者读到这里就恍然大悟，就是要取得医生已经诊断过影像嘛，只要这样AI就能进行学习。的确是如此。只是取得这些影像，绝非易事。

一是医疗系统过去还没有开始实施电子化，过去多年往往都是纸质上的记录，这使得数据的可使用性不高；二是由于我国的特殊国情，尽管当前医院都电子化，但是医院间的信息往往互不相同，呈现孤岛化的状态，患者并没有一份连续的个人电子病历信息。这大大增加了高质量数据积累的难度。企业只能一家家医院入驻合作，以获得AI训练所需要的海量数据。数据获取的难度足以让大批的AI影像企业驻足不前。

同时，AI医疗影像辅助诊断将面临严格的监管。中国倾向“严出”，将医疗影像 AI 产品归属于需要高度监管的三类器械产品。

这几个拦路虎使得AI医疗影像迟迟未能落地。尽管资本热捧提供了大把资金，优秀的技术团队力图把深度学习模型做的美轮美奂，但是适用于临床的产品并非纸上谈兵即可。这不得不让人怀疑，AI医疗影像真的到了适合落地的时刻了吗？烧钱到底烧到什么时候是个头呢？

答案不得而知。只是连个商业化的模式都仍在摸索中，烧钱恐怕还是要继续下去了。

若此文的分析对你有帮助，

请随手转发~

识别下方二维码，即可关注我

免责声明：内容仅供参考，请读者谨慎依此进行投资决策。