AI进医院困难重重，帝维达却要借人工智能弯道超车

2018年，钛媒体将陆续推出对于前沿云端科技创业公司的全景调查。本项目主要由阿里云“诸神之战”全球创客大赛推荐，钛媒体筛选，独家采访与追踪。记录最值得记录的中国前沿科技创新史，欢迎点击订阅特色专题：“诸神之战”独家追踪。

距离2018年农历新年还有四天，闫维新和三位同事一起，窝在上海仁济医院放射科的一间小屋内忙活项目。这位上海交大机械与动力工程学院博士生导师，另一个身份是帝维达创始人，他每个月近一半时间都会呆在医院里。

帝维达成立于2015年，专注于液体活检的检测仪器和试剂，“我们的产品主要应用于心脑血管疾病和肿瘤，这两类疾病都离不开两样：影像和多组学例判断。”看似和人工智能关联不大，但闫维新却将自己做的事情比作中国版人工智能医生，在帝维达的商业链条里，人工智能扮演着举足轻重的角色。

“好用早用了”

2013年，闫维新认识了原腾讯数据平台部技术总监廖焕华和浙江大学医学研究院牛田野教授，三人一拍即合，便带领着研究团队一起研发医学影像AI系统“阿尔法医生”。

“虽然现在病理是判断的金标准，但我觉得未来病理的趋势会越来越弱下去，医学影像是趋势。”闫维新的判断基于两点，一方面医学影像可以减轻病人痛苦，另一方面原来医学影像读出的信息有限，现在通过医学影像组学可以读出更多的信息，做出更为精准的判别。

浙大医学院附属邵逸夫医院为研究团队提供了上万张直肠癌核磁共振影像图，由医生勾画出肿瘤区域，然后再将这些影像数据供机器学习，经过十余万次迭代，阿尔法医生能识别直肠癌、皮肤癌等疾病。研究团队还曾与交大医学院附属第九人民医院合作，让“阿尔法医生”根据影像识别诊断血管瘤等六种皮肤病，准确率高达99%以上。

“科研做的高科技，市场未必需求，需要建立个桥梁”，闫维新坦言，2015年研究成果进入医院时却面临着两个尴尬的现状。根据当时的政策规定，基于人工智能技术的医学影像系统不在医疗器械名录内，所以“阿尔法医生”无法取得医疗器械注册证，不能上市销售。

这种尴尬并没有将创业者和资本拦在门外。从Waston、机器人到医疗影像AI，人工智能进医院早已不是新鲜事儿。据钛媒体潜在投资统计，仅2017年，医疗影像AI领域有24家公司获得融资，融资总金额共计43亿元。

2017年8月31日，国家食品药品监督管理总局（以下简称CFDA）发布了新版《医疗器械分类目录》，新增了与AI辅助诊断相对应的类别，在目录中具体体现在对医学影像与病理图像的分析与处理。

这一政策的发布似乎为医疗AI参与者提供了一块敲门砖，但即使能够销售，根据公立医院相关规定，人工智能医生要为患者提供有偿服务，必须有物价部门核定的收费编码，但收费标准还缺少统一的政策指导。据媒体报道，以IBM Waston为例，其在国内是通过市场化代理机构向肿瘤患者收费，使用医生不同收费标准不同，一次服务费用最低是千元。由于“人工智能读片费”不在诊疗收费项目名录内，也考虑到安全性等综合因素，许多医院仍然没有动力购置使用人工智能。

“仁济医院放射科约有180人，一天的门诊量将近3000人，我算了一下，人工智能一天能帮他节省30%的人力，一年是千万级的，但为什么没有用呢？是不好用，好用早用了。”闫维新举的这个例子，透露出人工智能进入医院后尴尬的另一面，除了政策的束缚外，AI落地到医院使用场景时也问题重重。

以乳腺癌筛查为例，筛查方式包括了乳腺X线摄影、临床体检、自我检查、超声检查、磁共振检查等，仅通过图像来判别是不够的，“影像AI的缺点是不实用，就像是帮助临床医生勾勒出简单的粗暴的活，只是干了影像科医生初期的活，真正后期的临床科医生要干的活，没有。”闫维新坦言，虽然图像处理是人工智能很重要的方向，但仅图像处理并非真的意义，“目前对于人工智能这个六七岁的小孩要求不能太高，还需要医院和学校这种研究层级来进行深入研究，研究出一些关联性，而不仅仅是看片。”

弯道超车

在人工智能“长大”之前，闫维新绕了个弯，以肿瘤细胞筛查检测为主线，结合病理状态、分子生物学、以及影像学等，在检测的各个环节中探寻商业空间。

在回上海交大做老师之前，闫维新的一次创业经历便与医疗检测仪器相关。2008年，美国为NASA研发制造了一款移动生化分析仪，并研发出独有的Orbos微流控技术，将生物化学中所涉及的血液采样、分离、稀释、制备、反应、检测等基本操作单元集成在微芯片中。与当时庞大的生化分析仪相比，小巧快捷的移动生化分析仪具有革命性意义。

借鉴这个方式，闫维新于2008年在深圳注册了一家公司，做微流控芯片生化分析仪，“早期生化分析仪很大，我们做的很小，那是我第一次创业，当时联想给了最大的一笔天使投资，后来股份卖掉我就离开回学校当老师了。”

从创业者变回老师，闫维新的选择出于几个考虑，“微流控是比较好的方式，不过受制于成本，比较适合做高质的IVD检测（钛媒体注：体外诊断），而不是生化检测，这是我的一个教训；以IVD的核酸检测与微流控相结合，检测的时候一定会涉及到肿瘤和心脑血管疾病，对肿瘤而言，肿瘤样本准备完之后需要依靠大量且繁复的人工进行辨识，因此需要切入人工智能。”

在医疗影像AI进入医院困难重重时，这段经历为帝维达转身将AI应用到肿瘤辨识上做了铺垫。

基于肿瘤筛查过程，现阶段帝维达会在三个步骤内展开布局。第一，通过微流控芯片技术实现对肿瘤样本的获取，这样可以借鉴传统的CFDA注册证中的对样本的处理名录获取注册证，解决进入医院的难题；第二，获取的样本不适于直接观察，需要进行一系列处理才能进行影像学的观察，因此样本处理至关重要，相对应的样本处理耗材必不可少；第三，肿瘤样本获取并处理后，必须对图像进行包括细节放大等图像处理才能看到肿瘤上比较细致的结构，但图像处理后的海量照片对于人工来说是个苦活，基于此，帝维达研发了一个肿瘤样本图像处理平台，对图像进行扫描、分割、拼接，每次分割都进行人工智能辨识。

这样就形成了一个系统性解决方案，从样本获取到样本处理，到后期的图像处理以及人工智能辨识，在这样的封闭系统内，帝维达的空间便是做肿瘤样本处理仪器、卖样本处理耗材、卖微流控芯片等，人工智能系统则作为辅助诊断免费送给用户，“利润点不在人工智能，人工智能只是降低使用门槛，以耗材这种传统模式赚钱是比较稳定的。”

目前，成立两年多时间的帝维达已经研发出了肿瘤样本处理仪器、微流控芯片、肿瘤样本图像处理平台等产品，也积累了过万级样本数量。

在闫维新看来，样本数量正是帝维达未来在人工智能领域的竞争优势。“真正的人工智能三个东西，算法、算力、样本。算法大家各有突破，基于传统神经网络来进行模型的勾勒，大的革命性算法还没怎么出现；算力是钱的问题；我们要做人工智能，我们的优势就是我们的样本，就像是房地产的优势在于地皮一样，主要是真正能用的样本。”

但对于所有决心挟人工智能进入医院的企业而言，样本获取的困难程度各有不同。闫维新认为主要困难有两点，第一是样本收集的困难，病人样本不单是影像样本，还需要有其他样本结合；第二是人工智能技术都在影像学领域扎堆，还需要加上时间轴，这样才可以对病人或者单个病例的发展阶段进行分析，把不同时间段各个关联程度形成一张密集的蜘蛛网。

而基于单一病种筛查的系统性解决方案，看似绕了个弯但却是解决样本问题的钥匙。“人为假想的商业场景很难推动，而用现有的商业场景升级，这样比较容易切入进去。”闫维新感慨，人工智能还没到收网捕获的时候。（本文首发钛媒体，作者／付梦雯）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App