題圖 | 視覺中國

在震驚全球的AlphaGo大戰頂尖棋手李世石的第二年，尤瓦爾·赫拉利在《未來簡史》中說：

“未來AI會取代很多人類的工作，尤其是那些重復性的、程式化的工作。”

這個預言似乎在臨床醫學上正在實現，尤其在影像診斷領域。AI技術的不斷優化，使得深度學習頂級醫生的經驗成為可能，再匹配強大的算力和高分辨率，甚至使其擁有了超過醫生的預判力。

2020年8月，一款糖尿病視網膜病變眼底圖像輔助診斷軟件通過了國家藥監局審批，拿到了同類產品中首個第三類醫療器械證書，并由此在國內醫院落地使用，協助、減輕醫生的醫學診斷工作。

這并不是AI黑科技第一次照進臨床診療的現實，卻撬動了一個規模不可小覷的群體的健康管理需求。視網膜中蘊藏了大量信息，它是唯一能從人體外部直接觀察內部動脈末梢、腦神經的窗口。其中，糖尿病視網膜病變是糖尿病患者的常見并發癥。

據統計，2020年僅中國就有糖尿病視網膜病變患者近4000萬人，但早期糖尿病視網膜病變通常表現為無癥狀，導致這種疾病的篩查率不到10%。

試想如果把待確診的3000多萬人都送進醫院，讓區區4萬多名眼科醫生扛起這面大旗，將形成怎樣令人窒息的擁堵場面。人工智能的視網膜影像識別技術，價值方顯。

2021年9月22日，根據港交所官網顯示，這款軟件的研發公司：北京鷹瞳科技發展股份有限公司（以下簡稱“鷹瞳科技”）通過聆訊，擇日將正式啟動招股并主板掛牌上市，這意味著鷹瞳科技即將成為“醫療AI第一股”。

鷹瞳科技應驗了那個預言，在中國，將有越來越多的“AI眼科醫生”。人工智能開始深度參與臨床診療工作，是一個新突破。

目前，國內不少醫院和體檢中心都配備了專門設備，患者只需參與看似常規的眼部掃描，軟件后臺就會快速運行數據質控、海量數據比對，并作出病變診斷、病變分期，部分糖網AI產品還會提供轉診建議，全程耗時僅幾分鐘。

在最新的《中國2型糖尿病防治指南（2020版）》中，人工智能糖尿病視網膜病變篩查軟件作為有效的解決方案，被建議用于協助糖尿病視網膜病變的診斷。

通常，基于AI的檢查結論，會直接被推送到醫生的信息系統中，患者也能在移動設備上同步接收，這就避免了傳統場景中等報告、取報告、排隊復診的麻煩。

人工智能的黑盒子

可能你會說，雖然AI眼科醫生厲害，但我還是信任那些經過長期大量訓練的醫生，畢竟是給人看病，這個事兒得謹慎啊。

其實不用擔心，AI診斷用的算法規則，并不是醫生純粹的經驗，而是基于醫生經驗和最樸素的統計原理所建立的復雜邏輯。這套邏輯之于臨床診斷，正如大腦之于人類，是個黑盒子，里面包含著從大數據的復雜關系中推導出的，從影像到診斷之間的算法規則。

在醫療AI的場景中，醫生只需確保影像數據的正確輸入，機器便可以利用算法規則給出診斷。在一項招募了1000名患者的多中心臨床試驗中，鷹瞳科技的糖網AI產品檢測敏感性、特異性分別達到91.75%和93.1%，已經堪比訓練有素的專業眼科醫生的診療水準。

如果切開人工智能黑盒子，橫斷面的主要陳列將包括臨床數據、深度學習算法和臨床驗證3大元素。

在醫療AI中，標準化臨床數據是立體的醫生經驗的重要載體，也是AI遲遲沒能進入臨床的最大掣肘。這是因為，臨床數據的規整相對其他行業數據十分特殊，要打通層層壁壘，包括有效數據識別與提取、醫院間的數據互通、平臺間的數據兼容、個人敏感信息保護等。

以數據識別與提取為例，專業相機能夠識別微動脈瘤、出血斑點、硬性滲出、棉絨斑等形態各異的視網膜病變圖像，而要從這些圖像中提取出有用的病理信息，則依賴于臨床醫生精細的工作。臨床醫生圖像判別能力的高低，直接決定了模型臨床判斷水平的好壞。

鷹瞳科技的背后，是世界最大視網膜影像數據庫和數百位醫學專家，收錄了370萬張真實用戶的視網膜圖像。更重要的是，這370萬張視網膜圖像包含覆蓋年齡、性別、人口特征、疾病、商業渠道及醫療器械型號的多模態完整數據，這些數據受到私有數據湖系統的嚴格保護。

為了確保數據提取的準確性，鷹瞳科技的醫學專家獨立完成圖像標注后，還會進行交叉互檢，隨著各種來源數據持續同步到數據湖系統中，鷹瞳科技擁有了穩定增長的視網膜圖像數據庫。

醫療AI有了強大的臨床數據庫，就像巧婦有了米，能否做出美味的飯菜，還得看烹飪技能，即人工智能深度學習算法。一個醫療AI產品通常會包含多種機器學習框架和編程語言，并建立網絡架構搜索、生成對抗網絡、領域自適應、模式泛化、多任務學習、無監督學習、在線學習等一系列算法。普通人即便理解這些算法的名字也十分困難，但正是有了算法指引，機器得以完成疾病分類、病灶檢測、病變分割、健康風險評估等臨床功能。

鷹瞳科技擁有經驗豐富的算法工程師團隊，他們挑戰性地開發在線深度學習推理系統，可以支持300多個深度學習模型實例同步計算、優化數據，并調用計算資源，高效運行深度學習模型的優化、保護、部署、管理及監控。鷹瞳科技的這套算法體系在完成眼底疾病輔助篩查任務的同時，也正在開發長期健康風險評估算法、時序醫學圖像配準和分析系統等復雜功能，從而在未來給慢性病患者帶來更大幫助。

臨床驗證是醫療AI走向應用的關鍵一步，也是壓垮眾多醫療AI企業的最后一根稻草。在這里，最前沿的科技與最嚴肅的臨床需求近身肉搏，解決方案中的任何瑕疵，都是個體的不能承受之重。

硬幣的另一面，出色的臨床驗證結論無疑為醫療AI提供了最有力的背書。就在赴港IPO前后，鷹瞳科技相繼公布了多項與頂級醫療機構的臨床研究成果，這家初創醫療AI公司誠意滿滿的向資本市場遞出一份答卷。

7月末，廣州中山大學中山眼科中心林浩添教授團隊聯合鷹瞳科技等開展的“AI視網膜多病種輔助診斷系統”真實世界研究，成果正式發表于國際頂級醫學期刊《柳葉刀·數字健康》（The Lancet Digital Health）雜志（SCI影響因子24.519）。研究結果證實，該輔助診斷系統在臨床真實世界驗證中表現出穩健的疾病識別能力，準確率媲美醫學專家。

9月，著名眼科學期刊《英國眼科學雜志》（British Journal of Ophthalmology）在線發表了復旦大學附屬眼耳鼻喉科醫院（上海市五官科醫院）與鷹瞳科技在ICL（可植入式隱形眼鏡）手術臨床研究的最新合作成果，證明了人工智能算法對輔助ICL術后拱高預測以及人工晶體處方制定的作用，再次驗證了人工智能技術在臨床眼科學中應用的廣闊前景。

不久前，清華長庚醫院眼科胡運韜教授團隊與鷹瞳科技在英國自然科學期刊《科學報告》（Scientific Reports）上，聯合在線發表了論文“Artificial intelligence-based detection of epimacular membrane from color fundus photographs”（基于彩色眼底照片的黃斑前膜人工智能檢測），表明基于眼底照片訓練的AI算法在臨床環境下對黃斑前膜的檢測達到了專業眼科醫生的水平，具備在大規模篩查場景下應用的醫學價值和廣闊前景。

糖網AI首證的價值變現之路

盡管如此，在這之前，醫療AI的商業化之路卻并不好走。

相對于消費、娛樂等行業，醫療實在太特殊，我們已經看到太多高配團隊大張旗鼓布局醫療AI，卻在短短幾年內偃旗息鼓，迅速被證偽。

這背后一個重要原因在于養一支醫療AI團隊、日常規整醫療數據都涉及巨大的資金投入，而大多數醫療AI產品卻在短時間內找不到強大付費方，無法從商業閉環中汲取現金流。

鷹瞳科技手握糖網AI的全國首張第三類醫療器械證書，先發優勢之下，生存密碼已經若隱若現。招股說明書數據顯示，2019年、2020年、2021年前六個月，鷹瞳科技營收分別為3041.5萬元、4767.2萬元和4947.7萬元，2021年半年營收已超過去年全年營收。這家公司正在有力證實糖網AI的商業價值。

在商業邏輯的探索上，鷹瞳科技創始人張大磊從來不是一個理想主義者。在他看來，成為優秀的醫療AI企業，首先要能活下去。所以在刀耕火種的醫療AI早期，張大磊就在無數十字路口前堅定選擇了合規的產品化道路。此舉為鷹瞳科技贏得了寶貴的市場先機。隨后，鷹瞳科技巧妙利用一體化解決方案和多渠道布局，將糖網AI首證的價值挖掘到極致。

具體而言，鷹瞳科技在業內罕見地同步開發了圖像分析技術和圖像采集技術，從而能夠提供從數據收集、數據傳輸到數據分析、結果報告的端到端產品組合，這確保了算法能夠在處理及分析圖像的同時，極大降低客戶的轉換和學習成本。

2021年3月，就在拿下糖網AI首證的半年后，鷹瞳科技的首款便攜式、全自動化及全自助式眼底相機獲批第二類醫療器械注冊證，以“軟件+硬件”組合拳的方式快速開疆拓土。

而在市場滲透的過程中，鷹瞳科技采用了模糊邊界、聚焦高密度用戶場景的強勢打法，在醫院、診所、體檢中心、保險公司、零售藥房等多元渠道中矩陣式推進，從而迅速整合用戶資源。

在國內，慢性病及相關并發癥通常由數量有限的醫生，在審查視網膜影像等各種測試結果后，進行人工檢測及診斷，經濟而高效的輔助診斷解決方案，無疑是醫生們面對日益增加的患者時的剛需，這就是鷹瞳科技的糖網AI產品在醫院內快速滲透的底層邏輯。

而糖網AI產品將出色的眼科醫生送到社區診所和其他基層醫療機構，有效解決了中國醫療資源短缺和分布不均的問題。在體檢中心，人們最大的訴求莫過于以無創、經濟的方式完成疾病的早期篩查，這正好契合了鷹瞳科技的產品特質，即基于一次快速視網膜影像拍照，進行早期檢測、輔助診斷及健康風險評估。

此外，在消費屬性更強的大健康場景中，鷹瞳科技的軟硬件一體化產品策略串聯起了商業閉環的主要元素。

例如，鷹瞳科技與平安保險、中國太平洋保險、中國人壽等商業保險公司合作，協助全面準確及高效的評估保險申請人和被保險人的健康狀況。再如，在服務能力逐步增強的視光中心，鷹瞳科技正成為患者健康風險評估的重要一環，協助分析患者視網膜環境，并識別可能導致視力受損的風險因素。

不難發現，在鷹瞳科技的身體力行下，醫療AI正隱于無形。它最終沒有成為華麗的機器人和酷炫的特效，而是陪伴在側，默默提升醫療面向大眾的可及性。

醫療AI未來幾何？

眼科醫生在中國嚴重不足是事實。

一個合格的眼科醫生，在能夠給病人獨立診斷之前，要經過長期大量的專業訓練。在中國醫療培訓體系下，本碩博 8 年，順利的話 2 年晉升主治醫師，再過至少 5 年升為副主任醫師，加總至少 15 年，才能成為一名合格的影像學專家。

而醫療AI的廣泛應用，對于緩解我國醫療資源分配不均，解決看病難的問題，具有極大的現實意義。

從這個角度看，真正能夠讓醫療AI跑通的團隊，他們關注的角度或許并不在于醫療AI能否跑通。醫療領域的任何創新和改變，都必須以年為單位觀察，任何前沿技術進入醫療，都會逐漸褪去張狂的想象底色，回歸最樸素的價值，成為對大多數人有用的東西。正如鷹瞳科技創始人張大磊形容自己的工作，用50年，把健康檢測做成一個生態。

所以去年8月拿下糖網AI第一證、今年9月成為通過上市聆訊的醫療AI第一股，對于張大磊和鷹瞳科技而言，都并非值得停下來歡呼的節點，即便讓所有眼科醫生都用上糖網AI，那也只是健康監測生態里的一個里程碑。

這是一個可以讓醫療AI的潛在用戶群體松一口氣的結論，至少當我們得知鷹瞳科技仍在開發針對高血壓性視網膜病變、視網膜靜脈阻塞、年齡相關性視網膜黃斑變性等高患病率疾病的產品，也看到許多優秀團隊在面對醫療AI是否跑通的未知數時沒有半途而廢，可以比較確定的認為，那種“健康無處不在”的未來，是可期的。

關鍵詞： 拯救 忙不過來 眼科 醫生