2020年3月19日，醫準智能宣佈公司已獲得近億元人民幣B輪融資。本輪融資由三美投資領投，朗程投資、老股東漢能投資和青松基金跟投。據瞭解醫準智能本輪融資資金將重點投向產品研發，擴大公司現有AI產品線，實現AI檢測系統從單器官到單部位多病種的覆蓋，並基於CT、MR、乳腺鉬靶機、普通X光機、超聲等多種影像設備，打造特定病種的人工智能產品。
表 1 醫準智能融資情況
醫準智能，成立於2017年11月，是一家專注於人工智能輔助醫療影像診斷的高科技企業。公司目前已經開發了五款AI產品，18個月內推出了肺結節智能檢測系統、乳腺鉬靶智能檢測系統，和“達爾文智能科研平臺”三款成熟產品。產品目前已經在400多家醫院落地，並形成規模收入。疫情期間，在既定肺炎AI檢測的基礎上，兩週推出針對新冠病毒的定製升級版，該系統也已經在全國五十餘家醫院陸續上線。
發展至今短短2年多時間，從天使到B輪融資，醫準智能從資本市場累計融資超過1.5億元，不僅實現核心產品的快速迭代更新、推動產品成熟度不斷提升，而且“研發一款、落地一款，商業化一款”，公司AI檢測系統迅速在各醫療機構應用落地，商業化進程堪稱神速，成為“AI+醫療影像”領域中一匹亮眼的“黑馬”。
圖 1 醫準智能產品發展歷程
頂尖算法團隊打造高性能AI醫療檢測系統
AI醫療影像檢測是指將人工智能技術運用到醫療影像檢測領域，通過圖像識別和深度學習等技術，達到對病灶的智能識別，幫助醫生定位病症分析病情，輔助做出診斷。
AI的核心在於算法，而算法是醫準智能的強項。醫準智能擁有一支頂尖的機器學習算法團隊，公司聯合創始人兼CTO丁佳、首席算法工程師張佳琦，以及首席AI官王子騰均畢業於北大智能科學系，是機器學習應用於醫療的傑出代表和早期實踐者。自2014年開始，這個團隊就開始研究機器學習在醫療影像方向的應用，是國內最早的實踐者之一。
而醫療行業方面，醫準智能公司創始人兼CEO呂晨翀畢業於北大軟件與微電子學院，在醫療影像行業從業12年，曾服務於GE醫療和西門子醫療，對醫療行業有著深入的瞭解。
2017年，醫準智能核心團隊參與國際人工智能肺結節檢測大賽（LUNA16）成為第一支獲得冠軍的亞洲隊伍，參與谷歌KAGGLE人工智能肺癌預測大賽並獲得第四名的成績，參與阿里天池人工智能肺結節檢測大賽獲得總決賽冠軍。這一系列科研成果和獲得的獎項標誌著醫準智能擁有一隻技術頂尖的算法團隊，其AI醫療影像產品在算法技術方面處於行業領先水平。
目前，醫準智能推出的AI醫療影像檢測系統各項性能指標均處於較高水平。肺結節智能檢測系統擁有結節自動檢出、結節類型判斷、以及良惡性分析功能，結節檢出率達到99%，磨玻璃結節檢出率達到95%以上，每個患者的假陽性控制在兩個以內，檢出、假陽性率及良惡性判斷具有行業領先水平；乳腺鉬靶智能檢測系統病灶檢出率高達93%、良惡性準確率達到94%，實現了20秒完成乳腺全病種分析、覆蓋乳腺鉬靶全病種。據瞭解，醫準智能的雲端平臺平均每天可產生170多份醫學影像報告，每份報告的生成時間僅需20秒。
檢驗產品成熟度的最直接方式，就是客戶是否買單。醫準智能目前已經開發了五款AI產品，其中胸部CT和乳腺鉬靶兩個智能檢測產品以及達爾文智能科研平臺最先實現商業化落地，已經形成了規模化收入。最新發布的新冠肺炎AI系統也已經在全國五十餘家醫院陸續上線。
提高營銷滲透效率，實現產品跨越式發展
AI醫療影像市場是一個嶄新的市場，從產品推廣、客戶培育、到品牌樹立都和傳統醫療器械的營銷模式相差甚遠。相比於其他醫療器械廠商千萬級的的合同規模，AI醫療影像廠商的合同金額都比較低，簡單依賴醫療器械廠家渠道打包銷售的傳統營銷模式產品很難迅速落地。
在銷售模式上，醫準智能組建了40多人的銷售團隊，包括很多醫療影像領域的“老兵”，這些銷售人員瞭解渠道和客戶，使得公司產品快速進入各大醫院。如公司研發生產的肺結節智能檢測系統和乳腺鉬靶智能檢測系統，僅用了一年多的時間就實現了從產品問世到實現營收的跨越式發展。
除了建立強大的內部銷售團隊外，醫準智能還主動聯合醫療領域內的知名機構，綜合其技術、渠道和信息資源，形成多層次市場開拓格局。例如，醫準智能主動聯合全球領先的醫學成像、監護、生物製造以及細胞和基因治療技術提供商GE醫療，加入GE醫療的Edison平臺，增加公司在數據資源和渠道資源上的優勢，將自身產品銷售的目標客戶拓展至全球範圍。
此外，Edison平臺還聚集了眾多AI醫療的開發者和用戶需求信息，可為醫準智能未來的產品開發方向提供有效參考。
加速多病種產品佈局，搶抓商業化新機遇
AI醫療影像行業經過4年多的發展,系統診斷技術、產品均已逐步成熟，肺結節識別、乳腺癌篩查、骨齡識別等產品已進入醫院試用，但距離大規模臨床應用尚有距離。
隨著“AI+醫療影像”行業邁入“深水區”，AI醫療影像企業之間的競爭也愈演愈烈。2019年，AI醫療影像企業從原本的57家銳減至20家左右，有近一半的公司在融資過後並沒有產出產品，而倖存的企業中真正實現產品商業化的也寥寥無幾。2019年資本市場的“寒冬”也加速了AI醫療影像行業“優勝劣汰”的進程。
醫準智能逆勢而上，加速多病種產品佈局，採用“穿透式”打法，增加產品對一個身體部位的多病種覆蓋。例如肺部檢測產品，由於肺病患者的檢測通常為多病種檢測，因此產品能夠對肺部進行檢測的病種越多，產品和醫院的匹配度就會越高，醫院對於企業的黏性就越強。2019年以來，醫準智能陸續推出多款基本涵蓋肺部大部分檢測項目的肺部CT智能檢測系統。此外，醫準智能在覆蓋多病種的基礎上，重點選擇如乳腺癌等痛點大、產品變現時間快的大病種，進行相關AI檢測系統的研發。
“AI+醫療影像”行業經歷了技術和資本加持下的風口期，如今已經進入產品商業化的檢驗期。當風停了，資本浪潮退去，只有那些真正以技術內核驅動、迴歸產品本身、實現場景落地的AI醫療影像企業，才能在激烈的競爭中屹立不倒，真正實現自身的商業價值。
近日，融中研究採訪了醫準智能創始人兼CEO呂晨翀，就醫準智能的技術優勢、產品競爭力、數據安全性、用戶結構以及AI醫療影像市場未來發展趨勢等問題進行了深度交流。訪談內容分享如下：
融中研究：醫準智能2017年11月進入AI醫療影像領域，您當時為什麼進入這個領域？
呂晨翀：當時考慮進入這個行業，主要是兩方面的因素：
一方面，我06年從大學畢業進入到醫療影像行業，先後服務於GE醫療、西門子醫療十幾年，對於醫療影像比較熟悉，尤其對醫療影像的痛點感觸很深：醫生資源缺乏，而閱片量則快速增長，比如2006年我做銷售的時候，河南一家縣醫院，每天平均的CT患者也就十幾個人，這一項年收入大概5000萬。但10年之後，它的CT患者達到每天兩三百人，年收入達到3億，但是整個醫生隊伍的增長非常緩慢，並且高質量的醫生缺乏，所以影像醫生閱片的負擔很重，且閱片的質量也有待提高。
另一方面，2016年，我們北大的幾個師弟獲得了全球人工智能肺結節檢測大賽的冠軍，他們把肺部AI檢測的效果做得很好，比如精準的檢出率、準確標定結節的位置等，對我觸動很大，我覺得我們未來可以為醫生做很多事情。除了肺部結節，人體的病種太多了，利用AI醫療可以真正為醫生賦能。於是，17年我們一起創業做了現在的公司。
融中研究：2017年國務院發佈了“人工智能發展規劃”，這個政策對您當時創業有什麼影響？
呂晨翀：對，剛才講的兩個因素都是內因，而外因就是當時整個AI的風潮以及國家政策的推動。當時整個國際環境和國內環境都被人工智能引爆。在2016年的時候，AI醫療其實已經非常火了，而到2017年的時候，AI已經火到一定高度了。所以，我們在這個時候進入，有好的項目、有國家政策的支持等，拿到第一筆投資也會相對容易些。
融中研究：醫準智能在算法方面的優勢是什麼？公司18個月就迅速推出了三款成熟產品，技術轉化為產品的週期很短，是如何實現的？
呂晨翀：從技術來看，當時AI比較熱門的三個方向包括：無人駕駛、AI金融和AI醫療影像。從整個應用層面來看，AI醫學影像技術已經有了一些比較成熟的算法框架和工具，這些技術一開始都是從人臉識別技術的門類裡慢慢應用到醫療領域。
因此，當時很多團隊都開始在做醫療影像，包括肺結節，它基礎的架構其實在底層應用就已經相對比較成熟，但是再往前走的時候就會有一個問題，這種開放性的工具和架構在應用到具體某一個垂直領域的時候，不是照搬就可以，而是需要去結合所應用行業的具體知識，需要再次創新將一些原創的東西融入進去。
原創能力其實意味著你這個團隊能否做出讓醫生認可、並且願意購買的產品。
對於AI醫療影像，具備這種原創能力的團隊必須同時對深度學習算法等技術以及醫療行業都非常瞭解。從整個行業來講，具備這種核心能力的團隊不多。但是我們比較幸運，從創業初期就有了這樣一支團隊。核心算法團隊從2014年12月份開始接觸醫療，做醫療影像，如今已經積累了5年的醫療影像經驗，對醫學這種感知和觸覺是非常靈敏的，只要跟醫生聊上幾分鐘，就能很快捕捉到醫生的痛點、瞭解醫生的需求，並能提出高效精準的AI技術解決方案。
融中研究：醫準智能的肺結節智能檢測系統目前的肺結節檢出率達到99%，這個指標在國際上代表什麼水平？
呂晨翀：99%的檢出率，目前在國際上屬於一流的水平。在2016年參加比賽的時候，當時我們的水平也就是在96%的檢出率，經過兩年多的迭代，檢出率達到99%，我們其實有了非常大的提升。
目前，在算法理論層面領先的仍是硅谷的企業，但在應用層面大家水平差不多。應用層面當中，中國的醫療數據數量是國外的幾倍甚至幾十倍，同時由於政府的支持，整個企業在獲得這些數據的便捷性上、效率上是他們的幾倍、幾十倍。這種情況下，我們整個算法模型的迭代，包括我們的同行，一定是超越國際的。
AI和人工檢測相比，如果高年資的醫生是在充裕的時間下進行閱片檢測，其檢出率是很高的。但是，目前，醫生每天要閱片20、30個，甚至50個，數量太過龐大。因此，醫生對人工智能軟件的需求越來越高，尤其是地市級以下醫院的需求。從醫院招標情況來看，今年上半年的招標量差不多是去年同期的7-8倍。所以說，在基層逐漸意識到人工智能對他的工作有幫助之後，整個的需求就體現出來了。
融中研究：醫準智能跟IBM打造了一個醫學影像人工智能科研平臺，即達爾文智能科研平臺，您能否談談怎麼跟IBM這樣的頂級平臺開始合作的？這個平臺對醫準智能的價值和意義是什麼？
呂晨翀：IBM背後其實是非常強大的一個AI平臺，可以用在各個行業，醫療只是一個應用場景。與IBM合作的基礎在於，IBM當時想把應用於工業的一個模型的平臺能夠在醫療領域中展開一些應用場景，而我們對醫療行業認識非常清晰，並且對整體算法模型的認知有深厚的基礎，所以當時我們聊完之後就決定大家聯合開發。IBM提供一些底層的AI的調用的模塊，我們貢獻了一些算法應用以及影像組學上的模塊，就開發了這個智能科研平臺。
這個平臺很好的解決了影像科醫生需要算法支持的痛點。我們知道，三甲醫院科研需求多，以前一般是和AI公司合作，醫院蒐集病例，算法工程師幫醫生建模，合作發論文。但是隨著公司的項目越來越多，且算法工程師本身資源稀缺，這樣，公司就沒法用更多的人工去支持醫院的科研工作。智能科研平臺則能部分替代算法工程師的角色。
醫生自己蒐集病例，不需算法工程師，在平臺上就能跑出模型。這個平臺解決了全科科研的需求，開一個賬號之後，每個人都可以去調用，自己建模型。這就解決了全科科研的需求，做到了科研資源的最大化使用，而不是僅僅將科研資源集中在一兩個人身上。
同時，這個平臺是模塊化的，非常智能、易操作，並且進行了漢化處理，只要能看懂模塊就能通過拖拽搭建一個算法模型，導入一些數據後，就可以跑出一些曲線。一般經過2、3個小時培訓，使用者就能自己建模操作，所以比較受歡迎和認可。去年，這個平臺化產品，我們已經有一定的裝機量，也有一些客戶買單了。所以目前來看，這種平臺應用是相對比較成功的。
融中研究：醫準智能是首家推出“空間配準”功能的肺結節智能檢測系統廠商，競爭對手在該功能上也不斷突破，醫準智能的“護城河”在哪裡？
呂晨翀：在多次肺結節檢測中，由於醫生在判斷結節是否是同一個結節時誤差風險高，耗時又長，因此需要“空間配準”功能進行輔助判斷。目前我們的肺結節智能檢測系統在“空間配準”方面能夠做到無限次對比，這是我們“空間配準”技術的核心優勢。單一技術也存在被超越的可能，但我們提早做出隨訪的模型，所以我們看的患者越來越多，數據量積累就越來越多，所以我們的產品也會比後來的競爭對手越來越精準。
融中研究：AI醫療影像領域存在數據洩露的風險，醫準智能在數據安全方面是怎麼樣把控的？
呂晨翀：現在中國對醫療數據安全還比較重視，國家一方面是鼓勵你來用醫療數據，另外一方面又有嚴格的規章制度來防範你洩露數據風險，而我們之前部署的400多家，數據一直都在醫院內。籤的試用協議裡會有很嚴格的條款，系統出醫院的時候要把硬盤全部清除，所以整體來說數據風險控制得非常好。
融中研究：AI醫療影像商業化落地是一個普遍的難題，大部分企業都面臨這個問題，您覺得難點到底在哪裡？醫準智能是怎麼落地的？
呂晨翀：AI醫療影像這個概念火了兩年半，2018年下半年開始，整個市場對AI醫療影像趨於冷靜，2019年基本上資本就更加冷靜。為什麼有這樣的變化？我覺得主要是兩個因素，第一個因素就是這個行業的爆發沒有想象那麼快，醫療影像服務的對象是最專業的醫生，你要服務一個非常專業的人士，同時要去解決人體疾病這樣一個非常複雜的系統問題，這對產品技術的要求是非常高的，你很難在一年就打造完一個產品並馬上賣給客戶。
沒有兩三年的時間打磨產品，沒有非常強的團隊，遠遠達不到醫生所要求的程度，所以不會有人購買你的產品。2019年是商業化的元年，基本上公司從早期到2019年已經成立三年了。在這種時候，頭部的幾家公司都逐漸把產品打磨到了醫生願意買單的程度，後面的企業失敗還是因為產品不成熟。但是有一些機構就會歸因為AI醫療是偽需求。
我們其實是一個後來者，但是為什麼說我們的技術能夠殺出來，我們公司能殺出來，其實就兩部分：一個是技術產品得到市場的認可，一個就是商業化。從技術上來說，儘管我們本身是2017年11月成立的一個公司，但實際上我們核心的算法團隊2014年10月份就開始研究了，是國內最早一批進行醫療影像人工智能研究的團隊之一，到17年的時候我們已經研究三年了，有了深厚的技術儲備，所以這個是我們產品上很重要的一個厚積薄發的點。另外一點就是，我們醫準智能基本上很少做媒體宣傳，當時市場上做肺結節系統的就有50多家，很多人不認識我們，很多客戶都是從我們其他醫院的使用口碑對我們產生好感的，包括我們A輪、A+輪投資人都是在醫院調研其他同行的時候發現有醫準這個團隊的。所以你的產品是不是真的有價值，這很重要。到現在為止，我們的裝機量也處在第一梯隊，將近400臺，現在行業內能達到400臺的也只有三家。
融中研究：AI醫療影像商業化落地的邏輯是怎樣的？何時能迎來大爆發？
呂晨翀：一些行業外人士覺得AI醫療影像是一個需求不大的東西，所以才導致商業化不行。實際上我們從業者都知道，是因為你給客戶的產品還沒有到達他們買單的程度。
另外一個原因，用戶對AI的認知是一個被教育的過程，從2016年開始出現人工智能以後，市場上大肆宣傳人工智能會替代醫生，因為可能會導致醫生失業，所以部分醫生很抗拒這個東西。到了2017年，AI廠商改變宣傳策略，明確提出懂AI的醫生會替代不懂AI的醫生，AI永遠是醫生的助手。醫生建立這個認知後，開始大量使用AI影響檢測設備，發現確實幫助他們提高了診斷能力，這時醫院就願意負擔系統的成本，於是使用的客戶逐漸增多。AI未來爆發，一定是這個市場被教育並且用戶使用體驗到了真實的價值。
融中研究：目前我們的客戶數量將近400家，未來一到兩年，預期客戶數量能拓展到多少？
呂晨翀：2019年我們幾千萬的收入；2020年預計會達到盈虧平衡，而且2020年整個裝機的用戶數量應該會達到800家。
融中研究：從用戶類別和地域分佈來講，醫準智能AI檢測產品的用戶結構是怎樣的？您覺得未來市場需求的發力點會在哪裡？
呂晨翀：用戶類別，目前我們的產品在民營醫院的整個裝機量大概只佔4%左右，主要都是公立醫院的用戶。2019年，我們的用戶60%是三級以上的醫院，40%是二級以下醫院。但是這個比例在2018年是三級醫院佔80%，二級以下的醫院佔20%。這反映了二級醫院的市場需求在迅猛增加，一是因為二級醫院的數量本身就非常多，而國內三級醫院總共才兩千多家；另一方面，對於二級或基層的醫院，它的優質醫生更稀缺，AI檢測設備的價值體現會更強烈。所以未來我們能看到大量的AI檢測系統的需求是在二級以下的醫院。從地域的分佈來說，我們的系統在河南、廣東、江蘇、山東、浙江、北京這幾個省市的裝機量是排在全國前列的，在行業內也大概是這樣一個分佈。
融中研究：人工智能對於醫學領域的智能化賦能，未來能到一個什麼程度？
呂晨翀：第一個，我覺得在現有整個醫療的倫理架構下，AI是無法替代醫生的。那麼在無法替代醫生的情況之下，我覺得有兩個因素：第一就是做判斷和簽報告承擔責任的一定是醫生，第二就是目前還無法達到絕對的智能化，要從全面超越醫生來說來還很難。所以我覺得AI行業未來5年能夠看到的前景是專注在一些醫生比較關注的痛點方面幫助醫生提高效率，這就會形成一個非常強的粘度，能夠讓醫生去使用它、喜歡它。
閱讀更多 融資中國 的文章
