六七年前，互聯網的“野蠻人”沖入醫療行業，本想顛覆，卻一路“被教育”。在醫療AI創業潮中，IT和算法人以更謙和的姿態，進入醫院和科室，對外他們常講到——“蹲在醫院”。

　　由于諸多原因，臨床醫療場景封閉、保守，技術在其中很重要，但并不是絕對的驅動因素。通過梳理2016年至今醫療影像AI公司的創業歷程，會發現AI產品一步步從“玩具”到醫生的工具，從工具到醫生的助手;未來能否真正成為“智能醫生”?如今，談“替代”還早。

　　一方面，醫療影像AI產品還沒能真正發展成不可替代的診斷方法;另一方面，商業化和資本化的重擔壓頂，稍有懈怠便可能面臨對賭失敗。但一路悲觀、一路唱衰，不能解決問題;等待技術奇點突至，出現穿透醫學經驗科學、全知全能的AI，亦不可能。

　　對于新近融資數億元的醫療影像AI公司來說，證要一張一張拿，醫院要一家一家進。賽道方向沒錯，不可能團滅;即便不知終局在何方，但只要跑得比競爭對手快，就有出路。

　　一、2016—2017年：烈火烹油，資本與算法齊飛

　　2016年1月，靠游戲公司起家的投資人周亞輝，在開曼群島注冊成立了“昆侖醫云”(Curacloud)，后改名叫“科亞醫療”。在美國，經由得力干將宋麟介紹，周亞輝把他的哥哥宋麒招至麾下，隨后曹坤琳等來自GE全球研發中心的AI科學家、工程師陸續加盟。創業初期，算法團隊在美國西雅圖。

　　五六年前，O2O已是一片紅海，大批資本、人才從TMT領域流向深度學習。計算機視覺領域的“AI四小龍”，彼時正是備受追捧的新貴。2017年世界互聯網大會上，周亞輝被問到：“AI在哪個賽道機會比較大”，答：

　　“短期是人工智能+教育；長期是人工智能+醫療。”

　　因為深度學習在圖像識別領域相對成熟，AI+醫療順勢先應用于醫療影像方向，特別是肺結節、糖網(視網膜血管病變)的篩查場景中。卷積神經網絡主要是用于處理二維圖像，可對圖片進行全方位的數學處理，相比復雜的心腦血管病變，AI對肺結節等的識別會更有把握。

　　如今，仍處于頭部的深睿、推想、醫準都是從肺結節的紅海中拼殺出來。但在一開始，科亞選擇了心血管方向，這與創始人的過往經歷息息相關。離開GE后、創立科亞前，宋麒曾作為資深科學家，在美國AI輔診獨角獸HeartFlow工作了一年。

　　HeartFlow創立于2007年，兩位創始人曾是美國心血管外科醫生、GE工程師，他們開創了CT-FFR，一種無創診斷冠心病等心血管疾病的技術。2014年時該產品在FDA獲批，2016年科亞起步之時，HeartFlow已獲得近1億美元D輪融資、進入日本市場;今年7月其宣布將赴紐交所上市。

　　科亞也是靠CT-FFR起步，2016年3月宋麒等創立公司;8個月后，人工智能CT-FFR“深脈分數”就已通過NMPA醫療器械質量檢驗中心認證，型檢后通常不允許有重大改動，也就是說產品當時基本成型。對于需要海量影像數據、訓練算法的AI系統而言，也數高效。

　　那么，科亞和HeartFlow兩家公司的CT-FFR有什么區別?

　　簡單來說，HeartFlow的技術路徑是：基于生理原理、流體動力學，通過模擬仿真，計算血流速度及FFR值(血流儲備分數，冠脈狹窄功能性評價的公認指標);優點是計算結果可解釋，缺點是算力耗費大，運算時間長。

　　科亞的路徑則是：通過深度學習對冠脈進行三維建模，基于已有真實影像數據，跑出來的算法模型去預測FFR值，優點是運算時間可縮短到10分鐘內，缺點是結果不可解釋。

　　2017年，HeartFlow又完成一筆1.5億美元的巨額融資。與對標企業的大手筆相比，此時的科亞拿錢頗為克制，成立后四年間，累計融資僅1.2億人民幣;對外沒有主動發聲，以致于到了2019年初，已收錄了180多家醫療AI企業的醫垂媒體動脈網發現：漏了科亞。

　　不過，“低調”并非是這個賽道的主流氣質，多數醫療影像AI企業團隊配置豪華，一誕生就吸金無數。

　　數坤科技的董事長毛新生、CEO馬春娥、CTO鄭超都來自IBM;“夫妻檔”創業毛新生、馬春娥，曾是IBM中國創新研究院高管。畢業后就進入IBM的馬春娥，在35歲的轉折點離開了舒適區，2017年拿到2200萬天使輪融資，和丈夫一同創立了數坤;而后三年，融資5輪、總金額超過13億元。

　　直到今天，提起醫療AI，仍然繞不過IBM的Watson。參與孵化Watson、與輝瑞合作藥物研發的經歷，讓馬春娥和數坤繞過肺結節的“紅海”，從心血管切入。科亞做FFR-CT，數坤一開始做的則是心臟冠脈CTA，而后又遷移至頭頸CTA。

　　心內科一直都是備受各方關注的戰場，市場廣闊。作為診斷冠心病的兩種方法，冠脈造影雖是診斷金標準，但有創、需局部麻醉;冠脈CTA優點在于無創、價低，但清晰度相對較差，難以充分顯示細小的冠脈分支，多適用于中度風險的患者。

　　冠脈CTA檢查后，需要醫生人工做后處理，重建三維圖像、寫報告。2017年數坤入場，嘗試通過AI替代這部分人工勞動，但難題很多：一來，冠脈不像肺結節、糖網，沒有現成的競賽數據集，數據少、散且非結構化;二來，心臟和血管的數據標注非常專業;三來，CTA數據多是三維圖像，市面上沒有直接好用的算法框架。

　　所以最早數坤的AI產品，只能測量血管的狹窄程度，后續才增加了鈣化積分、斑塊分析等功能學評估。過程中，數坤與北京友誼、安貞、阜外等大醫院合作;同時繼續招兵買馬，引進2017年Kaggle獎金最高比賽的冠軍、清華博士廖方舟，作為首席算法科學家。

　　歷史車輪滾滾向前。今年初，馬春娥的老東家IBM中國研究院關閉，曾被稱為“中關村兩大工程師養老院”的甲骨文和IBM，在中國相繼敗北，有創業者評論道，“這個時代，任何看起來穩定的地方，都不會是鐵飯碗。”

　　必備折騰屬性的創業者，總是一次次主動打破鐵飯碗。深睿醫療CEO喬昕畢業于浙江大學生物醫學工程專業，1995年放棄了北醫三院的鐵飯碗，進入西門子，做到東北亞副總裁、醫療及CT事業部總經理。

　　醫療AI風口涌動時，他遇到了已轉型天使投資人的雷鳴、高德搜索和數據部的老大李一鳴，三人一拍即合，走上I創業路。雷鳴最響亮的title是“百度創始七劍客之一”，但北大人工智能創新中心主任的角色助力更甚，使得深睿能有源源不斷的人才儲備。

　　如此配置，深睿自然不差錢，成立后一年間，融了3輪合計約3億元。2017年被稱為“肺結節年”，這一年才出道做肺結節，確實需要些底氣。不過，喬昕認為“行業做的只是單一病種的技術革新，嚴格意義上來說都不能叫輔助診斷，只能是早期篩查，在整個行業版圖中還是很淺的層面。”

　　也就是說一切還早，萬里長征剛起步。某些花大價錢做出來的影像AI系統，也被從業者質疑是“精致的玩具”，離“臨床工具”還有相當距離。

　　二、2018-2019年：融資通道收窄，成本居高不下

　　訓練AI模型，需要海量結構化、精準化、閉環的大數據;但醫療數據量小，且散落在不同的醫院信息系統里。

　　中國公立醫院屬于非盈利機構，醫院的數據資產不允許進入市場交易，沒有市場定價。于是，對醫療AI公司來說，能撬動多少醫院資源、接近多少醫療數據，決定著資本市場給出的估值。

　　頭部的醫療影像AI企業大多有其醫院“福地”，如安德醫智與北京天壇醫院，數坤與北京友誼醫院，科亞與北京安貞醫院等。當時，企業與醫院合作皆需簽訂合同，用人工智能技術，服務有科研訴求的PI(學術帶頭人)。

　　醫療學術圈，頂級PI并不缺服務者。競爭之下，一些企業甚至甘愿讓渡股權，與PI深度綁定。醫療AI公司和醫生團隊合作的過程，正是借由醫院數據、訓練算法的過程。

　　為了向公眾展示AI應用臨床的可能性，幾年前流行“醫療影像版人機大戰”，像柯潔對戰AlphaGo。AI企業聯合醫院、協會，策劃邀請影像科醫生與AI軟件競技。

　　2018年6月，安德醫智(Biomind)和中國卒中學會等機構舉辦了一場“判讀顱內腫瘤”的比賽，賽前半年，安德醫智學習了北京天壇醫院近10年接診的神經系統疾病病例的影像，公開資料稱有“數萬余病例”。

　　比賽分兩組：一組判讀顱內腫瘤的CT、MRI影像，另一組判讀腦血管疾病的 CT、MRI。公布的結果是：安德醫智分別以 87%、83% 的準確率，領先醫生戰隊 66%、63%的準確率。

　　不久后，解放軍南京總醫院辦了另一場比賽，準備了100例有肺結節病變的CT片，找了126位初、中、高級影像科醫生，來與深睿醫療的輔助診斷系統PK。

　　那時，找到肺結節，已是醫療影像AI企業的常規技能，所以深睿AI要PK的是：更準更快地診斷肺結節的良惡性。3年前從準確性、敏感性等四個維度比較， AI超過了126位醫生的平均水平，即便第一名仍是醫生。

　　站在2018年的節點，不少影像科醫生甚至擔心起未來出路。但是，比賽成績能說明臨床應用效果嗎？

　　賽后，上海長征醫院影像醫學與核醫學科主任劉士遠拋出了這個問題，在他看來，要說清這個問題，涉及到“比賽測試題來源、測試題與訓練集的關系、測試題數據處理的方法”。

　　簡單理解，如果訓練算法模型的數據，主要出自一個數據源(如某一家醫院)，那么這個AI識別該醫院的片子，效果好，“換一家醫院，模型效果就完全沒法看。”劉士遠曾撰文點評。

　　某一線公募基金的董事總經理鄒鵬向《財經》科普：“都是讀放射學的醫生，但每家醫院出診斷報告的描述規范都不太一樣。特別像北京這些大三甲醫院，協和的規范，301不一定認。”曾在醫院做過信息科主任的他，甚至直言：“當前中國沒有真正的醫療大數據。”

　　數據之殤，成為醫療AI領域無比突顯的挑戰。深睿醫療的首席科學家俞益洲(港大教授，IEEE Fellow)也曾直言：醫療AI訓練數據少，數據分布高度不均勻，數據標注的一致性較差，數據類型多(多模態影像，文本+影像)。

　　“算法當然重要，但真正拉開差距的，是數據質量、標注質量。”一位在醫療影像AI公司從業的算法工程師告訴《財經》，“你可以去看世界算法競賽的最終結果，像Kaggle，基于同一標注數據集，大家(模型)跑出來的結果，擬合度非常接近，差異甚至要到小數點后3、4位。”

　　AI圈有句話，“有多少智能，就有多少人工”，數據標注是讓機器理解世界的前提。因為醫療影像的專業性，要求標注者必須有醫學背景，眾包的方式并不適用。一些醫療AI公司選擇聘請1-2位全職醫生牽頭，再找醫生兼職標注;或如上海聯影，招聘百位全職“AI醫學影像算法標注師”。

　　所以，從成本角度，獲得高質量的醫學圖像標注，甚至比獲得醫學圖像更高。

　　同時，算法工程師等技術人才的價格也水漲船高。根據CDSN的統計，2018年一線科技企業校招崗位中，跟AI相關的崗位，平均月薪達到4萬元以上;剛畢業的名校AI博士年薪甚至被抬到七八十萬。

　　以上種種，都推高著企業的研發、運營費用。花錢的閘口水流不止，臨床效果常受質疑，商業化落地也比預想的更遠，所以融資的路子非但沒有更多，反而收窄了。

　　據IT桔子數據，2018年醫療影像AI的投資達到頂峰，融資金額為17.12億元，2019年便跌至5.6億元。眾多同質化的產品，等不到真正商業化，只得直面“C輪死”這一行業魔咒。

　　像圖瑪深維(12sigma)這樣昔日的獨角獸，已官宣B輪融資2億元，卻也被沉重的成本、遲遲未到賬的投資款拖垮。一位早期研發人員跟隨公司創業失敗后，撰文總結原因稱：市場宣傳開支過度，與專家的合作費昂貴;公司盲目擴張，投資人誤導性地要求規模化指標;以及市場的不成熟等。

　　為了進入醫院，他們曾采取“大規模免費鋪產品”的模式，光是在醫院部署電腦、服務器及商業軟件授權等，成本開支就達千萬。這位前員工還告訴《財經》，臨床上想向C端收費，建議走體檢渠道，“拍一次CT能把肺結節、肺癌、肝癌、乳腺癌、腦卒中這幾個重大疾病篩查一遍的話，大部分人還是愿意掏錢。如果已經確診，還讓病人掏錢檢查，就不一定愿意了。”

　　三、2020年：三類證劈開生機，落地臨床場景難處多

　　2020年新冠肺炎疫情突如其來，對行業的影響也出現分化。對于醫療影像AI而言，經歷了2019年的短暫沉寂， 密集、巨量的CT胸片審閱需求，讓醫療AI企業的智能影像分析能力得以釋放。數坤、推想、深睿等都在原有解決方案的基礎上，推出了針對新冠肺炎的輔助診斷系統。

　　重大公衛危機之下，醫療影像AI系統入院的門檻驟降;不同醫院的CT影像數據，也為AI系統喂足了料，提高準確度的同時，數據多樣性也更符合審評標準。

　　2020年初，陸續有醫療影像AI產品獲批醫療器械三類證，給行業帶來了新希望。事實上，2018-2019年間，“拿三類證”一直是企業競爭的關鍵詞。新版《醫療器械分類目錄》規定：若AI診斷軟件通過算法對病變部位進行自動識別，并提供明確診斷提示，需按照第三類醫療器械管理。

　　從器械名稱來看，二類證只是圖像處理軟件；三類證上，才能出現“診斷”或“輔助診斷”關鍵詞。三類器械證獲批需要在NMPA(國家藥品監督管理局)注冊，并通過臨床試驗。

　　常規來看，三類醫療器械實現商業化收費，要走三步：中檢院型檢、藥監局注冊審批、省市設置醫療價格目錄，完成約需4年。作為創新產品，醫療AI軟件可選擇走“綠色通道”，加速過評。

　　2020年，醫療AI產品三類證陸續獲批。低調了4年的科亞醫療，靠著“深脈分數”拿到首張醫療AI三類證，并且一口氣融資4輪、8.5億元，率先沖刺IPO。同在心血管領域的數坤也不甘示弱，去年拿了近10億，今年8月又官宣融資7億，吸金能力一如既往。推想、深睿、匯醫慧影緊隨其后。

　　從2020年下半年開始，醫療影像AI融資“第二春”來了，不過資本的熱忱，都付與了拿到三類證的“高富帥”。千言萬語敵不過一證在手。

　　拿到融資后，各家的路徑大體相似：豐富產品線，從單部位走向多部位、多病種;加速商業化，通過各種渠道做收入。

　　科亞除了做服務心內科的FFR-CT，服務神內科的腦卒中分析系統，也獲批臨床試驗。數坤不僅做心腦血管、肺結節，還開始進行腹部的肝臟檢查，嘗試發現肝硬化、肝囊腫等病灶。深睿在肺結節、肺炎基礎上，嘗試走向前兩家主攻的心腦血管領域;并購依圖后，兒童骨齡軟件也可直接納入產品圖譜。

　　雖然每家出發時選擇的路不同，但終點卻一樣，即走向所謂的“多模態醫療AI解決方案”。理想很豐滿，落地醫院臨床場景的現實，卻依然骨感。

　　從北大醫學部博士畢業幾年后，馬瑞一直在國家衛健委直屬的某三甲醫院工作，作為一名放射科醫生，他曾對醫療AI寄予厚望，但漸漸也沒了太多期待。“我們這幾年換了好幾個AI系統，現在保留下來的兩個是深睿和依圖，因為只有這兩家還愿意免費合作。”相比投資圈的并購新聞，醫生們更關注系統哪個功能更好用。

　　AI系統的肺結節、骨疾病、淋巴結等病灶輔助診斷，馬瑞覺得最好用的還是肺結節，幾毫秒就可以識別出來。“但主要不是節省了時間，而是避免漏診。胸部CT本身只是影像科的一部分，肺結節又只是胸部CT的一部分，”馬瑞向《財經》舉例，“就像坐地鐵通勤，地鐵行駛速度快了10倍，但來回走到地鐵站的時間還是那么長。

　　不過，他認為患者不會因為降低漏診率而付費，“有沒有AI，病人對醫生的期望都是一樣的，就是診斷準確、不能漏。病人不能容忍醫生犯錯誤。不過現在漏的這些，95%以上也沒事兒。”

　　對于通過AI加速進行冠脈三維重建，馬瑞講道該功能確實可以減少圖像后處理的時間，節省1-2個人力。不過遇到有支架、心臟搭橋的特殊病例，系統還不能自動處理。

　　針對與放射科相關的獲批三類證場景，他個人的使用體會是，“除了肺結節，手部CT看骨齡成熟、好用;骨折的話，CT看肋骨骨折還湊合，別的部位不好使。”

　　對于馬瑞這樣的三甲醫院醫生而言，AI系統的助力相對有限，但在基層醫院，成熟的放射科醫生稀缺。此前，多地興建醫共體，其中一項便是上級醫院支持基層的DR/CT/心電圖等閱片、寫報告。這意味著，醫療影像AI有落地基層的商業機會。

　　但是，北京另一家三甲醫院的主任醫師方博告訴《財經》，很多時候出現“漏診”，問題并非在閱片環節，而是片子本身就沒拍好。“比如手部骨折了，但在醫院沒發現，這可能是拍片時投照角度、給的X線劑量有問題，導致重影或病變沒有顯示出來。”這種情況下，AI也無能為力。

　　除了系統難以解決的原始數據采集問題，經費限制也影響著醫療影像AI下沉。“大部分的基層醫院經費有限，所以喜歡上短平快、能帶來實際效益的項目”，活躍在河南的一位醫療設備代理商講道，受疫情沖擊，很多醫院資金虧空嚴重，像鄭大二附院、五附院賬上都有幾千萬的窟窿，醫院上新項目非常謹慎。

　　“相對來說，現在最有錢的是縣域醫院，有一定現金儲備。但縣醫院里，病人肯定更信醫生，而不是機器，像AI這樣高大上的東西，接受度可能不會很高。”

　　質疑醫療影像AI的聲音不絕入耳，有媒體總結醫療AI眼前的商業化窘境——三甲醫院用不上，基層醫院用不起。投資圈里機構也開始分化，看好該賽道的PE基金大舉進入：2021年上半年，推想D輪融資9億，數坤融7億，深睿C3輪數億，醫準C輪數億……不看好的機構則冷眼旁觀，用“我不投”來遠離設想中、泡沫破滅后的一地雞毛。

　　對醫療影像AI公司來說，無暇顧及潑冷水者。盡快適應醫療圈的規則，把收入做起來、順利上市才是關鍵。

　　四、2021年商業化：招標之下瘋狂內卷，醫保控費雙刃劍

　　商業化過程中，AI科學家和醫生團隊之間、和醫院之間，有著諸多磨合。李開復在近日的一次演講中，講道，“與金融、互聯網等領域不同，AI+醫療特別要尊重客戶和他們的采購方式，而不是盲目以己度人地教育市場。”2017年，創新工場all in人工智能賽道，也投資了多家醫療AI創業公司。

　　他直言，很多AI科學家創業會把醫療領域想得過于簡單，建議創業者用更嚴謹的方法適應醫院的采購流程。

　　醫學影像AI企業的軟硬件產品要進入公立醫院，通常要走招標采購的流程。7月、8月間，河南鄭州、重慶江油、甘肅天水等多地醫院發布了招標采購的通知，招標最高價從幾十萬到五百萬不等。

　　9月1日，福建醫科大附屬第一醫院以190萬元的價格，采購了數坤的冠脈CTA醫學影像AI輔助診斷系統——已獲三類證的Coronary Doc。

　　醫療圈的采購流程，確實讓一些算法工程師感到不適，“現在都是走招標，各家內卷得非常厲害。”從阿里算法崗跳到某醫療影像AI公司的劉盛講道，招標這種方式，決定了系統很難標準化，“競爭對手新增了一個功能，為了應標，我們必須也出一個類似功能。”

　　開發得多、資源消耗也大，這就意味著：每次應對招標，都要付出一定的額外成本。“我們的臨床醫生說，這些新增功能其實沒有用，臨床大夫也不會看。但有的公司已經是行業里第一卷王，瘋狂地加功能;最近我們的肺結節產品被他們打壓得厲害，也在拼命地改版。”

　　雖然進入新賽道時間不長，但劉盛能感覺到醫院端的需求正在增多。此前沒有接觸過醫療行業的他覺得，只要招標這一采購模式不改變，大規模商業化就很難到來。

　　不過，了解國內醫療體系的人都會知道：公立醫院作為事業單位，招標采購模式由來已久、非常穩固。在信息系統和醫療設備采購中，非標品、半定制的產品形態再常見不過。采購環節的回扣、腐敗案也時有發生。

　　醫學博士出身、曾在醫院工作的投資人鄒鵬認為“醫療影像AI商業化”，必須放在中國醫院的大生態中去理解。醫院作為非營利性機構，只有舉辦人，沒有股東，干活的院長醫生也不能從醫院盈利中獲益，所以難有動力做很精細化的管理;作為付費方的醫保，雖有動力，卻難以事無巨細地參與到醫院管理中。

　　對比中美醫療服務的參與主體，在美國，商業保險作為付費方，向醫院、醫生購買服務，“醫生時薪特別貴，如果AI可以提高人效，保險公司會愿意付費，且支付方式很靈活。”鄒鵬講道，“但中國不缺人”，除非醫療影像AI帶來替代性的檢查或治療方法，僅是提高效率、節省人力，很難有大范圍的醫院買單。

　　在他看來，醫療影像AI最高效的付費方式，是按使用量付費，就像手機繳費一樣，“打電話、用流量就付錢，不打就不交錢”。但中國公立醫院是預算審批制，“服務的量是不確定的，只賣服務的合同怎么報價、怎么簽，在公立醫院很難算，所以經常把‘賣服務’，變成‘賣硬件’(一次性系統/設備)。”

　　另一位投資人(曾投資醫療AI公司)也表達了相似的觀點，按服務收費對AI企業來說更可持續，就像現在IVD(體外診斷)的銷售模式，向醫院投放設備，醫院購買試劑產品，“相當于企業和醫院按比例分，每用AI系統輔助診斷一個病例，就收一次錢。”

　　企業的銷售模式也印證著鄒鵬的觀點，從推想醫療招股書上可見，其在中國的銷售是定額收費，在海外則能以訂閱方式提供產品，并支收服務月費。

　　為了加快入院速度，科亞、數坤等多家都在今年拿了數個二類證，先進院、搶占位、拿收入。雖說二類證叫“醫學圖像處理軟件”，但提供的是AI輔助診斷服務，有投資人比喻“特斯拉掛雅迪的標志賣”。

　　盡管公立醫院一端的需求還沒放開，但供給側的醫療影像AI公司已嘗試了多種靈活模式。不管是賣給醫院做科研，還是進入信息科、心內科、神外科、眼科等用以臨床;單賣輔助診斷軟件，或者加上前端電腦、工作站等軟硬件一起部署;直銷、通過代理商銷售，又或是搭載GPS(通用、飛利浦、西門子)的設備入院，牟足了勁。

　　爭搶的是細分賽道的上市機會。8月底推想科技公布招股書，顯示2020年、2021年Q1的收入分別約為2800萬元、2200萬元，毛利率分別為81.8%、87.3%。如此增速能否在2021年后三個季度持續尚不可知，但至少目前來看商業化已現曙光。

　　比推想更早遞表的科亞醫療，是發力銷售的典型。今年3月向港股遞表時，招股書顯示其已有181位銷售人員，且2022年前營銷團隊將達到250人。從獵聘、BOSS直聘等多個招聘平臺可見，科亞仍大量擴充銷售隊伍。據了解，是否應該采取如此激進的銷售策略，科亞高層之間也有分歧。

　　說到科亞的銷售契機，不能不提冠脈支架帶量采購政策。冠脈支架從均價13000元降到700元后，胡大一曾撰文指出：“精準治療成為一個趨勢，即通過FFR、IVUS(血管內超聲)等新技術評估患者是否需放支架。集采后，這些檢查運用更頻繁，且這些檢查單價在兩萬以上。”

　　該不該如此廣泛運用，此處暫不論。但科亞的明星產品深脈分數(CT-FFR)，正是FFR技術的一種。盡管去年科亞只有科研合作賺來的70萬收入，但據動脈網報道，科亞的CT-FFR已進入7省份的醫療價格目錄，若能進入科室按次收費，業績表現應是不俗。同理，數坤的冠脈CTA也存在類似的療法替代場景。

　　當前，面對醫保控費、萬物集采，行業一度集體瑟瑟發抖。但細究之下，的確可見“騰籠換鳥”之趨勢，對真正創新的臨床技術會是利好。9月14日，國家組織人工關節帶量采購即將開標，在此當口，骨科手術機器人公司天智航披露：其機器人輔助骨科手術(含術前精準規劃)獲得政府定價(8000元/次)，并納入北京市醫保目錄。

　　相比于已有數百年歷史的現代醫學，人工智能涉足這一領域時日尚淺。諸多醫療影像AI企業研發、創業至今，也只有五六年的時間。當技術遇到關乎生死健康的醫療，盡管在臨床應用中確有裨益，從安全性、倫理角度，也需要一個逐漸接受和滲透的過程，這決定了醫療影像AI的商業化速度，很難突飛猛進。

　　然而，有一個避不開的問題：醫療慢，資本急。

　　五、結語：上市迫在眉睫，終局尚不知何處

　　科亞、推想已向港交所遞表，數坤在回應采訪提問時表示“近期不方便接受任何媒體采訪”，其它C輪之后的企業也摩拳擦掌。為什么醫療影像AI公司急于上市?投資機構的訴求或可解釋。

　　“做基金，LP對機構也有最低業績要求，5年賺3倍，那就是25%的復利。”鄒鵬告訴《財經》，“投出一億元，要拿回3個億，就得靠上市。上市后還有鎖定期，港股6個月，A股1年。那就倒推，投了之后第幾年，公司必須上市成功，投資時都得簽上市對賭。”

　　按慣例，完不成上市對賭，被投公司需想辦法回購股權，行業慣例通常是投資本金再加10%的利息。此般明股實債，公司急于上市也易理解。

　　最近一兩年，醫療影像AI企業拼命地向前沖刺，找錢、招人，盡管終點在哪兒還不知道——

　　“醫療AI就像盲人摸象，每個人都可以對自己接觸的信息，形成對這個行業的認知。但是這頭大象最終的形態是什么樣，目前沒有人知道。”深睿醫療創始人喬昕曾這樣講道。

　　從臨床上看，AI技術定然可助力醫療質量改善。那么，只要跑得比競爭對手快，死神或許就追不上。