商业变现之路

即便完成了审批，AI诊断类的产品的商业变现之路也并非一条坦途。

在何川的设想中，未来杏脉科技的AI诊疗系统应当全面下沉，深入基层医院、社区诊所，甚至甚至未来还能够进入药店，形成美国的“药诊店”的模式，提供药店加诊所再加远程的一体化的诊疗服务。

“我们的目标是帮助医疗从业者提升疾病早筛、诊断与随访工作效率，促进医疗机构诊疗流程融合与服务升级，缓解基层医疗疑难杂症诊断难、资源少、效率低的困境。”何川说。

然而，往往越是基层的医疗机构，在采购能力上越弱，未来是否能够大范围地落地也考验企业在商业模式上的创新。

何川说，杏脉在商业上将不会采用向机构卖软件的模式，而是倾向于采取向患者按次收费的方式，与医疗机构分享利润。她也指出，未来大规模的商业化还需要政策的配合。

在彭卫军看来，AI医疗产品想要真正渗透进我国现有的医疗系统之中，还必须真正了解中国医生的需求。“我们看到现在很多产品脱离临床实际，只能说是能用，而没有做到医生爱用，时间一久就成了摆设。”

他举了一个例子，一些美国公司主导的AI诊断产品光导入一张片子就要5分钟，对一个乳腺病人的诊断至少要看4张乳腺x线钼靶片，也就是说光数据导入就要20分钟，而有经验的医生5秒钟就能看完一张，这样的AI就没有意义。

“美国医生一天可能只看五六个病人，中国的医生一天要看150个病人，更符合中国国情的产品应当是能够为医生提高效率。比如能够接入医院的PACS（影像归档和通信）系统就是一个解决办法。”彭卫军说。

依图医疗的一位工作人员对澎湃新闻记者说，未来AI医疗系统大范围落地铺开，对企业线下团队的管理能力、运维能力也提出了更高的要求，“比如某家医院的诊疗系统出现故障，怎么在最快的时间解决，这些都需要成熟的团队来运作。事实上，真正的考验还在后面，对行业来说也是一种筛选和淘汰的过程。”

对于这一问题，房劬则给出了不同的解决思路。“目前我们提供的方案是在本地化进行预测，在云端进行训练，把很繁重的工作放在云端，这样的运营更接近一家互联网公司。可以相对地降低运维成本。”

此外，作为新兴事物，AI医疗未来还将面临医疗伦理的考验，一旦出现诊断事物，究竟是医生还是机器担责，目前也尚无前例可循。

对于未来众多待解的问题，何川态度乐观，“新兴事物的诞生必然会伴随一些小概率的黑天鹅事件的发生，大的方向还是会向合规的方向走的。”

相关报道: