原标题：医疗影像AI六年记: 让人工智能读报告 你同意吗？
近日，唱衰医疗影像AI的声音不绝入耳，坏消息也接踵而至。国外，谷歌宣布解散健康部门Google Health，医疗影像AI团队被划入搜索和人工智能部门；国内，昔日明星公司依图医疗被剥离，变卖给深睿；年初即向港交所递表的科亚、鹰瞳，至今仍未见回响，前者还将更新招股书；新冲刺公司推想科技交表后，业内几乎波澜不惊。
六七年前，互联网的“野蛮人”冲入医疗行业，本想颠覆，却一路“被教育”。在医疗AI创业潮中，IT和算法人以更谦和的姿态，进入医院和科室，对外他们常讲到——“蹲在医院”。
由于诸多原因，临床医疗场景封闭、保守，技术在其中很重要，但并不是绝对的驱动因素。通过梳理2016年至今医疗影像AI公司的创业历程，会发现AI产品一步步从“玩具”到医生的工具，从工具到医生的助手；未来能否真正成为“智能医生”？如今，谈“替代”还早。
一方面，医疗影像AI产品还没能真正发展成不可替代的诊断方法；另一方面，商业化和资本化的重担压顶，稍有懈怠便可能面临对赌失败。但一路悲观、一路唱衰，不能解决问题；等待技术奇点突至，出现穿透医学经验科学、全知全能的AI，亦不可能。
对于新近融资数亿元的医疗影像AI公司来说，证要一张一张拿，医院要一家一家进。赛道方向没错，不可能团灭；即便不知终局在何方，但只要跑得比竞争对手快，就有出路。
2016—2017年：烈火烹油，资本与算法齐飞
2016年1月，靠游戏公司起家的投资人周亚辉，在开曼群岛注册成立了“昆仑医云”（Curacloud），后改名叫“科亚医疗”。在美国，经由得力干将宋麟介绍，周亚辉把他的哥哥宋麒招至麾下，随后曹坤琳等来自GE全球研发中心的AI科学家、工程师陆续加盟。创业初期，算法团队在美国西雅图。
五六年前，O2O已是一片红海，大批资本、人才从TMT领域流向深度学习。计算机视觉领域的“AI四小龙”，彼时正是备受追捧的新贵。2017年世界互联网大会上，周亚辉被问到：“AI在哪个赛道机会比较大”，答：
“短期是人工智能+教育；长期是人工智能+医疗。”
因为深度学习在图像识别领域相对成熟，AI+医疗顺势先应用于医疗影像方向，特别是肺结节、糖网（视网膜血管病变）的筛查场景中。卷积神经网络主要是用于处理二维图像，可对图片进行全方位的数学处理，相比复杂的心脑血管病变，AI对肺结节等的识别会更有把握。
如今，仍处于头部的深睿、推想、医准都是从肺结节的红海中拼杀出来。但在一开始，科亚选择了心血管方向，这与创始人的过往经历息息相关。离开GE后、创立科亚前，宋麒曾作为资深科学家，在美国AI辅诊独角兽HeartFlow工作了一年。
HeartFlow创立于2007年，两位创始人曾是美国心血管外科医生、GE工程师，他们开创了CT-FFR，一种无创诊断冠心病等心血管疾病的技术。2014年时该产品在FDA获批，2016年科亚起步之时，HeartFlow已获得近1亿美元D轮融资、进入日本市场；今年7月其宣布将赴纽交所上市。
科亚也是靠CT-FFR起步，2016年3月宋麒等创立公司；8个月后，人工智能CT-FFR“深脉分数”就已通过NMPA医疗器械质量检验中心认证，型检后通常不允许有重大改动，也就是说产品当时基本成型。对于需要海量影像数据、训练算法的AI系统而言，也数高效。
那么，科亚和HeartFlow两家公司的CT-FFR有什么区别？
简单来说，HeartFlow的技术路径是：基于生理原理、流体动力学，通过模拟仿真，计算血流速度及FFR值（血流储备分数，冠脉狭窄功能性评价的公认指标）；优点是计算结果可解释，缺点是算力耗费大，运算时间长。
科亚的路径则是：通过深度学习对冠脉进行三维建模，基于已有真实影像数据，跑出来的算法模型去预测FFR值，优点是运算时间可缩短到10分钟内，缺点是结果不可解释。
2017年，HeartFlow又完成一笔1.5亿美元的巨额融资。与对标企业的大手笔相比，此时的科亚拿钱颇为克制，成立后四年间，累计融资仅1.2亿人民币；对外没有主动发声，以致于到了2019年初，已收录了180多家医疗AI企业的医垂媒体动脉网发现：漏了科亚。
不过，“低调”并非是这个赛道的主流气质，多数医疗影像AI企业团队配置豪华，一诞生就吸金无数。
数坤科技的董事长毛新生、CEO马春娥、CTO郑超都来自IBM；“夫妻档”创业毛新生、马春娥，曾是IBM中国创新研究院高管。毕业后就进入IBM的马春娥，在35岁的转折点离开了舒适区，2017年拿到2200万天使轮融资，和丈夫一同创立了数坤；而后三年，融资5轮、总金额超过13亿元。
直到今天，提起医疗AI，仍然绕不过IBM的Watson。参与孵化Watson、与辉瑞合作药物研发的经历，让马春娥和数坤绕过肺结节的“红海”，从心血管切入。科亚做FFR-CT，数坤一开始做的则是心脏冠脉CTA，而后又迁移至头颈CTA。
心内科一直都是备受各方关注的战场，去年，大陆地区冠心病介入治疗总病例为97万例；市场广阔。作为诊断冠心病的两种方法，冠脉造影虽是诊断金标准，但有创、需局部麻醉；冠脉CTA优点在于无创、价低，但清晰度相对较差，难以充分显示细小的冠脉分支，多适用于中度风险的患者。
冠脉CTA检查后，需要医生人工做后处理，重建三维图像、写报告。2017年数坤入场，尝试通过AI替代这部分人工劳动，但难题很多：一来，冠脉不像肺结节、糖网，没有现成的竞赛数据集，数据少、散且非结构化；二来，心脏和血管的数据标注非常专业；三来，CTA数据多是三维图像，市面上没有直接好用的算法框架。
所以最早数坤的AI产品，只能测量血管的狭窄程度，后续才增加了钙化积分、斑块分析等功能学评估。过程中，数坤与北京友谊、安贞、阜外等大医院合作；同时继续招兵买马，引进2017年Kaggle奖金最高比赛的冠军、清华博士廖方舟，作为首席算法科学家。
历史车轮滚滚向前。今年初，马春娥的老东家IBM中国研究院关闭，曾被称为“中关村两大工程师养老院”的甲骨文和IBM，在中国相继败北，有创业者评论道，“这个时代，任何看起来稳定的地方，都不会是铁饭碗。”
必备折腾属性的创业者，总是一次次主动打破铁饭碗。深睿医疗CEO乔昕毕业于浙江大学生物医学工程专业，1995年放弃了北医三院的铁饭碗，进入西门子，做到东北亚副总裁、医疗及CT事业部总经理。
医疗AI风口涌动时，他遇到了已转型天使投资人的雷鸣、高德搜索和数据部的老大李一鸣，三人一拍即合，走上I创业路。雷鸣最响亮的title是“百度创始七剑客之一”，但北大人工智能创新中心主任的角色助力更甚，使得深睿能有源源不断的人才储备。
如此配置，深睿自然不差钱，成立后一年间，融了3轮合计约3亿元。2017年被称为“肺结节年”，这一年才出道做肺结节，确实需要些底气。不过，乔昕认为“行业做的只是单一病种的技术革新，严格意义上来说都不能叫辅助诊断，只能是早期筛查，在整个行业版图中还是很浅的层面。”
也就是说一切还早，万里长征刚起步。某些花大价钱做出来的影像AI系统，也被从业者质疑是“精致的玩具”，离“临床工具”还有相当距离。
2018-2019年：融资通道收窄，成本居高不下
训练AI模型，需要海量结构化、精准化、闭环的大数据；但医疗数据量小，且散落在不同的医院信息系统里。
中国公立医院属于非盈利机构，医院的数据资产不允许进入市场交易，没有市场定价。于是，对医疗AI公司来说，能撬动多少医院资源、接近多少医疗数据，决定着资本市场给出的估值。
头部的医疗影像AI企业大多有其医院“福地”，如安德医智与北京天坛医院，数坤与北京友谊医院，科亚与北京安贞医院等。当时，企业与医院合作皆需签订合同，用人工智能技术，服务有科研诉求的PI（学术带头人）。
医疗学术圈，顶级PI并不缺服务者。竞争之下，一些企业甚至甘愿让渡股权，与PI深度绑定。医疗AI公司和医生团队合作的过程，正是借由医院数据、训练算法的过程。
为了向公众展示AI应用临床的可能性，几年前流行“医疗影像版人机大战”，像柯洁对战AlphaGo。AI企业联合医院、协会，策划邀请影像科医生与AI软件竞技。
2018年6月，安德医智（Biomind）和中国卒中学会等机构举办了一场“判读颅内肿瘤”的比赛，赛前半年，安德医智学习了北京天坛医院近10年接诊的神经系统疾病病例的影像，公开资料称有“数万余病例”。
比赛分两组：一组判读颅内肿瘤的CT、MRI影像，另一组判读脑血管疾病的 CT、MRI。公布的结果是：安德医智分别以 87%、83% 的准确率，领先医生战队 66%、63%的准确率。
不久后，解放军南京总医院办了另一场比赛，准备了100例有肺结节病变的CT片，找了126位初、中、高级影像科医生，来与深睿医疗的辅助诊断系统PK。
那时，找到肺结节，已是医疗影像AI企业的常规技能，所以深睿AI要PK的是：更准更快地诊断肺结节的良恶性。3年前从准确性、敏感性等四个维度比较， AI超过了126位医生的平均水平，即便第一名仍是医生。
站在2018年的节点，不少影像科医生甚至担心起未来出路。但是，比赛成绩能说明临床应用效果吗？
赛后，上海长征医院影像医学与核医学科主任刘士远抛出了这个问题，在他看来，要说清这个问题，涉及到“比赛测试题来源、测试题与训练集的关系、测试题数据处理的方法”。
简单理解，如果训练算法模型的数据，主要出自一个数据源（如某一家医院），那么这个AI识别该医院的片子，效果好，“换一家医院，模型效果就完全没法看。”刘士远曾撰文点评。
某一线公募基金的董事总经理邹鹏向《财经》科普：“都是读放射学的医生，但每家医院出诊断报告的描述规范都不太一样。特别像北京这些大三甲医院，协和的规范，301不一定认。”曾在医院做过信息科主任的他，甚至直言：“当前中国没有真正的医疗大数据。”
数据之殇，成为医疗AI领域无比突显的挑战。深睿医疗的首席科学家俞益洲（港大教授，IEEE Fellow）也曾直言：医疗AI训练数据少，数据分布高度不均匀，数据标注的一致性较差，数据类型多（多模态影像，文本+影像）。
“算法当然重要，但真正拉开差距的，是数据质量、标注质量。”一位在医疗影像AI公司从业的算法工程师告诉《财经》，“你可以去看世界算法竞赛的最终结果，像Kaggle，基于同一标注数据集，大家（模型）跑出来的结果，拟合度非常接近，差异甚至要到小数点后3、4位。”
AI圈有句话，“有多少智能，就有多少人工”，数据标注是让机器理解世界的前提。因为医疗影像的专业性，要求标注者必须有医学背景，众包的方式并不适用。一些医疗AI公司选择聘请1-2位全职医生牵头，再找医生兼职标注；或如上海联影，招聘百位全职“AI医学影像算法标注师”。
所以，从成本角度，获得高质量的医学图像标注，甚至比获得医学图像更高。
同时，算法工程师等技术人才的价格也水涨船高。根据CDSN的统计，2018年一线科技企业校招岗位中，跟AI相关的岗位，平均月薪达到4万元以上；刚毕业的名校AI博士年薪甚至被抬到七八十万。
以上种种，都推高着企业的研发、运营费用。花钱的闸口水流不止，临床效果常受质疑，商业化落地也比预想的更远，所以融资的路子非但没有更多，反而收窄了。
据IT桔子数据，2018年医疗影像AI的投资达到顶峰，融资金额为17.12亿元，2019年便跌至5.6亿元。众多同质化的产品，等不到真正商业化，只得直面“C轮死”这一行业魔咒。
像图玛深维（12sigma）这样昔日的独角兽，已官宣B轮融资2亿元，却也被沉重的成本、迟迟未到账的投资款拖垮。一位早期研发人员跟随公司创业失败后，撰文总结原因称：市场宣传开支过度，与专家的合作费昂贵；公司盲目扩张，投资人误导性地要求规模化指标；以及市场的不成熟等。
为了进入医院，他们曾采取“大规模免费铺产品”的模式，光是在医院部署电脑、服务器及商业软件授权等，成本开支就达千万。这位前员工还告诉《财经》，临床上想向C端收费，建议走体检渠道，“拍一次CT能把肺结节、肺癌、肝癌、乳腺癌、脑卒中这几个重大疾病筛查一遍的话，大部分人还是愿意掏钱。如果已经确诊，还让病人掏钱检查，就不一定愿意了。”
2020年：三类证劈开生机，落地临床场景难处多
2020年新冠肺炎疫情突如其来，对行业的影响也出现分化。对于医疗影像AI而言，经历了2019年的短暂沉寂， 密集、巨量的CT胸片审阅需求，让医疗AI企业的智能影像分析能力得以释放。数坤、推想、深睿等都在原有解决方案的基础上，推出了针对新冠肺炎的辅助诊断系统。
重大公卫危机之下，医疗影像AI系统入院的门槛骤降；不同医院的CT影像数据，也为AI系统喂足了料，提高准确度的同时，数据多样性也更符合审评标准。
2020年初，陆续有医疗影像AI产品获批医疗器械三类证，给行业带来了新希望。事实上，2018-2019年间，“拿三类证”一直是企业竞争的关键词。新版《医疗器械分类目录》规定：若AI诊断软件通过算法对病变部位进行自动识别，并提供明确诊断提示，需按照第三类医疗器械管理。
从器械名称来看，二类证只是图像处理软件；三类证上，才能出现“诊断”或“辅助诊断”关键词。三类器械证获批需要在NMPA（国家药品监督管理局）注册，并通过临床试验。
常规来看，三类医疗器械实现商业化收费，要走三步：中检院型检、药监局注册审批、省市设置医疗价格目录，完成约需4年。作为创新产品，医疗AI软件可选择走“绿色通道”，加速过评。
2020年，医疗AI产品三类证陆续获批。低调了4年的科亚医疗，靠着“深脉分数”拿到首张医疗AI三类证，并且一口气融资4轮、8.5亿元，率先冲刺IPO。同在心血管领域的数坤也不甘示弱，去年拿了近10亿，今年8月又官宣融资7亿，吸金能力一如既往。推想、深睿、汇医慧影紧随其后。
从2020年下半年开始，医疗影像AI融资“第二春”来了，不过资本的热忱，都付与了拿到三类证的“高富帅”。千言万语敌不过一证在手。
拿到融资后，各家的路径大体相似：丰富产品线，从单部位走向多部位、多病种；加速商业化，通过各种渠道做收入。
科亚除了做服务心内科的FFR-CT，服务神内科的脑卒中分析系统，也获批临床试验。数坤不仅做心脑血管、肺结节，还开始进行腹部的肝脏检查，尝试发现肝硬化、肝囊肿等病灶。深睿在肺结节、肺炎基础上，尝试走向前两家主攻的心脑血管领域；并购依图后，儿童骨龄软件也可直接纳入产品图谱。
虽然每家出发时选择的路不同，但终点却一样，即走向所谓的“多模态医疗AI解决方案”。理想很丰满，落地医院临床场景的现实，却依然骨感。
从北大医学部博士毕业几年后，马瑞一直在国家卫健委直属的某三甲医院工作，作为一名放射科医生，他曾对医疗AI寄予厚望，但渐渐也没了太多期待。“我们这几年换了好几个AI系统，现在保留下来的两个是深睿和依图，因为只有这两家还愿意免费合作。”相比投资圈的并购新闻，医生们更关注系统哪个功能更好用。
AI系统的肺结节、骨疾病、淋巴结等病灶辅助诊断，马瑞觉得最好用的还是肺结节，几毫秒就可以识别出来。“但主要不是节省了时间，而是避免漏诊。胸部CT本身只是影像科的一部分，肺结节又只是胸部CT的一部分，”马瑞向《财经》举例，“就像坐地铁通勤，地铁行驶速度快了10倍，但来回走到地铁站的时间还是那么长。
不过，他认为患者不会因为降低漏诊率而付费，“有没有AI，病人对医生的期望都是一样的，就是诊断准确、不能漏。病人不能容忍医生犯错误。不过现在漏的这些，95%以上也没事儿。”
对于通过AI加速进行冠脉三维重建，马瑞讲道该功能确实可以减少图像后处理的时间，节省1-2个人力。不过遇到有支架、心脏搭桥的特殊病例，系统还不能自动处理。
针对与放射科相关的获批三类证场景，他个人的使用体会是，“除了肺结节，手部CT看骨龄成熟、好用；骨折的话，CT看肋骨骨折还凑合，别的部位不好使。”
对于马瑞这样的三甲医院医生而言，AI系统的助力相对有限，但在基层医院，成熟的放射科医生稀缺。此前，多地兴建医共体，其中一项便是上级医院支持基层的DR/CT/心电图等阅片、写报告。这意味着，医疗影像AI有落地基层的商业机会。
但是，北京另一家三甲医院的主任医师方博告诉《财经》，很多时候出现“漏诊”，问题并非在阅片环节，而是片子本身就没拍好。“比如手部骨折了，但在医院没发现，这可能是拍片时投照角度、给的X线剂量有问题，导致重影或病变没有显示出来。”这种情况下，AI也无能为力。
除了系统难以解决的原始数据采集问题，经费限制也影响着医疗影像AI下沉。“大部分的基层医院经费有限，所以喜欢上短平快、能带来实际效益的项目”，活跃在河南的一位医疗设备代理商讲道，受疫情冲击，很多医院资金亏空严重，像郑大二附院、五附院账上都有几千万的窟窿，医院上新项目非常谨慎。
“相对来说，现在最有钱的是县域医院，有一定现金储备。但县医院里，病人肯定更信医生，而不是机器，像AI这样高大上的东西，接受度可能不会很高。”
质疑医疗影像AI的声音不绝入耳，有媒体总结医疗AI眼前的商业化窘境——三甲医院用不上，基层医院用不起。投资圈里机构也开始分化，看好该赛道的PE基金大举进入：2021年上半年，推想D轮融资9亿，数坤融7亿，深睿C3轮数亿，医准C轮数亿……不看好的机构则冷眼旁观，用“我不投”来远离设想中、泡沫破灭后的一地鸡毛。
对医疗影像AI公司来说，无暇顾及泼冷水者。尽快适应医疗圈的规则，把收入做起来、顺利上市才是关键。
2021年商业化：招标之下疯狂内卷，医保控费双刃剑
商业化过程中，AI科学家和医生团队之间、和医院之间，有着诸多磨合。李开复在近日的一次演讲中，讲道，“与金融、互联网等领域不同，AI+医疗特别要尊重客户和他们的采购方式，而不是盲目以己度人地教育市场。”2017年，创新工场all in人工智能赛道，也投资了多家医疗AI创业公司。
他直言，很多AI科学家创业会把医疗领域想得过于简单，建议创业者用更严谨的方法适应医院的采购流程。
医学影像AI企业的软硬件产品要进入公立医院，通常要走招标采购的流程。7月、8月间，河南郑州、重庆江油、甘肃天水等多地医院发布了招标采购的通知，招标最高价从几十万到五百万不等。
9月1日，福建医科大附属第一医院以190万元的价格，采购了数坤的冠脉CTA医学影像AI辅助诊断系统——已获三类证的Coronary Doc。
医疗圈的采购流程，确实让一些算法工程师感到不适，“现在都是走招标，各家内卷得非常厉害。”从阿里算法岗跳到某医疗影像AI公司的刘盛讲道，招标这种方式，决定了系统很难标准化，“竞争对手新增了一个功能，为了应标，我们必须也出一个类似功能。”
开发得多、资源消耗也大，这就意味着：每次应对招标，都要付出一定的额外成本。“我们的临床医生说，这些新增功能其实没有用，临床大夫也不会看。但有的公司已经是行业里第一卷王，疯狂地加功能；最近我们的肺结节产品被他们打压得厉害，也在拼命地改版。”
虽然进入新赛道时间不长，但刘盛能感觉到医院端的需求正在增多。此前没有接触过医疗行业的他觉得，只要招标这一采购模式不改变，大规模商业化就很难到来。
不过，了解国内医疗体系的人都会知道：公立医院作为事业单位，招标采购模式由来已久、非常稳固。在信息系统和医疗设备采购中，非标品、半定制的产品形态再常见不过。采购环节的回扣、腐败案也时有发生。
医学博士出身、曾在医院工作的投资人邹鹏认为“医疗影像AI商业化”，必须放在中国医院的大生态中去理解。医院作为非营利性机构，只有举办人，没有股东，干活的院长医生也不能从医院盈利中获益，所以难有动力做很精细化的管理；作为付费方的医保，虽有动力，却难以事无巨细地参与到医院管理中。
对比中美医疗服务的参与主体，在美国，商业保险作为付费方，向医院、医生购买服务，“医生时薪特别贵，如果AI可以提高人效，保险公司会愿意付费，且支付方式很灵活。”邹鹏讲道，“但中国不缺人”，除非医疗影像AI带来替代性的检查或治疗方法，仅是提高效率、节省人力，很难有大范围的医院买单。
在他看来，医疗影像AI最高效的付费方式，是按使用量付费，就像手机缴费一样，“打电话、用流量就付钱，不打就不交钱”。但中国公立医院是预算审批制，“服务的量是不确定的，只卖服务的合同怎么报价、怎么签，在公立医院很难算，所以经常把‘卖服务’，变成‘卖硬件’（一次性系统/设备）。”
另一位投资人（曾投资医疗AI公司）也表达了相似的观点，按服务收费对AI企业来说更可持续，就像现在IVD（体外诊断）的销售模式，向医院投放设备，医院购买试剂产品，“相当于企业和医院按比例分，每用AI系统辅助诊断一个病例，就收一次钱。”
企业的销售模式也印证着邹鹏的观点，从推想医疗招股书上可见，其在中国的销售是定额收费，在海外则能以订阅方式提供产品，并支收服务月费。
为了加快入院速度，科亚、数坤等多家都在今年拿了数个二类证，先进院、抢占位、拿收入。虽说二类证叫“医学图像处理软件”，但提供的是AI辅助诊断服务，有投资人比喻“特斯拉挂雅迪的标志卖”。
尽管公立医院一端的需求还没放开，但供给侧的医疗影像AI公司已尝试了多种灵活模式。不管是卖给医院做科研，还是进入信息科、心内科、神外科、眼科等用以临床；单卖辅助诊断软 争抢的是细分赛道的上市机会。8月底推想科技公布招股书，显示2020年、2021年Q1的收入分别约为2800万元、2200万元，毛利率分别为81.8%、87.3%。如此增速能否在2021年后三个季度持续尚不可知，但至少目前来看商业化已现曙光。
比推想更早递表的科亚医疗，是发力销售的典型。今年3月向港股递表时，招股书显示其已有181位销售人员，且2022年前营销团队将达到250人。从猎聘、BOSS直聘等多个招聘平台可见，科亚仍大量扩充销售队伍。据了解，是否应该采取如此激进的销售策略，科亚高层之间也有分歧。
说到科亚的销售契机，不能不提冠脉支架带量采购政策。冠脉支架从均价13000元降到700元后，胡大一曾撰文指出：“精准治疗成为一个趋势，即通过FFR、IVUS（血管内超声）等新技术评估患者是否需放支架。集采后，这些检查运用更频繁，且这些检查单价在两万以上。”
该不该如此广泛运用，此处暂不论。但科亚的明星产品深脉分数（CT-FFR），正是FFR技术的一种。尽管去年科亚只有科研合作赚来的70万收入，但据动脉网报道，科亚的CT-FFR已进入7省份的医疗价格目录，若能进入科室按次收费，业绩表现应是不俗。同理，数坤的冠脉CTA也存在类似的疗法替代场景。
当前，面对医保控费、万物集采，行业一度集体瑟瑟发抖。但细究之下，的确可见“腾笼换鸟”之趋势，对真正创新的临床技术会是利好。9月14日，国家组织人工关节带量采购即将开标，在此当口，骨科手术机器人公司天智航披露：其机器人辅助骨科手术（含术前精准规划）获得政府定价（8000元/次），并纳入北京市医保目录。
相比于已有数百年历史的现代医学，人工智能涉足这一领域时日尚浅。诸多医疗影像AI企业研发、创业至今，也只有五六年的时间。当技术遇到关乎生死健康的医疗，尽管在临床应用中确有裨益，从安全性、伦理角度，也需要一个逐渐接受和渗透的过程，这决定了医疗影像AI的商业化速度，很难突飞猛进。
然而，有一个避不开的问题：医疗慢，资本急。
结语：上市迫在眉睫，终局尚不知何处
科亚、推想已向港交所递表，数坤在回应采访提问时表示“近期不方便接受任何媒体采访”，其它C轮之后的企业也摩拳擦掌。为什么医疗影像AI公司急于上市？投资机构的诉求或可解释。
“做基金，LP对机构也有最低业绩要求，5年赚3倍，那就是25%的复利。”邹鹏告诉《财经》，“投出一亿元，要拿回3个亿，就得靠上市。上市后还有锁定期，港股6个月，A股1年。那就倒推，投了之后第几年，公司必须上市成功，投资时都得签上市对赌。”
按惯例，完不成上市对赌，被投公司需想办法回购股权，行业惯例通常是投资本金再加10%的利息。此般明股实债，公司急于上市也易理解。
最近一两年，医疗影像AI企业拼命地向前冲刺，找钱、招人，尽管终点在哪儿还不知道——
“医疗AI就像盲人摸象，每个人都可以对自己接触的信息，形成对这个行业的认知。但是这头大象最终的形态是什么样，目前没有人知道。”深睿医疗创始人乔昕曾这样讲道。
从临床上看，AI技术定然可助力医疗质量改善。那么，只要跑得比竞争对手快，死神或许就追不上。