AI医疗着眼院外主攻筛查，赋能基层做好慢病管理

据相关数据显示，自2013年到2017年，整个AI医疗行业共获得241笔国内融资。而目前国内资本多布局虚拟助手、医疗影像、医用机器人、智能健康管理四个领域，其中医疗影像成为资本密集的阵地，占比最高达到31％，位居第一。

关注很高，但质疑声也不少。除了底层技术和数据的问题之外，商业化前景不明也是人们不看好医疗AI的关键一点。究竟用什么样的逻辑去挖掘更多的应用场景，很多人工智能公司仍处于摸索阶段。

在这其中，Airdoc副总裁张京雷认为，在技术基因的影响下，跨界是许多人工智能公司首先面临的难点，因此，思维方式一定要有所转变；另外，AI医疗公司需要改变现有的医疗价值链，这种改变意味着优化，即将其变的更加简单或便宜。

着眼院外，主攻筛查

作为行业中的参与者，三年时间，Airdoc通过对AI技术与医疗健康的研究和实践，已经逐渐找到适合自己发展的道路。以眼科作为垂直深耕领域，研发了人工智能慢病识别系统，通过Airdoc视网膜识别算法，可识别30多种慢性疾病，包括糖尿病、高血压、动脉硬化、视神经疾病等全身性慢性疾病并发症和高度近视、老年性黄斑变性等常见眼科疾病。

张京雷表示，这主要基于Airdoc的发展策略：着眼医院外场景以及主攻医疗筛查领域。在医疗领域，在患者和医生中间，从诊断、治疗到疾病管理，每一环节都代表了相对应的利益链条。但医疗行业内的价值链条在经过长期发展之后，已经发展得相对成熟。着眼医院外场景，既不改变整体的价值链条，提高整体服务效率，也能够为企业探索多元化商业模式降低门槛。

目前，Airdoc已经与星创视界等集团合作，赋能眼镜店，通过分级诊疗的方式降低医保总支出。通过这些院外合作，也增加Airdoc自身数据体量，为今后的慢病筛查、疾病图谱分析做前期的数据支持。

而在医疗筛查方面，Airdoc从知晓率较高的常见病以及有相应解决方案的疾病入手。针对年轻用户，Airdoc主要通过眼底拍照、筛查，聚焦眼部疾病；而针对老年用户，未来Airdoc将向基层、社区布局，主要聚焦在动脉硬化和糖尿病等慢性疾病领域。

赋能基层，做慢病管理

不管是toB还是toC，医疗服务最终面向的都是C端人群。“我们看好AI医疗未来在基层的应用，算法或AI将来一定要落到基层去。对于基层来说，这具有两方面意义，筛查和管理。”张京雷告诉猎云网。

以慢病管理为例，中国目前仅糖尿病患者就已经达到1．12亿，有3－4亿人群有潜在的高血糖风险。再加上过亿的高血压、心血管疾病、眼科疾病等患者与高风险群体，他们都急需一个简单、无创、低成本的方式完成多类慢病的筛查。

这些疾病本可以通过专业筛查提早发现，但现阶段，中国还有20％的县级医院没有眼科，全国眼科医生数量仅有3．6万人，而从眼底照片上能准确判读疾病信息的专业医生更是只有200－300人。

“在50岁以上的人群中，约80％存在着亚健康的状况，对于这些人群来说，大多已经知道自己患有慢病，从确诊到治疗，存在20－30年的慢病管理周期。在这个周期内，人工智能都将具有很大的意义。”张京雷说道。

以糖尿病患者为例，根据现在的治疗指南，可通过3个月拍一次眼底，1年拍4次，来跟踪患者的糖尿病管理。相比测血糖来说，具有低成本、快速的优势。医生和患者端同时能够收到相关检测报告，更直观的教育患者，对于医生来说，也能根据更客观、多元化的数据来调整治疗方案。

过去三年内，Airdoc人工智能慢病识别系统已经在北京、上海、海南、江苏、河北及安徽等多省市展开大人群慢病筛查，每天为数万人提供快速识别建议。2017年该系统已经完成200万影像的识别。在最近的Vision China大会上，借助Airdoc的AI算法与眼科专家的对抗，也印证了基层医疗机构加人工智能的实用性。

随着国家政策对AI医疗的支持，今年年初，AIrdoc已经向CFDA送检了第一台中国三类医疗AI服务器，按照医疗器械注册流程，产品从申报到最终过审要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批等六步。张京雷表示，现已经进入临床试验阶段，但预计审批通过还需要3－5年时间，对于如何去设计一个人工智能的临床试验报告，行业没有先例和标准，因此将具有重大的意义。