人工智能辅助诊断流程图
图片来源：《卷积神经网络和迁移学习在癌症影像分析中的研究》余绍德
内在驱动：巨头的“小算盘”
1.AI癌症诊断，其实是为了最大程度符合社会期待。
在大众的认知中，“癌症”基本等于“死亡”（事实并非如此），抗癌就是在与死神作斗争，而在人与“神”的战斗中，但凡有一个产品能够为人们哪怕加持一个小小的光环，这个产品都会被给予无限赞誉。
另外，中国肿瘤患者的5年生存率在30%左右，远远落后于美国和日本的60%，在这种情况下，人们对于癌症防治的期待值并不高，与之相关的技术产品也难以得到人们全身心的信任和依赖，在人们眼里，癌症诊断的AI产品做得不好是十分正常的，毕竟人类医生的能力也十分有限。
所以，新技术的一点点进步可能都会得到人们积极的反馈，这就相当于一个考试总是得30分的学生，突然够到了及格线，即便不是最优秀的，但家长依旧会感到欣慰。这也是为什么众多AI产品不断强调自己的正确率高于人类诊断的原因。
2．“下注”癌症诊断，其实是为医学影像诊断的降维攻击打基础。
医学影像诊断是医疗的重要基础，是临床数据中最重要的诊断依据之一。医学影像分两个部分，一个是医学成像，也就是图像重建，利用AI实现少剂量成像，快速成像等。另一个是影像分析，也就是通过图像智能识别技术较大程度降低医生工作量。
巨头抢占癌症诊断的赛道，其实是采用了“擒贼先擒王”的计策。将人工智能技术用于癌症诊断中，是因为癌症种类多，病理复杂，能够整合更多的影像分析数据，让产品“学习”专家医生的医疗知识，模拟医生的思维和诊断推理。癌症的防治难度众所周知，仅仅从公众认知来看，如果癌症检测算法的准确率足够高，那其他疾病诊断是不是也不在话下呢？如果AI产品能以癌症为入口，进入整个医疗辅助诊断领域，患者们也将拥有更多的治疗选择。
变现困难，AI癌症诊断还需要更多耐心
巨头们的想象都很美好，但“打脸”总是来得太快。IBM的沃森健康系统即便拥有了完善的肿瘤系统，但在与知名肿瘤专科医院MD Anderson合作中也摔了个跟头——沃森在2012年与MD Anderson签署协议，共同开发“肿瘤专家顾问”(Oncology Expert Advisor)，仅四年后，德州大学审计办公室对该项目出具48页审计报告，终止了继续合作。
终止合作的原因有很多，但其中一个因素是“肿瘤专家顾问”难以成功推广到其他医院，即便MD Anderson在整个项目上花费了六千两百万美元。理想和现实总是有着太多差距，变现困难成为现如今AI癌症产品的难题。这还只是医院“大亏本”，如果放在国内，这六千两百万美元恐怕就是巨头们要支付的账单了。
探究其中原因，主要有两方面。
一方面，在医疗的支付领域，我们上文中也提到，保险机构正在加强对患者的保障，但这种保障实质上制约了医疗机构的发展，医疗机构的营收取决于保险的赔付规则而非患者自费费用，这也就决定了医疗机构难以找寻有效的C端盈利方式和营销手段，也就制约了医疗机构中产品和技术的更新迭代。
另一方面，AI尚属新兴领域，入驻医疗机构需要大量的人力物力和资本的投入，但医院的公益性决定了其需要面临长期的亏损，这种特性要求企业不能有太强的退出期限，在产品落地的过程中，需要长期战略资本，而这种长期的消耗也导致巨头们在此领域频频受挫。
结论：
“癌症”，这两个字眼实在太过无情和可怖，所以，当巨头们纷纷入局AI+癌症诊断，其实是一件大家喜闻乐见的好事——如果企业能利用自身的技术和资本积累做出好的医疗产品，不仅形成了好的品牌的认知，更是为众多被病魔缠身的患者们带来一些生活的希望。
[完]
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
