萬萬沒想到，只是參加一個科技展會，卻能讓人感到扎心。

這一切的起因，要從活動中展出的一個故事講起：

生孩子這件本應令人喜悅的事情，最終卻演變成讓一個家庭背負了十多萬元的債務。

而這一切的“元兇”，是一個叫做妊娠糖尿病合并高血壓的疾病。

正是因為它，還在孕期的故事主人公小琳（化名），不得不讓腹中的孩子早產(chǎn)出生。

而自己的視網(wǎng)膜也隨之脫落，導致雙目近乎失明，只能看到微弱的光芒。

在得知這個故事后的我，心情久久無法平復。

這到底是一種什么疾病？

于是帶著好奇心，我在網(wǎng)上開始對它展開深入地調研。

原來，妊娠期糖尿病引起的酮癥酸中毒，再伴隨高血壓等癥狀，會導致視網(wǎng)膜病變的發(fā)生。

更令人震驚的是，這還真不是個別現(xiàn)象：

39%病程超過15年的糖尿病女性，在妊娠期間會發(fā)生增殖性視網(wǎng)膜病變。

而即便患有糖尿病不足15年，該病的發(fā)生率也高達18%。

難道就沒有辦法預防嗎？

有的，只需要及時接受檢查即可。

但問題也正是出現(xiàn)在了這一重要的環(huán)節(jié)。

一來是因為許多在孕期的準媽媽，對這種疾病并不了解，直到出現(xiàn)癥狀了才去就診，錯過了最佳的治療時機。

再者，像故事中小琳所處的城市屬于貧困地區(qū)，醫(yī)療資源較為緊張，能夠檢查和醫(yī)治視網(wǎng)膜疾病的醫(yī)生可謂是鳳毛麟角。

為了解決這種情況，一種“快、準、狠”的方法悄然誕生。

他們將“專業(yè)醫(yī)生”帶到貧困縣區(qū)

這種方式，其實就是預防。

以妊娠糖尿病合并高血壓為例，若是小琳能夠在癥狀發(fā)生之前，及時做檢查，便可以有充分的時間進行降糖和激光治療。

而且比起事發(fā)之后的10萬元天價醫(yī)療費用，事前的定期檢查和康復費用便顯得格外經(jīng)濟有效。

早篩查、早發(fā)現(xiàn)、早治療，其重要性便可見一斑了。

但剛才也提到了，目前全國各地的醫(yī)療水平不均是一個確確實實存在的客觀問題（尤其是貧困地區(qū)）。

在這種情況下，又該如何做好預防？

人工智能技術，便是一種破局之道。

一家叫做Airdoc（鷹瞳科技）的公司，正在用實際行動，證明人工智能技術對于基層的重要意義。

小琳所在的貧困縣區(qū)，是Airdoc精準扶貧的對象之一。Airdoc為他們帶去了“視網(wǎng)膜檢測儀”。

但千萬不要小瞧了這位“AI醫(yī)生”。

它是“學習”了數(shù)百萬張視網(wǎng)膜影像，再由數(shù)百名資深醫(yī)學專家親自輔導（交叉標注），耗時多年才誕生。

患者只要讓它“看”一眼，便可以發(fā)現(xiàn)常見的眼健康風險，而且基于此，還可以分析全身性血管和神經(jīng)健康所存在的風險。

在為期僅僅4天的時間里，這位“AI醫(yī)生”便“開著車”，為4個鎮(zhèn)、600多位貧困群眾提供了健康服務。

如此效率，換作是人類醫(yī)生恐怕無法勝任。

那么Airdoc又是怎么做到的呢？

實時出結果，源自5年技術積淀

視網(wǎng)膜影像識別技術能評估健康風險，原理來自：

視網(wǎng)膜是全身唯一可以直接觀察血管和神經(jīng)的部位，而高血壓、動脈硬化、糖尿病等重大疾病，都會引起血管的改變，包括視網(wǎng)膜血管。

因此，針對該部位的檢查，不僅能檢測糖尿病視網(wǎng)膜病變、青光眼等眼底疾病，還能直接體現(xiàn)身體其他方方面面的健康風險，是臨床診斷、病情隨訪的重要手段。

然而，眼底篩查至今沒能推廣到三四線城市，根本原因在于：具備眼底病檢查能力的專業(yè)眼科醫(yī)生太少，廣大地區(qū)醫(yī)療資源嚴重缺乏。

如果用專業(yè)醫(yī)生的診斷數(shù)據(jù)教AI學會識別視網(wǎng)膜影像，不僅能快速診斷結果，還能將資源批量應用到全國的中小城市去。

這也是Airdoc成立的初衷。鷹瞳Airdoc創(chuàng)始人、CEO張大磊在一次采訪中表示：“成立Airdoc的初衷之一，就是因為家人曾遭遇誤診。”

實際上，最初研發(fā)AI視網(wǎng)膜識別技術的不止Airdoc，一開始還有谷歌、IBM、Digital Diagnostics、Eyenuk等巨頭，國內幾家巨頭也都進行過相關研究。

尤其谷歌，在開發(fā)算法模型時，選擇針對美國醫(yī)院的視網(wǎng)膜影像數(shù)據(jù)集進行研究，相關模型精度在實驗室可達90%以上，研究發(fā)表在JAMA等雜志上，引起巨大轟動。

然而，這項技術面向醫(yī)療條件落后的地區(qū)，如東南亞時，出現(xiàn)了嚴重的“水土不服”。

要知道，美國醫(yī)院的高精度數(shù)據(jù)集，源于專業(yè)醫(yī)生的拍攝技術、高配的硬件，導致谷歌算法模型對數(shù)據(jù)質量要求極高，同時只能適配昂貴的高精度眼底相機。

2020年，他們在泰國實際落地時，谷歌才發(fā)現(xiàn)算法不適配各種當?shù)赜布a(chǎn)品、當?shù)蒯t(yī)生拍攝水平也不足，導致準確度明顯低于實驗室結果。耗巨資做出來的AI視網(wǎng)膜影像識別模型，實際落地效果不好，至今仍未大規(guī)模商業(yè)化。

清華大學附屬北京清華長庚醫(yī)院眼科主任胡運韜曾表示，眼底相機性能、人員拍攝能力、網(wǎng)速，都是導致谷歌AI模型“水土不服”的原因。

谷歌AI模型遇到的問題，對于醫(yī)療AI研究人員來說并不陌生。Airdoc醫(yī)學總監(jiān)王斌坦言：“谷歌在泰國面臨的問題，我們在一線試點時基本上都碰到過。”

為了規(guī)避谷歌遇到的類似落地問題，真正實現(xiàn)“落地到三四線城市，解決醫(yī)療資源分配不均”這一目標，張大磊和團隊在這幾年時間里，同時做了三件事：

做軟件算法，做數(shù)據(jù)集，做硬件，且每個部分都必須比多數(shù)同行付出更多。

先說說軟件算法層面。Airdoc自研了不少針對各類疾病的AI算法，相關研究在柳葉刀、Nature等醫(yī)學頂刊，以及MICCAI等醫(yī)療AI頂會上都有收錄。

其中就包括醫(yī)學圖像處理領域頂會MICCAI上，一篇與莫納什大學（藥學專業(yè)全球TOP 2）合作的論文Retinal Abnormalities Recognition Using Regional Multitask Learning。

論文中的AI視網(wǎng)膜影像識別模型，利用多任務學習語義分類，讓三個子網(wǎng)絡分別學習視網(wǎng)膜不同區(qū)域的疾病，最終實現(xiàn)自動精準識別36種視網(wǎng)膜病變。

Airdoc的自動圖像質量控制算法，也是產(chǎn)品的一個亮點。

自動圖像質量控制，可以高效智能實時地對眼底相機采集的圖像進行質量分析，發(fā)現(xiàn)圖像采集質量不高的情況以及導致質量不高的原因，然后引導用戶或操作員重新采集高質量的圖片。

這項技術極大地提高了在基層環(huán)境中產(chǎn)品服務用戶的效率。

再從數(shù)據(jù)集層面看。Airdoc的重心放在數(shù)據(jù)標注精度上，與其合作的專業(yè)醫(yī)生，基本都來自《中國醫(yī)院排行榜（復旦版）》上名列前茅的醫(yī)院，經(jīng)過他們重復標注的數(shù)據(jù)集，數(shù)量達370萬張。

這些數(shù)據(jù)具有較強的多樣性，用它訓練出來的算法，可以適配大多數(shù)眼底相機，支持對不同質量的眼底圖片都做出準確分析。

如此一來，便大大降低了產(chǎn)品落地應用的門檻。

△實際標注情況示例

最后再看硬件方面，Airdoc還是唯一一家自研硬件產(chǎn)品的公司，代表作之一就是全自助的免散瞳眼底相機。

驗過光的讀者，也許對“散瞳”有印象，這是一種視網(wǎng)膜眼底檢查手段，用藥水麻痹睫狀肌，目的是放松瞳孔，避免其在遇到傳統(tǒng)照相機強光時自動縮小，無法成像。但散瞳藥物可能導致過敏。相比多數(shù)設備，更先進的眼底相機，對瞳孔直徑要求小，能將眼底圖直接成像于傳感器上，全過程不到1秒鐘，無需經(jīng)過至少30分鐘的快速散瞳。

先進設備算法進一步為硬件帶來了加成，例如像“自動檢測、自動對齊、自動對焦、智能語音交互”這樣的智能算法實現(xiàn)了硬件的全自助拍攝能力。

在這樣的努力下，Airdoc-AIFUNDUS(1.0)成為首個獲得國家藥監(jiān)局第三類醫(yī)療器械證書的AI視網(wǎng)膜影像識別產(chǎn)品，真正實現(xiàn)了上市，目前已經(jīng)落地到不少三四線城市，文前提及的陜西省安康市，就是其中之一。

更值得一提的是，Airdoc其他用于檢測糖尿病視網(wǎng)膜病變等系列疾病診斷的軟硬件產(chǎn)品，也都獲得了能夠上市的第二類醫(yī)療器械證書。

既要研究軟件算法、數(shù)據(jù)集，又要做硬件，技術追求毫無疑問地帶來了成本負擔，Airdoc招股書顯示，2019、2020年兩年的研發(fā)投入占比極高，甚至一度超過了收入。

其中，2019年的研發(fā)投入占總營收的135%，而2020年的研發(fā)投入也占了總營收的88%。在醫(yī)療AI一度被唱衰的當下，這樣的做法多少顯得有些“冒進”。

但技術追求收獲的成果是明顯的。

上海市靜安區(qū)市北醫(yī)院陳吉利醫(yī)生曾在Nature子刊上發(fā)表一篇臨床試驗文章，驗證結果顯示，Airdoc的AI與專業(yè)眼科醫(yī)生篩選出的糖尿病視網(wǎng)膜患者數(shù)量極為接近，只比眼科醫(yī)生多篩選2例，相對更偏嚴格，具有臨床可用性。

其招股書也大大方方寫道：谷歌產(chǎn)品主要篩查類型為糖尿病視網(wǎng)膜病變、糖尿病黃斑水腫兩類，而Airdoc的人工智能醫(yī)療器械軟件（SaMD），檢測的疾病類型要更多。下面數(shù)據(jù)來源于弗若斯特沙利文，更能佐證Airdoc在細分領域的努力：

近日，一度要在醫(yī)療AI領域“火力全開”的谷歌健康部門面臨重組，這被視為谷歌對醫(yī)療健康領域的一次大規(guī)模調整。

但無論是在三年前合并DeepMind Health、還是數(shù)次更替研發(fā)項目，谷歌在2016年成立的糖尿病視網(wǎng)膜病變篩查項目，一直沒有變過。

甚至重新整合過后，糖尿病視網(wǎng)膜病變篩查被從原來的項目組中剝離出來，單獨成立了一個團隊，進一步加以研究落地。

這足以證明谷歌對“糖網(wǎng)”項目潛力的認可。

然而，包括谷歌、IBM等巨頭在內，確實有不少醫(yī)療AI相關的項目仍未曾盈利。這似乎也是當下醫(yī)療AI行業(yè)的普遍現(xiàn)狀——

盡管大家都知道，這是一項造福人類的事業(yè)，但真正做起來反而并不容易。

這到底是實現(xiàn)路徑錯了，還是最終目標錯了？

至少Airdoc正在用另外一種方式，朝目標堅定前進。

2019-2020年兩年間，逐年增加的研發(fā)投入：

這兩年，除去銷售成本的收入毛利率，也從53%上升到了61%；

至于虧損的情況，也在逐年好轉，從286.5%下降到了167%。

而就在今年5月，Airdoc已完成由禮來亞洲基金（LAV）、清池資本、OrbiMed、富匯創(chuàng)世共同投資D輪融資。

截至目前，Airdoc共完成了從Pre-A輪到D輪的7輪融資，總額超8億元。

6月21日，鷹瞳科技（Airdoc）向港交所正式提交申請版招股書。

不過，上市只是第一步。

面對未來的巨大藍海市場，醫(yī)療AI這個領域的探索，才剛剛起步。