本期嘉宾
秦勇 鹰瞳科技Airdoc COO
秦勇，鹰瞳科技（Airdoc）COO，中国人工智能学会智慧医疗专委会委员，长期从事医疗人工智能方向的工作，拥有丰厚的项目经验、管理经验和技术积累，参与多个医院人工智能应用基地的建设项目，对人工智能在医学特别是眼科领域的应用有深入的研究，在核心期刊发表高水平论文十余篇。2021年11月5日，鹰瞳科技在香港联交所主板上市，被誉为“医疗AI第一股”。
主持人
赵九州 腾讯云轻量云产品中心总监
赵九州，腾讯云轻量云产品中心总监。负责腾讯云DNSPod产品，历任 58 到家平台总经理、360 集团同城帮业务副总裁，曾作为小程序SaaS - 火速移动的创始人，累计获得创新工场、DCM、合力资本等VC 1000 万美元风险投资。同时也是资深的实体企业数字化专家，牵头制订了《中国中小企业数字化标准等级认证》。
1
赵九州：鹰瞳科技主要关注视网膜影像人工智能，你们的视网膜影像人工智能检测系统不仅能检测糖尿病视网膜病变、青光眼、黄斑变性等眼部疾病，还能评估糖尿病、高血压、心脑血管疾病、老年痴呆等各种类别疾病的风险。我作为一个外行人，非常好奇：一个视网膜为什么可以检测出这么多种疾病？
秦勇：我们很多C端用户和您存在同样的疑惑：我来做一个眼科检查，为什么可以检查出很多慢病的健康情况。这个其实不是我们自己创造的，而是有非常严谨的医学理论基础，已经写进了很多医学指南里。
原理是什么？我们的视网膜上包含了很多血管和神经，是我们人体唯一能够无创、直接地观察到血管和神经的地方。而其他的地方，血管和神经都被保护在皮肤下面，如果我们想要用肉眼直接观察的话，可能需要采用一些有创的手段，把皮肤破开才行。
视网膜上的血管和神经连接着我们全身的血管和神经，因此，像高血压、糖尿病、老年痴呆等疾病一旦发病，都会在视网膜上有相应的体现，有经验的医生或者专家，会通过眼底的血管去评判患者全身的健康情况。
另外，很多慢病或慢病并发症的检测，本来也是需要进行视网膜检测的，比如糖尿病是需要检测眼底糖尿病视网膜病变的并发症，这个已经被写入医学治疗指南里了。
鹰瞳科技视网膜影像人工智能检测系统
2
赵九州：在医疗AI领域，目前医学影像是落地应用最多，也是商业化探索进程最快的细分领域。其中，从头部的医疗AI企业来看，例如科亚、推想、数坤、深睿，大家都不约而同选择了肺部疾病相关的放射影像AI，为什么放射影像AI会如此受青睐？你们为什么没有选择放射影像AI，而是选择眼底影像AI？
秦勇：在医学影像领域里，通过视网膜或者肺部CT去进行疾病检测、诊断的标准化相对其他来说是最强的，因此更能发挥人工智能的作用。
我们为什么会选择视网膜影像AI？
鹰瞳创立最初是因为我们的创始人张大磊先生的家人被误诊，他希望鹰瞳能让每一个人都能平等地享受到高水平的医疗能力，让健康无处不在。
基于此，我们在产品方向选型时，虽然我们也曾做过放射影像，但我们还是认为视网膜影像的采集更方便，普及难度更小，与我们公司的理念更贴合。
此外，很多专家说“眼底一张照，慢病全知道”、“小眼睛，大健康”等等，通过眼底看全身无论是社会价值还是经济价值都具有AI创新的必要。
3
赵九州：决定AI品质的三要素有：算法、算力、数据。目前全球范围内缺少开源的医疗大数据，而在国内，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。那么在数据这么难获取的情况下，你们的视网膜影像AI是如何训练出来的？又是如何确保结果的准确度？
秦勇：我们在公司创立之初确实非常幸运地得到了顶级院所和医疗机构的扶持，与很多顶级科研机构开展了广泛的合作，包括我们积累了370万真实世界视网膜影像及对应多模态数据，以及很多国内知名的眼科专家、眼科医生对这些数据进行双盲交叉标注，确保了我们从训练数据到最终结果，都能保证AI模型的准确性。
截至到今年6月鹰瞳科技已经服务了近2000万人次，服务人次越多对我们的AI算法进行反哺，让我们的模型的准确性不断提高。
我们可以不谦虚地说，我们拥有目前全球最大的视网膜影像数据库，对模型准确性的验证的过程和成果都写成了论文，发表在很多知名的期刊上，比如像《柳叶刀·数字健康》、《英国眼科学杂志》等等。可以说，我们的算法模型的准确度，已经可以媲美眼科专家。
4
赵九州：说到医疗AI的算法，现在很多眼底AI都可以在几分钟内就基于对已有影像的深度学习跑出预测值，很快给出诊断结果，但里面有一个需要解决的问题就是算法的不可解释性——无法说明算法的决定是如何做出来的。没有可解释性，医生很难去信任医疗AI产品，更不放心地将AI诊断结果直接给病人。你对这个可解释性是怎么看的？
秦勇：算法的不可解释性，其实就是深度学习技术的黑箱效应，这个问题我们经常遇到。我给客户解释，深度学习技术不像传统人工智能技术那样是一个规则的集合，而是真正模拟了我们人类大脑的神经网络，而大脑的神经网络其实是可以自我学习的，这就好比我们学英语时产生的“语感”。
我们在研发算法的过程中，遇到了一个特别有意思的无法解释性问题。通过训练我们多模态的视网膜影像数据，我们发现算法居然可以通过视网膜影像来判别这个人是男是女，而且准确率高达99.99%，是我们目前准确率最高的一个算法，这个性别的判断是专业医生也从来没有发现过的。
我们接触了非常多专家，他们的思维大多比较开放，是可以接受人工智能的不可解释性。此外，我们会充分展示出专业性，例如我们的产品有严谨的医学逻辑或者医学原理，在算法准确性和医学严谨性方面都通过了充分的验证，而且我们获得了国家药监局颁发的三类医疗器械证书，推出了很多专家共识，这些都会让医院医生和其他客户更愿意接受我们的产品。
5
赵九州：医疗AI开发出来后，都难免要面对“开张吃饭”的问题。在医疗行业里，医疗器械拿到由NMPA（国家药品监督管理局）批准的三类证，相当于是这个AI产品被认可能用做“辅助诊断”，半只脚踏入商业化收费的绿色通道。2020年，鹰瞳科技获批国家药监局首个眼底人工智能辅助诊断软件医疗器械第三类证书，你们是如何坐上第一班快车的？你认为目前国内的审评审批环境有何变化？
秦勇：最核心还是自身产品要过硬。当产品真正能够带来价值，就不会惧怕任何考核。
当然，我们作为第一批，之前没有任何经验或者任何可借鉴的流程，这对于人工智能辅助诊断来说，非常考验产品的创新能力。我们前后经历了数据采集、标准库建立、数据清洗、数据标注、模型训练测试等等一系列的环节。只要产品力过硬，就能经受住这些考验。
鹰瞳科技获得的首个眼底人工智能辅助诊断三类证
自从2020年第一批三类证下来后，再去申请证书就有相应的参考了，后续确实看到很多医疗AI产品过证了，审批速度也快了很多。随着人工智能技术的发展和国内政策的不断完善，相信未来的审批环境肯定会越来越好。
6
赵九州：2021年11月，鹰瞳科技在香港联交所成功上市，成为“医疗AI第一股”。我看了下你们的财报，年收入在2021年开始就破亿了，在国内医疗AI里做到TOP级别。但我也看到你们去年的研发开支与销售开支也非常高，导致整体还无法盈利。医疗AI企业需要较高的技术研发投入维持竞争力，还要用销售投入来保住市场份额，那么医疗AI是否永远都会停留在无法盈利的怪圈？
秦勇：医疗AI确实是一个相对比较新的行业，因此商业化路径需要现行的AI企业不断去探索。既然在探索的过程中，不可否认，就需要非常大的投入，从市场教育、患者教育、客户认知、营销投入方面都需要投入大量的成本。
此外，作为一家医疗AI企业，毕竟说到底是一家科技公司，那么研发一定是这个科技公司最核心的竞争力，这是保持先进性必须要去做的工作，因此我们几乎每年都要产生专利、知识产权。研发投入不一定很快就能带来收入，但是从企业的长期价值来看，我觉得还是非常值得的。
我对整个市场的前景还是非常乐观的，我们自己也在不断拓展各种应用场景，除了医院，我们还把场景扩展到大健康行业等等，从而拓宽我们市场收入的份额。我们公司也做好了准备，相信我们一定在不久可以实现盈利。
7
赵九州：有媒体总结医疗AI的商业化窘境——三甲医院用不上，基层医院用不起。在三甲医院不缺人力，医疗AI目前只能辅助诊断，很难给三甲医院的经营带来明显的提升；而基层医院缺专业医生，非常需要医疗AI辅助，但又买不起医疗AI，因此很难有大范围的医院愿意买单。你认同这样的观点吗？
秦勇：我觉得这个还是要看我们的产品到底能给客户带来什么样的价值。
三甲医院绝对不是不愿意去买这个产品，我们要做的是如何把我们产品的价值更好地传递给我们的客户，当客户认可了我们的价值，我相信他们一定会愿意去买单。我们的产品对于三甲医院来说，主要有两点价值：
第一，提高诊断效率。比如，我们的产品提供量化分析功能，一张影像上有多少个出血点，医生一个一个数要数半天，而人工智能技术很快就能算出有几个出血点。以前一个眼科医生一上午只能看50个病人的片子，借助我们的技术一上午能看200个。
所以，我们的产品可以将眼科医生从很多重复性的、没有什么技术含量的工作中解放出来，把更多时间花在疾病诊断、疾病治疗等高附加值的工作上。
第二，优化医疗资源分配。三甲医院有非常多科室，我们刚才提到的高血压、糖尿病等病人本来就需要做视网膜检测的，但他们集中在心血管科或内分泌科，而这些科室没有眼科医生，还需要先转诊到眼科进行检查。
但借助我们的产品，内分泌科的医生也能帮病人做检查，可以将病人留在自己科室，根据检查结果再准确地推荐病人到眼科进行会诊。
另一个你说的地方医院买不起的问题，我们也花了非常大的精力去解决。我们研发了自主品牌的国产眼底相机，把成本做到了传统眼底相机成本的十分之一，只需要几万块钱就可以拥有一台，这个价格对很多基层医疗机构来说是承担得起的。
我们还希望通过规模效应或者持续的研发投入，把眼底相机的成本做得更低，甚至让每一个人都能够买得起一台眼底相机，随时进行眼底检测，这是我们的终极目标。
8
赵九州：鹰瞳科技的主要收入来源在鹰瞳健康和鹰瞳眼健康，提供健康风险评估服务，在体检中心、保险、眼视光中心都有很大的应用场景。但是跟医院不同的是，患者只是来做体检评估，并不是去医院看病那样强制需要拍片，那么患者接不接受由AI而不是由人类医生提供服务、愿不愿意为价格买单，直接决定医疗AI的收入。你们在商业化过程中如何提高患者对服务的接受度？
秦勇：这是一个商业模式的问题，你说得很对，“具体由谁来买单”确实是我们在商业化路径上遇到的问题。不过回过头来，答案依然是我前面说的：我们的产品到底能给我们的客户提供什么价值。
我们在大健康这种非医疗场景下，目前主要的模式还是B2C，借助像体检中心、视光中心、保险公司这样的B端机构最终提供服务给C端用户。只要我们的产品能够实现他们的商业逻辑，他们就会愿意为产品付费。
比如，对保险公司来说，我们的产品为他们的客户提供更好的服务，提高客户满意度，从而帮助他们拉来更多的客户，完成保险产品的转化。
再比如，对眼镜店来说，我们的产品可以提升他们在客户心中的专业性；此外，客户并不是单纯地来配一个眼镜就走了，还能做医疗AI检测，那么店铺就可以提升客单价，带来更多高附加值的收入。
不过，我们最终服务的还是C端用户，目前为止确实存在接受度的问题。对于个人用户来说，他们并不是不愿意接受AI检测的产品，甚至在更多场景下，他们并不关心诊断结果到底是AI给的还是医生给的，他们更关心的是能不能发现他们的健康隐患。
那么，我们要做的就是提高产品力，有一定的验证和背书，投入非常多的成本去提高产品认知、培育市场，让C端客户能够信任我们的产品。另外，如果有更多的政策支持，比如说物价、医保等支持，对我们这类优质的医疗资源下沉扩容也会有非常大的帮助。
9
赵九州：从竞争态势来看，拿到眼底AI诊断三类证的不止鹰瞳科技，硅基智能、致远慧图也拿到了眼底AI诊断的三类证，此外，腾讯觅影也研发了AI眼底疾病筛查系统。这种三类证越来越多，你们认为鹰瞳科技对比友商的“护城河”在哪里？你怎么看待目前同质化的趋势？
秦勇：首先，不管是友商还是鹰瞳自己，我们共同的敌人都是疾病。目前为止，我国还有大量的眼病或者慢性病的检测需求没有得到满足，因此我们确实需要有更多优质的产品和解决方案。所以说，医疗AI是个非常广阔的市场，还需要我们和友商一起开拓出来，一起把蛋糕做大，竞争倒还没有成为现在的重点。
其次，我不认为我们做的是同质化的产品，每个公司的产品都有自己的特点，虽然根本上都是做视网膜人工智能检测，但给客户带来的解决方案和产品价值还是不一样的。我们现在在提供一整套闭环的解决方案，不只是告诉患者有什么病，还会提供健康管理服务、产品引导等等，这才是医疗AI检测产品的生命所在。
10
赵九州：虽然AI诊断结果很准确，但眼底AI在一线的应用场景中，其实最大的难度是照片拍不好、拍不规范，导致AI无法识别，更别说用来做AI检测。因此AI检测系统需要考虑怎么适用于多个科室、非眼科的场景，方便全年龄患者人群使用，以及适配多种眼底相机。鹰瞳科技在这块是如何解决的？
秦勇：这个问题问得非常好。很多同类的公司在做这个事情的时候，确实遇到了相同的问题：我们确实不能期望我们所有的应用场景都是高大上的严肃的场景，并且由受过专业教育的医生或者受过很好培训的技师来进行操作，人工智能真正应用的场景更多在基层以及偏远地区的机构。
鹰瞳科技参加第九季爱目行动青海站活动
我们在这方面积累了很多经验。第一，既然眼底相机的培训成本很高，那么我们在研发的时候就让相机能够完全自动化拍摄，甚至自助拍摄，不需要使用者或者操作者具备很强的技能。
第二，针对图片质量不佳的问题，我们在算法研发的时候就加入了图片质量控制的功能。针对不好的、质量不达标的图片，我们会自动给出相应的提示，要么是重拍，要么就是确保给出的不会是一个偏差比较大的结果。比如说我上传了一张非视网膜的影像，我告诉你检测结果是完全正常的，因为我在影像上没有发现任何的疾病，这种情况是不会发生的。
第三，在比较偏远的地方，可能连网络都没有，而AI不太可能附带一个现场的服务器去提供服务，一定是通过云服务来实现。因此，我们的设备自带4G、5G网络，甚至没有电的时候，我们的设备可以通过配电池、移动充电宝来实现运转。
11
赵九州：今年随着ChatGPT热度的提升，大众的关注视野重回AI。一部分观点认为大型语言模型（LLM）能够颠覆AI的推理逻辑，优化算法对于医学医学影像学文本的推理，另一部分观点则认为这项技术已经出现多年，如今不过是老调重弹。大模型会对你们做医疗AI发挥什么革命性的影响吗？你认为医疗AI未来的发展方向会是什么？
秦勇：大模型是人工智能技术发展到一定阶段的产物。其实我们在这方面很早就有布局了，刚才也提到过，我们拥有目前最大的视网膜影像数据库，在大模型层面已经做了一些尝试。
例如，我们现有的视网膜影像能够自动生成未来十几年的视网膜影像的变化趋势，从而来判断患者未来10年或者20年可能会得比如心脑血管疾病、老年痴呆等等。另外，我们还可以通过现有的一张视网膜影像，预测患者未来什么时候可能会近视，可能会到多少度等等。
大模型在医疗健康领域的应用非常广泛，尤其是我认为现在很多医生的经验和知识没有被很好地传承和保存下来，AI医疗大模型可以很好地解决这个问题。把医生的知识输入，训练出医疗领域大模型，那么未来患者就可以通过与机器人的对话随时掌握自己的基础健康状况。
* 图片来源：鹰瞳科技
END
栏目统筹 | 赵九州
责任编辑 | 黄绮婷 庄雅捷 张洁
栏目顾问 | 草禾言
你看好医疗AI的发展吗？你认为AI可以如何让我们的看病更方便？欢迎在评论区分享你的看法~点亮“在看”+评论区留言，阿D将在8月2日（周三）下午15:00随机抽取2位粉丝，送出 阿D定制咖啡杯~
《DNSPod十问》是由腾讯云轻量云产品中心推出的一档深度谈话栏目，通过每期向嘉宾提出十个问题，带着广大读者站在产业互联网、科技领域精英的肩膀上，俯瞰各大行业发展趋势和前沿技术革新。
栏目嘉宾的领域在逐渐扩大，从最初的域名圈、站长圈到程序员圈、创业者圈、投资圈。腾讯副总裁丁珂、CSDN董事长蒋涛、Discuz!创始人戴志康、知识星球吴鲁加、腾讯安全学院副院长杨卿等技术大咖和行业领军人物都在这个栏目留下了他们的真知灼见。
《DNSPod十问》在腾讯云生态圈也极具影响力和活跃度。我们在腾讯内部平台——DNSPod公众号、腾讯中小企业服务公众号、腾讯云公众号、腾讯云主机公众号、腾讯云服务器公众号、腾讯云助手、腾讯乐问、腾讯码客圈、腾讯KM平台、腾讯云+社区、腾讯云+大学等平台累计关注度高达数十万，同时我们积极开拓与外部媒体的合作，如腾讯科技、腾讯新闻、新浪微博机构号、CSDN社区技术专栏、知乎机构号、企鹅号、搜狐号、头条号、开源中国技术社区、IT之家、InfoQ社区资讯站点、Twitter机构号、Facebook机构号等媒体阅读总量逾百万。
未来，我们希望这个栏目的影响力会覆盖更加多元的受众，把更多正确的理念对外传递出去。欢迎各位读者在评论区留下你想看到的嘉宾和想问的问题，我们邀请你共同成为《DNSPod十问》栏目的提问者与发声者。
合作联系：
qitinghuang@tencent.com
▼公众号后台获取二维码
加入DNSPod官方用户群
