8年之内，医疗AI会成为主流 对话视见科技 肖翔

“原创技术转化到临床落地的产品，过程比想象得要艰难。数据的积累、产品功能的完善、临床流程的对接，是所有团队都要攻克的难关。”

——视见科技COO 肖翔

“禹用了十三年时间治理黄河水患，威望不断上升。”这是肖翔推崇的《大国诸侯》一书的开端。学经济出身的肖翔除了以史为鉴，还从横断面上读出管理上的规则和不同行业的普遍规律。

2005年加入联想后，肖翔负责过区域一线的商用业务、消费业务，并担任过联想中国区消费渠道业务总经理，还管理过联想CSMB战略运营等。从市场、销售到管理，再到业务战略的制定和运营，他几乎经历了完整的管理者实战训练。

“大河有水小河满，行业的大势会决定企业的生存状态。整个IT行业经过之前20～30年的高速发展之后，遇到了一些发展的瓶颈，行业的发展跟个人发展息息相关，想要再进一步往前走，应该关注下一波的市场浪潮，随大势、看大势。”这也是为什么肖翔选择投身全新领域。

联想创投一直关注在技术行业的投资，肖翔与视见科技的结缘，离不开联想创投的牵线。“2017年初，萌生创业想法后，联想创投推荐了一些不错的初创期项目。在诸多项目里，一眼看上了视见科技的AI+医疗项目。”只是相对现在而言，当时视见科技的早期团队只是“树苗”，一棵强健的树苗。

人才？人财？

“当时，我们的初创技术团队还没离开学校。”肖翔介绍说。视见科技核心创始技术团队是香港中文大学计算机系教授与博士团队，由医学影像和人工智能专家组成，在病理、放射、放疗、内窥镜、超声多个领域皆有积累。曾在十六项国际医学影像AI识别挑战赛中战胜来自顶尖企业和研究机构的强劲对手。

初创团队中，创始人兼CEO陈浩、联合创始人兼首席科学家王平安及其博士团队是技术合伙团队；联合创始人肖翔和联席CEO王峰是商业、市场合伙人。

首席科学家王平安，是香港中文大学计算机系的教授，团队最初的技术储备。王平安是教育部的长江学者，1992年加入香港中文大学之后成立了医学影像实验室。“王平安老师在医学影像和人体三维化领域的学术研究超过25年。2013年，陈浩师从王教授开始做‘人工智能深度学习＋医疗影像’的相关课题研究。在这个领域可以说是科班出身。”肖翔对我们梳理起团队的“编年史”。

“在这个领域，我们跟大部分初创公司的不同之处在于，我们是先有了技术储备，再开始做产品化和公司化运营。这也是为什么虽然公司成立时间短，产品和市场的进展却很快的重要原因。”肖翔认为这与众不同的特性，是公司核心竞争力的构成部分。

肖翔之所以加入视见科技创始团队，除了看重硬性技术条件，还有两点：其一，项目集医疗、大数据、人工智能这三个炙手可热的风口于一身；其二，在跟创始技术团队交流之后一见如故，各自的背景、经历、特长能在协作中形成很好的互补。“整个团队对项目未来的构想高度趋同。”肖翔说。

人才是多数创业公司焦虑的一个问题，AI技术人才的争夺更是白热化的。肖翔说：“进入AI医疗领域的企业大致分三类：一是大型传统互联网企业如BAT等，二是传统医疗软硬件厂商如联影、东软等，三是初创企业和团队。不同企业的涌入和资本的助推，让原本就储备不足的AI医疗人才更显稀缺。我们在公司成立的最初半年里，几乎每个人都是HR。这种局面到10月份之后，才逐步好转。最初的核心研发团队，大部分都来自于圈内推荐。”

AI的医学影像软着陆

医疗影像行业对AI的认识从最初的不了解和怀疑，到慢慢做出尝试性的接触，再到2017年下半年后成为主流的声音。这不是单单属于视见科技的记忆。

“原创技术转化到临床落地的产品，过程比想象得要艰难。数据的积累、产品功能的完善、临床流程的对接，是所有团队都要攻克的难关。”肖翔说。

AI应用的开发数据是基础。“医疗数据的获取，离不开与医院的合作。而视见科技团队的技术积累，成为合作的敲门砖。我们通过跟众多三甲医院进行科研项目合作的方式，合理合法获得脱敏数据。”

数据质量是第二道“门槛”肖翔解释说：“数据质量，会直接影响到算法的敏感性、特异性等关键性能指标。所以我们与医院合作的项目，往往是这个医院特别专长的项目，其临床能力代表了业界较高的水平。”

目前，视见科技在香港、深圳、北京、成都均有研发中心，与香港中文大学、四川大学共建两个联合实验室。与四川大学华西医院、协和医院、中山大学附属肿瘤医院、香港威尔斯亲王医院等建立合作和研发关系。

泛化能力和易用性，是AI医疗产品落地的关键。泛化能力考验算法功力，而易用性则需要AI产品的功能不断丰富。以目前影像科最为普遍的AI应用肺小结节检测为例，除了在结节检出的敏感性和假阳性等指标上进行较量外，医生还关注更多实用功能－包括结节良恶性判断、随访等功能的开发，以及跟医院临床流程的对接。

“从最初的产品设计开始，我们与医生深度交流。只有了解医生最准确的临床流程、痛点和需求，才能开发出好产品。随着不断的产品迭代，医生们从最初觉得不好用到慢慢开始习惯甚至产生依赖。”肖翔说。

“我们的产品在放射、病理和放疗领域布局”。以病理领域为例，肖翔介绍了视见科技产品的应用。病理检查称之为检查的“终审”，“中国病理注册医生只有不到1万人，医生缺口在10万人以上。”传统的病理检查主要是通过手术或穿刺，将患者体内的细胞或者组织取样之后，做成切片，在显微镜下进行相应的诊断、分析。

肖翔说：“一个病理细胞学检查，切片上的细胞量往往超过1万个，在显微镜下观察，医生眼睛特别容易疲劳，容易出现漏诊。以宫颈癌细胞学筛查为例，一般一个医生看一张片子大概需要5～10分钟时间，我们的算法只需要不到10秒就能完成。”

视见科技的方式不是抽检，而是全检，把相应的物理切片，经过扫描之后数字化，再由视见科技系统对整个切片内所有组织或者细胞进行检测，定位问题细胞或者转移部位，并作出对应的结果诊断。

除了单一病种产品的完善，覆盖更多检查手段、更多部位和病种产品模块，也是下一步影像AI产品应用落地的关键点。目前视见科技有包含骨科、肝脏、乳腺、宫颈、甲状腺等多部位的项目研发。

商业运作“匀加速”

提及融资，肖翔说“其实早在两位创始人还在学校期间，就拿到了香港科技创新署数百万元港币的资助，这是早期的研发经费。”

2017年7月，视见科技首次走近资本，获得了联想创投近2000万元人民币的Pre－A轮融资。次年3月，深创投为其注入6000万的A轮资金。距上次融资不足3个月，完成A轮追加融资，投资方为招商局创投。至此，视见科技完成总额1．2亿融资。肖翔说，视见科技的本轮融资将继续聚焦于产品研发，在团队扩充和产品矩阵上持续追加投入。

肖翔反观资本的投资逻辑，点出视见科技的投资价值。“资本看好医疗AI，是因为高质量的医生资源的缺乏，是医疗行业的普遍困境，AI辅助诊断应用能很好地改善甚至解决这个问题。而投资人选择我们团队，看中的是我们在放射、病理和放疗领域的布局，以及由此带来的与医院合作推进能力。”

在肖翔看来，所有AI辅助诊断应用的商业化，大体可以分为三大类：

1、传统“软件销售＋服务”的模式，这是最基础的模式，也是公立医疗机构较容易接受的模式。

2、借势模式。与医疗影像硬件或做传统医疗信息化的公司做产品上的联合开发和捆绑，在市场上联合推进。

3、提供诊断服务，按患者的诊断次数来进行收费的模式，这可能是所有医疗AI公司最欢迎的方式。

视见科技的实践和探索，也包含这三个方向。“我们真正开始在市场上去推广，是从今年的3月份。迄今为止，视见科技产品已在超过50家医院临床应用，日服务患者超过5000人次。”

对于视见科技的发展，视见科技创始人兼联席 CEO 陈浩博士感慨说：“一方面视见科技成立一年多以来，公司的团队、产品和市场进度，得到了资本市场的充分认可；另一方面，人工智能在医疗领域的真正大规模落地应用，还需要较长的时间。从技术、产品、市场以及政策层面，都开始进入攻坚阶段。有了资本的助力，能沉下心来专注于把技术研发和产品开发做好，同时探索更多的临床应用场景。”

对于医疗AI的发展，肖翔认同这种说法：1～2年左右，市场上会出现比较多的基于单病种的成熟应用；3～5年左右，放射影像可能会覆盖大部分的泛影像类诊断需求；8年左右，AI可能会成为主流的检查手段。