盡管鷹瞳科技高層曾表示過,做好技術、產(chǎn)品比市場營銷更加重要,且并不希望采用傳統(tǒng)廣告或者會議營銷方式去獲客,但畢竟,市場才是檢驗產(chǎn)品能力的終極一環(huán),因此提升銷售能力其實與專注產(chǎn)品并不沖突。況且就這一點而言,鷹瞳科技的營銷費用也在逐年攀高。

2019年,鷹瞳科技的銷售開支僅為1313．2萬元,2020年一躍至2580．1萬元;2021年前三個月,這項開支達到934．8萬元,同比大幅增長了174．8%。換言之,產(chǎn)品創(chuàng)收的背后也是不斷增長的銷售費用作為支撐。

三來體現(xiàn)在監(jiān)管層面。

招股書中不斷強調,整體監(jiān)管體系的任何變動均可能限制公司提供產(chǎn)品的能力,以及可能會缺乏適用于公司業(yè)務的必要執(zhí)照或證書。

特別是,由于鷹瞳科技的業(yè)務受制于與數(shù)據(jù)保護有關的多種法律、規(guī)則、政策及其他義務,任何機密信息及數(shù)據(jù)的丟失或未經(jīng)授權訪問或發(fā)布均可能令公司面臨重大的聲譽、財務、法律及經(jīng)營后果。

03 AI醫(yī)療影像未來幾何?

當今,國內醫(yī)療資源相對匱乏、分布不平衡的問題日益突出,AI技術的應用可以在一定程度上緩解這種局面。比如,醫(yī)生可以通過遠程方式解決偏遠地區(qū)看病難問題,AI讀片工具可以縮短臨床醫(yī)生判斷時間。但前提是,AI技術工具的服務輸出要足夠準確可靠。

但在實際情況中,不同醫(yī)療機構收集、標記、注釋、處理醫(yī)療數(shù)據(jù)的方法并不一致;X射線影像、CT影像的質量也會因為采購機器的差異而存在較大的出入;患者病例或健康記錄中也嘗嘗缺少全面的信息。

這些原因都會導致用于訓練AI模型的數(shù)據(jù)不夠精準、連續(xù),這也是目前一些AI模型在實際應用過程中效果并不理想的根本原因。

例如,谷歌的一個AI模型就折戟在實際應用這一階段。該AI模型被設計用于提升篩查糖尿病性視網(wǎng)膜病變的效率,根據(jù)病人眼球照片快速給出專業(yè)診斷。在實驗室測試階段,該模型可以把診斷時間縮減到秒鐘級,準確率達到了90%。

但在11個眼科診所的測試中,該模型的使用效果就沒有這樣理想了。

首先,每個眼科診所的環(huán)境條件不同,有些診所無法拍攝出高清的眼球照片或網(wǎng)絡信號較差,這導致模型上傳圖片的時間變長(60到90秒);與此同時,一些護士也擔憂AI模型的安全性問題,這說明通過實驗室檢驗并不完全意味著AI工具可以順利落地應用。

IBM的境遇也未好到哪里。

在鷹瞳科技創(chuàng)立的同一年,IBM也大力加碼了AI醫(yī)療,一方面成立了獨立部門Watson Health,另一方面還收購了多家醫(yī)療數(shù)據(jù)公司,以期在這一新興領域中開辟出更多新的價值空間。然而僅僅過了三年的時間,IBM就因難以跨越的技術與業(yè)務鴻溝,宣布了最高70%的裁員比例。

但不少業(yè)內人士對AI醫(yī)療的未來始終保持著樂觀態(tài)度。在他們看來,今天能夠提供最大價值的AI醫(yī)療應用,如AI醫(yī)療影像、AI輔助手術、虛擬護士等等項目,仍應被優(yōu)先關注和投資,從而使醫(yī)療提供者、保險公司有機會參與進來,構建一個更大社會健康生態(tài)。

特別是對于健康保險產(chǎn)業(yè)而言,AI的最深遠影響可能落腳在風險識別方面,不斷提高對個體風險的評估能力。當然,傳統(tǒng)保險模式目前仍是主流,且AI也需要一定時間進化和被廣泛接納,讓算法有更強的能力輔助、甚至是替代人工。

不難看出,AI在醫(yī)療臨床判斷中的應用仍處于初級階段,未來恐將須要很長一段時間才可能以一種更具實際意義的方式立足。

劍橋大學教授Mihaela van der Schaar曾在某次演講中講到,“我們正處于這場革命的開始,還有很長的路要走。但這是一個令人興奮的時刻,是專注于此類技術的重要時刻。”

隨著AI醫(yī)療各項研究的持續(xù)推進,這勢必將會為臨床醫(yī)生、醫(yī)學研究人員、患者及其他大健康服務主體,帶來更強大、可靠的新工具。