众所周知，大多数慢性疾病在早期没有明显的症状，加上检测流程复杂，诊断医生资源匮乏，往往难以被发现。而人工智能被认为是解决这一问题的有效途径。因此医学影像也成为了近年来的热门领域。
根据弗若斯特沙利文的数据，中国人工智能医学影像行业的市场规模预计将从年的3.1亿元人民币，增长到年的亿元人民币，复合年增长率为76.7%。
日前，视网膜AI辅助诊断领域迎来重大突破。来自广州中山大学中山眼科中心林浩添教授团队联合医疗人工智能企业鹰瞳科技（Airdoc）等开展的“AI视网膜多病种辅助诊断系统”真实世界研究，成果发表于国际顶级医学期刊TheLancetDigitalHealth。
本次研究结果显示，该AI视网膜诊断系统在临床真实世界验证中表现出了稳健的疾病识别能力，准确率已达到国际化水平。
针对该项研究，来自美国最顶尖的十所研究型大学之一的威斯康星大学的世界权威影像诊断中心主任AmithaDomalpally也于TheLancetDigitalHealth发表了专门的评论文章，认为其“标志着医学人工智能研究迈向正确的发展方向”。
鹰瞳科技成立于年，该公司聚焦于AI视网膜影像技术，通过算法模型得出健康风险报告，从而实现对早期重大慢性疾病的早诊早筛。需要提到的是，在今年早些时候，鹰瞳科技已向港交所正式提交申请版招股书，拟在港股IPO。
作为一家手握国家药监局眼科AI首张医疗器械三类证的明星公司，目前鹰瞳科技旗下产品已覆盖我国共28个省份的医疗机构，并仍在继续努力打破人们对于AI影像诊断产品“叫好不叫座”的认知。据其发展计划来看，未来我们很可能会在各个场景中见到这种像自动售货机一样的“自助AI诊断设备”。
那么，目前的AI医疗产品究竟效果如何？先进的AI医疗产品距离普通群众究竟还有多远？
真实世界研究数据
上文提到的研究由中山大学中山眼科中心林浩添教授团队牵头，联合鹰瞳科技、广东省医疗器械质量监督检验所等国内外18家医疗机构、科研机构和企业共同完成。
该研究中，研发团队使用超过26万张眼底彩照、超过30万个眼底病变标签，训练出可以识别14种常见眼底异常的AI视网膜多病种辅助诊断系统，并在全国35家不同地区不同级别的医疗机构进行前瞻性临床真实世界验证。
研究结果表明，AI视网膜多病种辅助诊断系统在临床真实世界中对眼底病变识别的平均受试者操作特征曲线下面积（AUC）为0.，能够准确识别14种常见眼底异常，而传统单病种的二分类模型平均AUC为0.。
（来源：研究论文）
此外，该系统能够适用于不同医疗场景、不同种族、不同眼底照相仪器的临床真实世界环境，且准确率媲美眼底专科医生。
据公司介绍，截止到目前，鹰瞳科技凭借其积累的包含约万真实视网膜图像及对应多模态数据的数据库，其算法模型已可以做到55种健康风险的识别。
值得一提的是，该系统并非首个走出实验室的视网膜AI诊断系统。年4月，美国IDxTechnologies公司旗下的IDx-DR系统成为首款获得FDA批准的人工智能诊断设备，目前已经应用于部分美国卫生系统中。
图丨IDx-DR人工智能诊断系统（来源：IDxTechnologies）
据年IDx-DR应用于荷兰糖尿病护理系统的临床试验研究结果显示，该系统用于单一病种即糖尿病视网膜病变(DR)诊断的灵敏度为91%，特异性为84%，AUC为0.94；而鹰瞳旗下系统的该类疾病三项数据则分别为93.8%，87.8%和0.。
从对比数据上来看，鹰瞳科技在技术上已经达到了世界前沿的水准；从时间上来看，我国的AI诊断设备研发进展似乎刚刚追赶上国际的脚步。但是同样值得注意的是，在这迟到的三年中，我国医疗AI公司究竟做了哪些尝试？
随着人工智能技术的不断发展，医疗AI在技术方面早已具备了迈出实验室走向临床的先天条件。不少AI医疗诊断系统研发者都表示，相关产品的实验室准确率已经达到了96%及以上。
可以说，不管是AI技术开发者，还是医疗行业从业者，甚至广大患者群体，都在期待着这一新兴科技能够早日惠及整个医疗行业。
但是走出实验室后，AI诊断技术真的就能够顺利以其“高通量、自动化、高准确度”的优势助力医疗行业吗？
一流产品一流技术：高端设备与落后场景如何兼容
人工智能诊断行业在年迎来了春天，继4月份诞生了全球首款获得FDA批准的AI诊断产品后，谷歌公司也积极准备，于年11月在泰国帕图姆和清迈的11家医疗诊所中落地了一款利用AI检测糖尿病性视网膜病变的系统。
据谷歌此前发布于Ophthalmology的论文数据来看，谷歌旗下的这款人工智能DR诊断系统在内部测试阶段表现不俗，其对于糖尿病性视网膜病变的诊断准确度为88.4%，远超过同一实验中来自视网膜诊断专家62.3%的准确度。
然而令人始料未及的是，谷歌系统并未在落地应用后发挥出其应有的实力。相反，其诊断过程受制于泰国当地落后的医疗设备和网络环境难以施展；加之在当时该系统仍是半自动设备，参差不齐的操作人员水平也使得检测过程频频受阻。
图丨泰国帕图姆诊所中拥挤的待测人群（来源：谷歌）
事后泰国当地表示，这款AI测试产品在正常工作的情况下的确大大提升了检测效率；但是更多时候，系统无法给出一个明确的结果。
从谷歌于年4月公开的调查报告中我们能够判断，单凭过硬的AI技术颠覆医疗行业并不容易，只有从市场需求的角度看问题，才能让AI技术真正跨入各个应用领域。
以视网膜诊断为例，目前我国约有3.6万个眼科医生，能进行眼底病诊断的医生不足人，顶尖的眼科专家仅有两三百位，而我国目前的糖尿病视网膜病变患者已达千万级。想要解决大人群诊断难的问题，灵活适应各类场所是该类产品顺利落地的刚需。正如此前泰国的一位护士所说，待测人员并不关心准确性，而是体验如何。
硬件上来看，鹰瞳科技的检测设备可以在普通电脑上离线运行，在条件较差的环境中同样适用；此外，该设备适用于不同型号的眼底照相机，为低分辨率图片也能够提供诊断服务。
这就为鹰瞳科技的诊断设备进入各种医疗和大健康环境做好了第一道准备，医院临床科室，还包括体检中心、视光中心、保险公司和社区等等。
图丨AI视网膜识别设备（来源：鹰瞳科技）
软件上来看，鹰瞳科技在其检测设备上设置自动质控模块，预先避免人为拍照不能识别的问题。在实际使用过程中，待测人员只需要