做 AI ＋癌症诊断，巨头们的“小算盘”依然变现难
For AI + Cancer Diagnosis, the Giants' 'Small Abacus' Is Still Difficult to Reali`e
摘要：“癌症”，这两个字眼实在太过无情和可怖，所以，当巨头们纷纷入局AI+癌症诊断，其实是一件大家喜闻乐见的事。
2017 年 7 月，阿里发布“Doctoryou”ai 系统，主要应用于医学影像诊断；2017年 8月，腾讯发布AI 医学影像产品“觅影”，用于早期癌症诊断；2018年 9月，英特尔技术团队发布AI全周期健康管理系统，帮助提升乳腺癌筛查的检测精度和效率；不到一个月，谷歌又开发出了一种名为“淋巴结助手”的AI系统，采用癌症检测算法，能够自动评估淋巴结活检……
“癌症诊断”成为了众多产品的一个共同点。在过去的一年里，BAT、谷歌、微软、苹果等科技企业均不遗余力地布局 AI ＋医疗，而他们的第一步都十分有默契地选择了“癌症诊断”。
为什么“癌症诊断”成为了巨头们的“宠儿“呢？
外在驱动：时代的“号召”
资本永远是趋利的，广阔的市场空间，强有力的社会和技术保障，这些由外部环境带来的优势将会是AI ＋癌症诊断强大的背后支撑力。
1、有需求一方面，中国人口老龄化趋势严重，工业化和城市化带来的环境污染以及生活习惯的改变，使得我国居民的肿瘤发病率和死亡率明显提高，恶性肿瘤已经成为我国居民的“头号杀手”，死亡比例在25% 以上。据全国肿瘤登记中心数据显示，在中国每年每十万人中有264人患癌，一生中22% 的概率患癌症；每年每十万人有192 人患癌死亡。
另一方面，2018年，很多行业都默契地提及了“消费升级”这一趋势，而放在医疗行业，“消费升级”的现象也同样存在，未来的患者消费趋势之一将会是加强肿瘤早期检测和管理，人们的早期筛查意识会提高。
与人们迫切意愿形成鲜明对比的是，医院里筛查癌症主要是通过化验血肿瘤指标及B 超、CT、MRI、PET-CT 等，检查方法的敏感性和特异性均不高，因此，社会上也呼吁更有效的早期筛查癌症的新技术和新方法。 2、有条件首先，癌症治疗支付方的增加给癌症AI产品市场带来利好。目前，大多数恶性肿瘤都包含在职工医保、城镇居民医保和从村合作医疗等不同种类医保的报销项目范围内。2012年，国家基药目录首次增补抗肿瘤药，包括2个辅助用药在内的26 个化药以及1个中药已经被纳入大病医疗保险基金支付范围。农村医疗保障在2014 年也开始向大病医疗转移，肺癌、胃癌等20 种疾病治疗全部纳入大病医保范畴。
除了医保，还有商业保险，2012年以来，国内癌症保险在多种因素的共同合力下，呈现强劲的市场增长趋势。据中国保险行业协会发布的《人身险产品联盟老年防癌疾病保险分析报告》显示，截止2017 年 6月底，老年防癌疾病保险的累计参加人数超过 144万人，保费收入超过31亿元，共计为市场提供超过1560亿元癌症保障。
其次，计算机视觉技术的广泛使用能够加持癌症 AI产品。不论是抖音、快手等短视频的崛起，还是微信表情包的泛滥，毋庸置疑的是，人类社会已经进入视觉信息的大数据时代。视觉技术也被认为是推动当前经济进步的革命性技术，它已经被广泛应用于多个领域，包括人脸识别、自动驾驶、安防监控、工业检测、美图、医学影像等等。
在各种视觉数据的推动下，计算机视觉技术结合互联网，能够与医疗服务不断深入交叉融合，逐步形成一种新的前端变革形态，尤其是基于特征选择的机器学习技术，能够基于多尺度变换空间的特征提取海量特征，进而提升癌症的诊断效果。
内在驱动：巨头的“小算盘”
1、AI ＋癌症诊断，其实是为了最大程度符合社会期待
在大众的认知中，“癌症”基本等于“死亡”（事实并非如此），抗癌就是在与死神作斗争，而在人与“神”的战斗中，但凡有一个产品能够为人们哪怕加持一个小小的光环，这个产品都会被给予无限赞誉。
另外，中国肿瘤患者的5年生存率在 30%左右，远远落后于美国和日本的60%，在这种情况下，人们对于癌症防治的期待值并不高，与之相关的技术产品也难以得到人们全身心的信任和依赖，在人们眼里，癌症诊断的AI产品做得不好是十分正常的，毕竟人类医生的能力也十分有限。
所以，新技术的一点点进步可能都会得到人们积极的反馈，这就相当于一个考试总是得 30分的学生，突然够到了及格线，即便不是最优秀的，但家长依旧会感到欣慰。这也是为什么众多AI产品不断强调自己的正确率高于人类诊断的原因。
2、“下注”癌症诊断，其实是为医学影像诊断的降维攻击打基础
医学影像诊断是医疗的重要基础，是临床数据中最重要的诊断依据之一。医学影像分两个部分，一个是医学成像，也就是图像重建，利用 AI实现少剂量成像，快速成像等。另一个是影像分析，也就是通过图像智能识别技术较大程度降低医生工作量。
巨头抢占癌症诊断的赛道，其实是采用了“擒贼先擒王”的计策。将人工智能技术用于癌症诊断中，是因为癌症种类多，病理复杂，能够整合更多的影像分析数据，让产品“学习”专家医生的医疗知识，模拟医生的思维和诊断推理。癌症的防治难度众所周知，仅仅从公众认知来看，如果癌症检测算法的准确率足够高，那其他疾病诊断是不是也不在话下呢？如果AI产品能以癌症为入口，进入整个医疗辅助诊断领域，患者们也将拥有更多的治疗选择。
变现困难， AI ＋癌症诊断还需要更多耐心
巨头们的想象都很美好，但“打脸”总是来得太快。IBM的沃森健康系统即便拥有了完善的肿瘤系统，但在与知名肿瘤专科医院Mdanderson合作中也摔了个跟头——沃森在2012年与MD Anderson签署协议，共同开发“肿瘤专家顾问”(Oncology Expert Advisor)，仅四年后，德州大学审计办公室对该项目出具48页审计报告，终止了继续合作。
终止合作的原因有很多，但其中一个因素是“肿瘤专家顾问”难以成功被推广到其他医院，即便MD Anderson 在整个项目上花费了六千两百万美元。理想和现实总是有着太多差距，变现困难成为现如今AI 癌症产品的难题。这还只是医院“大亏本”，如果放在国内，这六千两百万美元恐怕就是巨头们要支付的账单了。
探究其中原因，主要有两方面。
一方面，在医疗的支付领域，我们上文中也提到，保险机构正在加强对患者的保障，但这种保障实质上制约了医疗机构的发展，医疗机构的营收取决于保险的赔付规则而非患者自费费用，这也就决定了医疗机构难以找寻有效的C端盈利方式和营销手段，也就制约了医疗机构中产品和技术的更新迭代。
另一方面，AI尚属新兴领域，入驻医疗机构需要大量的人力物力和资本的投入，但医院的公益性决定了其需要面临长期的亏损，这种特性要求企业不能有太强的退出期限，在产品落地的过程中，需要长期战略资本，而这种长期的消耗也导致巨头们在此领域频频受挫。
结论
如果企业能利用自身的技术和资本积累做出好的医疗产品，不仅形成了好的品牌的认知，更是为众多被病魔缠身的患者们带来一些生活的希望。