盡管鷹瞳科技高層曾表示過,做好技術(shù)、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(huì)議營銷方式去獲客,但畢竟,市場才是檢驗(yàn)產(chǎn)品能力的終極一環(huán),因此提升銷售能力其實(shí)與專注產(chǎn)品并不沖突。況且就這一點(diǎn)而言,鷹瞳科技的營銷費(fèi)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(gè)月,這項(xiàng)開支達(dá)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(fèi)用作為支撐。

三來體現(xiàn)在監(jiān)管層面。

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

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

03 AI醫(yī)療影像未來幾何?

當(dāng)今,國內(nèi)醫(yī)療資源相對(duì)匱乏、分布不平衡的問題日益突出,AI技術(shù)的應(yīng)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(yuǎn)程方式解決偏遠(yuǎn)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(shí)間。但前提是,AI技術(shù)工具的服務(wù)輸出要足夠準(zhǔn)確可靠。

但在實(shí)際情況中,不同醫(yī)療機(jī)構(gòu)收集、標(biāo)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(zhì)量也會(huì)因?yàn)椴少彊C(jī)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(huì)導(dǎo)致用于訓(xùn)練AI模型的數(shù)據(jù)不夠精準(zhǔn)、連續(xù),這也是目前一些AI模型在實(shí)際應(yīng)用過程中效果并不理想的根本原因。

例如,谷歌的一個(gè)AI模型就折戟在實(shí)際應(yīng)用這一階段。該AI模型被設(shè)計(jì)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(shí)驗(yàn)室測(cè)試階段,該模型可以把診斷時(shí)間縮減到秒鐘級(jí),準(zhǔn)確率達(dá)到了90%。

但在11個(gè)眼科診所的測(cè)試中,該模型的使用效果就沒有這樣理想了。

首先,每個(gè)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(luò)信號(hào)較差,這導(dǎo)致模型上傳圖片的時(shí)間變長(60到90秒);與此同時(shí),一些護(hù)士也擔(dān)憂AI模型的安全性問題,這說明通過實(shí)驗(yàn)室檢驗(yàn)并不完全意味著AI工具可以順利落地應(yīng)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(dú)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(lǐng)域中開辟出更多新的價(jià)值空間。然而僅僅過了三年的時(shí)間,IBM就因難以跨越的技術(shù)與業(yè)務(wù)鴻溝,宣布了最高70%的裁員比例。

但不少業(yè)內(nèi)人士對(duì)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(jià)值的AI醫(yī)療應(yīng)用,如AI醫(yī)療影像、AI輔助手術(shù)、虛擬護(hù)士等等項(xiàng)目,仍應(yīng)被優(yōu)先關(guān)注和投資,從而使醫(yī)療提供者、保險(xiǎn)公司有機(jī)會(huì)參與進(jìn)來,構(gòu)建一個(gè)更大社會(huì)健康生態(tài)。

特別是對(duì)于健康保險(xiǎn)產(chǎn)業(yè)而言,AI的最深遠(yuǎn)影響可能落腳在風(fēng)險(xiǎn)識(shí)別方面,不斷提高對(duì)個(gè)體風(fēng)險(xiǎn)的評(píng)估能力。當(dāng)然,傳統(tǒng)保險(xiǎn)模式目前仍是主流,且AI也需要一定時(shí)間進(jìn)化和被廣泛接納,讓算法有更強(qiáng)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(yīng)用仍處于初級(jí)階段,未來恐將須要很長一段時(shí)間才可能以一種更具實(shí)際意義的方式立足。

劍橋大學(xué)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(gè)令人興奮的時(shí)刻,是專注于此類技術(shù)的重要時(shí)刻�！�

隨著AI醫(yī)療各項(xiàng)研究的持續(xù)推進(jìn),這勢(shì)必將會(huì)為臨床醫(yī)生、醫(yī)學(xué)研究人員、患者及其他大健康服務(wù)主體,帶來更強(qiáng)大、可靠的新工具。