尽管鹰瞳科技高层曾表示过,做好技术、产品比市场营销更加重要,且并不希望采用传统广告或者会议营销方式去获客,但毕竟,市场才是检验产品能力的终极一环,因此提升销售能力其实与专注产品并不冲突。况且就这一点而言,鹰瞳科技的营销费用也在逐年攀高。

2019年,鹰瞳科技的销售开支仅为1313．2万元,2020年一跃至2580．1万元;2021年前三个月,这项开支达到934．8万元,同比大幅增长了174．8%。换言之,产品创收的背后也是不断增长的销售费用作为支撑。

三来体现在监管层面。

招股书中不断强调,整体监管体系的任何变动均可能限制公司提供产品的能力,以及可能会缺乏适用于公司业务的必要执照或证书。

特别是,由于鹰瞳科技的业务受制于与数据保护有关的多种法律、规则、政策及其他义务,任何机密信息及数据的丢失或未经授权访问或发布均可能令公司面临重大的声誉、财务、法律及经营后果。

03 AI医疗影像未来几何?

当今,国内医疗资源相对匮乏、分布不平衡的问题日益突出,AI技术的应用可以在一定程度上缓解这种局面。比如,医生可以通过远程方式解决偏远地区看病难问题,AI读片工具可以缩短临床医生判断时间。但前提是,AI技术工具的服务输出要足够准确可靠。

但在实际情况中,不同医疗机构收集、标记、注释、处理医疗数据的方法并不一致;X射线影像、CT影像的质量也会因为采购机器的差异而存在较大的出入;患者病例或健康记录中也尝尝缺少全面的信息。

这些原因都会导致用于训练AI模型的数据不够精准、连续,这也是目前一些AI模型在实际应用过程中效果并不理想的根本原因。

例如,谷歌的一个AI模型就折戟在实际应用这一阶段。该AI模型被设计用于提升筛查糖尿病性视网膜病变的效率,根据病人眼球照片快速给出专业诊断。在实验室测试阶段,该模型可以把诊断时间缩减到秒钟级,准确率达到了90%。

但在11个眼科诊所的测试中,该模型的使用效果就没有这样理想了。

首先,每个眼科诊所的环境条件不同,有些诊所无法拍摄出高清的眼球照片或网络信号较差,这导致模型上传图片的时间变长(60到90秒);与此同时,一些护士也担忧AI模型的安全性问题,这说明通过实验室检验并不完全意味着AI工具可以顺利落地应用。

IBM的境遇也未好到哪里。

在鹰瞳科技创立的同一年,IBM也大力加码了AI医疗,一方面成立了独立部门Watson Health,另一方面还收购了多家医疗数据公司,以期在这一新兴领域中开辟出更多新的价值空间。然而仅仅过了三年的时间,IBM就因难以跨越的技术与业务鸿沟,宣布了最高70%的裁员比例。

但不少业内人士对AI医疗的未来始终保持着乐观态度。在他们看来,今天能够提供最大价值的AI医疗应用,如AI医疗影像、AI辅助手术、虚拟护士等等项目,仍应被优先关注和投资,从而使医疗提供者、保险公司有机会参与进来,构建一个更大社会健康生态。

特别是对于健康保险产业而言,AI的最深远影响可能落脚在风险识别方面,不断提高对个体风险的评估能力。当然,传统保险模式目前仍是主流,且AI也需要一定时间进化和被广泛接纳,让算法有更强的能力辅助、甚至是替代人工。

不难看出,AI在医疗临床判断中的应用仍处于初级阶段,未来恐将须要很长一段时间才可能以一种更具实际意义的方式立足。

剑桥大学教授Mihaela van der Schaar曾在某次演讲中讲到,“我们正处于这场革命的开始,还有很长的路要走。但这是一个令人兴奋的时刻,是专注于此类技术的重要时刻。”

随着AI医疗各项研究的持续推进,这势必将会为临床医生、医学研究人员、患者及其他大健康服务主体,带来更强大、可靠的新工具。