毫无疑问，中国医疗领域应用最广泛的人工智能是图像识别。无论是巨头腾讯的“腾讯影”，阿里巴巴的“ET医疗大脑”，还是一批资本青睐的医疗AI创业公司，都扎堆在医疗图像识别领域。
“看电影”似乎是医学AI人最忙的事情。国内医疗人工智能技术公司Airdoc的创始人张大磊对此现象有一些看法。
实际上，张大磊也是一位医学人工智能企业家，他从事医学图像识别多年。在Airdoc之前，他在视频公司PPTV工作，试图利用人工智能来“审查电影”，即通过算法识别用户上传的暴力和色情视频。
现在张大磊已经将图像识别技术应用到医疗领域，与国内多家医疗机构合作，通过人工智能帮助医生看电影。
虽然医疗人工智能在中国的普及让张大磊看到了行业的前景和希望，但他也非常冷静地看到了火热行业背后的局限和隐忧。
在独角兽主办的“首届医疗人工智能国际会议”上，张大磊分享了自己对国内医疗AI市场的一些判断和看法。比如大家蜂拥至医学影像背后的原因是什么，有什么隐忧？
亿邦动力网将张大磊的演讲整理如下（内容略有删节）：
(图：airdoc创始人张大磊)
今天很高兴和大家分享。过去几年，我们在美国市场和中国市场做了一些工作，明显发现这两个市场有很多不同之处。今天在这里给大家一点点分享，看看中美市场在医疗人工智能领域有哪些不同。
首先介绍一下我们公司Airdoc，它不同于其他从事医疗人工智能的公司。我们做的比较早，前期也没那么火，所以在平静的过程中其实学到了很多东西。
我们给自己的定位是：希望成为所有人的人工智能，并不是真的想做只有大专家才能用的东西，也不是真的想做只有极小群体才能用的东西。我们希望这里的每一个人，我们的父母和孩子都是我们的用户。
在过去的几年里，整个医学人工智能领域从没有被人接受，直到逐渐被人接受，现在已经成为一个比较热的东西。我相信整个监管层面、行业层面、科学和医疗领域都有很多变化和认知过程。
至于整个医疗领域，我们在国内找到了医疗机构相对发达的地方，比如北京、上海、广州。现在牛的三甲医院都在陆续做类似的事情，包括今年的卫生信息所，包括今天的人工智能大会，包括今年很多三甲医院举办的会议。很多人对这个话题很感兴趣。这在三年前是不可想象的。
人工智能是拐杖技术，它本身不能创造价值，必须和某个领域相结合。像安防、金融这样的领域，有人做过探索工作，医疗领域也有越来越多的公司在做，有很多可以改进和提高的地方。
为什么这几年医学人工智能开始慢慢升温？我觉得这里面有一个很大的因素，就是我们现在的医保和医改确实遇到了麻烦，不仅是中国，美国市场也是如此。
中国市场和美国市场在人工智能领域走了非常不同的道路。我认为主要有四点不同：
第一个区别：辅助诊断在中国有市场，在美国没那么大。
为什么？因为我们的医疗和美国市场还有很大的距离，最大的距离就是诊断的一致性。以b超为例。我们也做了很久的b超辅助诊断。每个人都有自己的方法，每个人看到的东西都不一样，因为扫描过程不一样。但是，在美国，大多数b超医生都有11个科室。训练有素的技术人员只需拿出这11张图片。如果医生发现不是这些图，就会打电话回来重新做。
这是很有意思的一点。我们的思维方式是混乱的，艺术的，但老美的思维更专业。
所以辅助诊断在美国市场并不大。我们一直在关注美国做辅助诊断的公司。我们之前合作过的一些公司赚了很多钱，然后在美国做了几年都不行。因为分级医疗制度在美国是比较完善的，小问题可以找全科医生解决。稍微严重一点的问题会去不同的地方。因为付费系统是按结果付费的，所以有非常严格的要求。其实有一个机制，把治疗效果不好或者诊断结果不好的医生挡在这个体系之外。
但在我国情况并非如此。在我们之前打过交道的很多医疗机构中，不同医疗机构之间的水平差距是很远的，所以首先看到的是，辅助诊断在中国是一个市场，在美国并没有那么大。
第二，精准治疗或者说个性化治疗在美国是一个非常大的市场，但是在中国，我觉得它的市场比美国落后很多。
以前我们推分诊进LP的时候，也联系过基层医生。大部分基层医生复诊的时候，发现一个病推到县医院和市医院就结束了，基本都去省医院了。如果病人在省级医院没有得到很好的治疗，很有可能就是这种情况。一些经济能力比较好的人可能会去北京、上海、广州，但是很多人还是在当地解决了，但是当地的水平其实是有限的。
这是中国市场和美国市场的两个基本区别。在此之下，有四个非常显著的差异：
第一个显著区别，我们戏称之为“阿尔法狗”和“狗阿尔法”的区别。
Verily是谷歌投资的公司。它把人工智能医疗公司扔给了一群做研究的人。它不指望一个人赚钱，但它真的期望真的赚钱。Verily做数据处理，但不做医疗人工智能本身。它为做医疗人工智能的公司提供数据和数据处理服务。
我认为这是一个非常聪明的观点。因为医疗人工智能整个时间是十年，不代表今年明年就有钱了，而是一个巨大的产业。同时很多人冲进来，verily会帮你写数据，帮你把内容做得很好。我清理出来的数据可能会被制药公司、保险公司、医疗人工智能公司使用。
这个行业是比较长期的，所以基础设施是在长期的过程中发展起来的，所以他们把自己定位为行业的基础设施，这个我觉得挺有特点的。
但是，在中国，大量的医疗人工智能公司现在普遍在走我们三年前走的路。我们(Airdoc)三年前做的时候，只是通过算法，看看什么病了，什么没病，然后卖给医院。我们认为这就像一只阿尔法狗。你试图代替或协助医生做某件事，但我们认为它真正给医生带来多少价值是有限度的。
第二个区别是，人工智能在美国市场的应用方向相对均衡，而中国公司则涌向医学影像。
在美国市场，我们注意到在这五类人工智能应用中，这五类是比较均衡的，基本上都是五分之一，各部分都有大量的公司在做。但是在中国，大量的公司只做医学影像，包括我们过去几年在医学影像方面做了很多工作。我们做过病理成像，鉴别过皮肤病，包括从眼睛可以鉴别的疾病。有不少。
但实际上，AI是用来辅助新药研发的。我们认为可靠的国内公司一只手就能数过来。也有很多生活方式。在这些事情上，我们可以看到，美国有大量的公司在做这些相关的事情，而中国却很少。
在这里，无数公司中的大多数专注于医学成像，我们注意到，无数公司聚集在放射科。为什么？因为放射科是最容易获取数据的，而且比较规范，都是机器来的。无非就是几个厂家的GPS联合图像，出来的数据比较规范，大家都冲进去。
但是这样一来，我们觉得短期内可能更容易拿到一笔钱做PR，但是长期来看，我们觉得这个领域存在大量的低水平重复建设。
第三个区别是国内医疗AI更侧重于诊断，美国已经过渡到治疗。
在真正的意义上，近年来所有的医学进步，至少在模式上，都注意到大量的进步来自于治疗领域。你们有些人可能知道CAR-T (CAR-T嵌合抗原受体T细胞免疫疗法)。这是一种新的细胞疗法，已经出现很多年了，只是近几年才得到完善并应用于临床。在治疗急性白血病和非霍奇金淋巴瘤方面疗效显著，被认为是最有前途的肿瘤治疗方法之一)。如果你知道这样的事情，你就会知道医药行业这几年都做了些什么。
我觉得过去几年在诊断领域没有太大的进展，算法能提供的东西也有限。在诊断领域，我们判断在很大程度上，算法提供的诊断接近于人类医生的诊断。要做到最好，基本接近人类医生的水平。而且在诊断领域，有很多东西是算法代替不了的，人会观察这个人的姿势，步态，以及交互的方式。
治疗水平可能不一样，因为治疗水平有很多参数和个性化的东西，有可能算法比人好。
我们也希望越来越多的国内从事医疗人工智能的公司做更多的治疗，把诊断和治疗结合起来，因为患者需要的是好的健康的，患者需要的是成功的干预，他们不需要太多的诊断。诊断需要医生的需求，但从来没有人在医生的工具上赚过钱。这是一个残酷的现实。
第四个区别：中国人非常重视医学人工智能对人的影响，而美国人关注人身体以外的市场，比如用算法看肠道微生物。
算法用来看人眼睛的时候，如果有诊断报告，可能FDA说没有，那我就用来看鸡和猪。其实这些动物不会说话。也是你观察它的血管和疾病的好方法，但是这些东西也是整个相关产业的上下游非常需要的。
同理，我们可以看到，在微生物学和肠道细菌领域也有大量的数据。比如我们处理过的微生物的数据是百万量级的，比基因测序测得的要多得多。它可以扮演很多更多的角色，有时候还能跑出原来研究根本不知道的东西。我觉得里面也有很多有趣的地方。
我们也注意到国内也有人慢慢开始在遗传学领域做深入的研究，但是在微生物学或者动物领域我看的不多。我们认为动物是一个非常大的市场。
刚才，是中国和美国的区别。大家都很清楚其中的相似之处。相似之处在于市场不好做，相对缓慢。比如签字权，这是典型的问题。假设我们使用一种算法来识别疾病，我们可以比人类医生做得更好。你把它部署到医院的放射科。例如，如果你一天看一百个病人，你会看到95个。医生在95上签字，你说正常，他要承担法律责任。
解决这个问题的办法是在全法允许算法签名。当然，这件事涉及的工具很多。短期内很难解决这个问题。我们同事的一个学生在美国做了一个公司，号称是第一个通过FDA批准的AI公司，但是他们实际做的是以相当于一个PR的方式批准的，算法出来的时候不具备法律效益。上面的监控层面会非常谨慎，我相信监管层面也会非常负责。这里的任何人，如果你是食品和药物管理局或CFDA的官员，都会认为你批准的每一个都是人命关天的事情。大量慢性病防控压力还没到临界点，没必要用算法串联日常生活状况。只有在这个阶段才会有更多的关联。
我们希望我们所做的一切都能在这里得到真正的运用和解决。谢谢大家。