张大磊一直在用 AI “看片子”，不过以前是在 PPTV “审片”，现在是在医疗行业“读片”。

从娱乐场景转向高难度的医疗场景，他有什么“想不开”的呢？毕竟相比于很多行业，医疗这样寂寞的行业不太“受待见”。所以就像张大磊说的那样，国内不乏 AI 技术的大牛，但是大牛不一定会选择医疗行业。“家人曾经被漏诊过，所以当时就想通过一些技术来帮助一些慢性疾病的早筛，因为很多慢性疾病早期症状不明显，很容易被漏诊。”这个 AI 医疗企业——Airdoc 的创始人回忆起初衷。

的确，当一个人对行业痛点感同身受的时候，会产生更直接的责任感。在情感的驱动下，张大磊开始和 AI 医疗影像诊断“杠”起来，专注于用 AI 辅助眼底、皮肤等慢性疾病早筛的 Airdoc 在 2015 年成立了。

那时候人们还没搞清楚医生和 AI 之间的关系，“AI 取代医生”的观点可能让一些企业“飘起来”。“医生这个职业已经有几千年历史，期间经历过无数次技术迭代也没有消失。这是因为这个行业有自己的特点，医生有很多人性化的关怀、认知升级，这是算法没办法做到的。”因为是医学院出身，张大磊一直显得很冷静。他的冷静主要来自对行业的理性辩证看待：“从产业的局限和技术的局限来看，这个事情发展没有那么快。所以我们想耐心、扎实地把产品做好，让所有人都能够真的用上。”

一方面，从产业角度看有两个影响因素。一是医疗发展周期长。与互联网 2、3 年就进入快轨不一样，医疗也许需要数十年的深耕，特别是重大慢性疾病的早筛。“由于很多病早期没有明显症状，所以很多人一直拖到很晚、很严重时才治。”他说。二是想要在各种情况下可以和医生的诊断结果媲美，还有大量工作需要做。

另一方面是技术的局限。“像深度学习要依赖于一定的样本量，但有一些罕见病的病历，它本身发病率就非常低，可能有的疾病在全世界每年就发个几百例。这种其实我们能收集到的样本量，是不够训练的。”张大磊表示技术上还需要有更多的突破。

张大磊

“让所有人都能够真的用上。”张大磊这句直观的话表达了自己的抱负与野心。那么，他要如何实现呢？

首先，是找到合适的终端患者用户市场。张大磊选择了以视网膜为主切入点，要知道当时整个 AI 医疗影像领域，肺结节才是主流。“肺癌是低发病，而从视网膜看到的高发病是蛮多的。”他说。随着我国人口快速进入老龄化，视网膜病导致的视力减退甚至失明情况愈发严重。常见视网膜病变主要有两类，一类是相对独立的眼部病变（青光眼、老年性黄斑变性等），一类和全身性慢病相关（糖尿病性视网膜病变，高血压眼底病等）。这些病早期都没有症状，出现症状时多属于较严重阶段，所以早筛显得尤其重要。

这方面疾病也是漏诊率和误诊率特别高。“以糖尿病为例，中国有 1.14 亿的糖尿病人，但是由于早期没有症状，一般体检项目也不会做糖尿病检测，所以很多人发现的时候的疾病已经处于中晚期。糖尿病在中国的知晓率是 30% 左右，也就是其实 70% 的患者并不知道自己有糖尿病。”张大磊认为视网膜筛查是一个应用场景更广的领域。

此外，作为医疗产品，还要取得医院方面的认可，对于 AI 医疗来说，这在技术上是一个挑战。张大磊把 Airdoc 定位为医生的“听诊器”：“我们是做医生的工具，帮助他们让病人更好的控制疾病。”他说。在大量专家标注的视网膜影像数据基础上，Airdoc 基于数百万张医学影像，利用深度学习技术，设计特定的深度神经网络结构，实现了在视网膜图像中识别多种眼底病变和全身性慢性疾病。据介绍，Airdoc 的产品可以实时预测 30 余种慢性病，包括糖尿病、高血压、动脉硬化、视神经疾病等，诊断准确率在 97% 以上。

与很多人工智能企业一头扎进大医院不一样，为了惠及“所有人”，Airdoc 一方面向基层医疗扩展，与眼镜厂商合作，一方面也和大型医院或者药企、政府合作。“我们主要的应用场景是预防性质的辅助诊断和康复随访。”他说。院内，眼底照相机与配套的智能硬件“ Airdoc 魔盒”相连，拍照后就会自动产生报告给医生做辅助分析。院外，Airdoc 通过 AI 帮助基层医生或者是类似星创视界旗下的宝岛眼镜实体店，发现早期慢性病患者。眼底相机拍摄照片后，人工智能将自动分析结果返还患者，患者可以在手机端快速收到检测结果。

“我们在 2015 年和 2016 年主要和中美的医院合作，2017 年开始开始推广到中国的基层医院。”张大磊介绍。

这些数字似乎表明，AI 医疗产品已经有规模化的意味。2018 年的 AI 医疗领域经历了落地，和资本的风口时期，目前整个行业已经渐入佳境。但是张大磊表示 AI 医疗产品商业规模化依然有一些阻碍：“一是 AI 产品还没有单独的收费目录；二是还没有进医保。后续的更多发展很依赖政府政策的推动。”

今年 4 月，此前已经完成两轮融资的 Airdoc 宣布已完成由复星领投、搜狗追投的数亿元人民币 B 轮融资。张大磊提到过这笔钱会主要用于产品规模化，他依旧坚持“要让更多的人可以用”的产品。“公司刚成立的时候，查一个病的成本可能几百块，去年，但是我们正在努力争取可以把成本降下来。”他认为不断迭代产品，降低成本，提升效率才能让更多的人能用、用得上。

“AI 医疗更大的商业价值是传统无法满足的痛点，如效率、人力和成本问题。每个人都希望治未病，可以花十块钱早筛，而不是疾病发作了花 10 万块做手术。”他说。