获5000万美元B轮融资，体素科技认为全病种在医院中有变现价值

零九最后一天

题图来自视觉中国
[ 每篇 3 分钟，钛媒体带你读懂人工智能］
12 月 18 日，体素科技宣布已经于今年 9 月完成 5000 万美元 B 轮融资，弘泰资本领投，红杉资本、清松资本、汉富资本跟投。
这家成立于 2016 年的企业，与多数医疗 AI 企业一样保持着较快的融资速度：2016 年 9 月完成联创永宣领投的 550 万美元天使轮；2017 年 5 月，完成红杉资本领投的千万美元级 A 轮融资；同年 9 月，完成 1 亿元 A+ 轮融资，腾讯领投。次年 4 月，腾讯承建医疗影像国家新一代人工智能开放创新平台。
上一轮融资时，投资人们关注的还是创始团队对于行业的理解，可到了 B 轮，投资人关注的重点变成了团队和成绩。
体素科技创始人丁晓伟告诉钛媒体，投资人看重的 " 成绩 " 体现为两点：一，同时管理多个产品线的能力和性价比；二，每条产品线落地的绝对速度和质量。
目前，体素科技开辟了六个产品线：辅助诊断产品线方向，聚焦于胸部 CT、眼底彩照、冠脉 CTA、皮肤四个全病种解决方案；在儿童视力障碍等通过视频中病人行为进行辅助诊断；在 B 轮融资发布会现场，体素科技发布了新产品 " 体素肤知汇 "。
"AI 医疗市场总量巨大，但可细分成几百个子领域，针对每个细分疾病领域的市场在几亿到数十亿，一个公司能够有效并线研发和运营众多产品线的能力是未来的主要竞争力。" 丁晓伟告诉钛媒体，各个公司所关注的子领域开始出现差异。
关于新产品线的开设，丁晓伟的态度非常谨慎，" 因为每个产品现在给的定位和要求很高，做全病种这个工作量是很大的，我们先打好基础后才考虑增加产品线。"
全病种</b>
体素科技一开始对产品的设计就是全病种，其间也拿单病种产品去医院里面打磨和试用，主要是出于对工作流认识的目的。
" 全病种其实等于是做得广，而不是把流程做得特别深。" 为何定位为全病种，丁晓伟告诉钛媒体，全病种是从未知疾病类型到确定疾病类型的初步工作，面向的人群也是最多。" 我们针对的是初筛这一类人群，任务相对统一，并且相对简单。AI 应该做脏活累活，到了最后需要拍板决定上不上手术台的时候，那还得应该靠医生。"
从技术角度来看，体素科技一开始就规划了把病种分组，每一组用一个技术手段或者一个模型去完成，比如上百种病种，可能只用四五个模型去完成， 而不是一个病用一个模型这种横向扩展过程，是从上到下的技术结构设计。
深度学习打开了自动抽取特征的大门，虽然比以前的 CAD、手工设计算法已经节约了上千倍人力和时间。但是也没有好用到可以不费力地克服不同部位和病种，即便是快了一千倍，做一个全病种产品可能还是需要一年甚至更长时间。
此外，丁晓伟还观察到，一线医生的需求与科室主任、院长的需求都不一样。" 一线医生的需求是解决日常最不愿意看的，最花时间的；科室主任会更希望一些容易出错的地方、带来纠纷的一些地方得到解决；院长、医院更希望新技术能够解决现在很多的医疗成本和运营问题。"
这种需求的差异化也让丁晓伟意识到，一家公司产品如果是只听了一个人的话，可能会比较片面。
所以体素科技在拓展产品线时会有几个参考标准，首先，产品现在覆盖了一线医生最花时间的问题，然后又是科室里认为风险比较大，问题解决之后增加医院效率，节约开支的病种。" 比如胸腔类疾病、脑卒中类问题、血管类或者内分泌类慢性疾病导致的并发症，基本都具备这个特点。 "
体素科技产品线从立项到应用，快的产品线一年时间就可以，慢的话则需要一年到两年时间，" 慢主要原因是病种的设计定位比较高，比如三维影像、复杂问题的全病种等确实是很难做的。 "
丁晓伟将自己的产品逻辑概括为，" 开产品线是为了有价值，不能因为好做所以我们开，然后做完了又没有用；有些问题是很好做的，可能网上的数据也很多，很快可以给投资人有个交代，但是这种事情我们不做。"
落地与变现</b>
关于医疗 AI 落地，钛媒体此前曾报道过，有医生呼吁医疗 AI 能整合进临床路径，也有从业者称医疗 AI 单独存在的价值意义不大。丁晓伟则认为，通过器械公司，体素科技可能通过其强大渠道进入更多医院，但 AI 产品不是必须与扫描器械绑定，因为 AI 产品不与器械直接对接，是与医院的信息化系统进行对接的，分析的是标准数据协议下的数据，所有扫描设备都可以输出。
" 所以同样来看，AI 公司与 PACS 系统公司的合作，可能也非常有价值。" 丁晓伟告诉钛媒体，虽然目前体素科技在进医院的时候并没有遇到 PACS 公司接口费的要求，但是有其他 AI 公司遇到了类似的要求。
为了让 AI 尽量融入医生的工作流，多数医疗 AI 企业通过其他技术手段来实现与 PACS 和 RIS 的联动，但丁晓伟认为，" 这都是折中方法，不如与 PACS 直接集成来的顺手，所以希望能够与主流 PACS 公司进一步加强深度的合作，也希望 PACS 公司也在这个问题上能够去积极的配合，因为这是对他们产品也是有积极影响的。 "
目前对于多数医疗 AI 企业而言，变现都是无法绕开的话题。关于变现，丁晓伟告诉钛媒体，" 全病种产品打磨完备，正式走入招标采购流程后才可以进一步变现。全病种在医院中是有变现价值的，单病种可能就是各个公司与医院进行打磨的过程。"
哪些场景能更快实现变现？丁晓伟举了几个例子，比如眼科、皮肤的全病种，相对于放射影像、慢性病更偏个人和家庭。对于跨界科室的使用，全科医生使用眼科或者是皮肤产品，甚至是就诊指导，甚至视光中心、药店里为病人进行普查，这些场景可以更快实现变现。
在丁晓伟看来，跟体检机构的合作会是一个趋势，体素科技目前正探索和体检机构的合作。" 人工智能最能帮到优质医疗资源缺乏的机构，特别是在体检上，全病种就更加有优势了，因为体检本身就是没有定向的发现所有可能的异常。"
这两年，丁晓伟感受到世界影像设备巨头们的一个明显的变化，" 对外的 AI 合作上，17 年比较保守，到了 18 年，每家大公司都主动去找 AI 公司进行合作。"（本文首发钛媒体，作者 / 付梦雯）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体 App