同心醫聯發布科技醫療平台戰略，成為科技賦能的「凱撒醫療」

2019年5月7日，同心醫聯科技（北京）有限公司（以下簡稱「同心醫聯」）在北京召開戰略發布會，在會上同心醫聯詳細闡釋了自身對行業的看法和未來發展戰略，希望與各界夥伴「跨界融合，開放共贏」，通過技術創新解決醫療行業核心問題。

一、同心醫聯科技醫療平台戰略

通過五年時間積累，同心醫聯逐步建立了互聯網平台搭建、醫療服務運營、實體影像中心建設、影像雲平台推廣、互聯網醫院建設、影像 AI開放平台整合等業務，完成了整個科技醫療平台的基礎能力建設。

同心醫聯的「科技醫療平台」戰略，以醫學影像技術加AI技術為核心，通過線上互聯網醫院與線下醫學影像中心，為臨床醫生、專科患者、合作醫院和影像 AI專家四方提供平台服務。同心醫聯互聯網醫院面向近5萬名臨床醫生服務，線下擁有影像中心超過300家，遍布全國17個省市，目前積累超過850萬病歷。公司已經推出38個智能診斷產品，為臨床醫生和患者提供更為精準的診斷和治療建議。公司2018年收入近億，並實現了整體盈利。同心醫聯獲得了中金資本、經緯中國、君聯資本、聯想之星等知名機構的四輪融資支持。

自2017年以來，同心醫聯開始探索影像技術跟AI技術結合，經過兩年的研發，目前同心醫聯已經積累了38個智能診斷產品，廣泛應用於心腦血管和腫瘤患者，並通過同心醫聯實體影像中心進行落地，得到了廣大臨床醫生的認可。心腦血管和腫瘤等患者人群，患者量大，需要長期疾病管理服務，同時對影像診斷要求很高。同心醫聯服務的患者，86%都是因為同心醫聯獨特的影像 AI技術建立了長期服務關係。

2018年獲得互聯網醫院牌照後，按照國家對互聯網醫院的要求，同心醫聯針對心腦血管和腫瘤患者提供全病程管理，即複診的問診、影像檢查、葯事服務、隨訪管理等服務，將價值鏈進行延展，產生更多的盈利點。未來計劃與商業保險公司合作，針對慢病患者，利用線下 線上能力提供醫療閉環服務，為保險公司提供產品開發依據和控費能力。

二、醫療核心問題：合格的醫療供給能力稀缺，面向影像科的影像AI難以解決問題

醫療核心問題，是合格的醫療供給能力稀缺。「合格」意味著診療能力合格，診療流程合理，診療設施齊全，收費合理並有支付方覆蓋（無論是醫保、商保還是自費，支付方願意出錢）。合格的醫療供給能力稀缺是個世界性問題，原因是醫學專業門檻太高，醫生成材周期太長，醫療機構的准入和監管嚴格，醫保控費等因素造成的。其本質問題是民眾對於自己健康需求的不斷上漲、希望享受最好的醫療待遇，跟國家和個人實際經濟能力不匹配造成的。

所以，在一個供不應求的行業，單純的互聯網模式無法解決本質問題，自然也不會帶來醫療行業根本上的變革。判斷一個新型醫療公司有無價值，基本標準就是是否顯著在改善醫療供給端的能力，是否能創造出更多的合格的醫療供給能力，或者顯著提升現有醫療供給能力。單純的技術創新，或者單純的模式創新，可能都無法實現這個目標。

具體到醫學影像領域，目前影像AI公司大部分都是從肺結節和眼底造影入手，因為這兩個領域公開數據多、數據獲取相對便利，肺結節影像直觀、便於觀察診斷。之後往往都是做骨折、骨齡測量、乳腺癌病理、腦卒中等方向，這些研究方向主要都是從技術成熟度角度出發，而非從醫生日常應用場景出發。

影像AI的應用領域可以分為兩大方向：

第一類方向是解決臨床需求的，比如神經外科、心臟內科等科室需求的。幾乎所有的臨床科室都會需要影像學的支持，如果影像AI能夠解決臨床各個專業的現實問題，那麼所有醫生都會有需求，即通過數字化分析提供精準診斷和有效治療建議。

第二類方向是解決影像科本身需求的，這裡面又分兩種情況：

第一種是影像掃描問題，即獲取影像數據時，如何提高效率和準確性的問題。這一點往往被大眾忽視。比如一個照相機拍出來的照片基礎不好，後面無論通過什麼樣的修圖軟體再去修圖，效果也難稱理想。影像AI道理也是如此，如果獲取影像數據環節（即拍片子環節）不標準，數據質量差，後續AI分析難以準確有效。

第二種才是影像診斷，例如肺結節影像輔助診斷。但實際上，影像科醫生面臨的真實場景是：一個患者來做肺部CT檢查，影像科醫生事先並不知道患者的病症是什麼。所以拍出來的肺部CT，要對所有潛在病症進行診斷，肺部的常見病至少有10多種，如果只能看肺結節，並不是影像醫生的最佳幫手。好比一篇文章可能有潛在的十種語法錯誤，AI只能幫助標記出一種，剩下九種錯誤還得自己重新去閱讀一遍文章篩查一遍，那麼這個AI應用意義不大。特別是醫生還要把醫學圖像從醫學影像存儲和傳輸系統（PACS）導入AI系統，再把診斷結果倒回PACS系統這種來回折騰情況下。影像醫生的真實需求是，AI把這個部位所有疑似病變（無論是哪種病變，只要是不正常的）都標記出來，影像醫生再診斷核對一遍，而不用100多張片子一張張重新看，這樣效率就會大大提高。然而，實現這個需求對於演算法和數據的要求都非常高，暫時還難以達到。

所以，目前針對影像診斷的影像AI面臨兩大問題：技術成熟度和商業化變現問題。通過大醫院訓練出的演算法，是否能夠適應基層醫院的數據質量，演算法的適配性和魯棒性是否夠強？就好像一個人在大城市吃慣了白米細面，突然要去農村吃糠咽菜，消化不良甚至反胃是很正常的。其次，幫助醫院和影像科提升效率的工具，就算能夠拿到醫療器械註冊許可證，是否能夠實現商業變現，是一個巨大的挑戰。如果影像AI公司只是幫助影像科醫生更快更好地做診斷，並不能創造出新的收入項目，更不可能真的精簡影像科醫生人力配置，市場前景不明確。就算AI有一天真能取代影像科醫生了，以中國15萬影像科醫生，平均年薪10萬元人民幣計算，總共不過是150億的市場。相對於目前的資源投入，市場規模實在太小。

所以，只有貼近臨床需求的技術才是有價值的。影像AI未來的發展方嚮應該是以臨床為導向。

在現在醫療環境下，公立醫院數量在不斷下降；民營醫療機構准入門檻較高，「玻璃門」的問題始終存在；醫生成材周期很長，但醫生的職業陽光收入低風險大；現有職稱評價體系都是以科研為導向，不看重臨床能力；對於90後和00後，太艱苦的學醫歷程不適合追求自由的時代個性… 這些因素都會給創造出合格的醫療供給能力更加困難。

鑒於以上挑戰，不太可能依靠老辦法能滿足人民不斷增加不斷個性化的醫療需求。唯有靠接近臨床需求的新技術，通過新技術的應用，減少對醫生主觀能力和經驗的依賴，來提升醫療水平。醫學影像專業自出現之日起，就是為了給臨床科室（普外科、神內科、心外科等）提供更準確的診療建議，而存在的專業。在沒有影像學的時代，醫生給患者做診斷，特別是心腦血管、腫瘤等疑難雜症，主要是靠個人經驗和試錯。出現影像學之後，可以通過成像技術更清晰的看到人體內部結構，看到人體代謝情況，從而更有針對性的進行診斷和治療；但是影像科醫生出具影像診斷，臨床醫生依據影像診斷出具臨床診斷，這些都還是靠醫生肉眼、個人經驗做判斷。進入到大數據和AI時代，通過影像技術 AI技術，可以給影像科醫生和臨床醫生更為精準的診斷和治療建議。

三、解決問題的方法：跨界融合 開放共贏

影像AI技術要落地，需要跨界融合。例如，我們需要拍一張好的攝影作品去參賽，需要好的拍攝方法（醫學成像技術），好的照片處理和修圖（AI輔助分析），好的照片詮釋（影像診斷），才能有好的照片展示（臨床應用）。拍照片如此，做影像診斷更是如此。所以，成像技術 AI分析 影像診斷 臨床應用四個專業彼此融合，才能真正為醫生和患者提供有價值的診斷和治療建議。

實踐中為什麼這麼困難呢？因為從生物醫學工程、到計算機AI、到影像診斷學，再到臨床需求，橫跨了四個專業的知識鴻溝，如果不具備跨界整合的資源和能力，難度非常大。同心醫聯具備了線上互聯網醫院和線下醫學影像中心，具備自己的技術團隊和影像醫師團隊，因為擁有專業資源和基礎設施，所以才能實現跨界融合。

由於醫療的專業性，每個團隊不可能對所有疾病都有涉獵，關節軟骨與阿爾茨海默病是完全不同的領域。很多專家經歷多年研究，也只在一個方向上的幾種疾病鑽研較深。患者看病時無法預知自己的疾病種類，所以醫生希望的是全套解決方案。在這種情況下，建立開放共贏平台就變得非常重要，讓各個專業方向的人發揮自己擅長領域的工作，將各自專長匯聚成一個整體解決方案。

同心醫聯格物系統，是國內首家面向臨床醫生的影像 AI開放應用平台（影像AI App Store）。利用同心醫聯雲平台積累的大量患者病歷，根據臨床需求開發成像技術和AI演算法訓練，然後封裝成應用App，導入格物系統。同心醫聯已經與近100家世界一流大學和科研機構如清華、北大、中科院等，建立緊密合作關係，發揮各自專長，將新技術更好地應用於臨床實踐。

未來，同心醫聯的發展規劃將依據「點---線---面」來進行。「點」是加強技術研發投入，不斷上線新的智能診斷產品，提升技術壁壘。「線」是將互聯網醫院問診---檢查---治療的服務線從線下和線上兩個維度繼續擴張，服務更多的患者。「面」是將與保險機構、地產公司、其他醫療服務公司合作，共同打造醫療綜合體，在醫保控費的時代，承接更多的醫生和患者需求，最終打造為科技賦能的「凱撒醫療」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！