放射科主任医师关文华还记得，自己在2017年第一次看AI产品和30位放射科同行同台PK阅片时的抵触心情。

“未来AI会不会抢了自己的饭碗”，从业已经25年了，这是他当时的第一反应。

而如今，各级医院中的医学影像AI已不罕见。关文华所在的新乡医学院第三附属医院已经用3、4家公司的产品用了两年多了。不过，无一例外的是，它们都是以“试用”的名义进入医院。

这在某种程度上反映了医学影像AI落地的现状——免费试用有余，花钱购买不足。一位国内头部医学影像AI公司的大区销售高管向界面新闻表示，目前自己负责的区域内，除了少量科研合作，以“购买”和“试用”进院的AI产品比例大约为1：1。而这甚至已经是优于业内普遍水平了。

经过了前两年的拿证大战后，疯狂涌入的医疗AI公司们渐渐开始分出先后。倒闭或是卖身者逐步退出舞台，幸存者们纷纷开始递表，上市回血。如果说，在此前，三类证和合作医院的数量是他们比拼的重点，而在当下，实实在在的销售额将是各家公司面临的新考题。

废标频频，招采困境多

医疗影像AI早已不是什么新鲜事了，目前，包括超声、X线、内镜、CT、MRI（磁共振成像）、眼底影像在内的大部分传统医学影像都可以与Al结合，帮助医生提高阅片效率和诊断的准确性。当下，医学影像AI企业超过百家，产品分布在眼底、肺部、心血管、头颈、骨骼等多个领域。

其中，AI所履行的主要作用包括了标记灶识别与标注，影像三维重建和靶区自动勾画，辅助诊断和辅助检测等。头豹研究院的数据显示，2020年至2022年5月，短短两年里，国内已经有33款医学影像AI产品取得医疗器械三类证，成功获批上市。

与其他的医疗器械或信息化产品类似，医院购买医疗影像AI产品，通常由影像科或信息科上报需求，经院务会、党委会、财政批准，再对接招标公司，发布采购意向公示，最终进入招标路程。

不过，作为新兴产品，AI产品在其中有着不少不成熟之处。例如据2014年最新版《采购法》的废标条件规定：符合专业条件的供应商或者对招标文件作实质响应的供应商不足三家的，予以废标。这意味着，在本就不多的医疗AI产品竞争者中，但凡有一位“掉链子”，招标流程就可能从头再来。

例如，重庆市大坪医院的AI辅助诊断项目于2021年11月24日就公示了采购意向，直到今年3月10日才公示预中标结果。这其中便经历了两次废标，原因分别是有公司的技术支撑材料、财务审计报告未通过资格性审查，以至于剩余的供应商不足三家。而该项目采购的还是医学影像AI中数量最多、最为成熟的CT肺结节产品。上述销售高管告诉界面新闻，类似的招采困境，在技术门槛更高、厂商更少的冠脉和头颈产品的情况更是如此。

此外，还有厂家选择以超低价夺标。上述高管参与的一次招标中，中标产品的出价低到“我们无法想象，可能是正常市场价格的五分之一，甚至更低”。但实际上，除了产品本身，方案架构的实施、后续的维护升级，对医生的培训等等都是AI满足临床需求的前提，也是厂家需要付出的成本。“后来院方的抱怨也很大。但是对有低价中标这种模式的存在没办法。”上述销售高管说。

不过，今年7月15日，财政部发布的《采购法》修订草案征求意见稿一定程度上或可改善相关问题。该征求意见稿显示，技术复杂的大型装备，实验、检测等专用仪器设备，需要供应商提供解决方案的设计咨询、信息化应用系统建设服务等，应采用竞争性谈判方式采购。其评审方式也从符合采购需求、质量和服务相等且报价最低原则，变成综合评分法。

另外，采用竞争性方式采购，即使竞标供应商或者合格标只有一到两家，但采购文件没有不合理条款，且程序符合规定，可以继续采购而不废标。

此外，该征求意见稿还新增了“最优质量法”这一评审方法，即竞标文件满足采购文件全部实质性要求，价格已定，按照质量因素的量化指标评审得分确定中标供应商。上述销售高管认为，这一方法将加大医疗AI产品在技术维度的竞争比重，例如产品的灵敏度、特异性数据，是否有三类证，以及产品质控水平。

不过，亦有专家对这一评审方式持谨慎态度。

谢澜（化名）是北京一家三甲医院的放射科主任医师，此前曾负责过医疗器械和设备的采购管理工作。他向界面新闻指出，需要注意的是，使用该评审方法的前提是“价格已定”。换而言之，价格因素在招标占的比重可能依然不低。此外，谁来判断、如何判断质量最优，都会影响医疗AI的采购结果，具体还要看政策的细化。

而实际上，与上述重庆市大坪医院为采购医疗AI产品单独立项不同，更常见的采购是将AI与医学影像设备打包或嵌套进医院信息化项目中。头豹研究院《2021年中国AI医学影像行业研究报告》显示，医学影像AI企业约64.3%的营收来自与设备厂商的合作，35.7%来自企业自建团队的销售。GPS（GE、飞利浦、西门子）等厂家以成熟的渠道保证了医疗AI的销量和回款速度，但代价是AI产品的价格通常被压得很低。一位业内人士的说法是，“失去正常市场的公平客观的价值”。究其根本，原因在于医疗AI对医院的吸引力不够。

对医院的收益尚不确定

“医学影像AI对医院来说是净投入，但收益不确定。”谢澜如此概括目前医学影像AI难卖进医院的原因。

一方面，对医院而言，无论以何种方式购买AI产品，经济效益都是一项重要考量。若以使用医疗AI向患者收费，则需要各家医院向省级卫健委和医保局申请物价编码。而走完这一套流程的时间并非医院和AI公司能左右。如业内头部公司科亚医疗此前的招股书便表示，公司核心产品深脉分数2020年1月获得国家药监局批准，但受疫情影响，地方主管部门的物价编码审批进度延迟，导致公司2020年商业化速度放缓。

同时，在医保以保基本为主和控费的政策导向下，短时间内，医疗AI尚很难纳入医保范围，因此，医院申请采购的意愿不大。更何况在近两年，医院的手头本就不宽裕。

今年7月，国家卫健委公布的2020年度公立医院绩效考核结果显示，参加考核的2508家三级公立医院医疗盈余率为-0.6%，43.5%的医院盈余为负，较2019年增加25.89%。民营医院更是把“活下去”当做了今年的主要目标。前述销售高管向界面新闻表示，与“没有的话，检查就做不了”的CT、核磁以及其他开支相比，医学影像AI的优先级只能往后排。

另一方面，同样精打细算、货比三家的还有一线的影像科医生们。实际上，医学影像AI曾经的“取代医生”目标开始变得遥远，现在，医学影像AI被更精准地定位在辅助医生们“提质增效”——提高基层诊疗水平，弥补人才短板；增强阅片效率，防止漏筛漏检上。

面对科室里三、四家医学影像AI，关文华看中的是各家的研发能力。与医学影像设备类似，医学影像AI也不是一锤子买卖，医生会在使用过程中不断提出建议和需求，公司则要及时解决。“如果研发能力不足，我一反馈就没消息了，没有充分满足临床要求的地方就无法继续改进。”关文华说。

不过，经过两年的使用，关文华也明显感觉到医学影像AI的准确性在提升。以最成熟的肺结节AI为例，一开始，有公司的产品只做到了厚层图（5mm层厚的影像），准确率很差，还有一定的假阳性需要医生检查重看，反而加重了负担。而现在，假阳性率在逐渐减少，而且3mm以下的结节都可以发现。

但在关文华看来，医学影像AI在临床上还有优化的空间，或者说，临床医生们对它还有更大的期待。

比如，在医学影像AI发现3mm结节之后要怎么办？是否要告知患者？对此随访要求是半年还是一年？这些问题医学影像AI目前都给不出明确的答案。另外，除了结节的大小密度外，毛刺征、胸膜凹陷征、供血血管征等更重要的形态判断还需要高年资的医生自己去添加。

实际上，影像科医生的工作远远不只是阅片和写报告而已。关文华告诉界面新闻，查出结节的受检者都很焦虑，无论是受检者还是临床医生，都非常需要影像科医生对检查结果的进一步解释。换而言之，这也意味着医学影像AI“提质增量”的效果能有多大。

随着产品增多和技术迭代，关文华认为，当下医学影像AI在肺结节产品上差异不大，但做心血管方面的公司很少。“说实话我们希望更多的厂家去投入，我需要比较才能选到更好的产品。而且他们相互竞争，才能把产品做到极致。”因此，在被问及目前是否有购买医学影像AI产品的意愿时，关文华没有给出肯定的回答。

此外，在AI产品的“养料”方面，依然有着数据体量小、维度少、质量不高，存在“数据孤岛”等问题。各级医院的信息化水平也存在差距。欧亿智库的数据显示，2019年，我国三级、二级、一级医院安装医学影像传输与归档系统的渗透率分别为87.8%、62.2%、40.1%。同时，国内医学影像设备行业集中程度低，医院设备的质量参差，这也增加了对医疗AI产品鲁棒性和适应性的要求。

然而，无论是数据孤岛，还是信息化建设，没有哪个能靠单医疗AI企业自己，或是在朝夕之间就能解决。多位采访对象向界面新闻表示，虽然医疗AI前景广阔，但还处于市场的早期阶段。除了医疗AI公司的研发投入和市场教育，国家政策的支持也不可或缺。

编辑/范辉