文|市值观察 文 雨

编辑|小市妹

眼科疾病正在困扰着整个世界，在中国，这一问题尤为严重。

01 热点与痛点

如果家里孩子“上清北”的代价是“近视500度”，你愿意吗？

升学压力下，教育愈发内卷，近视成为显著问题。数据显示，全球目前大约有26亿近视人口，其中7亿在中国，且低龄化趋势愈发明显。2020年，我国儿童青少年总体近视率达52.7%。

在很多人看来，近视500度固然是一个可以接受的代价，但实则付出的代价远比想象中更多。

很多人不知道的是，伴随近视度数的加深，也会带来一系列眼底的改变，轻者眼底会像一块布一样被拉扯，出现豹纹状眼底；重者如达到600度以上的高度近视时，视网膜脱离风险将比常人高30倍以上，如未及时发现，甚至可能遭遇失明。

近视防控压力之下，我国眼健康面临的「眼底病」挑战也十分严峻。

临床发现，很多青少年早期出现视力下降其实是由其他疾病造成的，但却想当然的以为是近视，进而耽误了最佳治疗期。

比如，糖尿病的常见并发症之一“糖尿病视网膜病变”也会造成视力下降，但这一疾病却并没有得到充足的重视和及时治疗。

数据显示，到2020年，中国仍有约90%的糖尿病视网膜病变病例未能确诊，筛查率低于10%。

再比如病理性近视，造成视网膜的退化性改变，如果不及时干预治疗，同样会引发不可恢复的视力损害。

数据显示，中国病理性近视患者人数从2015年的1920万人增至2020年的2260万人，到2030年，预计这一数字将达到3230万人。

事实上，诸如糖尿病视网膜病变、病理性近视等疾病的筛查并不困难，通过定期眼底（视网膜）检查完全可以做到早发现、早治疗。

但问题在于，中国眼科医师根本不够用。

根据国家卫健委发布的《中国眼健康白皮书》，国内大约有4.48万名眼科医生，其中能做手术的医生不到1/4……

这意味着，一个眼科医师平均要服务超3万人。

眼底医生则更为稀缺，要成为一个成熟的眼底医生，至少需要培养十年以上，手术医生则至少需要15年。到今天为止，国内能够进行眼底阅片的医生不过才几千人。

由此带来的一个直接现实后果是，在高线城市，拥有丰富经验的眼底医生一“号”难求，而在一些偏远基层地区，根本就没有眼底专科医生，甚至没有眼科。

解决这一社会痛点，人类的共识是AI。

2015年开始，IBM Watson和Google DeepMind率先引入人工智能技术来分析视网膜影像中的关键异常，包括年龄相关性黄斑变性、糖尿病视网膜病变、青光眼等。

当AI入局眼科，一切就都不一样了。

02 效率与公平

AI的介入，首先解决了一个效率问题。

借助视网膜影像AI，只需要10秒左右，就会自动生成诊断报告，彻底解放了眼科医生的生产力。

以中山大学中山眼科中心为例，通过眼科AI三级诊疗体系，每名眼科医生的工作效率提高了10倍以上。原来一年能服务4000人，现在一年可以服务4万人甚至更多。

效率的另一个体现层面是可以“一劳多获”。

视网膜是人体中唯一能够以无创方式直接观察血管及神经的部位。理论上，通过视网膜可识别200多种常见疾病，包括糖尿病、高血压、心脑血管疾病等慢性疾病。

因此，视网膜影像AI的诊断并不仅针对眼科疾病，还能对心脑血管、神经系统、内分泌系统等等其他全身慢病的疾病进展和风险进行判断。

也就是说，有了AI的介入，只需要给眼睛拍张照片，一分钟内就可以收到自己的慢病风险评估，相当于花一分钟时间就能做一次轻量的全身体检。

AI不仅“快”，而且还“准”。

比如，在皮肤图像诊断中，皮肤科医生发现恶性黑色素瘤与非癌症病变的准确率是88.9%和75.7%。相比之下，神经网络在这两项诊断中的准确率可分别达到95%与和82.5%。

而在更早的2015年，IBM开发的人工智能程序“沃森”就在一场肺癌诊断竞赛中以90%：50%的准确率完胜人类。

眼科领域，在鹰瞳科技招募1000名患者的多中心临床试验中，其核心产品Airdoc-AIFUNDUS(1.0)的敏感性和特异性分别达到91.75%和93.1%。

在提升效率的同时，视网膜影像AI更具社会意义的价值在于，它有助于实现医疗领域的“脱贫”。

没有物理边界，没有下沉成本，注定了AI在解决医疗资源分配不均的问题中将扮演不可替代的作用。

过去，由于缺乏相关的配套医疗资源，三四线城市，特别是基层、偏远地区，无法得到相关的眼科诊断和治疗。但有了AI技术的加持，就可以把专家的知识和经验复制粘贴，带到基层地区，让这里的老百姓也可以享受到与大城市同等质量的医疗服务。

事实上，业内相关公司围绕医疗服务的下沉已经展开了一系列落地工作。

长久以来，效率与公平一直是一副此起彼伏的跷跷板，但医疗AI却实现了两者的统一，在今天这个时代可谓恰逢其时。

所有这些，注定了视网膜影像AI服务是一个能见度极高的赛道，它有多大的社会价值，就有多大的商业价值。

03 空间与壁垒

之于医疗AI，始于2020年的疫情是一个重要转折点。

重大公卫危机释放了巨量的CT胸片审阅需求，数坤、推想、深睿等相继推出了针对新冠肺炎的辅助诊断系统。

与之伴随的是医疗影像AI系统开始“跑步入院”，其标志性事件是国家药监局加速医疗器械三类证的开放审批，由此拉开了医疗AI商业化的大幕，整个产业按下加速键，一个最直观的信号是头部公司开始携手冲击资本市场。

就在去年，鹰瞳科技、科亚医疗、数坤科技、推想科技等头部医疗AI玩家先后递表港交所，最终鹰瞳科技成功IPO，成为“医疗AI第一股”。

据公开财报，2019-2021年，港股上市公司鹰瞳科技的营收分别为3041.50万、4767.20万、1.15亿，过去两年的增长率分别高达57%和142%。

图片截取自鹰瞳科技业绩公告

这样的增长速度，放在整个商业领域都是前排水平。事实上，鹰瞳科技只是一个缩影，背后支撑这一切的是整个赛道基本盘开始高速扩容。

根据弗若斯特沙利文的数据，中国人工智能视网膜医学影像市场规模预计将从2020年的0.45亿元增至2030年的340.10亿元，期间年复合增长率达到81.55%。

商业化，资本化，视网膜影像AI服务俨然成了一个风口，而中国一直就有“追风口”的传统。当一个新兴且具备爆发力的产业涌现时，往往会吸引大量参与者入局，进而引发残酷的内卷，破坏竞争格局，杀伤企业的盈利能力。

但可预见的是，类似的“羊群效应”很难在视网膜影像AI服务领域复制，原因是壁垒。

研发能力、资本投入能力、市场与客户导入等问题且先不论，医学影像AI的发展需要大量真实世界中的视网膜影像数据作为生产资料，然后与算法进行交互训练，而这需要长期的积累，新进入者哪怕狠劲砸钱，也难有“大力出奇迹”的效果。

再比如资质壁垒。

AI医疗器械属于第三类医疗器械，需要获得国家药监局的批准才能商业化，在拿到医疗器械注册证前，产品根本无法进入市场。但想要申请注册证书，企业必须通过广泛的临床前研究和临床试验来证明产品的安全性、有效性，而这同样需要时间。

先行者利用先发优势高速迭代，后来者一步跟不上、步步落后。在视网膜影像AI这个赛道中，后发先至或许只能是空想。这同时意味着，既有企业目前的成长逻辑在将来不会受到竞争加剧的挑战和破坏。

方向对了，路就不怕远。

尽管目前这些头部医疗AI企业大多尚处于非盈利状态，但这种以高额投入换增长的战略性亏损，最终很可能换来巨量补偿，特斯拉、亚马逊无不如此。

事实上，一项新技术或产品的成长曲线总是呈现非线性的指数增长，即前期长久的积累会在某一个时点突然爆发，进而高斜率向上，从PC，到智能手机，再到新能源车，皆是如此。

以史为鉴，视网膜影像AI企业的盈利能力大概率也会在未来突然爆发。但愿这一天能够提前到来，因为这同时意味着有更多的人得到了更高质量的医疗服务。