在过去两周里，一个名叫“ChatGPT”的新人工智能模型因其执行各种自然语言任务的能力，引起了广泛关注。

这款生成式AI聊天应用上线短短5天，用户数量就突破了100万。仅2个月时间，便实现月活用户破亿。ChatGPT不仅完完全全地展示了人类对人工智能的热爱，更是掀起人工智能概念股涨停潮，让曾弥漫着声声叹息的AI行业重归风口，把盈利困局的阴翳和落地遇阻的困境留在了遥远的昨天。

新华社报道，美国人工智能公司OpenAI的大语言模型ChatGPT在推出约两个月后，1月已达到1亿月活跃用户，成为历史上增长最快的消费者应用程序。相关专家预计，ChatGPT不仅是新一代聊天机器人的突破，也将为信息产业带来巨大变革。

近日，深至科技特邀中国医学影像权威专家冯晓源教授担任专家委员会主席，推进精准诊疗服务功能融合于其高科技产品中的进程，同时持续拓增企业产品管线，为广大基层医疗机构提供学科建设、教学培训等增值服务，并为公司下一步战略发展出谋划策。

动脉网与冯晓源教授围绕医学影像AI痛点问题进行了深入探讨，将破解AI盈利困境的密码归纳为5个要点。既对行业过往历程进行复盘，也对医学影像AI未来发展进行展望。

要点1：不能脱离场景讨论AI

在冯教授的观点中，AI作为一种技术，需要赋能于某一体系或学科并形成新的价值，从而加速该学科或行业发展。因而在医疗场景的应用中，AI也必须遵循医疗场景规则，在符合临床医学特点的基础上创造新价值。

众多观点认为，在医疗健康领域，AI主要可以在三个核心领域为医疗保健带来益处：患者护理，研究、诊断和治疗，临床和非临床工作交流。

如果AI仅是在原有基础上将医生工作效率稍作提升，或是完成部分靠人力就可以完成的工作，难以突出重围。临床医学有许多需要解决的问题，AI企业如果从临床应用的角度出发，为临床创造新技术、新价值，提升整体医疗水平，才是有生命力的技术研发，是破解AI产品同质化问题的关键。

ChatGPT是医疗产业服务者的真人辅助，争取实现“1+1＞2”。其具体功能的落地路径仍然是加强医疗信息化建设，钻到具体场景。

目前及未来一段时间内，ChatGPT更适合辅助，ChatGPT可以与云、5G、物联网、大数据等强化衔接，专注于算法、算力、医疗数据的继续学习，以解决直接向用户提供服务能力的问题。

ChatGPT好像“一张皮”，它与其他医疗AI工具（包括业已应用到医疗产业的很多黑科技、高科技）一起合作，与医疗产业的真人服务一起合作，可能加速新技术产品转化和整合服务渗透。

要点2：提升AI使用能级的四条思路

现阶段人工智能所做的工作多为基础性的、辅助性的工作，其基于大数据训练后所具备的诊断能力也不尽如人意。所以，AI技术虽然在一定程度上提高了医生的工作效率，降低了其工作强度，却未能创造更多价值。

如何解决这一问题？冯教授提供了4条思路：

一、提升AI诊疗水平，对于过去诊疗困难或无法诊疗的疾病，或者肉眼无法观测到的诊断结果，AI能够智能分析诊断，弥补临床医学的不足。

二、通过AI的介入，缩短需要进行大量数据分析、耗费医生大量时间和精力的疾病诊疗过程，提升诊疗效率和成功率。

三、发展远程智能医疗，提升现有疾病的诊疗效率、拓展诊疗手段和场景，让病人足不出户也能获取优质医疗资源，收获更好的治疗效果。

四、借助AI对大规模的信息或数据进行处理，找到蕴藏其中的必然规律，并对其进行精准量化分析，最终实现人工智能处理规律和逻辑问题。医生则更多负责处理创新和人性问题，重塑和完善诊断标准与诊断流程。

要点3：明确目标用户，找准盈利空间

盈利能力已成为头部AI考量问题的关键。尽管自2020年AI医学影像赛道斩获首张三类证以来，AI医学影像产品获批程度持续提升，各大企业相关产品接连获批，市场局面逐渐打开。但是，要想真正实现AI医学规模性商业化，还有很长的路要走。

若实现AI医学产品商业化，还需跨过物价准入、医保准入的种种门槛。而且，AI医学影像辅助诊断系统面的收费模式并未达成共识，现阶段商业模式尚不清晰。

冯晓源教授认为，影响市场准入、物价准入、医保准入流程的因素非常多，并非技术这单一要素决定。同时，拿到牌照只是证明技术安全有效，并不代表产品最终能够跑通市场，当前AI企业需要解决的还是“谁使用“和“谁买单”的问题，并要学会将对这一问题的思考融入产品的设计与研发工作中。

例如，在设计产品时，必须触达客户真正的需求，思考如何让客户获益。如果把目标客户定为医生，医生获益以后的直接结果就是病人获利。如果病人能够因为AI产品的使用缩短诊疗时间、提升诊疗精准度，从而自愿买单，就能完成AI的商业闭环。另一方面，在长期来看，如果医院因为AI的辅助治疗提升整体诊疗效率，缩减人力成本，这也将在一定程度上构成提升医院收益，加强医院买单意愿。

如此来看，AI企业的当务之急是明确产品的市场定位，划出精确的目标用户群，以目标用户的需求考虑产品价值点。只有当技术能解决的问题与目标用户利益需求一致时，技术的价值才能得到最大限度的发挥，也就能迎来广阔的盈利空间。

要点4：基层蓝海至关重要

在冯教授的观点中，AI作为一种技术，需要赋能于某一体系或学科并形成新的价值，从而加速该学科或行业发展。因而在医疗场景的应用中，AI也必须遵循医疗场景规则，基层一直是AI医学影像的重要应用场景。相关数据表明，县域有70%的医疗机构对AI产品有需求。基层医学影像市场有超千亿的增长空间。而且由于基层市场分散，医学影像相关的设备渠道也相对空白，存在建立渠道的机会，供应商可以以医学影像服务为切入点，掌握基层医疗下沉渠道，构建企业在基层医疗领域的核心壁垒。

由于经费不足、基层地区地势偏远等因素限制，相关产品落地基层存在挑战，基层需求难以被满足。在落地过程中却普遍面临“设备用不起、图像看不懂、治疗不会做”等现实痛点。由于成本、操作等问题，现有诊断设备几乎难以下沉到基层中去。

冯教授谈到，人工智能技术落地基层关键在于提高基层医生自身能力和远程医疗调度能力，从而提升基层疾病诊疗能力。

具体而言，企业可通过远程教育及培训，提升医生处理、诊断疾病的能力。合理利用人工智能平台调度远程医疗资源，通过互联网和数据处理平台为基层医疗机构提供资源支撑，让患者在基层医院便可得到等同于三甲医院的医疗服务。

基层有相应设备，但缺少专业知识丰富的使用医师。但通过智能平台，便可让基层医院对接大医院的医生或更多学科的专业诊疗资源，让设备得到充分利用，解决临床实操问题和诊疗问题，体现智能医疗产品的技术价值。

对智能软硬件的优化可集中在降低产品成本方面，其目的是让智能医疗产品在高度分散的基层医疗场景中被广泛应用，增加产品经济效益。

要点5：把握医学影像设备发展趋势

此外，冯教授还谈及医学影像设备小型化、便携化、移动化发展的重要性，以及AI技术于其中的应用空间。

中国医学影像AI行业目前处于高速发展的阶段，如今多场景、多疾病、全流程的一体化智能诊疗解决方案是大势所趋。通过AI提供一体化的院方解决方案，从各个临床环节进行渗透，涵盖体检、筛查、随访、诊断、治疗等多个治疗场景。

CT、MRI、超声等影像设备体积较大、成本昂贵，且有使用门槛，基层医疗机构往往无法负担其相关费用，基层患者的诊疗需求难以被满足。同样，即便在大型医院，大型影像设备在紧急医疗卫生事件或床旁诊断需求中也显得捉襟见肘。无法随意移动的大型影像设备为诊疗带来了一定限制，甚至在救治过程中产生极大风险。

而小型化、便携化、移动化设备，则可以拓展医学影像产品的应用场景，真正解决医院痛点问题。同时，AI技术的搭还能进一步赋能设备，提高诊疗效率和精确度。

随着远程医疗技术的发展和分级诊疗政策的推进，基层医疗机构对AI技术的需求被大大叠加。AI技术+移动化设备的搭配使用，将完全突破医院围墙，将影像设备应用于更广阔的场景当中。但需要重视的是，AI算力仍旧是技术核心，如何提升AI算力，使之赋予产品市场价值和技术价值，是AI企业发展的关键。

ChatGPT走红，恰好带来一个热议的风口。在我们已关注了AlphaGo、波士顿动力机器人、达芬奇手术机器人以后，又一次全社会、全行业聚焦在一款AI工具上探讨产业应用的可行性与想象力。结合国内深化医改环境，从治疗为中心转向健康为中心，道阻且长。AI工具是一个机会要素，也不是解决的答案。如何应用新科技满足医疗产业长久以来的供需痛点，使“不可为”到“有所作为”，AI工具前途漫漫却每一步都意义非凡。