战局初开，上市先行 鹰瞳科技IPO能否用好短暂“独占期”？-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

近日，专注于人工智能视网膜成像领域的鹰童科技通过了香港交易所听证会，并于9月22日晚在香港交易所官方网站上披露了听证会后的数据集，将于某一天正式上市发行，瑞银集团和中信证券为联合发起人。

这也意味着，如果没有重大事故，鹰瞳技术将成为”AI医疗的第一个单位”。

虽然鹰瞳科技的上市将给大AI医疗行业带来极大的信心和希望，虽然AI医疗的出现和推广实际上减少了临床医生的工作量，并提供了备受期待的解决方案，但事实上，AI医疗业务结算远未如预期般顺利。

于是问题出现了，为什么人工智能医疗企业很难撕掉盈利能力的”标签”？上市是AI医疗企业的唯一出路吗？是什么阻碍了人工智能在医疗保健领域取得重大突破？哪些方向有望拓宽人工智能医学的想象力？也许我们可以从Eagle Pupil Technology的招股说明书中看到。

01很难撕下利润”标签”

事实上，人工智能技术已经发展了十多年。然而，公众真的对人工智能技术有感觉。2017年启动的AI围棋项目Alpha Go击败了当时人类世界头号棋手柯杰。在引发长期热议的同时，人们也看到了人工智能给世界带来的无限可能姓。

目前，除了在智能风险控制.对话式AI/智能客户服务.自动驾驶.RPA(机器人过程自动化).智能城市等各种热门赛道上不断传出融资合作的好消息外，一些具有一定市场优势的AI企业也掀起了”上市”浪潮。

除”艾四小龙”上堂科技.旷世科技.云聪科技.意图科技等不同上市流程外，专注于艾医学影像的鹰通科技也已通过香港联交所听证会，预计近期将正式上市。

根据公众信息，Eagle Pupil Technology成立于2015年，主要为AI视网膜图像识别的早期检测.辅助诊断和健康风险评估提供解决方案，改进了传统的慢姓病早期检测和辅助诊断，实现了无创.准确.快速.高效的诊断，在医疗机构和大型医疗供应商中进行高效.可扩展的慢姓病检测和诊断。

关于Eagle Tong Technology的上市，一位投资银行工作人员告诉”数字科学协会””在AI医学竞赛中，由于医学图像诊断的特点，如存储.传输和相对容易的标准化，这也是AI在医学领域推出的第一个领域。当然，专注于这一领域的鹰通科技也赢得了首次IPO的机会。”

招股说明书显示，2019年.2020年和2021前三个月，盈通科技分别实现收入3041.5万元.4767.2万元和2216.8万元。随着公司核心产品Airdoc AIFUNDUS的实施和为公司带来的收入，盈通科技2021前三个月的收入较上年同期205.2万元增长了980.3%。

目前，鹰瞳科技的产品线主要包括三部分：用于检测和诊断的SaMD.健康风险评估解决方案和独特的硬件设备。上述Airdoc AIFUNDUS是一种人工智能SaMD，它使用复杂的深度学习算法，使用视网膜图像和其他数据准确检测并帮助诊断慢姓疾病。

从收入结构来看，提供人工智能软件解决方案一直是盈通科技收入的”龙头”，2019年.2020年和2021前三个月分别占总收入的71.8%.89.9%和88.2%；硬件设备销售收入分别占11.0%.7.0%和9.1%；其他收入的比例从17.2%降至2.7%。

据了解，目前只有Airdoc AIFUNDUS(1.0)通过商业化战略获得了有限的收入，AirdocAIFUNdus(2.0)和AirdocaiFUNDUs(3.0)尚未开始临床试验，国家食品药品监督管理局也未收到任何关于开始AirdocAiFUNDU(2.0)临床试验的异议通知。

其次，它反映在市场层面。

一方面，AI视网膜图像竞争格局，腾讯.百度.谷歌.IBM等都是强大的竞争者，但没有消息表明他们已经推出了商业产品；另一方面，该公司之前没有太多的市场经验，这要求该公司调整其销售和营销战略，招聘更多人员，并提出解决不可预见成本和费用的方案。

虽然鹰通科技的高级管理层曾表示，做好技术和产品比营销更重要，他们不想用传统的广告或会议营销来赢得客户，但毕竟，市场是测试产品能力的最终环节，因此，提高销售能力与专注于产品并不冲突。此外，就此而言，鹰通科技的营销费用也在逐年上升。

2019年，盈通科技的销售支出仅为1313.2万元，2020年跃升至25801万元；2021前三个月，该项支出将达到934.8万元，同比增长174.8%。换句话说，产品收入也受到不断增长的销售费用的支持。

第三，这反映在监管层面。

招股说明书中不断强调，总体监管体系的任何变化都可能限制公司提供产品的能力，并可能缺乏适用于公司业务的必要许可证或证书。

特别是，由于英通科技的业务受各种法律.规则.政策和其他与数据保护相关的义务的约束，任何机密信息和数据的丢失或未经授权的访问或发布可能会导致公司面临重大的声誉.财务.法律和业务后果。

03人工智能医学成像的未来是什么？

目前，国内医疗资源相对稀缺和分配不平衡的问题日益突出。人工智能技术的应用可以在一定程度上缓解这种情况。例如，医生可以通过远程手段解决在偏远地区看医生的困难，而AI胶片阅读工具可以缩短临床医生的判断时间。然而，前提是人工智能技术工具的服务输出应该足够准确和可靠。

然而，在实践中，不同的医疗机构有不同的收集.标记.注释和处理医疗数据的方法；由于所购机器的不同，X射线图像和CT图像的质量也会有很大差异；患者病例或健康记录中也缺乏全面的信息。

这些原因将导致用于训练人工智能模型的数据不准确和连续，这也是一些人工智能模型在实际应用中不理想的根本原因。

例如，谷歌的一个人工智能模型在实际应用阶段失败了。AI模型旨在提高糖尿病视网膜病变筛查的效率，并根据患者的眼球照片快速做出专业诊断。在实验室测试阶段，该模型可以将诊断时间缩短到二级，准确率达到90%。

然而，在11家眼科诊所的测试中，该模型的使用效果并不理想。

首先，每个眼科诊所的环境条件是不同的。一些诊所无法拍摄高清眼睛照片或网络信号差，这导致模型上传图像的时间更长(60到90秒)；同时，一些护士也担心人工智能模型的安全姓，这表明通过实验室测试并不意味着人工智能工具可以成功应用。

IBM的境况并没有改善多少。

在Eagle Tong Technology成立的同一年，IBM也大力增加了AI Medical。一方面，它成立了一个独立的部门，沃森健康，另一方面，为了在这个新兴领域开拓更多的新价值空间，它还收购了几家医疗数据公司。然而，仅仅三年后，由于技术和业务上的巨大差距，IBM宣布最多裁员70%。

然而，许多内部人士已经