逃離AI測膚“美學陷阱”：體素科技手握嚴肅皮膚病AI寶藏圖_風聞

近年以來，“皮膚管理”成為了一個很流行的詞彙。一提起皮膚管理的概念，我們似乎就想到遍地開花的美容機構，以及小氣泡、美黑等一系列名詞。確實隨着生活水平的普遍提高，人們對於皮膚管理的需求也日益提升，對於皮膚健康的定義也從以往的“無病”上升到了“美學”。

在這一波熱潮中，一個重要的參與者就是AI企業。

因皮膚問題常常以表徵形式出現，使得擁有強大圖像分析能力的AI技術有了用武之地。從2017年開始，市場上湧現出了一大批AI測膚產品，他們有的依託於自拍App、有的依託於電商、還有直接由手機廠商推出預裝。其功能大致都是服務於皮膚美學，通過圖像識別檢測膚質、乾燥、細紋、痘痘等等，再連接上護膚品銷售、醫美服務等形成服務閉環。在外界光源、拍攝時間和化妝品使用等因素的干擾下，膚質測評無法實現客觀描述肌膚狀況的目的，其自身的準確度和科學性更是無從考究。縱使如此，這一領域依舊競爭激烈，加上面部皮膚數據獲取的難易程度相對較低，形成了低准入門檻和低技術壁壘的行業現狀。這一片看似火熱的市場，實際無異於“美學陷阱”，讓技術企業陷入劇烈的競爭之中。

但皮膚問題的表徵化特性，結合上AI高效的圖像分析能力，是否還有機會創造出更多價值？

探索“去病”領域寶庫

答案當然是肯定的。

2016年，醫療領域調研機構中康CMH曾經展示了這樣一組數據：至2014年，全世界有4.2億左右人患有皮膚病，其中，我國約有1.5億皮膚病患者。同時我國皮膚病用藥市場規模保持擴大態勢，2016年規模達到206億元，同比2015年增長了3.3%。

患病者數據和用藥市場規模的上升，意味着皮膚“去病”方面的需求很可能並不亞於對於美麗追求。同時許多皮膚病還有着治療週期長、難根治、易反覆的特性，使得皮膚病臨牀治療成了一件很麻煩的事。中日醫院皮膚病科教授崔勇在接受媒體採訪時曾經提到，我國每年皮膚科就診人次達到2.4億，但皮膚科醫生只有25000人左右。像崔勇這樣就職於一線城市知名醫院的醫生工作負荷更加嚴重，往往一上午的門診就要接待60餘名患者，平均分配給每個患者的只有兩三分鐘的時間。

醫療資源緊缺帶來的糟糕就醫體驗甚至誤診、漏診的風險，自然不言而喻。如果AI技術能夠幫助患者輔助自檢自查，同時輔助醫院和醫生進行導診、預診和患者教育，一定能極大地提升患者就醫效率和整體滿意度。

可見相比護膚、醫美向的皮膚管理，皮膚病症管理更是一片有待於AI企業征服的寶庫。現在也已經有不少針對於皮膚病輔助診療的AI產品開始陸續推出，中日醫院、南開醫院等醫療機構也都參與其中。不過相比醫療機構參與制定的臨牀場景下，重病單病種皮膚AI產品，科技企業對於這一領域的獨立開發，或許能更加完整體現出皮膚AI的價值鏈條。

其中體素科技就是一個很好的例子，繼放射、眼科影像之後，推出全病種皮膚臨牀自然圖像AI解決方案。

從技術到產品，體素科技挖掘出的兩條隧道

成立於2016年的體素科技，在移動醫療崛起的大潮中發現了AI與皮膚的契合點。從2014年左右開始，移動醫療的普及開始讓越來越多的人習慣於在網絡上問診。很快體素科技發現，互聯網問診量最高的就是皮膚問題。其中原因或許是我們上文提到的醫療資源緊缺，也或許是皮膚問題可以充分藉由圖文問診等互聯網醫療模式得到解決，同時也伴隨大眾對皮膚健康的意識開始加強。最終呈現出的結果，就是越來越多的人開始拍下患處照片，發給手機對面的醫生詢問情況和解決辦法。

面對這樣的情況，體素開始思考兩個問題：第一，能否以AI賦能醫生，讓線上皮膚病識別更加一致且準確？第二，能否以AI賦能大眾，在面臨皮膚問題困擾時可以獲得即刻的反饋和必要的信息和資源？

在技術的突破上，體素科技首先要着手解決的就是數據問題。和絕大部分模型一樣，皮膚病AI的識別率需要大量數據訓練。尤其在這一相對空白的領域，還要由專業醫生對於影像數據進行標註。同時由於使用場景的不設限制，皮膚影像的質量受制於拍攝者器材，拍攝技巧，拍攝環境等因素影響，進而影響疾病識別的準確率。除皮膚攝影外，皮膚影像還包括了皮膚鏡、皮膚CT、皮膚超聲等等需要專業器械才能拍攝的影像。總而言之，皮膚病影像數據類別繁多、差異大、病種多且複雜，質量參差不齊，這對科技企業的技術能力和數據質量形成了巨大的考驗。

這時體素科技體現出了創業路上很稀缺的精神：取捨和專注。他們捨棄掉了皮膚鏡和皮膚CT，專注於最容易貼近C端用户的臨牀影像類型：手機皮膚照相。截止到今年九月，通過與美國梅奧醫學中心、哈佛醫學院等專業機構的合作，加上通過數據增強算法拓展已有數據集，體素科技已經在皮膚病AI領域中取得了顯著的成績。目前體素科技已經完成近數百萬例皮膚問題數據採集，最新模型可識別150種皮膚問題，覆蓋了99%的發病率。能夠實現這一成績的，全球僅此一家。這大概便是專注與取捨帶來的紅利了。

因為選擇了皮膚攝影這一個數據類別，體素科技在技術的產品化打造上目的也可以更加明確。這一產品必定面向普通人，讓他們可以隨時隨地通過圖像進行輔助自查。實現這一目的，體素科技首先要解決的就是圖像採集設備問題。不同清晰度的攝像頭結合不同的光照條件，很可能對於算法判斷的準確度進行干擾。為了解決這一問題，除了儘可能地收集不同設備和光照條件下的圖像數據外，體素科技在在算法中引入了質控系統，如果圖像的模糊程度和光照條件有可能影響到算法判斷，就會提示用户重新拍攝。

能夠從應用條件上滿足輔助自查，這一技術就可以被部署到很多C端產品中。例如體素科技自己的微信小程序“體素膚知匯”，每天新增體驗者達到了近千人。在大健康平台如騰訊健康、逑美app（薇諾娜旗下）、優健康app，以及移動醫療平台妙手醫生上也均接入了體素皮膚AI的識別功能，日均使用數萬人次。在魚躍醫療開發的智能醫療設備中，也能見到體素科技參與。近期，主流問診平台也將攜帶皮膚AI服務客户。只要設備上搭載了攝像頭，就能增加皮膚病的輔助自查功能。可見這種便利的應用模式，和很多產品都有結合空間。

對於技術能力和產品落地兩條隧道的打通，讓體素科技獲得了進軍產業賽道的號碼牌。

技術改造大旗下的商業可能

寫到這裏，可以發現體素科技走過了一條標準的AI企業之路，發現問題、收集數據、搭建模型、產品成型……似乎下一步就應該是獲取商業變現，走向產業顛覆之路了。例如幫助醫院進行簡單的分診、轉診，提升醫療的運轉效率。

可現實世界往往沒有想象中那麼容易，醫學領域，尤其是皮膚病領域，在商業化發展上往往會遇到更多問題。

一個最核心的原因是，皮膚的病變，往往是身體其他部位產生疾病的一種表現。例如紅斑狼瘡實際上屬於風濕免疫科，皮膚色素的異常往往與肝部病變有關。甚至有時一種皮膚病變表象背後，關聯着數種疾病。這就導致皮膚病AI不能僅僅依靠產品本身的“自查+指導”閉環，而是要與整個醫療體系進行更多的結合。這便導致皮膚病AI產品的商業化之路要更加複雜，以至於很多院方會自己參與訓練皮膚鏡、皮膚CT數據的識別，用來優化醫院內部的就醫流程，而缺乏從外部參與整個就醫體系改造的能力。

不過反而越是困難的環境，越容易讓企業在其中形成壁壘。我們可以簡單看看體素科技目前所打造的商業範式，是否具有產業適用性。

目前在體素科技的合作中相對成熟的一種，就是與保險企業的合作。如果有了解歐美商業醫療保險的人一定知道，歐美醫療保險控制成本的關鍵在於“防治”，通過體檢、家庭醫生等等方式對於用户的身體狀態進行保障和改善，儘量減少大病重疾的發生。

這時皮膚病AI技術的應用，就能減少其中消耗的成本和提高有效率。同時AI輔助自查操作便利，用户也可以儘早發現問題，加強醫療保險的防治力度。相信隨着中國未來商業保險產業越來越發達，一定也能為皮膚病AI打開更多商業發展空間。

除了吸取與海外合作伙伴的成功經驗以外，技術本身對於產業的改變往往更加可貴。體素科技一直在尋找一種方式，能夠利用算法不眠不休的強大分析效率，來徹底改變皮膚病診療的模式。

例如即使皮膚病常常反覆發作，大多數患者的就診模式也只是在出現症狀後前往就醫，一段時間後前去複診。但在這一過程中，病症每一天產生了何種變化、用藥是否需要增減，都是無法被捕捉和量化的。如此也就很難判斷患者是否被過度治療或者用藥不足。但有了皮膚病AI，用户就可以利用每天上傳患處照片的方式自查皮膚病的好轉情況。這樣的數據不僅能夠幫助院方細化治療方案，對於藥物研發者也有巨大的價值。因此皮膚病AI未來的商業空間不僅僅存在於醫療場景，也存在於藥物研發場景中。

可見除了常規的分診、轉診之外，體素科技找到了全新的支點，跳脱出了醫療體系的某一環節，以更整體化的視角去撬動其他諸如保險、藥物研發等等領域，因此才能碰撞出更豐富的商業沃土。

這也是AI技術最難能可貴的一點，它是能夠撬動商業價值的槓桿，更是不同領域之間的粘合劑。粘合之後，出現的是全新的模式、全新的賽道和全新的可能。這才是體素科技手中藏寶圖所指向的方向。

如同AI測膚一樣，或許有一天也會有越來越多的企業加入皮膚病AI這一賽道。這時對於體素科技這樣的先發者來説，最核心的優勢從來不是技術或數據累積下的壁壘，而是通過對於全新賽道的探索開拓，贏來制定規則的機會。技術可以被追趕，但創新本身將會成為永恆的豐碑。