逃离AI测肤“美学陷阱”：体素科技手握严肃皮肤病AI宝藏图
近年以来，“皮肤管理”成为了一个很流行的词汇。一提起皮肤管理的概念，我们似乎就想到遍地开花的美容机构，以及小气泡、美黑等一系列名词。确实随着生活水平的普遍提高，人们对于皮肤管理的需求也日益提升，对于皮肤健康的定义也从以往的“无病”上升到了“美学”。
在这一波热潮中，一个重要的参与者就是AI企业。
因皮肤问题常常以表征形式出现，使得拥有强大图像分析能力的AI技术有了用武之地。从2017年开始，市场上涌现出了一大批AI测肤产品，他们有的依托于自拍App、有的依托于电商、还有直接由手机厂商推出预装。其功能大致都是服务于皮肤美学，通过图像识别检测肤质、干燥、细纹、痘痘等等，再连接上护肤品销售、医美服务等形成服务闭环。在外界光源、拍摄时间和化妆品使用等因素的干扰下，肤质测评无法实现客观描述肌肤状况的目的，其自身的准确度和科学性更是无从考究。纵使如此，这一领域依旧竞争激烈，加上面部皮肤数据获取的难易程度相对较低，形成了低准入门槛和低技术壁垒的行业现状。这一片看似火热的市场，实际无异于“美学陷阱”，让技术企业陷入剧烈的竞争之中。
但皮肤问题的表征化特性，结合上AI高效的图像分析能力，是否还有机会创造出更多价值？
探索“去病”领域宝库
答案当然是肯定的。
2016年，医疗领域调研机构中康CMH曾经展示了这样一组数据：至2014年，全世界有4.2亿左右人患有皮肤病，其中，我国约有1.5亿皮肤病患者。同时我国皮肤病用药市场规模保持扩大态势，2016年规模达到206亿元，同比2015年增长了3.3%。
患病者数据和用药市场规模的上升，意味着皮肤“去病”方面的需求很可能并不亚于对于美丽追求。同时许多皮肤病还有着治疗周期长、难根治、易反复的特性，使得皮肤病临床治疗成了一件很麻烦的事。中日医院皮肤病科教授崔勇在接受媒体采访时曾经提到，我国每年皮肤科就诊人次达到2.4亿，但皮肤科医生只有25000人左右。像崔勇这样就职于一线城市知名医院的医生工作负荷更加严重，往往一上午的门诊就要接待60余名患者，平均分配给每个患者的只有两三分钟的时间。
医疗资源紧缺带来的糟糕就医体验甚至误诊、漏诊的风险，自然不言而喻。如果AI技术能够帮助患者辅助自检自查，同时辅助医院和医生进行导诊、预诊和患者教育，一定能极大地提升患者就医效率和整体满意度。
可见相比护肤、医美向的皮肤管理，皮肤病症管理更是一片有待于AI企业征服的宝库。现在也已经有不少针对于皮肤病辅助诊疗的AI产品开始陆续推出，中日医院、南开医院等医疗机构也都参与其中。不过相比医疗机构参与制定的临床场景下，重病单病种皮肤AI产品，科技企业对于这一领域的独立开发，或许能更加完整体现出皮肤AI的价值链条。
其中体素科技就是一个很好的例子，继放射、眼科影像之后，推出全病种皮肤临床自然图像AI解决方案。
从技术到产品，
体素科技挖掘出的两条隧道
成立于2016年的体素科技，在移动医疗崛起的大潮中发现了AI与皮肤的契合点。从2014年左右开始，移动医疗的普及开始让越来越多的人习惯于在网络上问诊。很快体素科技发现，互联网问诊量最高的就是皮肤问题。其中原因或许是我们上文提到的医疗资源紧缺，也或许是皮肤问题可以充分借由图文问诊等互联网医疗模式得到解决，同时也伴随大众对皮肤健康的意识开始加强。最终呈现出的结果，就是越来越多的人开始拍下患处照片，发给手机对面的医生询问情况和解决办法。
面对这样的情况，体素开始思考两个问题：第一，能否以AI赋能医生，让线上皮肤病识别更加一致且准确？第二，能否以AI赋能大众，在面临皮肤问题困扰时可以获得即刻的反馈和必要的信息和资源？
在技术的突破上，体素科技首先要着手解决的就是数据问题。和绝大部分模型一样，皮肤病AI的识别率需要大量数据训练。尤其在这一相对空白的领域，还要由专业医生对于影像数据进行标注。同时由于使用场景的不设限制，皮肤影像的质量受制于拍摄者器材，拍摄技巧，拍摄环境等因素影响，进而影响疾病识别的准确率。除皮肤摄影外，皮肤影像还包括了皮肤镜、皮肤CT、皮肤超声等等需要专业器械才能拍摄的影像。总而言之，皮肤病影像数据类别繁多、差异大、病种多且复杂，质量参差不齐，这对科技企业的技术能力和数据质量形成了巨大的考验。
这时体素科技体现出了创业路上很稀缺的精神：取舍和专注。他们舍弃掉了皮肤镜和皮肤CT，专注于最容易贴近C端用户的临床影像类型：手机皮肤照相。截止到去年九月，通过与美国梅奥医学中心、哈佛医学院等专业机构的合作，加上通过数据增强算法拓展已有数据集，体素科技已经在皮肤病AI领域中取得了显著的成绩。目前体素科技已经完成近数百万例皮肤问题数据采集，最新模型可识别150种皮肤问题，覆盖了99%的发病率。能够实现这一成绩的，全球仅此一家。这大概便是专注与取舍带来的红利了。
因为选择了皮肤摄影这一个数据类别，体素科技在技术的产品化打造上目的也可以更加明确。这一产品必定面向普通人，让他们可以随时随地通过图像进行辅助自查。实现这一目的，体素科技首先要解决的就是图像采集设备问题。不同清晰度的摄像头结合不同的光照条件，很可能对于算法判断的准确度进行干扰。为了解决这一问题，除了尽可能地收集不同设备和光照条件下的图像数据外，体素科技在在算法中引入了质控系统，如果图像的模糊程度和光照条件有可能影响到算法判断，就会提示用户重新拍摄。
能够从应用条件上满足辅助自查，这一技术就可以被部署到很多C端产品中。例如体素科技自己的微信小程序“体素肤知汇”，每天新增体验者达到了近千人。在大健康平台如腾讯健康、逑美app（薇诺娜旗下）、优健康app，以及移动医疗平台妙手医生上也均接入了体素皮肤AI的识别功能，日均使用数万人次。在鱼跃医疗开发的智能医疗设备中，也能见到体素科技参与。近期，主流问诊平台也将携带皮肤AI服务客户。只要设备上搭载了摄像头，就能增加皮肤病的辅助自查功能。可见这种便利的应用模式，和很多产品都有结合空间。
对于技术能力和产品落地两条隧道的打通，让体素科技获得了进军产业赛道的号码牌。
技术改造大旗下的商业可能
写到这里，可以发现体素科技走过了一条标准的AI企业之路，发现问题、收集数据、搭建模型、产品成型……似乎下一步就应该是获取商业变现，走向产业颠覆之路了。例如帮助医院进行简单的分诊、转诊，提升医疗的运转效率。
可现实世界往往没有想象中那么容易，医学领域，尤其是皮肤病领域，在商业化发展上往往会遇到更多问题。
一个最核心的原因是，皮肤的病变，往往是身体其他部位产生疾病的一种表现。例如红斑狼疮实际上属于风湿免疫科，皮肤色素的异常往往与肝部病变有关。甚至有时一种皮肤病变表象背后，关联着数种疾病。这就导致皮肤病AI不能仅仅依靠产品本身的“自查+指导”闭环，而是要与整个医疗体系进行更多的结合。这便导致皮肤病AI产品的商业化之路要更加复杂，以至于很多院方会自己参与训练皮肤镜、皮肤CT数据的识别，用来优化医院内部的就医流程，而缺乏从外部参与整个就医体系改造的能力。
不过反而越是困难的环境，越容易让企业在其中形成壁垒。我们可以简单看看体素科技目前所打造的商业范式，是否具有产业适用性。
目前在体素科技的合作中相对成熟的一种，就是与保险企业的合作。如果有了解欧美商业医疗保险的人一定知道，欧美医疗保险控制成本的关键在于“防治”，通过体检、家庭医生等等方式对于用户的身体状态进行保障和改善，尽量减少大病重疾的发生。
这时皮肤病AI技术的应用，就能减少其中消耗的成本和提高有效率。同时AI辅助自查操作便利，用户也可以尽早发现问题，加强医疗保险的防治力度。相信随着中国未来商业保险产业越来越发达，一定也能为皮肤病AI打开更多商业发展空间。
除了吸取与海外合作伙伴的成功经验以外，技术本身对于产业的改变往往更加可贵。体素科技一直在寻找一种方式，能够利用算法不眠不休的强大分析效率，来彻底改变皮肤病诊疗的模式。
例如即使皮肤病常常反复发作，大多数患者的就诊模式也只是在出现症状后前往就医，一段时间后前去复诊。但在这一过程中，病症每一天产生了何种变化、用药是否需要增减，都是无法被捕捉和量化的。如此也就很难判断患者是否被过度治疗或者用药不足。但有了皮肤病AI，用户就可以利用每天上传患处照片的方式自查皮肤病的好转情况。这样的数据不仅能够帮助院方细化治疗方案，对于药物研发者也有巨大的价值。因此皮肤病AI未来的商业空间不仅仅存在于医疗场景，也存在于药物研发场景中。
可见除了常规的分诊、转诊之外，体素科技找到了全新的支点，跳脱出了医疗体系的某一环节，以更整体化的视角去撬动其他诸如保险、药物研发等等领域，因此才能碰撞出更丰富的商业沃土。
这也是AI技术最难能可贵的一点，它是能够撬动商业价值的杠杆，更是不同领域之间的粘合剂。粘合之后，出现的是全新的模式、全新的赛道和全新的可能。这才是体素科技手中藏宝图所指向的方向。
如同AI测肤一样，或许有一天也会有越来越多的企业加入皮肤病AI这一赛道。这时对于体素科技这样的先发者来说，最核心的优势从来不是技术或数据累积下的壁垒，而是通过对于全新赛道的探索开拓，赢来制定规则的机会。技术可以被追赶，但创新本身将会成为永恒的丰碑。