作者 Louis Blankemeier 分享其医疗 AI 创业经验：在研发出能解读复杂医学影像的 AI 模型后，他选择将公司出售给全球最大放射诊疗机构 Radiology Partners。文章指出，临床 AI 面临严格监管、漫长销售周期及真实世界数据复杂性等挑战，单纯研究成功不等于临床就绪。与其追求独立融资，通过并购获得结构性优势，反而能加速产品落地，更高效地实现扩大全球医疗服务覆盖的使命。
人工智能
• 健康、保健与生物技术 • 并购
我在创立公司一年后便将其出售：这才是构建真正落地医疗 AI 的最快路径
特约作者 2026 年 4 月 15 日
特约作者 0 次分享 邮件 | Facebook | Twitter | LinkedIn
作者：Louis Blankemeier
2024 年 10 月，我与联合创始人着手将我们的博士研究成果应用于现实世界。我们已开发出能够解读医学影像（如 X 光片和 CT 扫描）的 AI 模型，可覆盖数万个潜在诊断场景，并生成全面的放射学报告，其推理逻辑高度契合临床实践中放射科医生的思维方式。在当时，放射领域的 AI 应用仅限于标记少数几种特定病症，而我们的工作标志着一次根本性的范式转变。
不到一年后，我们面临一个关键的分岔路口：是接受风险投资并继续独立发展，还是接受全球最大放射诊疗机构——Radiology Partners（放射学合作伙伴）提出的收购要约。
科技行业的普遍共识是：真正的雄心意味着保持独立。然而，当我们深入思考“究竟需要付出什么才能真正变革医疗”时，答案却截然不同。
临床 AI 受到严格监管，销售周期漫长，利益相关方关系复杂。在这种环境下，结构性优势往往会固化市场地位，并随时间推移不断累积放大。因此，我们决定携手合作——在精心设计的架构下确保我们的执行速度不受影响——这将极大提升我们实现使命的概率：显著扩大全球获得医疗服务的机会。
研究成功不等于临床就绪
Louis Blankemeier，Cognita 首席执行官兼联合创始人。（图片来源：本人提供）
在我的博士研究期间，我利用当时看似规模庞大的数据集训练了放射学 AI 基础模型；这些数据集包含数万至数十万份病例研究。此类模型在学术演示中表现优异，能够在多种任务中快速原型化新能力。然而，在真实的临床环境中，它们尚未达到生产级所需的患者护理安全与一致性标准。
尽管业界持续流传"AI 将使放射科医生过时”的说法，但现实是：这一挑战极其艰巨。以单次 CT 检查为例，它可能包含 10 个高分辨率的容积序列，相当于 3D 视频。若再加上同一患者的既往检查数据，数据量可达十亿像素级别。
这十亿像素编码了相当于整本医学教科书的信息量。此外，真实世界的放射学还频繁遭遇边缘案例——即罕见但至关重要的病理情况。我们很早就学到一条残酷的真理：在受控的研究环境中表现良好的模型，一旦暴露于现实世界的复杂性，往往不堪一击。
不妨想想自动驾驶汽车。十年前，进展看似令人印象深刻。但现实世界不断引入新的失效模式。经过十余年的巨额资本投入，目前仅有极少数企业接近真正的可靠性。
实现临床落地所需的关键要素包括……
来源：news.crunchbase.com