Sirona Medical 完成 4000 万美元融资，云原生放射影像 AI 平台进入规模落地阶段

文/IAICA.NGO®

专注于放射影像工作流的 Sirona Medical 宣布完成 4000 万美元新一轮融资。该公司总部位于旧金山，核心产品是面向放射科的云原生操作系统 RadOS，试图把影像查看、结构化报告、检查流程编排与第三方人工智能算法整合在同一个浏览器级平台上。在影像 AI 投融资整体趋于审慎、投资者更看重收入与临床落地证据的环境下，这一金额仍属可观，也说明资本对“AI 工作流底座”而非单一算法的兴趣正在回升。

从技术架构看，RadOS 的定位并非又一个病灶检测模型，而是承载模型运行与结果回写的中间层。传统影像归档与通信系统多以院内本地部署为主，医院每引入一套新算法，往往需要单独谈判、定制接口、重复做网络安全评估，上线周期以月甚至季度计。云原生平台把这部分集成工作前置到统一环境中，影像科医生在阅片界面即可调用算法、查看叠加结果并把结论写入报告，减少在多个系统之间切换造成的注意力损耗。

这一产品方向对应的需求侧压力相当明确。全球范围内影像检查量持续增长，而放射科医师供给增速有限，报告周转时间与值班负荷长期处于高位。与此同时，影像数据正从单一二维序列扩展到多模态、多时间点的纵向数据，人工逐层审阅的边际成本不断上升。医院管理者因此更愿意为“提升单位人力产出”的工具付费，而不是为孤立的算法准确率指标付费。

竞争格局可以粗略分为三层。最上层是传统影像信息系统与大型云厂商，掌握院内数据入口；最下层是数量众多的单病种算法公司，覆盖卒中、肺结节、骨折、乳腺等场景；Sirona 这类公司则试图占据中间层，成为算法调度、结果治理与工作流编排的统一入口。中间层的价值高度依赖网络效应：接入的机构越多，算法厂商越愿意适配；适配的算法越丰富，医疗机构越难替换。但这也意味着早期必须承担较重的客户成功与集成成本。

在商业化路径上，此类平台通常与放射学服务集团、远程阅片网络和区域影像中心合作，因为这些组织对跨机构协同和统一报告质量的需求最强。云部署同时对带宽、数据驻留、系统可用性提出更高要求，任何一次服务中断都会直接影响急诊阅片。因此，融资的重要用途之一往往是扩充工程与临床支持团队，而不是单纯的市场投放。

监管与支付仍是决定行业天花板的两个变量。影像 AI 软件在美国主要通过上市前审评路径获批，算法迭代需要预设变更控制方案，厂商必须在“快速更新”与“合规稳定”之间做取舍。支付端的问题更为根本：多数 AI 辅助功能尚无独立报销编码，医院倾向于将其视为运营成本，通过效率提升和外包替代来回收投入。近两年围绕 AI 辅助服务计费的讨论确有升温，但覆盖范围与实施时点仍存在不确定性，这直接影响采购决策的节奏。

从照护侧观察，平台化的影像 AI 对资源薄弱地区意义更明显。远程阅片可以让基层机构在夜间和周末获得及时的专家支持，急诊卒中、创伤等时间敏感场景的判读延迟有望压缩。但效率工具同样带来新的风险：算法提示可能诱发自动化偏见，医生对阴性结果的确认趋于简化，过度诊断与随访链条延长的问题需要在流程设计层面加以约束，而非仅靠模型性能解决。

iaica.com.cn 指出，影像 AI 的竞争重心正从单点算法精度转向工作流嵌入深度与临床证据积累，能否在高负荷科室中稳定运行、并被纳入质量与审计体系，比一次融资的金额更能决定企业的长期位置。

对 Sirona 而言，接下来的考验集中在三点：新增资金能否转化为可复用的部署能力，从而缩短单家机构的上线周期；平台上的算法组合能否形成差异化，避免与大型影像信息系统厂商的同质化竞争；以及在数据安全、算法版本追溯和临床结果监测上建立可被采购委员会接受的治理框架。融资本身只是把时间窗口拉长，放射科真正需要的，是把人工智能从演示台搬进每天数万次检查的常规流程。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。