未来智讯 > 新闻资讯 > GoogleHealth倒下后,医疗AI商业化的前途何在
导读:医疗AI要如何应对商业化未果的窘境?医学界智库采访了数家头部公司的高管,以及相关从业者、投资人和医生。 内网升级导致AI系统不能用,今天还有这么多患者要体检,怎么办?人工智能(AI)辅助医疗影像诊断公司医准智能创始人兼董事长吕晨的朋友圈里,出现一...
      医疗AI要如何应对商业化未果的窘境?“医学界智库”采访了数家头部公司的高管,以及相关从业者、投资人和医生。
      “内网升级导致AI系统不能用,今天还有这么多患者要体检,怎么办?”人工智能(AI)辅助医疗影像诊断公司医准智能创始人兼董事长吕晨的朋友圈里,出现一条体检中心主任的抱怨。这个处在人口密集南方城市的体检中心,在AI的帮助下,两个大夫一天就可以完成超过100个患者的影像诊断。这条讯息再次验证了吕晨的判断许多影像科医生早已习惯运用AI去辅助诊疗工作。
      对吕晨来说,医疗AI正迎来发展的好时机:全球范围内,医疗AI大约在10年前开始起步;2018年医生与AI的“对抗”比赛盛行,招致业内反感;2019年医疗AI进一步被影像科医生认可;2020年在新冠疫情的影响下,行业发展速度明显加快,国家药监局给相关产品亮了绿灯,商业化发轫。
      这是一个有巨大想象空间的万亿级市场,覆盖医学影像、制药、健康管理、数据集成、预约问诊等等,AI在医疗领域能做的事情太多,上述历程在吕晨看来都是“符合医疗行业发展的规律”的。不过,远在大洋彼岸的“全球AI第一大厂”谷歌可能不会这么想:
      8月底,谷歌旗下成立不到三年的健康部门Google Health宣布解散,其中专注于AI医疗影像的团队将被划入谷歌搜索和AI部门。而此前6个月,IBM脱手健康业务Watson Health,成为科技巨头折戟医疗AI领域的第一起标志性事件。
      
      GoogleHealth部门负责人David Feinberg宣布离职。
      在国内,阿里巴巴、、百度等互联网科技大厂们早早在医疗AI领域有所布局,商业化进程却不甚明朗。国家药监局在2020年初就开始陆续颁发一批医疗AI器械三类证,始终不见大厂踪影,直到今年9月,医疗才宣告成为国内“首个拿到三类证的互联网公司”。
      如果说大厂尚能把投入于医疗的资源“抽回去”,那么对于国内一大批新兴的医疗AI公司来说,商业化的是与否、快与慢很可能直接决定它们的生死。
      医疗领域的投资者薛皓(化名)向“医学界智库”直言,目前医疗AI尚未探索出一条行之有效的、稳定的商业模式,他个人持相对保守态度,“这些公司被大型的设备厂商收购,可能是一个比较好的结局。”
      大厂之痛
      “谷歌医疗AI商业化提速!JeffDean亲自挖来大总管”“火力全开!Google进军健康领域!”34个月前,国内媒体对于Google Health成立的兴奋之辞,历历可数。
      纳入“阿尔法狗”的研发公司Deep Mind的健康部门、成立印度首个AI实验室、在医学顶刊上发表论文……作为科技公司在医疗领域创业的代表产物,Google Health曾给许多医疗AI创业者以信心。此外,苹果、微软、Facebook等国际科技巨头也在几年间陆续布局医疗AI,侧重点各有不同。
      转折似乎出现在2020年。谷歌在JAMA发文,称其AI糖尿病视网膜病变筛查产品准确率达到90%以上,欲在泰国落地。此后却意外发现当地拍摄质量不高、信号差,诊断准确率与时长都远低于预期。
      
      “这往往是一些大IT公司容易犯的毛玻一个解决方案怎么能够适应不同的场景?在这个例子中,公司是否只是提供了一个帮助设备联网的小硬件?这足够了吗?怎么选取不同的网络运营商?数据标记质量是不是得分级?要提供一个医疗产品,而不只是一个算法。”专注于眼科辅助诊疗的AI公司致远慧图创始人、CEO孙宇辉告诉“医学界智库”。
      孙宇辉曾在英特尔任职15年,在渠道创新方面经验丰富,“我们要做的远远超越了要发一篇很好的论文,而是要去了解实际的应用场景,把算法和实践结合去解决具体问题。就像一辆漂亮的跑车放到乡村的土路上,可能跑都跑不起来,这不是车本身的问题,是你没有按实际的路况去设计你的发动机、底盘等等。”
      产品难以落地,商业化自然也无从谈起。如今,Watson Health、Google Health的结局似乎在某种程度上表明医疗AI“大厂时代”将暂告一段落,行业进入冷静期。同样地,今年8月,AI行业独角兽依图科技被传出售其医疗业务,商汤科技在IPO招股书上未将医疗业务列出,而这二者都被誉为国内的“AI四小龙”。
      多位医疗AI的从业者向“医学界智库”表示,科技公司跨行来做医疗,考验着他们对行业的理解力。“人工智能的本质就是让机器去复制人的经验,产生价值。企业本身不了解这个行业,经验没法复制,或者靠自己的想象去复制,这怎么行呢?”医疗人工智能公司左手医生CEO张超对“医学界智库”说。
      吕晨认为科技公司对于医疗行业存在“学习曲线”,从招募医学团队开始,到发展过程中的沟通与理解,都需要成本。何况,两个行业发展的逻辑与节奏大相径庭,“在互联网行业中,三年就应该出很大成绩了,当母公司发现在医疗领域里投入这么久都没有商业化,就会对行业看衰,甚至认为医疗AI是‘伪需求’,资源就会抽回去。”
      “很多大厂很难躬身入局。”张超直言,“医疗本身是一个需要长线投入的行业,大厂可能在乎的是你每个小时能带给我多少价值,每一行代码能带给我多少收益。回过头来,你做一些底层价值驱动的事情,短期内没有回报,就比较难进行下去了。”
      回想三四年前,科技巨头们带着“颠覆医疗”的雄心进入行业,IBM还把“人类将会被取代”的口号叫得响亮,如今都成为它们“不懂医疗”的证据。“实际是外行,夸大了AI的作用,忽略了医疗的本质。”吕晨表示。
      要数据就不能收费?
      产品研发怎么维系?
      回到国内,近年在资本助力下,医疗行业出现医准智能、深睿医疗、森亿智能、汇医慧影等独角兽。2020年9月至今,医疗AI公司医渡云、科亚医疗、鹰瞳Airdoc、推想医疗、数坤科技等陆续递交招股书。至此,国内医疗AI行至下半常
      新纽科技是众多曾幻想用AI技术“颠覆”医疗行业的科技公司之一。不过,这家IT服务商在金融行业深耕20余年,在进入医疗行业前多方引入专家分析、做长线调研,最终得出了更务实的结论:利用AI做事之前,首先要解决医疗行业信息系统建设竖井化的问题,将割裂的“数据孤岛”缝合起来,建立关联。
      “人工智能技术本质是基于概率的推论,关键在于数据的积累。它的突破是革命性的,因为计算机开始从人为制定的规则走出,到海量数据中自己寻找规则。”杭实资管研究员朱之颜如此解释AI与数据的关系。简单来说,没有大量的、高质量的数据,对AI应用研发来说就是无米之炊。
      新纽科技副总裁丁耀欣表示,希望打造一个医疗大数据的开放平台,供医疗AI的同行所用,改善行业的发展条件。CT等高端医疗设备及软件系统自主研发公司开影医疗软件技术总监张也提示,无论是针对人体哪个部位的诊疗,在每一个方向上,医疗AI都需要独立做大量的前端工作,处理大量的相关数据,因此,企业在致力于研发应用时,还应在基础数据研究上下大工夫。
      “获取各种数据源、标定数据源,然后分类统计,在此基础上做临床应用的挖掘,这样效果会更好一些,否则一些企业烧了十几亿元,最后产出还是与投入不成比例。”张说。
      事实上,得不到数据支撑、研发进程缓慢,被视作是谷歌和IBM的相关业务最终被出售或解体的直接原因之一在信息孤岛化的基础上,国外对医疗数据的严格监管使它们只能拿到很少的数据,据丁耀欣观察,谷歌最大的一次数据采集,患者量也就在1万个左右,而在中国这个数字可能会是百万甚至千万级。
      在保证数据安全、个人隐私的前提下,尽管中国的医疗数据比起国外已算相当开放,但其集成与挖掘历来是一件难事。丁耀欣对“医学界智库”表示,2010年以前,其他行业的信息系统建设基本都实现了平台化,唯独医疗行业直到如今,其影像处理、病例处理、计费系统等几个主要业务体系仍是割裂的。
      这在很大程度上制约着AI在医疗中的应用与发展,且问题并不只存在于国内。2018年,IBM被曝其AI系统Watson Health因未处理好禁忌症数据的关联而给出多个错误的治疗意见,严重时可致患者死亡。
      为了解决数据量与质的问题,北京清华长庚医院神经内科主任武剑向“医学界智库”透露,该院在2014年建立之初就有大数据中心,已设定好清华大学社区、天通苑社区模型,而后者即医院所处之地是亚洲最大的社区,临床数据量不会少,质量也比较高。这给神经内科与各方合作研发AI应用设备创立了非常好的条件。
      为了与这样的医院达成合作、拿到临床数据,大部分公司会在应用系统落地初期免费给医院相关科室使用,导致在医疗AI公司“井喷”的几年间,一些医院会有数套同类型的AI系统。谁敢踏出商业化的第一步?谁能率先结束医疗AI的免费时代?这考验着其产品的成熟度和创业者的决断力。
      左手医生的大规模商业化自2020年开始,以医院用户为主。“觉得不收费的话,这个事情也不能往下走”,张超表示,唯有商业化,才能给到行业一个筛选机制和进步的动力,否则同类产品只能在医院里无序竞争。
      而商业化的前提,是做出足够好的产品。丁耀欣指出,研发与盈利,二者实际上应该放在一起思考:怎样设计出能解决实际问题的产品?医院愿意为什么东西付费?当研发与产业模式的构建形成闭环,就能摆脱单纯依靠资本运作去维系产品研发的模式。否则在资本的豢养下,产品研发闭门造车,最终可能会离市场需求越来越远。
      “不要拿着锤子找钉子。”有不愿具名的创业者表示,“很多公司只专注于技术层面,例如数据量、算法、算力的提高,但医疗AI在临床上的核心价值,在于解决和改善现状的能力,比如提高服务可及性、落实指南和临床路径,提高通量、降低漏诊、误诊率等。”
      混战、竞合,医疗AI商业化
      的前途是什么?
      “经过近10年发展,绝大部分基于计算机视觉与自然语义处理的赛道已经趋于成熟,处于商业化探索阶段,但尚无一家企业通过医疗人工智能销售获得盈利,因而暂时没有企业进入规模商业化阶段。”动脉网日前发布的《2021医疗AI报告》提到,“这一阶段中,未收获器审中心审评审批认证的医疗人工智能企业忙于临床试验;已获得认证的企业专注于将产品进入区域医疗价格目录,并加速其市场占有;无需审评审批的医疗IT类企业则聚焦于产品销售与推广。”
      互联网大厂和新兴的医疗AI公司们不是“唯二”的竞争主体,赛道上不乏其他身影。中山大学肿瘤防治中心自主研发的上消化道肿瘤人工智能系统在2018年启动;武剑表示,北京清华长庚医院神经内科与清华大学的电子工程系、计算机与智能研究所等单位合作,共同研发一些AI辅助诊疗系统,目前有产品一期、二期临床试验做得不错,顺利完成三期后即可获批上市。
      医院和高校有学科优势、有更多官方机构的背书,是否会和医疗AI公司们形成竞争关系?“各有分工,相互配合,医疗机构和研究机构会去推进一些基础研究,企业负责把这些创新的技术应用到产品上,实现科研成果的转化。”孙宇辉说。薛皓则认为,政府行为会更偏科研、更聚焦,横向推广的工作还是得企业来完成。
      据动脉网统计,截至2021年8月16日,总计19款医疗人工智能器械获得国家药监局批准的医疗器械三类证。临床试验的审核标准已见雏形,但在武剑看来,无论是科研机构还是企业去研发医疗AI系统,都还缺乏一套健全的管理制度和流程,技术先行,行业还在野蛮生长阶段,“后续我们的管理体系跟上,就能反推技术的发展。”
      一些地方走在了前面。在安徽、江苏等一些地方,糖网AI筛查已经进入了收费目录,。“市场化脉络已经初步形成”,孙宇辉说。
      比较之下,投资人薛皓不这么乐观。他感觉到,无论是患者付费还是医院买单,几条医疗AI的商业模式都让人不太满意,“患者信任度不高、付费意愿不强;跟大型医疗器械商合作,把设备卖给医院然后分成,医疗AI公司话语权又弱。”
      薛皓认为,目前市场上对医疗AI公司估值过高,存在泡沫,“一家公司单独发展的路径我是不太看好,想不出来特别好的一个商业模式。”而医疗AI企业有创新技术,大型设备商有硬件能力和稳定的进院渠道,后者将前者收购可能是比较好的结局。
      实际上,近年西门子医疗、飞利浦医疗、联影医疗、东软医疗等传统医疗器械公司都建立了AI医疗部门,大型设备商与医疗AI公司的合作已不鲜见。比如GE医疗在中国推出爱迪生数字医疗智能平台,与医准智能、数坤科技、安德医智等医疗AI公司签署战略合作备忘录,共同开发基于该平台的数字医疗应用。
      医院、高校以及政府机构等也乐于和医疗AI公司合作。日前,中国医师协会相关专业委员会、中国科学院大学附属肿瘤医院联合医准智能举办了一场超声诊断人机体验赛,旨在以体验促进对人工智能的了解与发展;2018年,北京天坛医院与安德医智合作,共同成立神经疾病人工智能研究中心CHAIN,并于次年发布BioMind“天泽”脑血管病诊疗辅助决策系统。
      
      另外,2021年4月,在上海市静安区和新疆巴楚县卫健委的牵头下,一批鹰瞳Airdoc的眼底照相机和软件在当地实现应用,辅助当地村医更好地掌握和使用眼底诊疗技术。
      “越是基层的医院,对医疗AI辅助诊断工具应用的需求其实是更高的。”吕晨表示,而这几乎已成为行业共识,许多公司从三甲医院起步,如今在二三线城市的基层医疗机构已有所布局。
      无论医疗AI商业化的前途如何,支付方是谁,独立发展或是将被收购,正如武剑所说,医疗数字化是大趋势,而AI是其中不可或缺的角色。“这最终是一个机器语言如何融入社会、被人们所信任的问题。”张说。
      参考资料:
      [1]“医疗+AI”行业研究_详细解读_最新资讯_热点事件_36氪 https://36kr.com/p/1189593572034818
      [2]《2021医疗AI报告》发布,行至IPO的医疗AI,商业化走到哪一步?_详细解读_最新资讯_热点事件_36氪https://36kr.com/p/1416072801834630?channel=wechat
      来源:医学界智库
      责编:汪航
      校对:臧恒佳
      制版:舒茜
转载请注明来源。原文地址:https://www.7428.cn/page/2021/1011/100113/
 与本篇相关的热门内容: