Categories
程式開發

醫療AI大浪淘沙:靠PPT就能拿到融資的時代過去了


最近幾年,在政策助力、資本加持下,醫療AI迅速進入了高潮期,巨頭相繼入局,創業公司密集成立,創新性技術層出不窮的同時,醫療AI產品也在眾多場景開始了規模化落地。熱潮漸漸歸於理性之後,醫療AI現在迎來了商業化的關鍵時期,迎來了自己的終極大考——變現。

但值得注意的是,醫療AI的商業化並沒有想像中那麼順利,在推進過程中還遇到了不少的問題和挑戰,目前絕大多數醫療人工智能公司尚未實現盈利。有專家認為,現在的整個行業進入到了大浪淘沙的階段,優勝劣汰。本文是醫療AI 系列專題的第3 篇之「落地篇」,將對目前醫療AI 當前的應用落地進展、商業化探索進行全面分析,並與行業專家一起探討醫療AI商業化落地中存在的問題和解決方案。

醫療AI十年,“撞牆”、“碰壁”的時候已經過去了

“變化是翻天覆地的”。

回憶起十年前自己剛進入醫療AI領域時的情形,平安集團首席醫療科學家謝國彤充滿感慨。謝國彤還記得,剛開始做醫療AI時,有時候出去跟醫院院長、主任介紹人工智能,他們第一反應是'啥是人工智能','這個東西跟我有什麼關係','你是想賣什麼東西?我們聽不懂’…

如今處處“撞牆”、“碰壁”的時候已經過去了。作為一路的親歷者,謝國彤表示,相較過去,政府、醫生、患者對醫療AI的接受程度都提高了不少。

他還觀察到了一個有趣的現象,現在去參加一個醫學領域會議,進去後可能不覺得是在參加醫學的會,“卷積神經網絡”、“強化學習”等人工智能的技術概念成了醫生間討論頻頻掛在嘴上的熱詞。這反映出,醫生們真正被醫療AI觸動到了,他們逐漸意識到,這將是未來的發展方向。

火石《2017年醫療人工智能產業圖譜》顯示,從2009年開始,我國醫療人工智能公司創業數量開始增多。大約在2015年、2016年前後,醫療AI加速進入“快車道”,並形成一個創業高峰,一大批創業公司在這個時期密集湧現。據億歐智庫統計,截至2019年7月,在中國市場活躍的醫療人工智能企業共126家 ,在2015年、2016年這兩年共有52家醫療AI創業公司成立,占到了過去十年來公司總數的41%。

政策利好是促使醫療AI迅速發展的最大助推因素之一,自2015年以來,國家頒布了一系列促進人工智能、醫療AI發展的政策。

2015年7月,國務院發表了《互聯網+行動指導意見》,意見指出要大力發展智能製造及人工智能新興產業,鼓勵智能化創新。次年6月,《國務院辦公廳關於促進和規範健康醫療大數據應用發展的指導意見》發布,意見表示,要研製推廣數字化健康醫療智能設備。支持研發健康醫療相關的人工智能技術、生物三維(3D)打印技術、醫用機器人、大型醫療設備、健康和康復輔助器械、可穿戴設備以及相關微型傳感器件。

人工智能的第三次高潮令醫療這個傳統的垂直領域煥發新春,醫療也被視為人工智能最重要的落地場景之一,再加上政策助力,資本湧入,醫療AI儼然已經發展成一個新的創投風口。在最近這兩三年裡,醫療AI又迅速進入了高潮期,技術創新不斷,落地應用開始發力。

落地大提速、部署量級提升

應用落地已初具規模

經過幾年快速發展,醫療AI賽道上的創業公司在落地應用階段已經取得了很大進步。謝國彤表示,整體來看目前醫療AI行業的落地應用情況,儘管在一些細分方向上的發展還談不上“爆發”,但至少達到了一定量級,在醫療影像系統、輔助診療等領域已經開始了規模化部署。

此外,與幾年前相比,落地速度也有明顯的提速,這主要得益於國家醫改在控費、質量上的提升,政府、醫院、患者接受度普遍提高,以及層出不窮的創新AI技術。

醫療人工智能有醫學影像、輔助診斷、疾病預測、藥物研發、健康管理、醫院管理、醫學研究七大應用場景。其中,醫學影像、疾病預測是醫療AI創業公司佈局最熱門的兩個方向,據億歐智庫統計,截至今年7月,有57家公司開展醫學影像業務,41家公司開展疾病風險預測業務。

據謝國彤介紹,平安的醫療AI領域全景圖覆蓋了疾病管理的全生命週期,主要在疾病預測模型、醫療影像系統篩查/診斷、輔助醫療、疾病管理等四個場景做佈局。平安目前有40多種疾病預測模型,可預測心腦血管、糖尿病、呼吸系統疾病、腎病等;擁有50多種影像模式,目前已積累了8000多萬例調用;在輔助診療方面,平安有全球最大的輔助診療應用系統,支持1500種疾病的診斷和治療推薦,覆蓋13000家醫療機構。此外,平安建立了20多種疾病管理相關的模型,包括高血壓、糖尿病、冠心病等常見慢性疾病。

在醫學影像場景,各家公司又以肺結節、眼底檢測為密集佈局的方向。騰訊覓影將包括肺癌、食管癌、乳腺癌等癌症早篩套餐及糖尿病性視網膜篩查作為落地的重點。以肺癌早篩為例,騰訊覓影開發的早期肺癌智能篩查系統,可對肺部CT圖像利用多任務3D卷積神經網絡算法實現早期肺結節檢測,識別正確率達到85%以上。騰訊優圖實驗室總監鄭冶楓向AI前線表示,騰訊覓影目前已落地100多家醫院,服務160萬病人,其中有10%是高危人群。

Airdoc創始人張大磊介紹,其研發的視網膜檢測產品 ——人工智能健康風險識別系統目前已經開始臨床應用,合作機構包括三甲醫院、體檢中心、眼鏡店等。今年5月,平安智慧醫療主打的眼底檢測產品“OCT眼底疾病篩查系統”完成多中心臨床試驗,臨床前研究在復旦大學附屬眼耳鼻喉科醫院、上海交通大學附屬第一人民醫院、同濟大學附屬第十人民醫院的三家臨床中心進行,AI篩查模型的敏感性97.6%,特異性99.2%。

“榔頭”不一定能解決“釘子”的問題

採訪中,上述專家均肯定了人工智能技術為醫生、患者帶來的重要價值。不過,當創新的醫療AI技術試圖變革沈痾眾多的傳統醫療體系,這其中必然有一些需要磨合的地方。

謝國彤認為醫療AI在落地過程中遇到的最大的“坑”就是過於技術驅動。現在醫療AI從業者多是AI背景出身,技術人往往有個思維習慣,“我的工具一定能解決你這個問題,我是個榔頭,你都是釘子,我都能解決你這個問題”。但事實上,醫療AI是“醫療”在先,“AI”在後,AI是為醫療的場景需求服務的,而不是將一個技術強行塞給醫生,醫生就會使用。

鄭冶楓亦表示,一些AI輔助診斷工具進入到醫院之後的使用情況取決於醫院、取決於醫生。醫生、患者往往傾向於使用一些免費試用的項目,一是成本低,二是能幫助做一些他們做不了的檢查。

過於技術驅動,對醫療的需求和數據等各種環境理解不深刻,在推進產品落地過程中就容易出現一些亂象,諸如一些廠商對深度學習技術用於自動診斷過分追捧,事實上,由於病例數據缺失、醫生個性化診斷等因素,目前的醫療數據還不支持單依靠深度學習就能作出診斷和治療。

對於AI診療可能存在的漏診、誤診問題,從概率的角度看,這還無法杜絕。因此現階段AI一定要跟醫生結合在一起,而不是替代醫生。鄭冶楓認為,當下最好的解決方案就是不斷迭代算法,降低漏診率,提高診斷正確率。

“在應用過程中,醫療AI落地應用是整個行業的企業都為之努力的方向,但作為一個比較新興的行業,包括政府相關部門、醫院和企業在內的眾多角色都在努力摸索人工智能的最佳落地形式”,張大磊表示。

醫療AI商業化才剛剛起步

今年大家才剛剛開始賺錢

整體來看,醫療AI產品的落地應用已經在向著規模化靠攏,為後續商業化打下了基礎。“如果你的東西沒有真正被人家用起來,談商業化是不現實的”,謝國彤強調。

經過了前兩年高潮期的突飆猛進,醫療AI現在迎來了商業化的關鍵時期,變現才是醫療AI的終極大考。尤其自2018年下半年以來,受經濟形勢放緩、資本凜冬等因素影響,還在燒錢階段的醫療AI被潑了一盆理性的冷水。

AI前線接觸到的上述三位專家均一致認為,目前整個醫療AI行業的商業化才剛剛開始。

謝國彤最早在2015年嚐到了AI商業化帶來的價值,彼時,整個行業入局者不多,能夠賺到錢的企業也鳳毛麟角。他認為,從今年起,醫療AI的商業化才開始起步,一個標誌性的變化是,在某些領域,AI的應用已經逐漸融入到醫生的診療流程中。因為AI這一工具只有真正融入到診療流程中間去,成為診斷和治療中間一個不可缺失的環節,它才有價值,有了價值才可能收費。最近幾年,一些政府、醫院、藥廠、器械廠商開始為醫療買單了,但規模還沒有很大,因此整個趨勢是剛剛開始。

由於醫療行業的特殊性和監管問題,在中國,醫療AI商業化必須拿到國家藥監局的證書,目前還沒有公司拿到三類證,因此很多產品並不在醫院的收費項目內,大多在試用階段。鄭冶楓告訴AI前線,騰訊的醫療AI產品尚未開始商業化,目前還在臨床試用階段,通過免費的形式,獲得規模化使用,聽取醫生的使用建議。現階段騰訊優圖考量的主要問題是算法完善,不斷迭代算法以提高診斷準確率。

總體而言,醫療AI行業的商業模式、盈利模式還在探索階段。現在業內絕大多數醫療人工智能的公司尚未實現盈利,現有的商業模式主要圍繞支付方展開,為其提供AI服務,如與政府、醫院等合作進行傳統的信息化部署、與藥廠合作幫助其做患者管理、與保險公司合作等。

不過,謝國彤強調,信息化是醫療AI在商業化過程中容易存在的一個誤區。很多公司想從信息化上賺錢,希望醫院為AI硬件/ 軟件買單,目前信息化市場大概有400億規模,但整個醫療服務市場是6萬億規模,市場前景廣闊。 “從整個商業化角度作考慮,如果只盯住信息化的那400億,分不到太多東西,如果能夠跟6萬億的醫療服務接觸更緊,會越大”。

作為醫療影像識別領域的佼佼者,Airdoc從2018年開始實現了規模營收,營收來源主要是公立醫院、體檢中心、保險公司等。談到目前醫療AI商業化所處的階段,他覺得,真正大規模的商業化還沒開始,整個行業能掙到10億以上的水平,可能還得在3-5年以後。

張大磊表示,儘管人工智能讓健康供給端產生了變革,但在商業化的過程中仍需要解決支付方的問題,這個支付方是醫院還是患者或者是醫保或者是其他相關部門,目前各家都在各自探索的過程中,這是一個大的行業和政府相關部門共同推進解決的問題。

“緊箍咒”必須要戴

在醫療AI產品應用落地並向商業化推進的過程中面臨著諸多挑戰,醫療數據質量參差不齊、信息孤島問題、專業人才缺乏、註冊審批難…

註冊審批是其中的一個高門檻。現在很多公司的產品大多拿到了二類證,三類證還沒人拿到,註冊審批不但證件難拿,審批速度也很慢。鄭冶楓坦言,監管問題尤其對於醫療影像的發展影響較大,不過他預估到今年年底或明年年初,會有公司拿到藥監局批文並推動產品合法上市。

“醫療AI做的是人命關天的事,必須要有‘緊箍咒’,才能避免被濫用”,謝國彤表示,“現在有很多過於技術驅動的產品,從醫學角度來說,它們並沒有那麼可靠,但如果讓在它們沒有任何監管下使用,我覺得太可怕了”。

導致監管審批速度慢的一個很大原因是,醫療AI是一種新事物,不可一下子把標準放的很鬆。事實上,美國FDA也在“摸著石頭過河”,如果放大到整個(中)國家來看,監管的過程是必不可少的。

目前市面上存在的各種醫療AI產品可謂五花八門,各家都在“王婆賣瓜、自賣自誇”,醫院、患者在部署、使用這些產品時往往會遇到“選擇困難症”。現在,行業內還缺乏一種公平、客觀的評鑑體係為醫療AI產品製定標準、規範。

同質化嚴重也是很多醫療AI創業公司身上的“通病”,大批公司扎堆醫學影像,而醫學影像公司又扎堆做肺結節影像產品、眼底檢測產品,在一定程度上,這也拖慢了盈利進程。紅海裡競爭激烈,前有巨頭強勢,後有對手追趕,如果產品沒有差異化,將很難有實現商業化的優勢。

“科技大廠做,初創企業也做,最後看誰能夠活下去。這是一個長跑,最後要看這個公司能夠持續多久”。據謝國彤觀察,那些過於技術驅動、過於紅海扎堆的的初創公司有很多生存狀況堪憂。

資金雄厚、場景豐富,巨頭入局醫療大健康有著天然的優勢。在謝國彤看來,在這場醫療AI的長跑中,平安最大的優勢是在業務、數據、場景、用戶這些AI應用所有必要的環節已形成商業閉環。

到了大浪淘沙的時候了

現在的醫療AI行業很熱鬧也很亂,資本裹挾,熱錢湧入,儘管醫療是一個抗週期的行業,但伴隨著去年而來的資本寒冬,以及放緩的經濟形勢,資本也更加謹慎,不少醫療AI公司因為遭遇融資難題而深陷生存漩渦,優勝劣汰或將慘烈上演。這反映出來的本質問題是,很多醫療AI公司在商業模式上並沒有走通。

“未來三到五年,對於很多初創公司來說,是很重要的節點,能不能夠真正實現商業化,能不能扛過去”,鄭冶楓表示。

採訪最後,謝國彤向AI前線分享了他對未來醫療AI行業發展的兩個判斷:

現在的醫療AI正式進入到了大浪淘沙的階段。那個純靠PPT、一個想法就能融到錢的時代已經過去了,那些泡在紅海裡、產品定位沒有特異性、沒有切到市場需求的公司會倒掉不少。而那些真正有競爭力的產品和公司會真正進入到落地應用的深化階段,展現出醫療AI的價值,才能導向一個好的商業化。

未來幾年,醫療AI發展的重點是深入落地應用下去。據統計,目前中國的基層醫療有97萬家、800多萬醫護人員,他們絕大多數還沒有接觸到AI的服務,市場規模的空間和前景還相當廣闊。這需要醫療AI不斷深入下去、不斷下沉到基層去,讓AI從那個“以前只是出現在論文上的問題”成為醫生、患者和護士等群體每天使用的工具,成為疾病防控、診斷、治療和管理中不可或缺的環節。

延伸閱讀:

《2019 年,醫療 AI 的熱潮將會退去》

《熱潮漸冷,“彈藥”不足,醫療AI行至深水區》