文章图片
原创出品 | ?「创业最前线」旗下「探客Tanker」
作者 | ? 王颖
编辑 | ? 蛋总
如果说“AI将彻底改变我们的生活” ， 应该不会有人质疑 ， 但若细问“AI最好的应用场景是什么？”或许每个人都有不同的答案 。
“我觉得人工智能最好的应用场景 ， 毫无疑问是医疗的场景 。 ”创新工厂董事长兼CEO李开复表示 ， 他在“中国第五届医疗健康产业投资50人论坛年度峰会”的演讲进一步阐明了投资界对医疗AI的认可 。
事实上 ， 医疗行业可以说是AI落地最早的行业之一 ， 何出此言？
需知 ， 医疗AI的早期探索可以追溯到上世纪70年代 ， 1972年英国利兹大学研发出了第一款医疗人工智能系统APPHELP；1978年 ， 北京中医医院关幼波教授研发出了我国第一个医学专家系统——关幼波肝病诊疗程序 ， 由此打开了我国医疗AI研发的序幕 。
进入21世纪时 ， 我国已累计研发出了上百个AI专家系统 ， 但几乎所有的技术和系统都还是“纸上谈兵” ， 并没有被应用在临床实践中 。
最近几年 ， 随着全球资本和技术的协同发展 ， 加上各国政策的支持 ， 医疗AI进入了快速发展时期——科技巨头纷纷成立“大健康事业部”布局医疗业务 ， 创业公司扎堆涌入智能医疗设备和软件开发领域 ， AI在医疗领域的落地尝试愈发丰富 ， 医学影像、辅助诊疗、健康管理、数字医疗服务等场景中的新技术、新产品正不断涌现 。
IDC统计数据显示 ， 预计到2025年 ， 全球人工智能应用市场总值将达1270亿美元 ， 其中医疗行业将占总规模的五分之一 。
与此同时 ， 医疗AI也吸引了国内大量资本的关注 。 沙利文咨询数据显示 ， 2019到2020年 ， 中国医疗AI领域共发生了77次融资事件 ， 融资总额超过50亿元 ， 其中2020年的35次融资总额已接近40亿 。
无论是单轮融资数额的大幅增加 ， 还是医疗AI三类证的陆续发放 ， 都在表明中国医疗AI行业正在成为发展最迅猛的赛道之一 。 根据国家药监局公开的审批情况 ， 截至2021年5月 ， 我国已有12项产品通过审核拿到了最高级别的“医疗器械三类证” 。
当前 ， 在经历了论证“AI技术是否适用于医疗、医疗AI产品是否具有临床应用可行性、医疗AI是否适合规模化应用”的三个阶段后 ， 我国医疗AI的探索正式进入了第四个阶段——获得市场准入资格后的商业化阶段 。
医疗AI发展火热 ， 随着越来越多的产品获批上市 ， 医疗AI企业开始正面迎接市场的挑战…...
1、AI最好的应用场景 拿什么来证明医疗是AI最好的应用场景？
最直观的证据就是数据——多少AI产品获得了市场准入资格、多少医院正在使用、使用人次有多少、能达到什么效果……尤其是在医学影像和语音助手这两个领域中的AI技术 ， 它们就如同医生的“千里眼”和“顺风耳” ， 其发展数据能在一定程度上回答上述问题 。
数据显示 ， 2020年中国癌症新发病例为457万例 ， 其中肺癌发病率最高达到了82万例 ， 其次分别是结直肠癌56万例、胃癌48万例、乳腺癌42万例……作为疾病诊断的基础步骤 ， 医学影像分析在临床中有大量应用 ， 可辅助医生识别病灶 ， 了解病情严重程度 。
研究数据表明 ， 有近90%的医疗信息基于医学影像分析得出 ， 其在医疗过程中的重要性不言而喻 。 而作为机器学习的重要分支 ， 深度学习在图像分析、识别中取得了很好的应用效果 ， 利用深度学习技术进行医学影像分析辅助诊断也成为了医疗AI落地的重点 。
从国家药监局公布的三类证获批情况可以看出 ， 肺部影像分析和糖网筛查是目前国内医疗AI企业的研究重点 ， 12项已通过审核的产品中有6个与这两项检测相关 。
文章图片
2020年11月 ， 国家药监局审核通过了全国首个肺部影像AI产品——肺结节CT影像辅助检测软件 。 这款软件来自一家创立自2016年的医疗AI创企——推想医疗 ， 在论证了AI医疗技术可行、产品化可行 ， 并在医院规模化应用后 ， 推想医疗拿到了药监局市场准入认证 ， 这也是非常典型的AI医疗企业的发展历程 。
据「探客Tanker」了解 ， 推想医疗已与全球20多个国家的400多家医疗机构合作 。 现在推想医疗已经集齐了欧盟CE、日本PMDA、美国FDA、中国NMPA四大认证 ， 拿到了国际市场的准入资格 。
在新冠肺炎爆发初期 ， 推想医疗与疫区医院共同研发了“肺部辅助诊断系统肺炎特别版” ， 在武汉同济医院、北京海淀医院、重庆医科大学附属第一医院投入使用 ， 辅助一线医护人员进行诊断、量化评估、分诊和疫情监控 。
“推想医疗在中国、欧洲、日本、美国都拿到了市场准入资格 ， 也就是说医疗AI这个概念已经经过了认证 ， 它是一个具有临床实验安全性和有效性的医疗器械类产品 。 这也意味着 ， AI影像医疗设备可以在临床中得到广泛的使用 。 ”推想医疗创始人兼董事长陈宽对「探客Tanker」表示 。
除肺部AI之外 ， 视网膜AI也是目前在医疗影像AI领域中走在最领先阵列的项目之一 。
很多人或许不了解 ， 视网膜是我们人体唯一能够无创、直接观测到血管和神经的组织 ， 蕴含着丰富的生物学特性和健康信息 ， 我们可以通过视网膜来检测到诸多慢病情况 。 医学研究表明 ， 视网膜能观察到上千种病变 ， 常见的有200余种 。
2020年8月 ， 鹰瞳Airdoc获得了国内AI眼底领域的第一张三类证 。 自2015年创立以来 ， 鹰瞳科技在6年时间完成了7轮融资 ， 融资总额超过8亿元人民币 ， 其主营业务是AI视网膜影像识别早期检测、辅助诊断及健康风险评估方案 。
事实证明 ， AI视网膜影像识别这个方向是正确的 。 2020年11月 ， 糖网AI三类证产品被写进了国家糖尿病防控指南 。 这既是国家对医疗AI产品安全性、有效性的专业认定 ， 也是推动国内医疗AI临床应用和深入发展的重大里程碑 。
文章图片
图 / 鹰瞳提供
据「探客Tanker」了解 ， 目前鹰瞳Airdoc能对糖尿病、心梗等55种疾病或病变进行相应的检测或风险评估 。 鹰瞳Airdoc创始人、CEO张大磊表示 ， 去年鹰瞳Airdoc的视网膜AI产品供检测了200多万人次 ， 这其中临床科室和体检等医疗机构的贡献最大 。
他预计 ， 今年检测量会达到1000-2000万人次 ， 随着检测量的增加 ， 单次检测的成本会逐渐降低 ， 这些技术也将普惠到更多人 。
“视网膜是全身唯一可以无创直接观察血管和神经的部位 ， 包含着丰富的健康信息 ， 但往往只有资深的专科医生才能对这些疾病作出精准判断 。 如今 ， 视网膜影像AI产品可以通过算法快速学习医生数十年的经验 ， 做到快速、准确判断 。 ”张大磊对「探客Tanker」表示 。
【Tanker|影像分析、视网膜筛查、AI语音助手…谁能成为医疗AI落地的法宝？】除了影像 ， 语音技术也是深度学习在医疗AI领域的重要探索之一 。 截至2020年年底 ， 科大讯飞已在全国设立了200多个智慧医疗项目 ， 累计进行了1.3亿次辅助诊断 。 NLP算法为医患沟通提供了智能交互能力 ， 提高医生的诊疗效率的同时 ， 也为患者提供了更便利的就诊形式 。
不止如此 ， 科大讯飞研发的“智医助理”利用语音识别、自然语言处理技术 ， 实现了智能问诊、智能交互功能 。 据「探客Tanker」了解 ， 截至2020年年底 ， 科大讯飞的智医助理已在北京、安徽、西藏、内蒙古、青海、新疆等地的3万余家基层医疗机构上线 。
此外 ， 作为通用智能语音语言技术的提供商 ， 思必驰也发现了AI医疗是一个“宝藏赛道” 。 疫情期间 ， 思必驰研发的智能外呼机器人通过信息采集、健康教育、患者随访为医护人员极大提高了工作效率 ， 每天处理百万级电话外呼 ， 为疫情排查、病例分析提供了基础支持 。
据「探客Tanker」了解 ， 思必驰推出的“1+2”软硬一体化智慧医疗解决方案 ， 目前在医疗服务的各个阶段都有应用 ， 医生可以基于智能语音语言技术和智能人机交互技术 ， 在门诊预问诊、门诊电子病历、手术室智能助理、医技报告语音录入等环节提高工作效率 。
文章图片
图 / 思必驰提供
“针对医疗中人与人、人与机器沟通的场景 ， 智能语音语言技术能够通过对知识的重构处理让沟通更便捷 ， 这是传统信息化系统不能解决的问题 。 ”思必驰智慧城市应用事业部副总经理邹平对「探客Tanker」表示 。
2、迈过高技术的门槛 众所周知 ， 无论是医疗还是AI ， 都是门槛很高的行业 ， 医疗AI产品要进入市场就必须面临层层考验 。 当前 ， 医疗AI产品拿到了医疗器械三类证 ， 只能证明这些技术和服务过关 ， 而它能否和临床紧密结合才是接下来的重点 ， 也是医疗AI企业必须迈过的难关 。
AI进行医学影像分析的步骤 ， 大致可以分为：检查病灶、分析病情、制定治疗方案 。 在这三个步骤中 ， 任何一个环节都离不开与医生的紧密配合：
首先 ， 医生上传病人的影像资料后 ， AI可以自动筛查出病灶 ， 结合医生的判断最大程度的减少漏诊；
其次 ， AI与医生一样 ， 都是通过大量的经验分析病人病情 ， 经过大量数据对比后 ， AI可以结合以往病例帮助医生分析病情；
最后 ， 掌握病人基本情况和病情程度后 ， AI可以给出相应的治疗方案 ， 但只能为医生提供参考 。
文章图片
图 / 推想提供
无论何种AI模型 ， 想要提高准确率都需要大量的数据和案例学习 ， 而医疗AI面临的最大问题就是如何获取海量数据 ， 并在保证数据安全的情况下训练AI 。
2020年3月 ， 国家药监局对医疗影像AI产品的审核提出了具体要求 ， 包括训练数据不得少于2000例、来源超过3家医疗机构、人群分布平均等 。
为此 ， 很多企业选择了与医院合作的方式来获取真实数据 ， 同时还能直接了解到医院的真实需求 ， 毕竟对医疗行业来说 ， 医生在临床中大量需要的技术就是刚需 。
“我们数据的来源主要有三个方面 ， 一是世界权威研究机构发布的合法开源数据；二是合作医院、专家通过项目和课题合作获得的数据；三是实际应用中产生的真实数据 。 ”鹰瞳Airdoc首席医学官陈羽中教授告诉「探客Tanker」 。
陈羽中强调 ， 与医院合作获得的数据是产品研发中最重要的数据来源之一 。 另外 ， 适应服务应用收集的真实患者数据会根据知情告知和相应条款 ， 在被允许的情况下用来进行模型训练和产品迭代 。
“医院向我们提出需要AI帮助医生在筛查、诊断、治疗阶段实现哪些功能后 ， 我们会根据医生的需求进行研发 ， 而不是凭空想象研发出产品后再去找落地方向 。 ”推想医疗创始人兼董事长陈宽对「探客Tanker」说 。
以上海某三甲医院为例 ， 在医生提出具体需求的情况下 ， 推想医疗为其提供了CT影像辅助检测软件 。 医生和AI同时对数千名患者的影像数据进行分析 。 结果表明 ， 结节大小在10-30mm时 ， 医生和AI都能准确判断 ， 结节大小在3-6mm时 ， AI的表现要优于医生 ， 结节大小在0-3mm时 ， 这种趋势更加明显 。
AI的优势在于 ， 其识别精度要远超人类 ， 且医生在大量阅片时会产生疲劳 ， 也会影响对病情的判断 。 有了AI影像技术的辅助后 ， 可大大地节约医生的时间及精力 ， 提高医生的问诊效率和质量 。
近日 ， 谷歌将Google Health团队的部分人员并入Fitbit ， 同时把剩余员工分为三个团队 ， 其中一个就专注于医学影像领域的创新 ， 使用算法筛查糖尿病视网膜病变 ， 这也是Google Health目前最重要的研发方向之一 ， 而这件事进一步说明了视网膜影像AI方向的重要性及发展潜力 。
不过 ， 一直以来 ， 我国对眼科疾病的重视程度不高 ， 眼科医生长期处于缺乏状态 ， 通过视网膜检测全身疾病的应用更是少之又少 。 鹰瞳Airdoc的产品首先关注疾病造成的眼部问题 ， 譬如糖尿病的典型并发症——糖尿病视网膜病变 。
2019年 ， 爱康集团与鹰瞳Airdoc达成战略合作后 ， 对数百万患者进行了基于视网膜AI的健康状况评估 。 其中 ， AI眼底照相疾病风险评估包括4大类30个各类各级异常 ， 36.8%的受检者有2种以上的异常结果 。
有受检者在拿到相关报告后 ， 针对异常结果去医院做了精细的检查 ， 发现果然在对应的部位出现了病变 ， 这为受检者的后续治疗赢得了理想的时间 。
文章图片
图 / 百万体检人群健康蓝皮书
事实上 ， 医疗AI产品想要真正普及 ， 只能通过不断创新为医生创造更多价值 ， 保证整个行业的探索朝着有效的方向前进 。 除了医院和用户本身的需求 ， 更重要的是在产品落地过程中能与临床有紧密的结合 ， 且不必在不同的医院做不同的适配 ， 有一个放之四海皆准的标准 。
而现阶段 ， 企业要做的就是服务好医院和医生 ， 让AI最大程度地辅助医生提高诊疗效率、放大诊疗效果并复制诊疗模式 。
3、医疗AI是个“慢”生意 话说回来 ， 医疗AI的训练过程就是AI向人类专家学习 ， 以深度学习为核心的AI技术可以通过大数据和算法 ， 去发现一些人类可能尚未关注或掌握的规律 ， 这也是AI适用于医疗行业发展的重要原因之一 。
医疗AI在迅猛发展的同时 ， 也在进行“大浪淘沙”——这两年中有不下百家企业被逐步淘汰 。 现阶段 ， 对医疗AI企业来说 ， 拿到三类证书只意味着拿到了一张“进入市场的入场券” ， 之后如何得到医院和患者的认可？如何让医疗AI产品普及？如何实现企业的正向盈利？
不难想象 ， 医疗AI还有很长的一段路要走 。
从“医疗AI第一股”科亚医疗在今年三月提交的招股书可看出 ， 其2020年的营收仅有70.9万元 ， 而2019年这一数字为116.7万元 ， 毛利则从89.6万元降低到了50万元 ， 年度亏损更是从539.5万元增长到了48739.4万元 。 这也凸显了医疗AI产品实现商业化的难度之大 。
文章图片
今年4月20日 ， 科大讯飞公布的2020年年报显示 ， 2020年科大讯飞全年总营收为130.25亿元 ， 净利润为13.64亿元 ， 其主要业务包括教育、医疗、消费者和智慧城市四大领域 。 其中 ， 智慧医疗业务2020年总营收3.13亿元 ， 占营收总比重2.4% ， 同比增长69.25% 。
文章图片
这也意味着 ， 即便是如科大讯飞这样的AI语音巨头 ， 其智慧医疗业务的营收也相当于“刚刚起步” ， 在总收入中占比还很小 。
那么 ， 医疗AI的商业化之路为何如此难走？
据「探客Tanker」了解 ， 此前为了能快速检验产品的适用性并打开市场 ， 很多企业选择了免费入驻的方式进入医院 ， 但事实上这些医疗产品仅被个别医院小范围适用是很难迅速铺开的 ， 一味地靠免费使用去拓展市场 ， 除了增加运营负担外 ， 企业也无法找到正确的盈利路线 。
“只有既懂AI又懂临床的团队才能让整个行业发展起来 ， 建立这样的团队本身就是有挑战的 ， 我们的核心竞争力就是有一个懂AI、懂临床 ， 有研发能力、组织能力的团队 。 ”陈宽说 。 目前 ， 他们的研发团队已有上百人 。
总的来说 ， 医疗AI是一个全新的行业 ， 无论是医疗机构还是患者 ， 对医疗AI都有一个认识、接受的过程 ， 这就意味着医疗AI是一个“不得不慢慢来”的行业 。
鹰瞳Airdoc创始人张大磊认为 ， 医疗AI是个“慢”生意 ， 可能要坐多年冷板凳 。 他曾说 ， “把一个产品做到极致可能需要10年甚至20年 ， 让市场接受可能还需要20年 ， 让它真的在临床中普遍应用可能还需要更久 ， 我只希望在有生之年能看到这件事初有成效 ， 我们这一代人在这一代技术上做到极致 ， 或许再往下做会更容易些 。 ”
作为在互联网环境中成长起来的一代 ， 我们对于医疗AI的接受程度相对较高 ， 随着我们这一代人的父母逐步迈进老年阶段 ， 整个社会对医疗AI的需求会大幅增加 。
「探客Tanker」关注到 ， 这几年无论是医院领导、行业专家还是患者 ， 乃至全社会 ， 对医疗AI产品都逐渐从陌生、怀疑到熟悉、接受 ， 甚至在日常应用中已经离不开了 。
现在头部的AI公司都在规模化地商业落地过程中 ， 我们坚信 ， 人工智能将会改变世界 ， 但这一过程需要大量的应用不断尝试 。 如今 ， 医疗领域的新技术开始拓展更多新的可能 ， 随着研发力度的增加、政策的支持以及人们意识的提高 ， 未来医疗AI也许将成为随处可见的基础应用 。
黎明到来前 ， 天色最黑暗 。 残酷的市场竞争与极高的技术门槛 ， 将快速地把那些企图吃一波AI红利就走的投机者淘汰掉 。 能够历经艰辛熬过来的 ， 或许正是那些一直脚踏实地打磨产品、灵活适应市场需求的人 ， 医疗AI行业的第一抹曙光将照在他们的脸上 。
*文中题图来自：摄图网 ， 基于VRF协议 。
推荐阅读
- 影像|iQOO 9 系列预热：首发三星 GN5 传感器，150° 鱼眼超广角
- Apple|摩根大通分析师：交货时间来看iPhone 13系列已达供需平衡
- 影像|听说今天雷总和苏炳添赛跑了？
- 影像|京东零售集团CEO辛利军空降小米“跑进2022”活动直播间为米粉送福利
- 数据|天问一号火星离子与中性粒子分析仪首个成果面世
- 影像|性能、视效、充电均属顶尖，全新iQOO 9 Pro再攀性能高峰
- 金鸡|华为 2021 新影像金鸡手机电影计划颁奖典礼明天举
- Tesla|分析师预计特斯拉四季度在国内有望交付10万辆电动汽车
- 影像|官方公布 5 米光学 02 星融合影像图，卫星刚完成发射
- 梅州|梅州蕉岭巡天系统的测试影像，带你看“星辰大海”