侵權(quán)投訴
訂閱
糾錯(cuò)
加入自媒體

跳出輔診與新商業(yè)路徑探尋,這些醫(yī)學(xué)影像AI的頭部企業(yè)在如何構(gòu)建新生態(tài)?

1987年,Alexander Waibel提出的時(shí)間延遲網(wǎng)絡(luò)(Time Delay Neural Network, TDNN)可追溯為歷史上第一個(gè)CNN算法。但受限于有限的算力、數(shù)據(jù),CNN并沒有因此成為學(xué)者們關(guān)注的重點(diǎn)。直至19年后,加拿大多倫多大學(xué)GeoffreyHinton重新定義深度學(xué)習(xí),CNN的表征學(xué)習(xí)能力才重新成為眾人關(guān)注的熱點(diǎn)。

而后,CNN的數(shù)據(jù)挖掘,機(jī)器學(xué)習(xí)等能力在圖像處理上的應(yīng)用逐漸成熟,有心之人逐漸開始意識(shí)到,這樣一項(xiàng)新興技術(shù),可能在醫(yī)療上存在充分的發(fā)展空間。

所以,第一批進(jìn)入醫(yī)療影像AI的人,是一群互聯(lián)網(wǎng)人。

2015年起,一大批醫(yī)療影像AI公司陸續(xù)成立,涌向影像AI這一藍(lán)海市場(chǎng)。但直到進(jìn)入之后,眾人才醒悟:沒有足夠的醫(yī)療認(rèn)知,如何越過深厚的壁壘?回憶起當(dāng)時(shí)的場(chǎng)景,推想科技陳寬苦笑到:“那時(shí),我自己都不愿看自己做的產(chǎn)品!

轉(zhuǎn)變從2017年開始。當(dāng)一批批互聯(lián)網(wǎng)人不斷跟醫(yī)生共同工作,深入了解醫(yī)生工作的流程,加之國(guó)家開始逐漸意識(shí)到AI的重要性,AI產(chǎn)品開始逐漸進(jìn)入臨床試點(diǎn)。醫(yī)生與創(chuàng)業(yè)者之間的互助橋梁得以建立,AI企業(yè)在接下來的兩年中經(jīng)歷了快速的發(fā)展。

2019年是醫(yī)療人工智能走向通用的一年,我們能看到,更多面向智慧醫(yī)療的企業(yè)涌現(xiàn)出來。而健康管理、社區(qū)管理乃至醫(yī)美也都開始小心翼翼地嘗試引入AI。

對(duì)此,動(dòng)脈網(wǎng)對(duì)人工智能進(jìn)行了調(diào)研,一組數(shù)據(jù)或許能幫助我們更清楚地了解2019年整個(gè)醫(yī)療AI的發(fā)展?fàn)顩r。

透過數(shù)據(jù)看醫(yī)療AI2019發(fā)展

據(jù)動(dòng)脈網(wǎng)知識(shí)庫數(shù)據(jù)顯示,截取2018年12月24日至2019年8月20日這一時(shí)間段,全球醫(yī)療AI融資事件數(shù)總計(jì)107次,總募資額為139.58億元(不包含投資金額為“未披露”的融資事件),其具體輪次分布與融資金額分段如下圖所示。

通過這張圖表,我們可以明顯看到,2019年的醫(yī)療AI融資事件聚集于B輪與C輪。相比之下,沒有企業(yè)成功IPO,天使輪事件也僅有4次。整個(gè)事件分布呈“中間大,兩頭小”的狀況。這或許意味著,頭部人工智能企業(yè)已經(jīng)建立了充分的壁壘,新企業(yè)進(jìn)入存在一定難度。

同樣擴(kuò)大的還有醫(yī)療AI企業(yè)的規(guī)模,從上圖可以看到,50人規(guī)模以上的人工智能企業(yè)占據(jù)了僅1/4的數(shù)量,優(yōu)質(zhì)資源明顯聚集。

在這之中,影像AI企業(yè)可謂其中最早參與人工智能的企業(yè),從這些企業(yè)的動(dòng)態(tài)中,我們也許可以窺見整個(gè)行業(yè)的端倪。那么這部分企業(yè)發(fā)展如何呢?

如上圖所示,加上2018年末完成B輪的體素科技、完成C輪的推想科技,頭部的影像企業(yè)悉數(shù)拿到了新一輪的資金。

如今2019年已過半載,頭部影像企業(yè)的肺結(jié)節(jié)、乳腺篩查等產(chǎn)品已經(jīng)足夠成熟。借由數(shù)據(jù)、醫(yī)院布局逐步建立起自己的壁壘,相應(yīng)的AI產(chǎn)品步入審批中的臨床階段。

在等待審批的過程中,頭部企業(yè)均在不斷挖掘已有資源的潛在價(jià)值,各自探尋AI潛在的商業(yè)化可能。現(xiàn)在最關(guān)鍵的問題在于,誰將成為影像AI的付費(fèi)方?

醫(yī)、藥、患,誰可能是影像AI的付費(fèi)方?

長(zhǎng)征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)曾表示:“未來影像科的工作一定是智能化的,報(bào)告是結(jié)構(gòu)化的!睗撛诤x下,AI必定成為影像科的一部分,但并不在今天。

將目光從影像科移開,AI是否還存在發(fā)展的空間?答案是肯定的,藥企、患者、保險(xiǎn)公司都有可能是AI影像的潛在支付方,而醫(yī)院也并非僅放射科愿意為影像AI的產(chǎn)品付費(fèi)。

先談醫(yī)院。不同的醫(yī)院對(duì)于產(chǎn)品的需求各不相同,AI產(chǎn)品想要切入三甲醫(yī)院,必須抓住三甲醫(yī)院醫(yī)生的兩個(gè)關(guān)鍵需求——效率需求和科研需求。如今已經(jīng)成熟的CT肺、CT肝、腦MRI產(chǎn)品均是為了滿足醫(yī)生對(duì)于閱片效率的追求,但這僅占影像科醫(yī)生工作時(shí)間的一部分。更貼近醫(yī)生的需求為科研需求——在大數(shù)據(jù)時(shí)代協(xié)助醫(yī)生去掌控?cái)?shù)據(jù)。

而對(duì)于醫(yī)療能力略遜一籌的鄉(xiāng)鎮(zhèn)級(jí)醫(yī)院,AI企業(yè)可為其搭建私有云、連接醫(yī)聯(lián)體的云PACS,也可在院內(nèi)以教學(xué)的方式培養(yǎng)醫(yī)生的閱片能力與出具報(bào)告能力。這一部分市場(chǎng)雖然龐大,但由于醫(yī)院自身規(guī)模的限制,智慧醫(yī)院的建設(shè)支出也會(huì)存在相應(yīng)限制,進(jìn)而影響到對(duì)于AI企業(yè)的支付意愿。而對(duì)于AI輔助工具的付費(fèi)意愿,鄉(xiāng)鎮(zhèn)級(jí)醫(yī)院仍強(qiáng)于三甲醫(yī)院。

最有可能付費(fèi)醫(yī)療機(jī)構(gòu)包括私立?漆t(yī)院、混合制醫(yī)院以及第三方影像中心,這三類醫(yī)院既缺乏與三甲醫(yī)院相抗衡的醫(yī)療資源,需要AI進(jìn)行補(bǔ)足,又缺乏老百姓對(duì)于制度的信任,需要AI為醫(yī)院的技術(shù)力量增添色彩。

總的來說,向醫(yī)院出售搭載AI的設(shè)備,搭建云PACS平臺(tái),或是出售非AI的影像相關(guān)服務(wù)(如數(shù)字膠片)將在很長(zhǎng)一段時(shí)間內(nèi),承擔(dān)AI企業(yè)的主要收入來源,而AI輔診業(yè)務(wù)的商業(yè)化仍有一段路要走。

再談藥企。AI影像類企業(yè)能夠滿足藥企的三類需求,一是充當(dāng)CRO的角色,對(duì)病理數(shù)據(jù)再處理;二是借助大數(shù)據(jù)工具對(duì)臨床試驗(yàn)中的患者進(jìn)行篩選,三是通過社群合作的方式幫助藥企進(jìn)行精準(zhǔn)數(shù)字化營(yíng)銷。

最容易獲得變現(xiàn)的渠道來源于數(shù)字化營(yíng)銷,AI影像企業(yè)可與醫(yī)學(xué)部合作,進(jìn)行真實(shí)世界數(shù)據(jù)研究,協(xié)助完成藥物治療效果驗(yàn)證和標(biāo)準(zhǔn)化診療模式驗(yàn)證;也可與市場(chǎng)部、銷售部合作,搭建學(xué)術(shù)平臺(tái),協(xié)助藥品銷售。

由于這三類業(yè)務(wù)不需要影像AI企業(yè)獲取藥監(jiān)局的審批,而是依賴于他們?cè)陂L(zhǎng)期布局中整合的資源,所以這些合作將有可能人工智能影像企業(yè)的重要收入來源之一。

相對(duì)與上述兩種模式,讓患者成為穩(wěn)定的付費(fèi)對(duì)象則困難得多。盡管在許多三甲醫(yī)院,基于AI的MDT會(huì)診以及輔助診斷已經(jīng)進(jìn)入了醫(yī)院的收費(fèi)目錄。但由于AI技術(shù)內(nèi)核的不確定性,企業(yè)很難要求醫(yī)生向患者推薦使用AI產(chǎn)品。

同時(shí),由于市場(chǎng)教育的不足,在選擇AI服務(wù)與非AI服務(wù)時(shí),絕大部分患者還是傾向于選擇無AI內(nèi)核的傳統(tǒng)服務(wù)。但隨著技術(shù)、政策、患者認(rèn)知的推進(jìn),患者很有可能在未來成為穩(wěn)定的支付方。

那么,影像頭部企業(yè)都是如何在困局中尋求發(fā)展的呢?動(dòng)脈網(wǎng)采訪了近十家影像AI頭部企業(yè),試圖梳理出其中的邏輯。需要注意的是,下述的部分企業(yè)涉及了多項(xiàng)突破,而本文只選取每個(gè)企業(yè)的一部分創(chuàng)新業(yè)務(wù)作為案例講解。

以醫(yī)療機(jī)構(gòu)為突破點(diǎn)

醫(yī)療機(jī)構(gòu)是AI企業(yè)啟程的起點(diǎn),幾乎所有的AI影像類初期產(chǎn)品都是為了服務(wù)醫(yī)生打造。所以,即便這些產(chǎn)品仍沒有盈利,但卻為新的產(chǎn)品的推進(jìn)埋下了伏筆。在保證已有產(chǎn)品不斷迭代的前提下,各家企業(yè)正從影像出發(fā),不斷向外延伸。

推想科技:從隨醫(yī)者完善AI,到攜醫(yī)者共筑AI

“臨床并非醫(yī)者發(fā)揮價(jià)值的唯一途徑。醫(yī)療作為一門經(jīng)驗(yàn)學(xué)科,醫(yī)者更希望能將更多的時(shí)間用于經(jīng)驗(yàn)整理與對(duì)未知可能的探索,并將其梳理成論文,以供更多志同道合者交流學(xué)習(xí)。”推想科技營(yíng)銷總裁席渭齡曾表示。

隨著與醫(yī)生合作的不斷推進(jìn),推想研發(fā)人員對(duì)醫(yī)生就診流程、就診需求的理解更加深刻,進(jìn)而懂得如何幫助醫(yī)生規(guī)范數(shù)據(jù)結(jié)構(gòu)和利用數(shù)據(jù),定制化算法模型進(jìn)行科學(xué)研究。將這樣一套思維具象化,造就了如今的InferScholar CenterAI學(xué)者科研平臺(tái)。

僅統(tǒng)計(jì)RSNA投稿狀況,該科研平臺(tái)在2019年助力多家臨床合作醫(yī)院共完成RSNA投稿超過300篇,涉及方向包括人工與AI比較、病理、效能評(píng)估、掃描參數(shù)、高低劑量比較12%。

通過這種方式,推想有效地轉(zhuǎn)化了研究人員在與醫(yī)生交流的經(jīng)驗(yàn),極大拓展了深度學(xué)習(xí)在醫(yī)療領(lǐng)域的價(jià)值和應(yīng)用場(chǎng)景,實(shí)現(xiàn)了人工智能從“輔助臨床診斷”到“輔助臨床科研”。

透過這樣一個(gè)基于AI的科研平臺(tái),推想能夠?yàn)獒t(yī)院全科室,全病種提供原創(chuàng)性的人工智能科研服務(wù)。平臺(tái)有幾十種AI算法和單病種數(shù)據(jù)管理能力,可服務(wù)于整個(gè)醫(yī)院的科研,教學(xué)和產(chǎn)業(yè)轉(zhuǎn)化。而對(duì)于推想而言,這種模式將協(xié)助他們獲得更多的醫(yī)療資源,賦予AI更強(qiáng)大的創(chuàng)造力。

1  2  下一頁>  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請(qǐng)聯(lián)系我們。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

醫(yī)療科技 獵頭職位 更多
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)