医疗影像 AI 告别野蛮期:巨头做平台,创企走细分,抱团探寻商业化

2017年年底,郑众喜在华西医院参加了一场人工智能研讨会,很多科室都谈到了医疗影像AI,医生们认为AI需要在大量精准专业标识的影片基础上才能做到智能。

华西医院于2017年7月宣布成立医学人工智能研发中心,当天一场消化内镜人工智能演示中,通过云端上传了12张检查图像,不到10秒筛选出息肉、新生物(癌症)和静脉曲张三种消化内镜检查常见结果,准确率分别为92.7%、93.9%和96.8%。

彼时,阿里健康与万里云联合推出医疗AI产品“Doctor You”,宣布正确识别肺结节达到90%以上;一个月后,腾讯推出医疗影像AI产品“觅影”,对早期食管癌筛查准确率高达90%。

“准确率超过90%”、“速度击败医生”,一个个关键词仿佛让AI成为了医疗矿藏的密钥,AI医疗影像、AI辅助诊疗、AI药物研发、AI健康管理,正待来往的人们挥起“铁锹”。

“现在很多公司这个也人工智能、那个也人工智能,其实真正需要人工智能的是两个地方,一个是连人都很难诊断的,比如病理;另一个是工作多得人已经做不过来了。”华西医院教授郑众喜告诉钛媒体,“在癌症诊断、病理界,我们非常期待拥抱人工智能。”

作为AI在医疗领域应用最快的领域,医疗影像AI在2017年涌入资金超过40亿元,据钛媒体潜在投资统计(详情可见文末表格),融资额最高的是联影33.33亿元人民币A轮融资;推想科技、图玛深维、深睿医疗、视见医疗等均在2017年获得两轮融资;2018年上半年,深睿医疗、Airdoc获得B轮融资,汇医慧影、推想科技相继进入C轮阶段。

医疗影像AI呈现出中国互联网商业环境的一个切面:热钱涌入、创业者蜂拥而至、产品同质化严重、泡沫浮现、商业模式受到质疑,直到腾讯与阿里入局,AI医疗影像被彻底“点燃”。但行业的独特性在于,医疗影像AI还有飞利浦、GE、东软医疗这一类原本处于医疗影像产业上游、潜藏在互联网之下的参与者。

按照中华医学会放射学分会刘士远教授的计算,医疗影像AI火起来应该是在两年左右,“现在热度非常高,已经进入了关键阶段,AI的发展也进入了深水区,医学影像AI到底能够解决什么样的问题?产品聚焦到什么领域?上下游产业怎么紧密结合?产品怎么解决临床实际问题?其实还有一系列的问题。”

难过数据关

“2017年可以命名为肺结节年。”阿里健康人工智能实验室主任范绎告诉钛媒体,“肺结节是一个野蛮人入场的过程,很多人都在做肺结节,可以获取很多资料、快速进场。”

相比于进入中期阶段的创业公司,腾讯与阿里的入局并不算早,腾讯互联网+医疗业务负责人常佳认为,不光是BAT,整个医学影像在产品、病理上高度融合,这主要是产业起步的问题。

开放的数据集,是肺结节产品扎推涌现的直接原因,也为后来者提供了“弯道超车”的机会。但肺结节是AI切入医疗“万里长征”的第一步。

对于同样宣称90%准确率的产品,常佳提到,“现在很多人宣称自己的准确率,测试级和数据级是同源的准确率会高,但是不同源状况才是更关键的。”

在觅影落地的100多家三甲医院中,常佳发现抗噪要求非常高,不同设备、不同医生的操作习惯不同,有的医院做的很好的结果,到其他医院根本不适用,“我们现在正通过广泛性的测试解决,但这是很大的困难,需要数据丰富度。”

飞利浦大中华区CEO何国伟有着同样的看法,“不同设备在不同临床节点上采用的数据不同。把人类重复性的行为简化,问题就是数据流,配合临床要有完整的数据流。没有经过临床应用、结构化的时候便进入深度学习的数据都是垃圾。”

但更为关键的问题在于,很多平台在做医疗AI,但拼的是什么?北京协和医学院肿瘤医院教授乔友林告诉钛媒体,“拼的是能否得到医学高质量、金标准的素材,就算拿了成千上万的片子,并不会得到正确答案。”

从公开数据集、数据丰富度到金标准数据,难度逐渐递增。相比于三甲医院对医疗影像AI产品的需求,医疗影像AI产品捆绑医院的需求更为强烈,如何拿到医院数据对AI进行训练成为各家产品实现差异化竞争的关键。何国伟坦言,“AI在医疗体系落地有很多必要条件”。

抢医院,去基层

但对于目前的AI医疗影像产品,进入医院的最大问题是“不好用”。

上海交通大学教授闫维新曾向钛媒体透露,“仁济医院放射科约有180人,一天的门诊量将近3000人,我算了一下,人工智能一天能帮他节省30%的人力,一年是千万级的,但为什么没有用呢?是不好用,好用早用了。”

闫维新认为人工智能还只是个“六七岁的小孩”,只能帮助临床医生勾勒出简单的粗暴的活,没办法承担起临床科医生要干的活。

“医学、互联网+AI是两个不同的世界,简单地说是两种不同的语言,你的语言和我的语言在平常是没有太多的交集。”郑众喜告诉钛媒体,“医生更多是‘用’,但从人工智能来讲就要有融合,你说的我能懂、我说的你也能懂。”

相比于准确率,医生更关注的是到底好不好用。

医生判断好用的标准是什么?纵横医疗吴文韬向钛媒体表示,从医生角度来讲,AI产品是否符合医疗行业需求,主要看是不是解决临床问题,如果一个AI产品最终按照医生的需求去设计,按照医生规划达到一定效果,产品肯定会是医生觉得很好的产品,和医生研发上的紧密结合才是AI公司未来最终的发展方式。

作为一名肿瘤医院医生,乔友林提出了更为具体的需求,“应用人工智能的时候一定要金标准材料,而且研发出一套产品。就像在非常困难的‘灰色地带’,似是而非的地方。我们把宫颈癌分为五个级别,正常、癌症,中间有三级,这三个是关键。识别到底是不是癌症是简单的,但到底是哪个级很困难。”

在各家产品各异,尚未出现统一衡量指标时,图玛深维CEO钟昕认为,“衡量标准有两大块,一个是连接的方便不方便,医生用起来是否顺手,另一个就是功能完不完整,性能是不是最好的。”

虽然进医院成了决胜的关键,但是乔友林告诉钛媒体,对于医疗影像AI产品,最为迫切的场景是在基层,“我希望疑难杂症的病人上来,其他的小伤小病不要跑过来了,你也劳民伤财。问题是基层的医生不知道哪些病该往上转,病人也不知道。”

GE医疗大中华区首席市场营销官王飚向钛媒体介绍,传统肝脏部位的肿瘤介入栓塞手术,要把肿瘤供氧血管栓塞住,让肿瘤坏死,但是很多时候有多条供氧血管,有经验的医生比较容易判断,但对于经验不够的基层医生而言,借用人工智能,可以帮助他们把所有的供氧血管一次性体现出来。

一面是要和拥有数据的三甲医院高度捆绑,打磨产品;另一面要深入有着迫切需求的基层,得到最先应用。看起来,具备两方优势的是原本处于医疗影像上游的器械厂商。三甲医院高端设备饱和的市场环境下,飞利浦、GE、东软医疗近几年采取走基层的策略,也因此建立影像云平台、更新设备软件以便实现远程诊疗。

巨头做平台,创业者垂直细分

据钛媒体观察,虽然以飞利浦、腾讯为代表的两类巨头侧重各有不同,但都正朝着平台方向布局,而创企则向细分领域深耕。面对AI医疗影像这个庞大的市场,巨头的涌现并非体现为对创企的直接碾压,对于巨头而言,制定行业游戏规则可能更为关键,但在巨头想要打造的平台生态中,创企的成长空间必然面临着更多挑战。

2017年11月,科技部召开新一代人工智能发展规划暨重大科技项目启动会,公布了四个首批国家人工智能开放创新平台,其中一个是,依托腾讯公司建设医疗影像国家人工智能开放创新平台。

“医疗AI范围非常大,可以进行筛查、诊断建议,还有机器人导航,这不是某家公司就能够做完,我们希望全行业共同努力,把腾讯在双创的资源开发出来。”常佳告诉钛媒体,觅影的思路是搭建平台,在平台基础之上,腾讯投资了AI药物研发公司晶泰科技、Atomwise,领投了AI医疗公司体素科技,AI健康管理碳云智能等。

相比于觅影打造的“医疗AI超市”,飞利浦这类医疗器械厂商更关注针对专科疾病的整体解决方案。在今年的CMEF展上,飞利浦发布了神飞云影像平台,AI是作为其中一个模块出现。

目前飞利浦正在AI医疗上发力,60%的研发费用都投入到了软件和人工智能方面。何国伟告诉钛媒体,飞利浦想要构建的是生态系统,“我们有软件开放平台,不论是肺结节或者是其他病种,初创公司可以利用我们平台。最后我们根据每家企业来探讨未来每家的发展方向有什么不同。”

为何AI医疗影像行业需要平台?在郑众喜看来,“开放平台的意义就是要整合信息。影像诊断不仅仅是针对这个图的某一个特征就下一个结论,尤其是到细胞学、组织学之后,需要整合的信息非常多。”

关于这一点,吴文韬举了个例子,“国内绝大多数产品是肺结节,但是做完肺结节筛查以后怎么办,系统是不是可以得出来一个诊断,看是不是恶性的早期肺癌 ,如果是早期肺癌,手术计划治疗以后,随访需不需要去做,后续的所有东西,对目前所有的AI公司来讲是空白的。”吴文韬把医疗影像AI产品决胜的关键总结为两点,“第一,有很大的数据量;第二,能调动足够多的人,来去做这些数据标准化、结构化,又和临床医生、影像医生捆绑的足够好。”

数据需要大量资金与资源投入、商业模式尚不清晰,这段目前看不到终点的路却将成为巨头们构筑起来的壁垒。“17年喧嚣完了之后,18年肯定是分化的过程,野蛮人也开始变成正规军了,各家公司会慢慢走向不同的方向。”范绎如是说。

“我倒觉得大家在某一个细分领域上都是一个起跑线。”钟昕认为,大公司的优势是面铺得开,小公司会在某几件事情上做的比较精,“最后他们是面,我们是尖。面有时候是不会把锥子掩藏起来的,我们是一个点,然后形成点的扩散,然后再形成点的组集,但有的一上来就是多点的组集。最后大家都会做到多条产品线,这是所有公司的目标。”

虽然目前行业内大多数公司都有肺结节产品,但也出现了研究视网膜病变、心血管疾病等细分领域的创业公司,钟昕告诉钛媒体,“久了之后会发现大家的产品还是有很大差异的,有的产品始终停留在检测、二维检测上,大家都有各种各样的差别。”

何国伟向钛媒体透露,“对于初创公司而言,融资可能更重要,但我们更重要的是如何提供更有效的肿瘤方案、患者体验、临床价值方面;过去几十年,我们已经积累了不少的数据和经验,我们觉得自己的临床经验是比别人强的。”

但在常佳看来,器械厂商的好处是数据获得有优势,但劣势在于太局限了,“现在医生操作的时候,很多医院的科室设备不会纯粹只用一家。所以我们认为在效果和质量上需要一个长线的发展,其实大家可以共同探讨如何提升质量,而不是共同探讨大家怎么做分工。

抱团探寻商业化

“未来两年,医疗AI会死一批。至少在我看来,这会是个大概率事件。”在看了三十多家医疗AI项目后,元璟资本田敏在接受媒体采访时如是说。今年3月份,《财经》杂志也曾发文,认为中国医疗AI公司遇“C轮死”魔咒,如何实现商业化,成为医疗影像AI产品在2018年需要解答的一个疑问。

这些抛给创业公司的质疑围绕着一点,医疗影像AI技术是否可以实现商业价值?

东软集团董事长刘积仁认为,“今天单一AI技术的公司在技术被充分的普及和共享,还有一些商业模式存在免费机会的时候,这就是投入AI技术的风险。”万里云CEO黄家祥曾在接受媒体采访时表示,“对于AI公司,我们有一个观点,就是应用场景的价值大于数据价值,数据价值大于算法本身的价值。如果是AI的创业公司,手上核心的东西只有算法,那这个事情会非常危险。”

2017年4月,图玛深维获得数百万美元A轮融资,七个月后,又获得由软银中国领投的2亿元B轮融资。钟昕告诉钛媒体,在A轮与B轮融资阶段,资本的关注点差别非常大,“不再是一个产品初级形态或者只是一个潜在的销售模式了,B轮融资要看到我们是不是有一些落实,推进医院的速度,产品在医院的一些反馈,商务发展有没有落实下来,这可能是B轮阶段一个比较重要的点。”

2017年8月31日,国家食品药品监督管理总局(以下简称CFDA)发布了新版《医疗器械分类目录》,新增了与AI辅助诊断相对应的类别,在目录中具体体现在对医学影像与病理图像的分析与处理。

若诊断软件通过算法提供诊断建议,仅有辅助诊断功能,不直接给出诊断结论,则申报二类医疗器械,如果对病变部位进行自动识别,并提供明确诊断提示,则按照第三类医疗器械管理。

这意味着,如果医疗影像AI产品想要走医院采购这条路,必须要通过相应认证。但目前,国内尚无一例医疗AI产品拿到认证,动脉网将这个现象总结为6个核心问题,其中提到“用于审批的标准数据库正在逐步建立。”

在5月11日的苏州人工智能大会中,刘士远提到,目前已经有九家企业在申请CFDA认证,但用什么样的标准和规范仍在讨论当中。钟昕告诉钛媒体,“拿到CFDA对每个做医疗AI的来讲都是一个很重要的节点。”

而在钛媒体采访的过程中,不同类型参与者都会提到一个关键问题,针对AI医疗影像服务,到底由医院买单还是由患者买单?由于“人工智能读片费”不在诊疗收费项目名录内,也考虑到安全性等综合因素,许多医院仍然没有动力购置使用人工智能。

对于医疗器械厂商而言,AI作为附加值,不用考虑其作为单独的产品寻求商业化,刘积仁告诉钛媒体,“AI技术在解决医疗问题的时候,单独获得价值的可能性并不高,而是要通过别的载体来获得价值。东软做AI技术,我们不需要通过单一AI技术挣钱,比如我们所有的CT里面一扫描就告诉他有什么病,我们只需要卖设备挣钱就行了。”

在这场抱团探寻商业化的试验中,范绎认为政府扮演着重要角色,“商业模式一定是政府层面、医院层面和公司层面共同去推动协调的,医疗效率提升是一个国家命题,只不过在具体的策略上没办法一蹴而就,需要不断迭代。”

经历过“野蛮人入场”后,证明存在价值已经不再是医疗影像AI的头等要事。更重要的问题是,创业公司、互联网巨头、医疗器械厂商三者最终会形成怎样的行业生态?以何种方式探寻商业化?哪些医疗影像AI创企能跑出来?这些疑问仍待时间验证。

“目前是在战国时代,不久的未来可能会实现统一。”何国伟如是说。(本文首发钛媒体,作者/付梦雯)

附:2017年获得融资的医疗影像AI公司,图/付梦雯

Be the first to comment

Leave a Reply

Your email address will not be published.


*