醫藥網8月16日訊 人工智能和醫療的結合具有非凡的發展潛力和想象空間，也是未來5-10年的投資熱點之一，其中有非常多的細分領域值得關注。隨著數字化影像診斷設備包括數字化常規X線設備、磁共振（MRI）、計算機X線斷層攝影（CT），以及醫學影像圖像管理系統及其工作站的計算機硬件平臺的普及，人工智能在醫療影像領域的應用將首先進入快車道。
一人工智能的多元化
人工智能在醫療領域的應用包括了：病例/文獻信息分析、醫學影像診斷、醫學語音識別、虛擬助手、病患風險預測、醫院管理、健康管理、新藥發現、智能醫療機器人、人工智能可穿戴等10多個分類。從目前國內的項目來看，數量并不多。根據不完整統計，總的項目數量超過60家，主要還是人工智能在醫學影像方面的應用為主，藥物研發等決策性產品比較少。
數據顯示，2006年到2017年這十年間， 國內共有26家將人工智能技術應用于醫學影像診斷的公司， 其中12家公司將總部設在北京，4家公司總部設在上海，在這兩個醫學人才和資源集聚的城市，大部分企業獲得了資本的青睞，預期未來5-10年有加速成長的趨勢。
資本方面，具有互聯網基因的BAT，很早就瞄準了醫療和AI的結合。比如阿里巴巴和華潤萬東醫療合作開發了萬里云，投資了蘭丁醫學、ET醫療大腦；騰訊作為投資方，騰訊產業共贏基金投資了碳云智能、CloudMedx 、思派網絡，同時發布了騰訊覓影，進入到癌癥的早期篩查。百度則主要在相關專利上做布局，據統計，2014至2016年，百度申請的專利數量分別為4項、63項、142項，不僅數量上呈現跳躍式遞增，而且領域涵蓋了人工智能、深度學習、機器學習、神經網絡。
尚未觀察到有專注并且大量布局醫療人工智能的投資機構， 涉獵的機構除了騰訊，阿里等產業基金外、主要是一些具有深刻互聯網基因的天使基金，如真格基金，投資了森億智能、半個醫生以及Medal ；紅杉和啟迪創投投資了海納醫信；紅杉、聯創策源、PreAngel投資了醫聯；峰瑞資本投資了DeepCare； 真格基金和經緯中國投資了圖瑪深維等，反而是專注于醫療健康領域投資的機構比較謹慎。
其次，項目均處于早期和概念階段，商業模式不成熟，醫療政策和法規的限制等令投資人謹慎。例如，遠程影像會診平臺，目前是否具備支付的閉環系統，診斷結果可以在不同醫療機構間互相認可嗎？又例如， 醫院或者第三方影像中心采購AI解決方案的投入和產出如何計算？醫院和醫生會有積極性嗎？加了人工智能讀片功能后， 醫院是否可以加價收費？最終增量的投入誰來埋單？是社保或商業醫保，還是患者自付？此類等等商業模式的拓展和創造問題。
從醫療人工智能的細分領域來看，國內獲投的醫療人工智能項目，主要集中在醫學影像。醫學影像也是國外非常熱門的細分領域。但國外同樣熱門的新藥發現、健康管理這兩個細分領域，在國內則很少涉及。比如，國外獲得累計融資金額最高的前5家公司——Flatiron（3.13億美元，病歷信息分析）， Welltok （2.38億美元，病歷信息分析），Benevolent（1.4億美元，新藥發現），Butterfly（1億美元，醫學影像診斷），Lam Therapeutics（9800萬美元，新藥發現）——就有兩家是做新藥發現，有兩家是做病歷信息分析。造成這種差距的原因很多，最主要的可能是： 人工智能輸入端的醫療數據所需要的結構化在歐美的醫療機構很成熟，人工智能的算法更新迭代很快，輸出端的結果有醫療機構或者商業醫療保險機構埋單，可以建立起來一個有效率的健康管理閉環，所以人工智能在醫療健康領域的應用多元化。
二聚焦醫學影像+AI
醫學影像是目前國內AI領域投資的熱點和重點。
最近幾年有關“人工智能是否會代替醫生的討論”一直不絕于耳。確實，AI讀片是趨勢，但是是否意味著影像科醫生就要失業呢？筆者認為，一定不會，至少在中國本土。
傳統的影像科診斷的流程是初級影像科醫生寫個報告，資深醫生來核片，疑難雜癥提交到每周的主任晨會，因此診斷報告的出具時間比較長，最快也要兩三天，哪怕是急診患者的CT診斷報告，最快也要1個小時。根據相關數據，國內醫學影像數據的增長量每年達到30%，而同期影像科醫生的人數增長只有2%，通過人工智能技術，可以減輕醫生的工作負荷，輔助診斷減少誤診，提高醫院的診療效率。
但是也有研究顯示，某些疾病的AI讀片的準確率在65%左右，這也意味著錯誤率是35%。因此，AI讀片只能代替初級醫生出具影像診斷報告的第一步，但是核片以及疑難雜癥的會診一定需要高年資的醫生。
如果能夠全面進入強人工智能時代，那影像科醫生的成長路徑也許會發生改變。成長為高年資的醫生，原來都是通過幾百上千張的讀片訓練出來的，以后這一步被機器取代之后，醫生的經驗積累被完全改變了。影像科醫生未來可能承擔新的角色，比如對于患者醫療數據的管理越來越重要。
從投資的角度，為什么專注于醫療的投資機構的較多，而醫療影像AI的較少呢？筆者認為主要有兩個緯度的問題亟待解決。
第一，支付端。AI讀片的醫院影像科，收費是更貴還是更便宜呢？理論上說，因為效率提高了，醫院對于患者的收費應該是降低的。AI的軟件和硬件，這部分采購費用的支付方是醫院，但是醫院有什么動力或者動機來承擔這部分開支。因此，至少在目前，公立醫院的影像科核放射科，基本都沒有用到額外和增量的人工智能讀片技術和產品，現在所用到的是影像裝備內嵌的圖像識別和后處理軟件，屬于比較早期的計算機輔助診斷CAD，大部分還不具備深度學習技術。
第二，數據端。醫療影像的AI軟件是通用的，機器學習的一種，參數需要醫生來提供。關鍵是AI技術的發展取決于原有樣本的大小，也直接決定了AI讀片的準確性。國內是否能夠給機器提供足夠的優質數據呢？中國人口眾多，數據基礎大，但是每家醫院都堅守著自己的信息，影像數據傳統上都是醫院的資產，甚至不屬于病人。目前即使是2008年就實現互聯互通的上海醫聯體，醫院之間調閱影像數據時，仍舊是按照服務調度的方式，指示資源所在的服務器提供數據， 深度學習應建立在對醫院數據的分析上，而醫學影像占據了90%以上的醫學數據， 但影像不僅僅是圖片，醫生在判讀的時候用到更多的是關聯的醫學知識，更大的挑戰是醫療數據的結構化問題，雖然中國的醫療數據量龐大，但IDC Digital的一項預測卻顯示，80%的數據屬于非結構化數據，妨礙了AI算法的精確 。
在以上兩個問題厘清之后，再來看具體往哪些細分領域投入。根據影像生成到診斷的整個流程的不同階段，醫學影像產業可劃分為：采集成像、影像存檔、影像傳輸、影像顯示、影像分享、影像診斷六個階段。筆者認為，主要的增量可能來自于人工智能輔助臨床決策的應用， 其中包括了集成式的影像診斷工具、圖像識別、成像質量控制系統等方面。
首先，這些細分領域的市場前景非常樂觀，Markets and Markets預測，中國醫學影像設備市場規模到2020年將有58.8億美元，醫學影像分析軟件系統市場規模將達到25億美元。其次，AI+影像系統將通過云端外延，遠程影像診斷符合國家倡導的醫療的公平和效率，整體有望降低醫療費用的支出，幫助醫保控費。
三可預見的未來
人工智能最應該扮演的仍是醫生的“助手”角色，而不是醫療決策的主角。以它的算法和數據庫來做決策支持，但做決定的人應當仍是可以結合實際情況進行判斷的醫生。
對疾病的及時準確的診斷是臨床醫學的基礎，而西醫的臨床診斷70%依靠醫學影像。我們認為，未來的增量將集中在醫學影像軟件和在線門戶類、集成式的影像診斷工具、計算機輔助診斷識別、3D醫學圖象、成像質量控制系統。
從國內的醫療環境來看，最大的挑戰就是醫療數據的封閉，傳統上每家醫院都形成了“信息孤島”。當然這種情況已經在發生改變，比如在上海已實現醫療數據在申聯系統內互通，目前參與申聯系統的醫院數量已經增加到了40家。隨著“以患者為中心”的醫療服務理想在國內的興起，醫學影像數據在醫療服務單位之間的順暢流轉是趨勢也是必然。
目前， 國際品牌占據了80%以上的醫學影像裝備的市場份額，其中前三大的GPS公司——GE、飛利浦、西門子——占據著70%以上的市場份額。然而，隨著市場不斷被開發，相信在細分領域會有本土的優秀技術和商業項目的生存空間。
最后，人工智能技術在醫學影像診斷上的應用，尚處于較的弱人工智能階段，通過構建圖像算法模型和深度學習能夠完成醫生的指定任務，算是輔助診斷，可以提升讀片效率，提高診斷準確率，但是如何商業化？還是一個挑戰！關鍵是誰來付費？
筆者期待商業醫療保險的及早介入，快速推動本土AI+影像的發展，提升醫療行為的效率和質量的同時，減少患者的誤診率和并發癥，從而降低整體醫療費用的支出，人工智能技術在影像醫學方向上的應用將從減少的醫療費用支出中分得相應的商業回報。（王晨）
關于作者：
王晨，景旭創投合伙人，負責醫療器械和醫療服務板塊的股權投資。
在超過20年的職業生涯中，王晨先生先后任職于飛利浦醫療從事策略并購及戰略咨詢工作，在GE醫療擔任資深產品經理，并在強生Cordis心臟及外周血管介入治療業務部、葛蘭素史克處方藥事業部、羅氏制藥腫瘤業務部、德國勃林格殷格翰制藥任職核心崗位。另外，王晨先生曾是一位放射科的住院醫師。他畢業于上海交通大學臨床醫學系；目前是英國威爾士大學的在讀工商管理碩士。
|
