AI+診斷賽道擁擠 AI+治療賽道成為下個(gè)市場熱點(diǎn)

原標(biāo)題：AI+診斷賽道擁擠 AI+治療賽道成為下個(gè)市場熱點(diǎn)

文/草因心

　　前言：

在DeepMind CEO哈薩比斯看來，AI系統(tǒng)會(huì)首先在兩個(gè)領(lǐng)域部署，一個(gè)是醫(yī)療，一個(gè)是交通，比如醫(yī)學(xué)診療和自動(dòng)駕駛。

人工智能正向醫(yī)療行業(yè)滲透，尤其是在醫(yī)學(xué)影像診斷領(lǐng)域發(fā)展迅速，DeepMind進(jìn)行的一些前沿研究也有了很好的進(jìn)展，如識(shí)別診斷糖尿病視網(wǎng)膜病變，利用視網(wǎng)膜掃描幫助診斷視網(wǎng)膜退化，利用機(jī)器學(xué)習(xí)檢測乳腺癌等。

目前AI+診斷賽道擁擠，AI+治療賽道成為下個(gè)市場熱點(diǎn)，但這個(gè)賽道好不好做很多人并不清楚，尤其在腫瘤治療方面。

　AI+腫瘤診斷可行嗎?

隨著中國人口老齡化的加速，癌癥成了第一大致命殺手，癌癥治療也是醫(yī)療中最難突破的場景。

一項(xiàng)來自美國哈佛醫(yī)學(xué)院的研究顯示，人工智能輔助醫(yī)生進(jìn)行乳腺癌診斷可將誤診率從4%降低到0.5%。同時(shí)，基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)系統(tǒng)幾乎可以在很短的時(shí)間里就讓人工智能達(dá)到專家醫(yī)生的水平。

AI可以幫助醫(yī)生、護(hù)士和放射科醫(yī)師，減少他們的工作量。尤其是在大型醫(yī)院，他們沒法應(yīng)付如此多的掃描需求和處理需要診斷的病變，病變的誤診和看漏時(shí)有發(fā)生。目前國內(nèi)不少知名醫(yī)院都已經(jīng)引入了人工智能閱片系統(tǒng)，協(xié)助醫(yī)生解決漏診誤診的問題和提升效率。

癌癥在早期往往很難被發(fā)現(xiàn)，因此腫瘤的早期篩查意義重大。但由于早期癌癥病變區(qū)域小，臨床診斷上傳統(tǒng)方法難以判斷良惡性，只能通過活檢的方式但會(huì)給病人帶來極大痛苦。利用AI篩查癌癥成了大家關(guān)注的焦點(diǎn)。

2017年世界胃腸病學(xué)大會(huì)&美國胃腸病學(xué)年會(huì)將唯一的國際獎(jiǎng)授予了一項(xiàng)關(guān)于AI篩查結(jié)直腸癌的臨床研究，這項(xiàng)研究來自于一個(gè)中國團(tuán)隊(duì)，是AI在腫瘤篩查應(yīng)用的一大突破。

但對目前的AI腫瘤診斷來說，直接對病灶定性判斷其是良性還是惡性依舊面臨眾多挑戰(zhàn)。尤其是在診斷有效性的認(rèn)證上，對腫瘤領(lǐng)域來說，需要深入到分子層面、細(xì)胞層面才能去做判斷和定性。而對于醫(yī)學(xué)影像而言，目前仍是基于形態(tài)學(xué)，通過對紋理特征的識(shí)別實(shí)際不能支持對腫瘤良惡性的判斷。

因此AI腫瘤診斷仍存在很大局限性，有效性在醫(yī)學(xué)上的認(rèn)證有很大難度?，F(xiàn)在有一些團(tuán)隊(duì)正在進(jìn)行這方面的研究。12月16日，上海交通大學(xué)與依圖醫(yī)療宣布成立聯(lián)合實(shí)驗(yàn)室。雙方將在醫(yī)學(xué)影像診斷、病理信息分析、分子醫(yī)學(xué)等方面展開合作，重點(diǎn)研究人工智能在肺癌MDT(多學(xué)科綜合治療)診斷以及多種實(shí)體瘤影像識(shí)別方面的應(yīng)用。

據(jù)相關(guān)人士透露，目前AI診療主要還是作為一種輔助的手段，想真正運(yùn)用于臨床還需要克服很多難題，有效性驗(yàn)證仍需要較長時(shí)間。這就意味著可以市場化的產(chǎn)品極少。據(jù)粗略統(tǒng)計(jì)，目前國內(nèi)已經(jīng)有70多家AI醫(yī)療公司，他們多數(shù)都在與醫(yī)院合作進(jìn)行回顧性研究和臨床驗(yàn)證，長周期的大規(guī)模臨床驗(yàn)證及有效性驗(yàn)證是他們很難避開的難題。

　　AI+腫瘤治療 路在何方?

AI+治療是AI應(yīng)用于診斷后的下一應(yīng)用階段，但相比診斷，AI應(yīng)用于治療難度更大，場景更少，落地難度更大。

比如，在過去十年，放療在美國已逐步取代手術(shù)方式成為占比最大的一種治療方式。放療設(shè)備的精確度也越來越高，在美國，一臺(tái)設(shè)備一天可治療20個(gè)病人。但放在北京的大醫(yī)院，一天一臺(tái)設(shè)備要治療近120個(gè)病人。

將近6倍的治療人數(shù)帶來的是細(xì)節(jié)和質(zhì)量控制的欠缺，因此治療效果也只有美國的一半。因?yàn)橹委熯^程中靶區(qū)勾畫和放射方案制定非常耗時(shí)，醫(yī)生首先需要在100多層的圖像上將病灶和治療過程中有可能會(huì)影響到的所有正常器官和組織的位置圈畫出來。目前已有部分AI公司參與其中，實(shí)現(xiàn)基于AI的靶區(qū)勾畫。以連心醫(yī)療為例，從一開始就定位于腫瘤“AI+治療”領(lǐng)域，起步較早，目前在放療質(zhì)控和靶區(qū)勾畫方面已經(jīng)領(lǐng)先。

相比靶區(qū)勾畫，真正有門檻的是利用AI設(shè)計(jì)放射性治療的方案。門檻主要有兩個(gè)，一個(gè)是特定領(lǐng)域的稀缺人才，將AI應(yīng)用到放療治療需要具有核物理背景的專業(yè)人才，但相關(guān)人才在中國目前極度稀缺，主要集中在國外大型放療設(shè)備公司。

應(yīng)用場景的落地則是另外一個(gè)門檻，在中國醫(yī)療行業(yè)，診療資源極度不均衡、診療能力不足、部分濫用等問題眾所周知，但這并不意味著AI+醫(yī)療可以輕易重新分配這些資源，所以很多時(shí)候，投資人會(huì)陷入這個(gè)誤區(qū)當(dāng)中，然后進(jìn)行錯(cuò)誤的判斷。近兩年AI+診斷的賽道日漸擁擠，AI+診斷的落地前景尚未清晰。資本逐漸將目光投向AI+治療，卻不知其落地難度相比診斷更有過之。

首先，醫(yī)療行業(yè)是個(gè)無比龐雜的系統(tǒng)，AI也無法將各個(gè)環(huán)節(jié)整合起來，更實(shí)際地應(yīng)用是利用AI將某單個(gè)環(huán)節(jié)做好，即使是這樣對于落地也并不很容易。以腫瘤治療來講，基層醫(yī)院有設(shè)備也有條件，但患者始終會(huì)質(zhì)疑其診療能力，依舊義無反顧地涌向北上廣。即使他們需要為此承擔(dān)很高的租房、住院等間接成本壓力，還需要放棄當(dāng)?shù)蒯t(yī)保的高報(bào)銷比例。

形成如此反差的一個(gè)出發(fā)點(diǎn)是對當(dāng)?shù)鼗鶎俞t(yī)療的不信任，因此，如何獲取患者的信任也是AI+腫瘤治療最重要的問題，這就意味著僅通過CFDA等認(rèn)證還遠(yuǎn)不足夠，AI+治療公司尚需要業(yè)內(nèi)處在領(lǐng)先地位的大型三甲醫(yī)院的認(rèn)可，因此，即便目前很多公司與大型三甲醫(yī)院進(jìn)行科研合作，但是從合作到大型醫(yī)院的認(rèn)可還有一個(gè)過程，并不容易。

其次，診療的有效性認(rèn)證需要很長的周期，資本沒辦法加速這個(gè)過程。這也是醫(yī)療行業(yè)區(qū)別于其他行業(yè)最重要的特征，試圖短期內(nèi)希望看到明顯效益的資本投入都顯得非?？尚?。

這主要是受限于監(jiān)管體系，倒不是說監(jiān)管體系存在問題，而是因?yàn)槟壳暗谋O(jiān)管體系很難匹配AI高速發(fā)展的特性。舉個(gè)例子，算法在一年內(nèi)可以進(jìn)行多次迭代，效率和準(zhǔn)確率可以在短期內(nèi)得到很大提升，但理論上每一次算法的迭代用于臨床都需要重新通過一次漫長的醫(yī)學(xué)認(rèn)證周期，但很多時(shí)候用于臨床的AI技術(shù)版本還是1到2年前的版本，AI帶來的高成長特性就很難體現(xiàn)。

此外，監(jiān)管與AI發(fā)展相匹配的問題也不是短期內(nèi)可以解決的，投資者必須清楚。

再有就是對有效醫(yī)療數(shù)據(jù)的獲取，目前，據(jù)GPLP君調(diào)查顯示，AI+治療類的創(chuàng)業(yè)公司往往限于通過和醫(yī)院合作的方式獲取數(shù)據(jù)，他們把服務(wù)器放到醫(yī)院去訓(xùn)練，但醫(yī)院本身并不具備這些數(shù)據(jù)的所有權(quán)，因此數(shù)據(jù)的獲取仍是一大難題，國家正在推動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)的建立，但尚需時(shí)日。

而對于醫(yī)療行業(yè)內(nèi)的AI治療公司來講，也并不是數(shù)據(jù)越多越好，最根本的還是要回歸到數(shù)據(jù)解讀專家以及腫瘤專家。以腫瘤為例，沒有標(biāo)注的數(shù)據(jù)沒有用，而數(shù)據(jù)的標(biāo)注只能找相關(guān)領(lǐng)域的專家，而且很多還是極度稀缺的專家，這樣標(biāo)注的成本就很高。

“其實(shí)在一些應(yīng)用領(lǐng)域，通過幾千個(gè)案例和數(shù)據(jù)就能滿足機(jī)器學(xué)習(xí)的基本需求，并解決一定場景的問題。”連心醫(yī)療CEO章樺表示，“對于數(shù)據(jù)的識(shí)別和分析，人工智能算法其實(shí)可以幫助大家做出來，壁壘并不高，但對于AI+治療來說，最后的壁壘往往在于能否將識(shí)別、診斷、勾畫、治療等環(huán)節(jié)形成一個(gè)完整的治療方案，比如把圖像識(shí)別轉(zhuǎn)化為指導(dǎo)設(shè)備的放射治療方案?！?/p>

但目前在國內(nèi)做過工業(yè)級(jí)產(chǎn)品的國內(nèi)就5個(gè)人，人才壁壘使得目前國內(nèi)能夠?qū)崿F(xiàn)AI從靶區(qū)勾畫到治療方案的團(tuán)隊(duì)少之又少。

　　AI+治療：創(chuàng)業(yè)和投資需要避雷針

隨著國民經(jīng)濟(jì)和AI技術(shù)的快速發(fā)展，從AI+診斷到AI+治療，資本開始進(jìn)入到這個(gè)長跑道。但一些投資機(jī)構(gòu)其實(shí)根本沒有醫(yī)療領(lǐng)域的投資經(jīng)驗(yàn)，也不清楚AI對醫(yī)療的實(shí)際影響程度。但在投資壓力下，他們又必須快速進(jìn)入這個(gè)領(lǐng)域。

這種情況，如何破呢?

客觀來講，監(jiān)管和AI發(fā)展的不匹配讓資本的加速效益無法體現(xiàn)，產(chǎn)品迭代快慢并沒有實(shí)際意義，投資人應(yīng)該關(guān)注的是真正具有核心壁壘的慢公司而不是快公司。

大公司不了解的場景才是有機(jī)會(huì)的場景，才能有機(jī)會(huì)建立競爭壁壘，AI+治療這樣的場景對于初創(chuàng)公司才更有機(jī)會(huì)，因?yàn)锳I+治療的壁壘往往不在于算法和技術(shù)，而是在于具有核心醫(yī)療技術(shù)背景的稀缺人才，對有效數(shù)據(jù)的運(yùn)用能力遠(yuǎn)比數(shù)據(jù)多少更有價(jià)值，但類似醫(yī)療影像的場景就很容易就被大公司掌握，大部分創(chuàng)業(yè)公司很快將失去競爭的渠道和機(jī)會(huì)。

目前的人工智能的本質(zhì)是對之前的數(shù)據(jù)進(jìn)行最大化利用，對于AI+治療也是如此，2018年的機(jī)會(huì)在于把之前積累的數(shù)據(jù)轉(zhuǎn)化為醫(yī)療服務(wù)。人工智能結(jié)合數(shù)據(jù)并最終變成醫(yī)療服務(wù)的不多，但只有這樣才有可能變成可收費(fèi)的商業(yè)模式。

商業(yè)模式很重要，如果還是依附于傳統(tǒng)的渠道，最好的結(jié)局是被收購，賣給硬件廠商，或者是只有繞過傳統(tǒng)的渠道才有可能實(shí)現(xiàn)獨(dú)立盈利。

AI+治療的未來如何呢?

且等時(shí)間的答案。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。