谁为医疗AI埋单

本文来源于《财经》杂志 2019-03-31 18:26:01
分享到:
导语

还没有AI产品拿到三类医疗器械证,即便拿到,也不意味着能在医院大规模铺开。唯有从产品同质化中突围,提高技术能力,成为刚需,医疗AI企业才可能具备盈利的基本条件

文 赵天宇 | 编辑 王小

一位医疗公司负责人曾观察医疗AI行业,希望选择更具优势者进行资本层面合作。然而,很快他发现,医疗AI公司对自身估值明显过高,“在资本这一块就不太容易谈得拢”,计划告吹。

这样的事在近两年经常发生,医疗一度被认为是最具潜力落地AI的领域之一,到今天,这一领域经资本热捧,已簇拥着100多家企业争相分食。

境况急转直下是自2018年中期,之前能轻松融资的医疗AI公司,不乏到现在几近无米下锅。这催促着医疗AI企业要么拿出足以让投资人信服的产品吸引融资,要么就快速进行商业化,争取有稳定的收入支撑着活下去。然而,医疗AI产品普遍稚嫩,还不能独当一面。

资本捧场,使产品同质化严重,送进医院、无人使用的AI医疗产品不在少数。AI逐渐演变为医疗领域的嵌入品,如同锦上添花一般的点缀。那些符合医生使用习惯、能为工作流程提供些许便利的AI产品,已算是这一行业的佼佼者。

很多医疗科技公司已经清醒地认识到,不能再把AI作为一项主要的卖点。从现实考量,国家药监局将AI辅助诊断归于医疗器械的监管范畴,业内普遍预计近两年将有医疗AI公司拿到第三类医疗器械证,这是最为现实的路径。

监管要求逐渐清晰,资本收紧,意味着百家公司提供医疗AI产品的草莽时代正画上句点。拿到三类医疗器械证即意味着产品与医院的关系不再暧昧不清,获取收入合理合法,不过即便拿到,也不意味着能在医院大规模铺开,最终谁来为医疗AI埋单?谁愿意埋单?

医院选谁?

在北京一众三甲医院里,常会放着几家公司送来的影像AI产品,功能非常相似。“2018年160多家医疗AI企业,140多家是做影像的,短期内在临床应用上实现突破的难度很大,2019年会碰到困难。”大数医达创始人兼CEO邓侃告诉《财经》记者。

仅在一个肺结节筛查领域,截至2018年7月的不完全统计,就有20余家人工智能企业在做。肺结节是肺部发生的病变,通过肺部CT可以观察到阴影。

影像科医生使用这20余家企业产品的流程是一样的,给患者拍肺部CT,在读片时点击AI的选项,软件便会自动圈出认为是肺结节的部位。医生需要自己确认,然后出具结论。

这类AI扮演的角色是医疗辅助识别,更直接地说,就是“看图说话”。准确、操作便捷,能不断优化,吻合现有工作流程的AI产品,不会被束之高阁。

然而,现阶段普遍为弱人工智能,主流的深度学习方法存在一个明显的缺陷,即过程无法描述。换句话说,AI算法的过程犹如一个专用的、无法打开的“技术黑箱”,所谓可用不可见。它既没有普遍的适应性,也无法拆解出具体的智能化业务规则,而且高度依赖于参与训练的海量数据。

正因此,医疗AI虽然终极目标在于替代医生诊断,但短期内,辅助决策的定位不会改变。这既是监管方提出的审评方向,也是从业企业最为现实的路径。

对有经验的大型三甲医院医生而言,使用AI在影像上的辅助功能,有时类似一种对信心的支撑,结论一致便放过去,不一致的话重复看看,谨慎下结论。

自今年2月,国家药监局发布《深度学习辅助决策医疗器械软件审评要点(征求意见稿)》,也明确了在诊疗过程中,AI为医务人员的临床决策提供辅助和建议的评价标准。这也是现在多数医疗AI公司的努力方向——辅助筛查、辅助识别、辅助诊断、辅助治疗这四个范畴内耕作。

扩大影像辅助诊断的范围是AI公司的一个更可行途径。按照通常逻辑,给AI投喂大量的数据,便能够进行深度学习,形成AI对该病种的判断。但实际上不是这样,有公司曾想过扩大AI诊断肺病的种类,但是发现“水很深”。有些病变,影像医生一眼就能看出来,AI画圈画框进行标注,反而看起来很繁琐;而定义一个健康人,也需要同时排除所有的肺部疾病,逻辑陡然变得复杂起来,进展并不理想。

这说明AI突入医疗的长项在技术,可恰恰是技术突破遇到阻碍。

鉴于医疗AI的使用场景是医院,其中多数又是影像AI,那么产品本身必须满足影像科或放射科医生的需求,这是让医院接受AI产品的前提——要么帮助其提高诊疗效率,要么功能强大到能部分补充人力缺口。

现实层面上,一款AI产品若想进医院,拼的还是和医院的关系,更多依赖于市场人员和商业团队。

AI医疗公司得闯关拿证

医疗AI公司想走正规的医院采购这条路,必须通过相应的认证。

目前,未有医疗AI公司拿到器械三类证。按照医疗器械注册流程,拿证要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批多个步骤。

数坤科技CEO马春娥告诉《财经》记者,从与监管机构的沟通来看,行业最快的也只是处于临床试验阶段。到完成注册申报,最少还要八个半月,这是谁也无法省略的时间成本。

医疗AI必须以大量的数据投喂训练,才有可能变得更“聪明”。按照国家药监局提出的审评要点,数据收集在合规基础上,尽可能来自多家、不同层级的临床机构,以保证数据多样性,提高算法泛化能力。这让一些企业得花更多的心思去获取数据。

获取数据和标注数据,AI企业付出沉重的资金成本,隐形的则是时间成本。然而,由于无资质,还没有企业敢明目张胆地售卖医疗AI产品给医院。

医院支付医疗AI公司多是搭载在硬件采购上,或以软件支持为名,收取定期维护或者部署的费用。一些AI医疗公司与医院合作开展科研项目,获取一定的科研经费。

更何况,多数AI产品不够成熟,处于努力为医院创造需求的阶段,医院的付费意愿本来就很弱。

公立医院使用的软件,如医院信息化软件的采购,需要公开招标。作为软件的AI产品,目前仅有公司推广到熟悉的公立医院安装使用,处于灰色地带不能大张旗鼓,是因为不能以此方式收费,否则就是违规。

和医院的合作,显然不能带来持续的现金流,有收入,但规模不大,更遑论盈利。更麻烦的是,即便医疗科技企业为AI付出大量前期成本,但仍难直接把AI作为独立产品推向市场。这是两难境地。

万里云医疗信息科技(北京)有限公司CEO黄家祥告诉《财经》记者,即便AI产品拿到了三类证,它的本质仍相当于一个外挂程序,每到一家医院,需要跟医院影像科室的系统做接口,拿到医院的数据后进行运算,然后AI再应用于该院。换句话说,AI产品只是在影像科医生的工作程序中嵌入,如同流水线上增加了一道工序。

医生要考虑的是整个流水线的流畅程度,所以医院很难孤立地为AI产品埋单,而是要绑定设备或系统,应用于整套诊疗流程。

影像AI,其实只是参与了医生诊疗过程中的一个环节,而且能识别的疾病种类有限。有医疗科技公司从业者告诉《财经》记者,适用面窄的问题,导致这离赚钱还是很远,尤其是从医院赚钱。

监管方审批发放医疗器械证的方式,则是在几年草莽之后,为医疗AI指的一条明路。

“拿证对应的是监管,而不是商业。”马春娥说,医疗诊断人命关天,监管是必要的。拿到三类器械证,仅仅意味着产品达到了监管的要求,这与该产品是否有能力在医院大规模铺开之间,没有必然的联系。

找到埋单方,活到下一轮

监管方提出行业审评要点后,衡量一家医疗AI公司的真实能力就有迹可循了。

以往,很多公司对外宣称,AI识别某些疾病的准确度,动辄达到90%以上。一位医疗投资人告诉《财经》记者,这些百分比毕竟不是国家药监局公开披露的临床试验数据,对此其实心存疑虑。

其实,尽管影像AI容易着手,但交付的困难在于,AI显然难以准确找到所有的病灶。百分百的准确,是人类对机器提出的奢求。

邓侃以一个“双驼峰”曲线形容AI医疗行业的前景。从概念出发,走到顶端,然后遇到困难开始被看衰,泡沫挤掉,一些企业淘汰,一路落到底。经过这一轮,还活下来开始重新往上爬。

现在已经越过了第一个峰顶。问题是,谁能活到下一个高峰到来?

2019年,一些AI医疗公司的融资会更难,这是行业共识。行业正在经历逐渐淘汰、逐渐成熟的过程,早先融资靠概念,现在靠实力。会有一些AI医疗公司经历困难或收缩或裁员,进入调整期。

医疗AI落地应用,也许是这一阶段需要讲述的新故事。

“我觉得这是创业者的期待。”济峰资本创始合伙人余征坤说,AI产品已经投入大量的人力财力,虽说现阶段产品不会特别完美,但创业者还是希望能有一些收入来源,毕竟生存下去是个很现实的命题。

至于医疗AI的盈利期待,显然为时过早。业内的判断是,AI产品获得医生的广泛认可,再到商业领域中实现盈利,需要两三年以上。

既然要找到医疗AI的支付方,努力发挥AI的作用,那么医疗资源集中的大城市显然不是上佳选择。业内普遍认为,辅助医生诊疗的AI产品,在基层医疗机构比较容易开始应用。此外,体检机构日常排查健康人疾病风险,有很多重复性工作,AI也能介入提高效率。

擅长大数据、算法的公司试图将计算机系统与AI结合,以期对临床决策提供支持。医疗AI的盈利空间,本质上在于其创造价值的大小。省了多少人、多长时间,可以计算,最终就是在做价值交换。医疗AI公司试图说服的埋单方,除了医院,还有设备厂商。

过去30年,医疗设备的红利已走过顶峰,该领域基础科学少有新的重大突破。大型医疗器械的红利正在逐渐消失,但是数据和智能的红利正在到来。借助于器械厂商向智能化、多服务的转型,一些医疗AI公司也在与设备厂商合作。

医疗AI公司希望这些阶段性成果,能为下一轮融资做些铺垫。

1月30日,证监会发布了设立科创板的几则制度设计文件,提及推动互联网、大数据、云计算、人工智能和制造业深度融合。同时,根据公司的市值,给出了5套差异化的上市标准,包括对营收、利润、临床进度的要求。

这条新的融资路径广受医疗AI公司关注,一旦登陆科创板,还能借此提升知名度。余征坤说,科创板上市并不是AI医疗公司的终点,只是解决短期的资金瓶颈问题。

医疗AI的赛道仍挤满了创业公司,谁是优胜者、谁是头部企业,一公里的赛道刚跑出几百米。医疗AI需要说清楚的是,如何实现可持续的盈利模式,如何获取稳定收入和现金流。上一个类似的故事是互联网医疗。同样被质疑盈利模式不确定,同样经历过风口又跌落,一批公司关停,如今头部公司如平安好医生、微医,已经上市或意图上市。

由于功能重复、扎堆,有AI从业者认为,与互联网医疗相比,医疗AI领域甚至泡沫更大。

余征坤告诉《财经》记者,尽管互联网医疗公司普遍仍未盈利,但用户量、用户活跃度、收入在增长,这是头部公司潜力的衡量标准,将来对AI的评判标准也大致类似。对目前的AI医疗公司,他看重的三个指标是技术能力、数据量和商业渠道。这些问题也是医疗AI创业者反复思考的。

现在的AI与千禧年间的互联网也许有点相似,当时有个电商平台叫做8848,取珠穆朗玛峰高度命名,网站很早就倒闭了。余征坤说,这显然不能证明互联网和电商没前景。也许一个趋势是,五年、十年后,一些医疗领域离不开AI。

然而,如何抵达那一天,如何让AI成为医疗领域的必需品,答案只能继续摸索。

编辑:王小
关键字: 医疗
分享到:

杂志精选