找到埋單方,醫療AI還要再闖幾關?

作者:《財經》記者 趙天宇 | 文 王小 | 編輯 時間:2019-04-01

排列五走势图爱彩 www.curyhp.com.cn

*本文謝絕轉載*


一位醫療公司負責人曾觀察醫療AI行業,希望選擇更具優勢者進行資本層面合作。然而,很快他發現,醫療AI公司對自身估值明顯過高,“在資本這一塊就不太容易談得?!?,計劃告吹。


這樣的事在近兩年經常發生,醫療一度被認為是最具潛力落地AI的領域之一,到今天,這一領域經資本熱捧,已簇擁著100多家企業爭相分食。


境況急轉直下是自2018年中期,之前能輕松融資的醫療AI公司,不乏到現在幾近無米下鍋。這催促著醫療AI企業要么拿出足以讓投資人信服的產品吸引融資,要么就快速進行商業化,爭取有穩定的收入支撐著活下去。然而,醫療AI產品普遍稚嫩,還不能獨當一面。


資本捧場,使產品同質化嚴重,送進醫院、無人使用的AI醫療產品不在少數。AI逐漸演變為醫療領域的嵌入品,如同錦上添花一般的點綴。那些符合醫生使用習慣、能為工作流程提供些許便利的AI產品,已算是這一行業的佼佼者。


很多醫療科技公司已經清醒地認識到,不能再把AI作為一項主要的賣點。從現實考量,國家藥監局將AI輔助診斷歸于醫療器械的監管范疇,業內普遍預計近兩年將有醫療AI公司拿到第三類醫療器械證,這是最為現實的路徑。


監管要求逐漸清晰,資本收緊,意味著百家公司提供醫療AI產品的草莽時代正畫上句點。拿到三類醫療器械證即意味著產品與醫院的關系不再曖昧不清,獲取收入合理合法,不過即便拿到,也不意味著能在醫院大規模鋪開,最終誰來為醫療AI埋單?誰愿意埋單?




醫院選誰?


在北京一眾三甲醫院里,?;岱拋偶訃夜舅屠吹撓跋馎I產品,功能非常相似?!?018年160多家醫療AI企業,140多家是做影像的,短期內在臨床應用上實現突破的難度很大,2019年會碰到困難?!貝笫醬锎詞既思鍯EO鄧侃告訴《財經》記者。


僅在一個肺結節篩查領域,截至2018年7月的不完全統計,就有20余家人工智能企業在做。肺結節是肺部發生的病變,通過肺部CT可以觀察到陰影。


影像科醫生使用這20余家企業產品的流程是一樣的,給患者拍肺部CT,在讀片時點擊AI的選項,軟件便會自動圈出認為是肺結節的部位。醫生需要自己確認,然后出具結論。


這類AI扮演的角色是醫療輔助識別,更直接地說,就是“看圖說話”。準確、操作便捷,能不斷優化,吻合現有工作流程的AI產品,不會被束之高閣。


然而,現階段普遍為弱人工智能,主流的深度學習方法存在一個明顯的缺陷,即過程無法描述?;瘓浠八?,AI算法的過程猶如一個專用的、無法打開的“技術黑箱”,所謂可用不可見。它既沒有普遍的適應性,也無法拆解出具體的智能化業務規則,而且高度依賴于參與訓練的海量數據。


正因此,醫療AI雖然終極目標在于替代醫生診斷,但短期內,輔助決策的定位不會改變。這既是監管方提出的審評方向,也是從業企業最為現實的路徑。


對有經驗的大型三甲醫院醫生而言,使用AI在影像上的輔助功能,有時類似一種對信心的支撐,結論一致便放過去,不一致的話重復看看,謹慎下結論。


自今年2月,國家藥監局發布《深度學習輔助決策醫療器械軟件審評要點(征求意見稿)》,也明確了在診療過程中,AI為醫務人員的臨床決策提供輔助和建議的評價標準。這也是現在多數醫療AI公司的努力方向——輔助篩查、輔助識別、輔助診斷、輔助治療這四個范疇內耕作。


擴大影像輔助診斷的范圍是AI公司的一個更可行途徑。按照通常邏輯,給AI投喂大量的數據,便能夠進行深度學習,形成AI對該病種的判斷。但實際上不是這樣,有公司曾想過擴大AI診斷肺病的種類,但是發現“水很深”。有些病變,影像醫生一眼就能看出來,AI畫圈畫框進行標注,反而看起來很繁瑣;而定義一個健康人,也需要同時排除所有的肺部疾病,邏輯陡然變得復雜起來,進展并不理想。


這說明AI突入醫療的長項在技術,可恰恰是技術突破遇到阻礙。


鑒于醫療AI的使用場景是醫院,其中多數又是影像AI,那么產品本身必須滿足影像科或放射科醫生的需求,這是讓醫院接受AI產品的前提——要么幫助其提高診療效率,要么功能強大到能部分補充人力缺口。


現實層面上,一款AI產品若想進醫院,拼的還是和醫院的關系,更多依賴于市場人員和商業團隊。



AI醫療公司得闖關拿證


醫療AI公司想走正規的醫院采購這條路,必須通過相應的認證。


目前,未有醫療AI公司拿到器械三類證。按照醫療器械注冊流程,拿證要經過產品定型、檢測、臨床試驗、注冊申報、技術審評、行政審批多個步驟。


數坤科技CEO馬春娥告訴《財經》記者,從與監管機構的溝通來看,行業最快的也只是處于臨床試驗階段。到完成注冊申報,最少還要八個半月,這是誰也無法省略的時間成本。


醫療AI必須以大量的數據投喂訓練,才有可能變得更“聰明”。按照國家藥監局提出的審評要點,數據收集在合規基礎上,盡可能來自多家、不同層級的臨床機構,以保證數據多樣性,提高算法泛化能力。這讓一些企業得花更多的心思去獲取數據。


獲取數據和標注數據,AI企業付出沉重的資金成本,隱形的則是時間成本。然而,由于無資質,還沒有企業敢明目張膽地售賣醫療AI產品給醫院。


醫院支付醫療AI公司多是搭載在硬件采購上,或以軟件支持為名,收取定期維護或者部署的費用。一些AI醫療公司與醫院合作開展科研項目,獲取一定的科研經費。


更何況,多數AI產品不夠成熟,處于努力為醫院創造需求的階段,醫院的付費意愿本來就很弱。


公立醫院使用的軟件,如醫院信息化軟件的采購,需要公開招標。作為軟件的AI產品,目前僅有公司推廣到熟悉的公立醫院安裝使用,處于灰色地帶不能大張旗鼓,是因為不能以此方式收費,否則就是違規。


和醫院的合作,顯然不能帶來持續的現金流,有收入,但規模不大,更遑論盈利。更麻煩的是,即便醫療科技企業為AI付出大量前期成本,但仍難直接把AI作為獨立產品推向市場。這是兩難境地。


萬里云醫療信息科技(北京)有限公司CEO黃家祥告訴《財經》記者,即便AI產品拿到了三類證,它的本質仍相當于一個外掛程序,每到一家醫院,需要跟醫院影像科室的系統做接口,拿到醫院的數據后進行運算,然后AI再應用于該院?;瘓浠八?,AI產品只是在影像科醫生的工作程序中嵌入,如同流水線上增加了一道工序。


醫生要考慮的是整個流水線的流暢程度,所以醫院很難孤立地為AI產品埋單,而是要綁定設備或系統,應用于整套診療流程。


影像AI,其實只是參與了醫生診療過程中的一個環節,而且能識別的疾病種類有限。有醫療科技公司從業者告訴《財經》記者,適用面窄的問題,導致這離賺錢還是很遠,尤其是從醫院賺錢。


監管方審批發放醫療器械證的方式,則是在幾年草莽之后,為醫療AI指的一條明路。


“拿證對應的是監管,而不是商業?!甭澩憾鶿?,醫療診斷人命關天,監管是必要的。拿到三類器械證,僅僅意味著產品達到了監管的要求,這與該產品是否有能力在醫院大規模鋪開之間,沒有必然的聯系。



找到埋單方,活到下一輪


監管方提出行業審評要點后,衡量一家醫療AI公司的真實能力就有??裳?。


以往,很多公司對外宣稱,AI識別某些疾病的準確度,動輒達到90%以上。一位醫療投資人告訴《財經》記者,這些百分比畢竟不是國家藥監局公開披露的臨床試驗數據,對此其實心存疑慮。


其實,盡管影像AI容易著手,但交付的困難在于,AI顯然難以準確找到所有的病灶。百分百的準確,是人類對機器提出的奢求。


鄧侃以一個“雙駝峰”曲線形容AI醫療行業的前景。從概念出發,走到頂端,然后遇到困難開始被看衰,泡沫擠掉,一些企業淘汰,一路落到底。經過這一輪,還活下來開始重新往上爬。


現在已經越過了第一個峰頂。問題是,誰能活到下一個高峰到來?


2019年,一些AI醫療公司的融資會更難,這是行業共識。行業正在經歷逐漸淘汰、逐漸成熟的過程,早先融資靠概念,現在靠實力?;嵊幸恍〢I醫療公司經歷困難或收縮或裁員,進入調整期。


醫療AI落地應用,也許是這一階段需要講述的新故事。


“我覺得這是創業者的期待?!奔梅遄時敬詞己匣鍶擻嗾骼に?,AI產品已經投入大量的人力財力,雖說現階段產品不會特別完美,但創業者還是希望能有一些收入來源,畢竟生存下去是個很現實的命題。


至于醫療AI的盈利期待,顯然為時過早。業內的判斷是,AI產品獲得醫生的廣泛認可,再到商業領域中實現盈利,需要兩三年以上。


既然要找到醫療AI的支付方,努力發揮AI的作用,那么醫療資源集中的大城市顯然不是上佳選擇。業內普遍認為,輔助醫生診療的AI產品,在基層醫療機構比較容易開始應用。此外,體檢機構日常排查健康人疾病風險,有很多重復性工作,AI也能介入提高效率。


擅長大數據、算法的公司試圖將計算機系統與AI結合,以期對臨床決策提供支持。醫療AI的盈利空間,本質上在于其創造價值的大小。省了多少人、多長時間,可以計算,最終就是在做價值交換。醫療AI公司試圖說服的埋單方,除了醫院,還有設備廠商。


過去30年,醫療設備的紅利已走過頂峰,該領域基礎科學少有新的重大突破。大型醫療器械的紅利正在逐漸消失,但是數據和智能的紅利正在到來。借助于器械廠商向智能化、多服務的轉型,一些醫療AI公司也在與設備廠商合作。


醫療AI公司希望這些階段性成果,能為下一輪融資做些鋪墊。


1月30日,證監會發布了設立科創板的幾則制度設計文件,提及推動互聯網、大數據、云計算、人工智能和制造業深度融合。同時,根據公司的市值,給出了5套差異化的上市標準,包括對營收、利潤、臨床進度的要求。


這條新的融資路徑廣受醫療AI公司關注,一旦登陸科創板,還能借此提升知名度。余征坤說,科創板上市并不是AI醫療公司的終點,只是解決短期的資金瓶頸問題。


醫療AI的賽道仍擠滿了創業公司,誰是優勝者、誰是頭部企業,一公里的賽道剛跑出幾百米。醫療AI需要說清楚的是,如何實現可持續的盈利模式,如何獲取穩定收入和現金流。上一個類似的故事是互聯網醫療。同樣被質疑盈利模式不確定,同樣經歷過風口又跌落,一批公司關停,如今頭部公司如平安好醫生、微醫,已經上市或意圖上市。


由于功能重復、扎堆,有AI從業者認為,與互聯網醫療相比,醫療AI領域甚至泡沫更大。


余征坤告訴《財經》記者,盡管互聯網醫療公司普遍仍未盈利,但用戶量、用戶活躍度、收入在增長,這是頭部公司潛力的衡量標準,將來對AI的評判標準也大致類似。對目前的AI醫療公司,他看重的三個指標是技術能力、數據量和商業渠道。這些問題也是醫療AI創業者反復思考的。


現在的AI與千禧年間的互聯網也許有點相似,當時有個電商平臺叫做8848,取珠穆朗瑪峰高度命名,網站很早就倒閉了。余征坤說,這顯然不能證明互聯網和電商沒前景。也許一個趨勢是,五年、十年后,一些醫療領域離不開AI。


然而,如何抵達那一天,如何讓AI成為醫療領域的必需品,答案只能繼續摸索。