人工智能时代前沿技术社区

首页 > 人工智能 > 热点

阿里、百度纷纷下水,“AI+医疗”的门槛为何还是这么难迈

2017年初,世界癌症日(2月4日),IBM Watson医生第一次在中国“出诊”,仅用10秒就开出了癌症处方。这不仅引发舆论热潮,更振奋的是这让我们看到了人工智能正在颠覆性的改造传统医疗。

作者: | 2017-10-11 10:16:48 | 来源:亿欧

医疗.jpg

一、人工智能正在颠覆性的改造传统医疗

2017年初,世界癌症日(2月4日),IBM Watson医生第一次在中国“出诊”,仅用10秒就开出了癌症处方。这不仅引发舆论热潮,更振奋的是这让我们看到了人工智能正在颠覆性的改造传统医疗。

IBM Watson可以在17秒内阅读3469本医学专著、24.8万篇论文,69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识,包括300多份医学期刊、200多种教科书及近1000万页文字,IBM Watson在短时间内可以迅速成为肿瘤专家,拥有更强大脑的癌症专家。在印度,Watson医生为一名已经无药可救的癌症晚期患者找到了诊断方案;在日本,Watson医生只花了10分钟就确诊了一例罕见白血病。

二、“人工智能(AI)+医疗”市场蛋糕巨大;阿里、腾讯、百度、科大讯飞、华大基因等都纷纷下赌入局

有关数据显示,预计到2025年,人工智能应用市场总值将达到1270亿美元。其中,医疗行业将占市场规模的五分之一,即254亿美元,千亿级人民币市场规模。2013-2017年,AI(人工智能)+医疗”各领域共发生融资事件241起。国外“AI(人工智能)+医疗”投资分布最大的在健康管理,其次是新医药和新技术发现,第三是病历分析,最后是医疗影像;在国内,医疗影像投资占比47%,硬件占近30%,健康管理占6%。

中国企业2010年后,已开始迅速布局医疗人工智能领域;2010年也是我国医疗人工智能领域创业分水岭,此前每年出现的这类新创公司数量极少。2014和2015年出现创业高峰,两年内共有52家公司成立;截止2017年7月31日,我国医疗人工智能公司共有131家,集中分布于北京、上海、深圳、杭州、武汉等一、二线城市,其中北京、上海、深圳三城集中了97家公司,占全部公司的76%左右。

泰山汇研究院数据,截止至2017年10月9日,国内医疗人工智能公司累积融资额已超过260亿人民币,融资公司共114家。国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、百度、科大讯飞、华大基因;海外主要有IBM、Google、苹果、微软、亚马逊等。

三、人工智能为何在中国医疗领域势不可挡?

人工智能在医疗方面的需求主要基于几个客观现实:一方面是优质医疗资源供给不足,成本高,医生培养周期长,误诊率高,疾病谱变化快,技术日新月异;另一方面,随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高,医疗服务需求持续增加。

以医生资源为例,我国目前培养医生的模式是“5+3”,5年医学专业本科教育,再加3年住院医师规范化培训,结业考试合格者才具备医生从业资格……8年的大浪淘沙,真正坚持下来的优秀医生人数有限。

人工智能的核心能力实际上是人类自身已拥有的能力,但与人类相比,最大优势在于计算能力的高效,尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。因此,在医疗领域它将从这三方面产生巨大颠覆:

第一,提高医疗机构和医生的工作效率,减少不必要的人力成本;第二,提早预测疾病风险,发现重大疾病,提前预防,以减少后续不必要的更大医疗支出;第三,方便医生管理看护患者,也方便患者自我健康和疾病的管理,让自查自诊等成为可能,将医疗延伸到院外,前置到院前,同样缓解医疗资源的紧张,降低医疗成本。

四、人工智能(AI)+医疗,四种主流模式应用

从全球创业公司实践的情况来看,AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他,其中以四种模式为主流。

第一、AI+辅助诊疗,即将人工智能技术用于辅助诊疗中,让计算机“学习”专家医生的医疗知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案。在AI+辅助诊疗的应用中,IBM Watson是目前最成熟的案例。目前IBM Watson已部署在美国多家医院提供辅助诊疗的服务,服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。

第二、AI+医学影像,是将人工智能技术具体应用在医学影像的诊断上,主要分为两部分:一是图像识别,应用于感知环节,其主要目的是将影像这类非机构化数据进行分析,获取一些有意义的信息;二是深度学习,应用于学习和分析环节,是AI应用的最核心环节,通过大量的影像数据和诊断数据,不断对神经元网络进行深度学习训练,促使其掌握“诊断”的能力。

贝斯以色列女执事医学中心(BIDMC)与哈佛医学院合作研发的人工智能系统,对乳腺癌病理图片中癌细胞的识别准确率能达到92%,与病理学家的分析结合在一起时,它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。

第三、AI+药物挖掘,是指将深度学习技术应用于药物临床前研究,达到快速、准确地挖掘和筛选合适的化合物或生物,达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟,AI可以对药物活性、安全性和副作用进行预测。借助深度学习,在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前,已经涌现出多家AI技术主导的药物研发企业。

第四、是AI+健康管理。目前从全球AI+医疗创业公司来看,主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

五、医疗AI创业、投资关卡重重,门槛难迈

虽然医疗人工智能是不可逆转的发展潮流,但我们也要清醒地看到,中国人工智能整体发展水平与发达国家相比仍存在不小差距,在前沿基础理论、关键性技术、产业基础平台、人才队伍和监管体系等方方面面都亟待创立和完善。

对所有行业企业投资者而言,医疗人工智能目前遇到不少发展阻力和确定性因素:

首先,数据根基不牢成软肋。人工智能的发展研究是基于海量的大数据,医学影像、医疗病例、基因突变、诊断病例、术后跟踪、健康行为等广泛的数据内容是医疗AI行业应用的前提。以Watson健康为例,它并不仅是一个技术,也包括泛数据的积累,从数据准备、模型建立、优化到最终应用于业务场景,再收集更多数据,周而复始、循环往复,完成深度学习的复杂任务。

中国医院体系,以公立医院为主,已建立了规范的业务流程,如果将人工智能新添到现今的医院流程中,势必会打破原有规则、体系,这将需要极强整合力与智慧。不仅如此,数据拥有者不共享、不互通数据,或者贡献数据后恐不能获得公平回报,都是目前亟待探讨的现实难题,虽不关乎技术,但直抵核心。数据质量问题也令人堪忧,目前,尽管第三方电子病历数据企业手握大量数据,但因数据质量不高,数据分散而很难挖掘出有价值的信息。

其次,如何与医院深入交融。只有软件打动医院管理层,在院长眼中能实现标准化和控费目标,才有望认可其价值,拍板引进。管理层在宏观层面,更关心医院效率、控费、医疗质量等能为医院创造价值的项目,而医生在乎地是效率和节省时间,让科研产出、临床产出更高效。对于投资人,如果投资的软件、服务、药品等叫好不叫座,损失自然是真金白银、时间成本。

最后,投资人的忧虑。综合考量人工智能(AI)+医疗这件事,存在着诸多问题,远近难辨、真假难分。例如:有没有伪需求的可能,场景频次、支付的意愿,这些都是落地应用的致命之处。

商业角度需要解决问题的流程是产品落地、商业模式落地、盈利能力落地。产品落地需要真实需求和技术能力实现。接下来是商业模式的落地,测试收入流水与规模复制收入。最后盈利能力的落地,但目前还未有非常完善的盈利模式,AI医疗领域的创业者都还在不断尝试。

方正证券产业金融部董事医疗产业投资并购负责人姜天骄告知笔者:“一个资本风口的耐心周期大约两年,前两年需求确认、技术实现,过两三年测试收入流水、规模复制,再过两三年产生净利润、延伸盈利模式,这样的项目才是资本推崇的成功项目,显然AI医疗难以这样推进。”

六、尾语

我们期待“看病难、看病贵”成为过去式,至少寻常百姓可以看得起病,相对完善的医疗服务。马云说的“医院不改变,我们就改变医院”,很是激荡人心,但真正的改变也非旦夕之功。

我们希冀在资本与政府的共同驱动下,人工智能带领着医疗创业者不断尝试连接技术、数据、设备、人等等,不断试错,不断拓荒、不断迭代,重整架构。让大数据、人工智能,通过医疗生态重构真正造福寻常百姓。当然,AI医疗的基础终归是商业服务,最终还要回归商业本质的思考,在物竞天择中,没有成功的企业,只有时代的企业。