医疗AI: '风口' | 还是 | '虚火' ?

医药网7月4日讯 医疗AI很热, 但实际落地应用的很少, 目前在影像和诊断方面稍有起色, 加之真正的人工智能人才尚未涌入到医学领域, 医疗AI道路仍然漫长.

人工智能的东风早已吹到了医疗领域.

优质医疗资源的供需不平衡, 医生培养周期长, 误诊率高, 疾病谱变化快, 技术日新月异, 以及人口老龄化加剧, 慢性疾病增长, 人们对健康重视程度提高, 催生了医疗AI (人工智能) 的发展.

长岭资本创始人蒋晓冬对21世纪经济报道记者表示: '为什么我们对人工智能在中国医疗体系中的应用这么看好? 因为在中国医疗体系中, 医疗质量无法持续性, 医疗资源, 无论是基层还是头部, 分配不平衡的情况都普遍存在, 而且因错位机制引起乱象的问题也十分普遍. '

针对这些问题, 人工智能或可扮演引领产业变革的关键角色. 然而医疗行业的高壁垒和特殊性, 也注定了AI赋能医疗的征途必然坎坷.

尽管医疗AI产品的尝试多种多样, 但尚未真正落地, 能够符合临床使用场景的产品仍缺席. 目前能够在医院投入使用的多是科研合作与试验.

AI医疗的风口吹向重构医疗体系.

具体来说, AI基于大数据, 将头部医院的医疗能力赋能基层医疗, 针对不同病种开发辅助诊疗等功能, 让基层医院也可共享头部医院的医疗技术, 最终将医疗资源平均分布在各个层级.

通过处理大量高质量的医疗大数据推动人工智能发展, 如病例, 影像, 基因, 并建立可验证, 可重复的医疗标准. 使得无论在诊前, 诊中, 诊后还是院内和院外, 患者均可享受标准化的医疗服务.

'人工智能的未来不是代替医生, 甚至也不仅仅是辅助医生, 而是帮助重构医疗体系, 建立新的基础设施的必要奠基石. ' 蒋晓冬说.

医疗AI的赋能之路, 正是基于大数据的深度学习.

如果把人工智能分成算法, 算力和数据三个维度, 则现在行业主要的机会集中在数据及应用层面, 竞争的核心在于数据的质量和数量. 数据是高质量的医学临床或生命数据, 这些数据就是磨刀石. '没有好的磨刀石, 就磨不出好刀. ' 蒋晓冬向包括21世纪经济报道在内的记者说.

与人类相比, AI最大优势在于计算高效, 尤其在数据密集型, 知识密集型, 脑力劳动密集型行业里.

回到医疗领域, 从全球 创业 公司实践来看, 具体应用囊括洞察与风险管理, 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, 可穿戴设备等.

而人工智能对于中国新医疗体系基础设施的变革也主要包括: 新医学, 即疾病的筛查和预测, 药物临床中病人筛选, 肿瘤诊断与治疗, 药物发现, 新靶点, 新标志物的发现等; 以及新医疗, 包括数据结构化, 标准化, 多源异构数据汇总挖掘, 辅助诊断, 病灶勾画优化治疗方案, 健康管理等.

众多细分赛道中, 以影像科为代表的辅助诊断领域一马当先.

'影像科医生每天写上百份报告, 疲惫导致质量下降, 这部分工作如果有一个好的AI助手解决, 解放医生, 投入更多时间进行病情研究和患者直接沟通才是有意义的. ' 第二军医大学长征医院影像学与核医学科教授刘士远举例说道: '医院7000多元一份的PET-CT收到的纠纷, 反而比120元一份普通CT要少, 正是因为PET-CT实际操作中让患者更多得到了与医生直接的沟通. 今后AI辅助医生发展路径, 也应当更多还原医生本身价值. '

医学影像AI作为典型的辅助诊断领域已经走出实验室, 即将迎来商业化浪潮, 今年也亮点频出. 部分智能影像诊断 企业 进入三类器械证审批申报流程, 有望正式进入商业化阶段. AI影像产品落地速度正加快, 产品性能成熟度不断提高.

另一方面, 除了辅诊领域, 近年来投资动向也开始倾斜于AI+药物挖掘应用. 即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; 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. 2015年, Atomwise基于现有的候选药物应用, 使得人工智能算法在一天之内就成功找到控制埃博拉病毒的两种候选药物.

在医疗AI领域, 资本力量竞相跑马圈地, 互联网巨头纷纷抢滩.

2016年被认为是人工智能+医疗在国内形成投资风口的元年, 共有27家企业在2016年融资, 其中16家企业融资金额在千万级人民币以上.

国内各类公司争相布局医疗AI赛道. 医疗人工智能的发展迅猛, 去年全年有超过28家创业公司获得融资, 总额超过17亿人民币.

2017年11月15日, 腾讯进入首批国家新一代人工智能开放创新平台名单. 此前, 腾讯先以单家 医院 作为突破, 然后通过建立联盟或成立联合实验室的形式与医院达成合作.

拥有强大人工智能人才和技术储备的传统互联网巨头也纷纷布局医疗人工智能. 阿里 健康 与万里云联合推出医疗AI产品 'Doctor You' , 腾讯推出医疗影像AI产品, 讯飞医疗推出了影像辅助诊断系统, 智医助理.

腾讯互联网事业部总经理李致峰向21世纪经济报道记者表示: '腾讯的目标并非一下子切入太多领域, 而是把技术先做深, 再慢慢拓展. 医疗AI的赛道还有很大扩展空间, 行业仍处于起步阶段, 腾讯希望吸引更多企业一起到觅影平台里, 我们也希望能够同在这个领域已经取得优势的企业展开合作, 选择同零氪科技合作, 因其具有超前的数据优势. '

零氪科技目前与500多家三甲医院达成合作关系并建立数据中心. 零氪医疗大数据平台已经聚集 280多万份有效肿瘤患者病例, 单病肿瘤渗透率超过60%. 换言之, 每年新增的肿瘤相关病例, 60%都会进入零氪科技的系统中.

据21世纪经济报道记者了解, 零氪科技已经在上半年完成D轮融资, 本轮融资达10亿人民币, 有望成为医疗大数据和人工智能领域第一个独角兽企业. 据接近人士透露, 经国务院批准成立的, 全球最大的主权财富基金之一 '中国投资有限责任公司' 是此轮融资非常重要的投资者.

全球范围来看, 投资风口出现在2014年, 主要集中在美国, 英国和印度. 其中肿瘤大数据公司Flatiron 于2014年完成融资1.3亿, 2016年完成融资1.75亿美金并于2018年以21亿美元总价被罗氏药业收购, 成为全球医疗人工智能企业中首家被药企收购的公司. 人工智能医疗持续升温.

有数据显示, 人工智能+辅助诊疗潜在市场空间巨大, 至少是万亿级以上的营收规模. 尽管如此, 人工智能医疗目前仍是蹒跚学步的婴儿.

刘士远对21世纪经济报道记者表示: '医学的问题很复杂, 维度很多, 不同于其他领域的人工智能. 对企业来说, 需要的是贴合临床问题的深入挖掘. '

比如脊柱突出问题, 影像科医生对此需求很大, 但实际并没有人或公司开始深入做这个细分领域. 因为涉及脊柱突出的影响维度很多, 复发度高. 有锥体维度, 肩周盘维度, 阴膜囊维度, 颈椎维度, 和软组织维度等. 更不要说涉及疾病的种类, 锥体的形态, 密度, 核磁共振检查等难度挑战.

看似简单的医生出具报告如果落到机器层面, 只能通过对单病种大数据的深度学习, 再慢慢整合变成多任务的复合模型, 才有可能实现.

'这个路程非常长, 需要创新和突破, ' 刘士远说, '目前AI在影像科的应用还仅仅停留在病灶检测当中, 没有符合临床场景的应用落地. 无法实现从检测结节, 进行分析到出具诊断报告的一体化进程. '

无独有偶. 中山大学肿瘤防治中心副主任, 肿瘤医院副院长钱朝南在上周2018中国 (广州) 风投圆桌峰会上也指出: 'AI很热, 泡沫也很多. 掌握人工智能技术的计算机专家和技术的公司兴奋活跃, 这叫一头热. 另外一头是冷的, 是医疗应用和临床, 这种模式显然不利于行业发展. '

针对企业布局, AI医疗领域竞争同质化问题同样严重.

以AI应用最为超前的影像科为例, 肺部, 眼部应用相对简单, 企业抢滩布局的扎堆. 然而例如脊柱, 腹部诊断等复杂部位的试水则相对较少. 目前产品端, 只有肺部和眼底相对成熟. 应用最多的仍是肺结节的检测, 还有一些做肺部的疾病, 包括做肺结节的鉴别诊断. 今后脑出血, 骨折, 冠脉, 肝脏可能也慢慢会进入公众的视野.

在小范围AI医疗落地方面, 刘士远指出, 临床诊疗的压力最大, 对AI落地的期待值也最高. 另在影像科方面, 对评片, 胸部CT平扫, 脊柱的磁共振检查都是医生工作强度大的重复性劳动, 对AI的需求也自然更为迫切.

'AI领域真正小范围落地, 单一的肺结节检测的最早也得一年以后. 对于实现符合临床场景能够出报告的项目落地, 至少还需要三年以上, ' 刘士远对21世纪经济报道记者表示, '要实现符合临床场景的落地, 需要的是各个单一领域的复合学习与应用. '

与国外医疗AI相比, 我国在大数据使用层面与国外处于同一水平, 甚至有更多的应用空间. 但在AI领域核心的算法竞争上, 中国仍有一定差距, 普遍停留在对于国外算法的二次创新, 亟待关键领域的突破. 'AI技术领域的核心竞争主要正是集中于数据, 算法和神经网络的突破. ' 刘士远强调.

零氪科技联合创始人, 首席临床运营官李丽平对21世纪经济报道记者表示: '医疗AI的门槛很高, 算法专家和医学专家关注的方向不同, 医学作为一个系统科学, 数据的逻辑, 建模, 分层非常复杂和丰富. 只有算法专家和医学专家深度融合, 彼此听懂各自的 '语言' , 才能解决这个问题. 所以AI没有数据不行, 只有数据也不行, 要有一大批能够唤醒沉默的病例和数据的复合型 人才 , 才能走出最关键的一步. '

而在临床研究领域的实际操作中, 需要解决的具体问题是合理科学招募患者样本和节约临床试验时间. '这就要求提前对设计方案进行切实有效的可行性评估, ' 李丽平补充道, '单纯的数据收集软件很简单, 但是进行长期数据收集, 处理分析结果则更有难度. 零氪科技的主要发展方向则集中在大数据+差异化, 从后台系统到科研服务多个环节形成闭环数据逻辑. '

除了大数据和临床的结合, 脑科学难题的攻克也同样制约着医疗AI发展.

针对神经网络对AI发展的促进作用, 可以理解为神经网络是对大脑系统的模拟. 人的大脑是复杂的, 现阶段的模仿仍停留在表层的神经细胞. 此领域, 作为国家重点发展方向的脑科学, 要想真正取得突破也必然风雨兼程.

除了临床应用的脱节以及深耕医疗细分领域的匮乏, 带来的普适性AI发展困局外. 宜远智能创始人吴志力还提到, 在AI领域, 不得不承认, 最顶级的人才还没有大量涌进来, 可能大部分在无人驾驶和在安防, 医疗领域仍十分孤单. 此外, AI算法人才与医学人才知识体系不同, 如何融合各自优势发挥最大价值, 也是值得企业思考的方向.

'公司专做AI的或者兼做AI的, 大家都在往人工智能领域方面发展, 简单的统计一下, 大概做医学领域AI的就有120多家, 而现在医疗AI领域的专家缺口, 尤其是AI核心算法的专家, 可能是缺口当中的缺口. ' 刘士远说.