AI医学影像火热背后:优质数据是关键资源,互联网巨头更有优势

2021-02-04 21:31:40爱云资讯

过去一年,“AI+医疗”成为火热医疗赛道中颇为活跃的细分领域。而在医学影像领域多家公司的商业化已开始落地,这提升了相关领域的投融资活跃度,根据天眼查App信息,睿心医疗、数坤科技、全景医学影像等公司自12月开始纷纷获得了来自一线基金的投资。甚至,一些跑得足够快的AI医学影像的公司甚至已着手登陆公共资本市场——据证监会此前公示的文件,推想科技与Airdoc已相继进入科创板上市辅导阶段。

然而更值得注意的是,已有10家公司自研、以AI深度学习为基础的医学影像类器械在中国、欧盟、美国获相应医疗监部门获批拿证。具体来看,艾瑞咨询报告显示,以CT影像、皮肤影像、眼底筛查、病理影像等为代表的AI+辅助检查以及CDSS在技术及应用上最为成熟,在AI医疗的细分赛道AI医学影像的企业数量最多,技术最成熟,在院内外的应用也最广泛。

实际上自2018年起,从资本动向看,AI医学影像辅助诊断已开始了一定程度的优胜劣汰,产品获批企业对资本则更有吸引力。总体来看,动脉橙数据库显示,2015年至2020年截至8月,AI医疗影像融资数量分别为23、36、47、61、28和11起。

AI医学影像火热背后:优质数据是关键资源,互联网巨头更有优势

来源:艾瑞咨询

AI医学影像火热背后:优质数据是关键资源,互联网巨头更有优势

△ AI医学影像公司业务及获证信息(来源:国家药监局,元气资本整理)

从更广泛的意义上来看,AI+医疗需要一个向外界证明“商业化落地”的细分赛道,来给予资本、公司和患者信心。在国家药监局获批将使企业更容易向医院销售AI影像产品,甚至推动更多公司业绩达到上市标准,拓宽融资渠道。但在整个AI医学影像技术的商业化路径上,拿证只是一小步——完成后距离明确的、全面的业绩增长,还有相当距离。

毕竟,AI医疗器械辅助诊断的市场需求在于提高医院、医生的诊断效率,甚至能完成人工短时间无法完成的工作。可如今,市场上多方观点都认为,AI技术运用在大部分医疗环境中处在“鸡肋”状态。

由于医院的每个科室需要不同工具,每个病种复杂程度不同,在影像辅助诊断领域,AI能撬动的效率非常有限。因为算法只能利用数据找出相关性,医生阅片的要求是找到明确病因并进行治疗。例如,某个AI算法可以识别患者是否带有肺癌的致病因子,但医生需要从一张医疗影像中看到包括肺癌在内的所有病变情况和致病因子。但面向未来,市场相信这些限制会随着医疗数据的积累进一步突破。

应用病种:去年融资心血管领域超一半

如今在某些场景,AI医学影像已经达到了医院的需求,相关产品在肺结节、糖网、心血管、宫颈癌、乳腺癌等领域都有应用。

以糖网病(糖网即糖尿病引起的视网膜病变,糖尿病致盲的眼睛无法通过手术复明)为例,糖网是一种较严重的糖尿病并发症,但早期发现又可以极大降低失明风险。我国是全球II型糖尿病患者最多国家,但执业眼科医生数量相对不足,导致糖网筛查比例不足10%,87%的患者就诊于县级及以下医疗机构,诊疗效果欠佳。在糖网的AI早筛早诊领域,目前获批的产品来自硅基智能与Airdoc两家公司。

硅基智能副总经理赖铭曾在公开演讲中分享其对糖网病变辅助诊断软件的申报过程的总结。申报创新医疗(002173,股吧)器械特别审查程序过程是以显著的临床价值为核心,即更好性能、更低成本和更高效率。在技术向产品转化时,创新医疗器械的核心技术发明专利可以是算法的专利,或是算法与硬件相结合的专利。

因此,算法的专利必然要以有效数据量为基础。这也意味着真实有效、脱敏的数据会是AI医疗重要的生产资料。

回到糖网病,因为医院虽然有足够的影像设备,但阅片医生人手短缺。内分泌医生很难对眼底影像精准阅片,超过50%的糖尿病患者没有进行并发症眼病的筛查。体素科技创始人丁晓伟曾表示,视网膜影像全病种阅读者的存在,让糖尿病为代表的慢性病随访管理,变成基层医院可以完成的任务。也是在这种特定场景下,AI医疗器械大大提高了医疗效率。

体素科技的发展也体现了AI在辅助诊断中发挥作用需要与医生真实的工作需求不断磨合、匹配。体素科技最初的重点是分析医疗影像数据,但单一的医疗影像数据有事无法准确判断疾病,此后,公司项目调整为以解决某种疾病的诊断问题为目的,同时涉及医疗影像之外其他诊断方式的数据分析。但经过检验,这仍不符合诊断过程的逻辑。为了使产品更贴合临床诊断流程,他们再次调整为从症状部位出发,把其他可能的疾病也纳入检查分析的范围中。体素科技当前产品主要针对胸腔和眼睛两个身体部位,包含可分析肺部、心脏及眼底诊断数据的3套系统。

AI医学影像火热背后:优质数据是关键资源,互联网巨头更有优势

来源:网络

在医学影像应用端,肺结节AI筛查应用最早,现在也成了AI影像辅诊相对红海的领域,而肺癌、乳腺癌曾有产品问世但未达到理想的商业化效果,两个病种的AI应用的科研的价值更大。但心脑血管AI影像开始成功兴起了。因为心脑血管发病较“凶险”,致死率高,而在诊断方面难度高,设备和人力资源缺乏,需要早筛早诊控制病情。

据浩悦资本对2020年AI医疗私募融资交易分析,AI医学影像领域,心血管细分赛道融资事件数量占比38%,而这38%的项目获得了整个领域超过一半(56%)的融资金额。

凯沃尔、数坤科技、睿心医疗、腾讯觅影都在研发心脑血管疾病的AI诊断产品,凯沃尔、数坤科技的产品在国内或国外药监部门获批(见上表)。人工智能心电分析诊断系统研发商凯沃尔已被乐普医疗全资收购。

睿心医疗的冠状动脉供血功能CT-FFR评估软件已进入创新绿色通道,并完成全国首个330例大规模、前瞻性临床试验,比全球范围内最大数量的试验也多近100例。据悉,CT-FFR可以减少了很多不必要的诊断性冠状动脉造影检查,也可以避免了有创FFR可能造成的冠状动脉痉挛和穿孔等并发症。而CT-FFR的突破性与睿心医疗的具有心血管、医学影像、流体力学领域多年研究经验的创始团队有很大关系。同样运用CT-FFR软件的还有科亚医疗,其无创CT-FFR产品“深脉分数”在国内为同领域首个获批的医疗器械,并且现在还在欧盟CE及FDA获批。

如何卖产品有可能向SaaS模式发展

AI医疗产品研发商有了获批的产品,如何卖得出去?

我们从高临Third Bridge了解到,在中国医疗采购体系中,单独采购软件都是比较难的,所以它一般都会和一些其他的采购项目打包。也就是说,医院采购大型影像设备时,中标商在投标书中配上一个AI辅助诊断的软件。且大部分产品是以医院买断的收费方式为主,如肺结节筛查的产品,医院的采购价为20-50万元。另外,体检中心和第三方影像中心在AI影像诊断方面的落地也很活跃,比如爱康国宾体检包中已包含糖网AI筛查项目,而AI辅诊软件也是绑定在第三方影像中心的套包中销售给民营医院的。

不难猜测的是,作为医疗信息化的服务,AI医疗产品有可能往SaaS模式发展,比如后期每年的运维费用,以及不同病种筛查项目作为“升级费用”实现SaaS类的收费。而且,医院一旦认可某个厂家的软件或产品,黏性会很高。归根结底是医院能够认可产品为医疗场景带来的效率提升或成本降低。而无论是哪种销售模式,AI服务商前期都需要较多销售端的人力投入去占领医院渠道,给医院提供免费试用机会。

针对糖网这项已经走向成熟的AI应用场景,艾瑞咨询提到,随着眼底筛查三类证的签发,医保收费名录在AI领域的扩大以及基层医疗机构信息化水平的逐渐增强,未来AI+眼底筛查领域也得以逐渐开始从向医院打包销售和独立销售的传统商业模式进一步扩展至由医保支付购买以及由基层医疗机构购买的新型商业模式。

有力争者互联网巨头有数据、资金和人才

AI医疗的发展时间不长,有些AI医疗影像公司或因商业化不理想、资金等问题,已面临淘汰或战略转型。例如,有专家曾表示,依图科技在2020年已经减少了在影像方面的研发、人员等投入,而更重发展医疗大数据,即医疗数据的结构化生成。这些都是市场(这里主要是医院)与医疗产品互相选择的过程。

针对这些尚未成熟的应用,现阶段还有谁能推动它的落地?

上文提到,在很多AI未攻克的场景、科室,企业更需要标准的医疗数据辅助新产品的研发。而在多个方面,市场并不会忽视BAT等互联网大厂的作用。AI研发人才、投入、数据对赛道上的企业发展都会成为壁垒。

互联网公司其实都成立了相关的事业部及进行投资布局,例如腾讯不仅大力投入AI医疗,商业化节奏也与市场同步。

腾讯在医疗领域应用的首个AI产品是腾讯觅影,专注医学影像,目前已投入食管癌、肺癌、糖网、乳腺癌、宫腔镜等方向的AI诊断及早筛研究。此外,Tencent AI Lab、腾讯优图、企鹅杏仁、腾讯微信智慧医院、腾讯医保支付、ADP架构平台、腾讯公益等项目都能成为日后商业化落地的某些环节。

高临Third Bridge的行业研究负责人告诉《元气资本》,腾讯有能力去聘请AI科学家发展医疗方面的研究,还联合了国内一线的专家做多中心的研究;同时腾讯也有完整的生态,尤其是腾讯云开放平台和微信,去对接医疗资源,这两大能力已经为其他公司所无法比拟。第三,腾讯的医疗数据量和数据有效性是行业内最高的。

具有医疗流量与生态的巨头公司可能会成为AI结合医疗的商业模式的载体。从通用AI能力、医疗场景覆盖的广度、垂直度、数据有效性看,百度医疗业务(灵医智惠)同样进行了深度布局,目前旨在实现基层医疗数据标准化、规范化,在医学影像方面以眼底病影像AI解决方案为主。再例如平安智慧医疗、平安医保科技将来会在AI筛查等一系列AI医疗产品中发挥规模化渠道的作用。 人工智能

相关文章
热门文章
头条文章
重点文章
推荐文章
热点文章
关于我们|联系我们|免责声明|会展频道