热门资讯> 现在不投医疗人工智能,未来十年至少错过八成医疗服务市场 | 寻找下一个金矿15 >

现在不投医疗人工智能,未来十年至少错过八成医疗服务市场 | 寻找下一个金矿15

转载时间:2021.07.23(原文发布时间:2016.10.14)
167
转载作者:36氪企服点评小编
阅读次数:167次

关于医疗人工智能,现在听到的最多的说法“太早期”。这其实是投资人不投这类项目的一种含蓄说法。但如果我们换一个角度来看这个问题,也许现在不布局医疗人工智能领域,未来十年真的有可能错过一个捕获新阿里巴巴的机会。

Part 1

为什么大多数人都觉得医疗人工智能太早期?有关这个问题,我在《扫描145家中美创业公司:梦想更大,还是坑更大?》的报告里初步分析了一下。这里简略重复:首先,训练人工智能需要大量医疗数据,但医疗数据因为涉及患者隐私而非常敏感;第二,医疗问题太过复杂,信息不完全透明;第三,每种疾病的算法和数据各不相同,工作量巨大。

这些“坑”导致研发一款成熟的医疗人工智能产品存在非常大的困难。而且,市场上也确实尚没有出现一款称得上标准意义人工智能的产品,包括IBM的Watson医生。再加上过去五十年里,医疗人工智能的尝试一直起起伏伏难有突破,这更加重了人们对其前景的犹疑。

再有一方面,可能就是医疗人工智能眼下确实没有讲出太多激动人心的故事。目前听到最多的一些应用场景,或是在大医院当中辅助医生、医院,提高医疗服务效率和质量安全;或者是在基层医疗机构当中,为基层医生提供辅助意见,提高基层的医疗水平。

为什么这些故事不激动人心?因为它们几乎和互联网医疗刚刚崛起的时候,所讲的故事是一样的。但互联网医疗迄今为止带给传统医疗的改变是非常有限的,虽然我们仍旧对改变充满信息。而经过五年多的探索,人们越来越发现,就算是在其他领域成熟的技术和商业模型,拿到医疗领域就是玩不转。医疗领域的问题太复杂,水太深,烧钱都没用。

再加上已有的大量医疗痛点,存在着比较明确的改进方案和商业前景,这让未来飘忽不定且商业前景上又了无新意的医疗人工智能在眼下没有成为资本的宠儿。资本寒冬就不用说了,现在要是没有商业变现能力,别人可能都不会睁眼瞅你。

总的来说,自身条件不出众又处在百花丛中,医疗人工智能的不受宠可能就是理所当然的了。

Part 2

但对于医疗人工智能仍处于早期的看法是片面的,或者更具体的说,是静态的。

原本我也以为医疗人工智能不太成熟,起码看不到特别明确的应用前景。但在接触了多家致力于人工智能的医疗创业公司之后,我改变了原来的看法。这些公司主要集中在影像诊断、辅助诊断方面。并不是说这些公司已经产出了非常完美的产品,而是这些创业公司当中蕴藏着的某种共同趋势,预示着人工智能改变医疗未来的可能性远大于人们的预期。

首先最终的一点是,这些公司的共同实践其实显示出了医疗人工智能的成熟路径:结构化数据训练算法模型。在算法这部分,深度学习技术出现后已经进步了一大块,并且掌握这一技术的人越来越多的来到中国。而数据这一块,虽然难度确实很大,但实际中突破的方式已经有很多。加上中国人口的基数优势,某些局部的数据突破都有可能促成医疗人工智能的巨大进步。

再有,医疗人工智能已经在部分病种上的应用取得了突破性的进展。比如IBM的Watson医生就在肿瘤的辅助诊断方面开始了大范围应用。再有就是国内不少创业公司在医学影像分析方面也已经有了非常多的尝试,并成功的在肺部疾病、心血管疾病的诊断方面取得了进展。实际上,这些公司大多仅成立两年左右。这样的进步显然是非常令人吃惊的。

这些其实充分表明,人工智能的进步速度也许真的比我们预计的要快得多。Watson在Jeopardy!上从一塌糊涂到赢得冠军,只用了不到五年。人类如果天赋不济,恐怕再怎么学习都可能取得这样的跨越,但机器的可怕之处在于,潜力未知。

在这个算法模型之外,人工智能还需要解决的几个关键问题,包括图像识别、语音识别、文字识别等,都已经日趋成熟。不久前,百度展示了他们的百度大脑。虽然百度进来一直被黑,但三年前还仅是3岁智商水平的百度大脑现在已经能够在地图、无人车等众多领域广泛应用他们的图像、语音、文字识别等技术。套用KK的一个理论,科学技术主动学习的基本障碍已经解除了。

Part 3

如果我们可以树立起对医疗人工智能在技术进步与突破方面的信心,那么接下来需要进一步讨论的是,最有可能率先取得突破的商业化应用场景在哪里?关于这一点,我们可以先来看已有的商业化实践。

首先的IBM的Watson医生。IBM现在力推的Watson for Oncology主要是在顶尖医疗机构应用,包括泰国的康民国际医院,印度Manipal Hospitals,以及中国的中山大学附属肿瘤防治中心、中国医科大学附属第四医院、浙江省中医院、复旦大学附属肿瘤医院等21家医院。

IBM的这个路径选择,一个是与肿瘤的特点有关,因为一般肿瘤患者大都会向顶尖的医疗机构集中;另一个则是与Watson本身的特点有关,因为其主要是通过文献检索的方式为医生提供辅助诊断建议,所以比较擅长处理疑难杂症。这种情况显然大医院更加集中。

另外一个则是刚刚发布的百度医疗大脑以及大量医疗人工智能创业公司所选择的路径,就是重点应用于基层医疗机构。这种路径的基本思路是,通过大量顶尖医疗机构的数据训练出来一个中等水平的医疗机器人,为基层医疗机构提供更高水平的第二诊疗意见。

这种路径的选择是考虑了多方面的因素。首先,对于主要提供辅助诊断意见的人工智能产品来讲,需要更好的嵌入医生原有的工作流程当中,而改造基层医疗机构的工作流程显然容易得多;第二,大医院对于辅助诊断意见的需求,远远不如基层医疗机构强烈。

但究竟哪一个方向的商业化前景更好,这很难判断。就像16排CT和256层CT一样,同样技术原理的遗弃产品面向完全不同的市场,但都有巨大的生意。

Part 4

“未来十年”这个周期是不是瞎蒙的?某种程度上,有蒙的成分。但有几个方面的数字,也可以为我们判断这个周期的长度提供参考。

人工智能的出现很大程度上是对医疗服务的一种变革,这需要人类的原有行为发生改变以及对新生事物的接纳。从这一点上看,更容易实现的是在新建医疗机构当中。

比如目前正在中国大范围出现的新型诊所。最近实际接触到的诊所像丁香园的丁香诊所,育学园的崔玉涛诊所等。除了在服务模式上的不同外,这些诊所令人印象深刻的就是他们对新技术的大范围采纳、应用,以更好实现服务患者。按照一般诊所3-5年的成熟期,可以猜想,5年之后,新的智能医疗硬件设备有可能会出现大范围应用。

如果接受新型诊所更愿意接受新事物的假设,那么新型诊所的大范围成长、成熟将成为医疗人工智能产品广泛应用的基础。但这至少需要5年时间。而一家更大规模的医院,成熟期则需要5-8年时间。也就说,周期还有可能更长。

那么培养人工智能医生的时间需要多长?这个没法判断。很多创业公司都谈到了一点,以现在深度学习的技术,训练机器的过程实际上与培养人类医生的过程大体接近。而即便不算实践操作,培养一个合格的医学生通常需要8年时间。机器虽然在数据传输和存储的能力上大大超过人类,但医学的决策过程则非常复杂,很难判断机器究竟需要多长时间能够模仿人类的决策思考过程。

另外一个在医疗领域产业链最成熟的就是新药研发。通常新药研发需要10到15年时间,需要经过新药发现、临川研究、上市审批等几个阶段。这与人工智能的研发过程非常类似,算法模型,数据训练,上市应用。实际上,临床研究的过程本身就是用数据证明药物的有效性。

这几个参照的案例也许都不足够恰当,但医疗机构的建设、医生的培养、药品的研发等这些应用在人体上的技术手段都需要相当长的“培育期”。那么对于同样将用于人类身体本身的人工智能技术,要通过这些门槛恐怕需要的时间也不会很短。当然,这几个数也有可能都是胡扯。

Part 5

医疗人工智能还有一个比较尴尬的问题是,未来的市场规模究竟有多大?这个特别难计算。比如人们都很熟悉的垂直领域糖尿病,人口基数、药费支出等都非常明确,市场空间就非常明确;肿瘤也是一样,也能够很清楚的算出市场的边界在哪里。但人工智能的市场边界在哪里?虽然人们都知道这个前景很大,但市场究竟有多大?

这里还是参考几个相关市场的情况。

首先,医疗人工智能产品应用的一个重要场景是医学影像的辅助诊断分析,那么与医疗设备厂商的合作就成为商业化的可能。实际上,在我们采访的一些CT设备厂商中,他们已经意识到在中国的基层市场大规模应用新的影像设备,特别需要辅助诊断分析工具,因为基层人才短缺的问题非常影像市场的拓展。因此,这个商业化的前景应该说相对明确。

而关于医疗设备市场规模的分析和预测大体是这样的:中国已有的医疗设备市场规模超过600亿人民币,而医学影像诊断设备市场规模超过220亿人民币,是全球第四大市场。而有预测显示,到2020年,中国医学影像诊断市场的规模将在400亿上下。

第二个与医疗人工智能相关的市场是医疗信息化,因为很多人工智能的产品应用与临床质量安全的控制,医疗费用控制、医保审核、人员激励管理等方面。而这些方面的应用都与医疗信息化的密切相关。目前,医疗信息化市场的情况大致是,2015医院信息化行业规模将达到248.2亿元,复合增速为32.1%。而还有研究的数据显示,预计2017年我国医疗信息化总花费规模在340亿左右。

但相比之下,医疗人工智能有可能大有可为的基层市场可能更有想象力。

从2015年的卫生统计公报看,全年77亿诊疗人次,有62亿来自三级以下医疗机构。二级及以下医疗机构是医疗水平上相当需要提升医疗机构,他们也将成为未来人工智能辅助诊断系统主要的应用对象。而这些医疗机构的诊疗人次已经在总诊疗人次中占据八成。这也就是本文那个耸人听闻的标题的来源。

而创业公司纷纷指向的基层医疗机构,诊疗人次也已经有接近44亿。如果按照国家分级诊疗目标,90%患者不出县的话,这些诊疗人次的数字未来只有可能更高。

不过,庞大的基层诊疗市场究竟意味着什么呢?

中国改善医疗服务体系,特别是在强基层上大体分成三个阶段:首先第一个阶段政府通过行政手段的方式,推动人员下沉以及改善基层的基础设施。这个过程至今仍在继续。这个阶段中国基层医疗机构发生的最主要变化就是硬件设施的大幅度提高,因为各级政府给予了大量财政投入。2013年的时候有一组关于医改的数据,用于基层医疗机构的基本建设投资为1300亿元,重大设备购置和改造维修等。

第二个阶段是互联网技术大范围应用于医疗服务体系,尤其是不同医疗机构、不同层级的医疗机构之间的联通。互联网技术的意义在于,通过远程医疗技术的应用降低医疗资源下沉的成本,并通过信息的连通建立转诊的绿色通道。这个阶段,不少地区都出现了区域医疗卫生信息系统。而政府在这方面其实也非常舍得投钱。2015年初,国家发改委确定了5个省、自治区的远程医疗试点,总投资就超过8个亿。

所以,从前两个阶段来看,政府在推动基层医疗发展上是非常舍得花钱的。那么第三个阶段,也许就是人工智能在基层的应用。因为前两个阶段更多实现的是设施、设备的下沉,人员技术的下沉效果仍然不好。也就是说,基层优质医疗资源供给的问题仍然没有得到解决。如果人工智能可以在医疗资源补充供给上取得突破,至少政府采购是一个可以参照的市场。(是可参考,而不是政府主导)

人工智能本身又与互联网、智能硬件天然亲和。据此可知,如果医疗人工智能能够形成应用平台,并且这个平台很现实是可以大范围标准化复制的,那么医疗领域出现阿里、腾讯这样的超级公司可能真的就不只是猜想了。

欢迎一起聊 “金矿系列”(liuyong@36kr.com):

【寻找下一个金矿】移动医疗兴起 “制服诱惑”

【寻找下一个金矿②】移动医疗 “2B or not 2B”?

【寻找下一个金矿③】医院的 “后门”

【寻找下一个金矿④】医疗大数据的苟且与远方

【寻找下一个金矿<番外>】移动到连通改朝换代,医联想为医生搞掂一切

【寻找下一个金矿⑤】VR 技术会不会加速传统医疗的全面革新?

【寻找下一个金矿⑥】医疗 IP 的美丽与哀愁

【寻找下一个金矿 7】互联网医疗 “出海” 进化论

【寻找下一个金矿8】医疗SaaS:发生在云端的“二次医疗革命”

【寻找下一个金矿9】都想让医保出钱,但减少花钱的事也许才挣钱

【寻找下一个金矿10】关于未来医疗,我们赌什么?

【寻找下一个金矿11】在分级诊疗的“消耗战”中如何突围?

【寻找下一个金矿12】诊所疯狂

【寻找下一个金矿13】未来五年,谁能整合医疗赛道?

扫描145家中美创业公司:梦想更大,还是坑更大? | 寻找下一个金矿14

36氪企服点评

新锐产品推荐

消息通知
咨询入驻
商务合作