资本新宠医疗AI尚处早期:还需继续“打怪升级”_上海晚成医疗器械有限公司

资本新宠医疗AI尚处早期:还需继续“打怪升级”

资本新宠医疗AI尚处早期:还需继续“打怪升级”


    截至目前,中国存在100多家医疗人工智能公司,并增长迅猛,资本对医疗AI青睐有加,投资毫不吝啬,但真正可用于临床的尚未出现,诸多瓶颈一时难以突破。

    “移动互联网时代持续不了多长时间,去年我就说移动互联网时代已经过去,AI时代到来了。”7月5日,百度董事长兼CEO李彦宏在首届百度AI开发者大会(Create 2017)上表示。

    每年都会有资本和市场追逐的几个关键词,今年,人工智能从Alpha Go战柯洁、无人驾驶、语音识别等逐渐烧热到医疗领域。

    从医疗AI布局方面看,IBM持续开发Watson Health,这是一种可代替医生为病人诊断的系统,先后收购了Explorys、Truven;Google收购DeepMind成立DeepMind health,与英国NHS、皇家自由意愿合作开发辅助决策、视觉疾病机器学习;微软发布医健计划Hanvoer,辅助精准用药、精准治疗;阿里发布ET医疗大脑;腾讯投资碳云智能、思派网络等医疗人工智能公司;百度宣布要做医疗大脑等。全球的互联网巨头们一家都没落下。

    医疗AI尚处早期

    在AI开发者大会上,百度并未提及目前在医疗领域的应用和布局,相比其他家,百度在医疗领域的进展伴随着一路质疑。

    百度在被曝医疗竞价排名及“魏则西事件”后,面对舆论的汹涌质疑,李彦宏曾回应要“彻底整改”;紧接着被曝医疗事业部被裁撤;去年10月11日,百度正式发布人工智能在医疗领域内的最新成果,即百度医疗大脑。

    按照百度的说法,医疗大脑计划打造成开放的医疗智能平台。“百度医疗大脑包括复诊、自诊、导诊。”日前,在第二届“中国光谷”国际生物健康产业博览会“医疗大数据与医学人工智能高峰论坛”上,百度医疗大脑实验室主任范伟介绍了最新进展,“核心是一个推理的网络,数据来源于病历、书本和诊疗指南;技术涉及实体识别、语义理解、搜索技术、深度学习/贝叶斯网络、图像处理、语音识别等,对医疗数据进行结构化处理。”据称,目的是在患者就诊过程中收集、分类、处理病人的症状描述,提高基层医疗资源利用率。

    从目前进展来看,百度医疗大脑显然还处在很早期的阶段。

    而人工智能在医疗的应用远不止于此,除BAT外,国内医疗人工智能公司较国外起步晚,但近三年来增长迅速,创业公司层出不穷。

    火石创造CEO 杨红飞发布的《医学人工智能产业图谱和投资趋势分析》报告显示,中国已经成为全球领先的AI研发中心,国内企业主要分布在北京、广州和长三角地区。

    数据生成和共享的速度迅速增加,也是医疗人工智能发展的动力。据IDC预测,到2020年医疗数据量将达40万亿GB,是2010年的30倍,但其中80%为非结构化数据。

    “从创业业态来看,目前中国拥有最好的机遇环境。”杨红飞表示,除人口老龄化带来的需求量、医疗资源供需不平衡、数据基础大、人才储备以外,国家政策给予很大支持,“到目前为止,与医学人工智能、大数据相关的政策超过80个,在政策推动的方向上,一定存在机会。”

    投资毫不吝啬

    根据上述报告,医疗人工智能公司从1998年的3家增长到2016年的36家,2017年的不完全统计,目前国内可统计的医学人工智能公司达到144家。

    从应用方向和解决问题划分,医疗人工智能分为三类:基础层,包括海量数据、算法框架和存储与计算能力;技术层,感知智能、认知智能,包括自然语言处理、图象识别等;应用层,包括药物研发、辅助诊疗、健康管理、医疗机器人、可穿戴设备、虚拟助手等。

    目前国内公司涉及的方向主要有:医学影像(25家)、智能机器人(9家)、虚拟助手(5家)、药物研发(3家)、辅助诊疗(41家)、健康管理(37家)、语音交互(8家)、信息化管理(25家)、其他(3家)。

    在各细分领域,投融资情况也不一样。“国内共有93笔融资记录,57笔披露了金额,其中辅助诊疗获投最多,为20.6亿。”杨红飞表示,其后依次为语音交互(13.2亿)、医学影像(11.6亿),健康管理(11.3亿),信息化管理(4.5亿),“但目前投资智能医疗机器人、药物研发和虚拟助手是很少的。”其中投资增长最快的时段为2013年到2016年,与全球的步调一致。

   “并且,A轮B轮融资金额较大,大多处于初创阶段,资本活跃度较高;行业集中度较低,尚未形成垄断或者出现‘独角兽’,尚未形成既定格局。”杨红飞认为,“但2016年总共投了25.8亿,这个领域比传统项目要贵,其实资本对人工智能的投资是毫不吝啬的。”

    瓶颈遍地

    丁香园创始人李天天在会上展示了丁香园与中南大学湘雅二院、大拿科技三方合作的AI辅助诊断皮肤病应用,“不可能把所有皮肤病都做到,我们只选了红斑狼疮。”

    李天天表示,第一阶段帮助建立疾病采集及解读;第二是处方建议及医学建议;第三做医生管理和患者教育。“现在还处在第一阶段,因为准确性没有达到想象的高度,因此需要不断调整算法。”

    李天天的体会是,医疗人工智能诊断好做,治疗难做;图片好做,文本难做;垂直好做,综合难做;影像和病理医生可能会“被优化”;不必局限诊疗环节;技术需要服务体系支撑,实现商业闭环。

    兰丁医学创始人兼CEO孙小蓉详细介绍了,利用人工智能在大规模宫颈疾病诊断中的应用,“公司的细胞DNA定量分析仪、间歇性气压血栓等主要产品获得了美国FDA认证受理。”孙小蓉表示,原理是利用人工智能的方式让机器深度学习,达到早期癌细胞检测自动化、智能化、标准化、网络化,以实现肿瘤早期诊断。

    但资本和市场活跃的背后,医疗人工更多的是问题和局限。

    “一是技术瓶颈,目前计算机不能应付复杂环境,无法处理模糊的、连续的、不完美的数据,认知层面的知识表达、信息补足瓶颈仍待突破。”平安创投董事总经理张江认为,数据缺失、缺乏统一标准、医患不信任、监管空白都制约发展,“医疗人工智能尚处于早期,仍存在着较多技术壁垒尚未突破,实际应用尚存在不确定性,目前亦无清晰的盈利模式,买单方不明确。”

    AIRDOC创始人兼CEO张大磊表示,“数据标注的问题应引起重视,大多数人觉得做人工智能是在写算法,实际上80%的时间都是在做数据预处理工作,且医疗行业的标注,往往不能通过非专业的人去做,这是一个瓶颈。”

    他表示,其次是数据质量,“医生是高度个性化的,非技术结果如果处理不好,很可能产生数据污染。”

    第三则是交互问题。“总体来说,病人和医生交互环节越多,算法各方面的质量越差。”如中医的望闻问切都可以称为交互环节,在处理这些过程的数据时,丢失的信息会对结果判断产生影响。“如果大家要做人工智能,做医生和病人交互越少的环节越好。比如某个环节医生不需要见病人也可以作出判断,这是最好的,因为算法可控。”

    相对应的,目前市场应用最多的是影像领域,AI帮助医生更快、更准确地读取病人影像数据,以做出更精确的诊断,杨红飞表示,“影像辅助诊断结合病理分析的准确率高达99.5%,市场空间巨大,融资金额达到30多亿,创业公司活跃度最高。”

   此外,张大磊指出,“监管发展与技术发展还存在巨大的鸿沟。从认识它到最后被接受、相应支付体系完善、医保介入,还需要很长过程。”

返回上一页