原標(biāo)題：AI+診斷賽道擁擠 AI+治療賽道成為下個(gè)市場熱點(diǎn)

文/草因心

　　前言：

在DeepMind CEO哈薩比斯看來，AI系統(tǒng)會首先在兩個(gè)領(lǐng)域部署，一個(gè)是醫(yī)療，一個(gè)是交通，比如醫(yī)學(xué)診療和自動駕駛。

人工智能正向醫(yī)療行業(yè)滲透，尤其是在醫(yī)學(xué)影像診斷領(lǐng)域發(fā)展迅速，DeepMind進(jìn)行的一些前沿研究也有了很好的進(jìn)展，如識別診斷糖尿病視網(wǎng)膜病變，利用視網(wǎng)膜掃描幫助診斷視網(wǎng)膜退化，利用機(jī)器學(xué)習(xí)檢測乳腺癌等。

目前AI+診斷賽道擁擠，AI+治療賽道成為下個(gè)市場熱點(diǎn)，但這個(gè)賽道好不好做很多人并不清楚，尤其在腫瘤治療方面。

　AI+腫瘤診斷可行嗎?

隨著中國人口老齡化的加速，癌癥成了第一大致命殺手，癌癥治療也是醫(yī)療中最難突破的場景。

一項(xiàng)來自美國哈佛醫(yī)學(xué)院的研究顯示，人工智能輔助醫(yī)生進(jìn)行乳腺癌診斷可將誤診率從4%降低到0.5%。同時(shí)，基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)系統(tǒng)幾乎可以在很短的時(shí)間里就讓人工智能達(dá)到專家醫(yī)生的水平。

AI可以幫助醫(yī)生、護(hù)士和放射科醫(yī)師，減少他們的工作量。尤其是在大型醫(yī)院，他們沒法應(yīng)付如此多的掃描需求和處理需要診斷的病變，病變的誤診和看漏時(shí)有發(fā)生。目前國內(nèi)不少知名醫(yī)院都已經(jīng)引入了人工智能閱片系統(tǒng)，協(xié)助醫(yī)生解決漏診誤診的問題和提升效率。

癌癥在早期往往很難被發(fā)現(xiàn)，因此腫瘤的早期篩查意義重大。但由于早期癌癥病變區(qū)域小，臨床診斷上傳統(tǒng)方法難以判斷良惡性，只能通過活檢的方式但會給病人帶來極大痛苦。利用AI篩查癌癥成了大家關(guān)注的焦點(diǎn)。

2017年世界胃腸病學(xué)大會&美國胃腸病學(xué)年會將唯一的國際獎(jiǎng)授予了一項(xiàng)關(guān)于AI篩查結(jié)直腸癌的臨床研究，這項(xiàng)研究來自于一個(gè)中國團(tuán)隊(duì)，是AI在腫瘤篩查應(yīng)用的一大突破。

但對目前的AI腫瘤診斷來說，直接對病灶定性判斷其是良性還是惡性依舊面臨眾多挑戰(zhàn)。尤其是在診斷有效性的認(rèn)證上，對腫瘤領(lǐng)域來說，需要深入到分子層面、細(xì)胞層面才能去做判斷和定性。而對于醫(yī)學(xué)影像而言，目前仍是基于形態(tài)學(xué)，通過對紋理特征的識別實(shí)際不能支持對腫瘤良惡性的判斷。

因此AI腫瘤診斷仍存在很大局限性，有效性在醫(yī)學(xué)上的認(rèn)證有很大難度。現(xiàn)在有一些團(tuán)隊(duì)正在進(jìn)行這方面的研究。12月16日，上海交通大學(xué)與依圖醫(yī)療宣布成立聯(lián)合實(shí)驗(yàn)室。雙方將在醫(yī)學(xué)影像診斷、病理信息分析、分子醫(yī)學(xué)等方面展開合作，重點(diǎn)研究人工智能在肺癌MDT(多學(xué)科綜合治療)診斷以及多種實(shí)體瘤影像識別方面的應(yīng)用。

據(jù)相關(guān)人士透露，目前AI診療主要還是作為一種輔助的手段，想真正運(yùn)用于臨床還需要克服很多難題，有效性驗(yàn)證仍需要較長時(shí)間。這就意味著可以市場化的產(chǎn)品極少。據(jù)粗略統(tǒng)計(jì)，目前國內(nèi)已經(jīng)有70多家AI醫(yī)療公司，他們多數(shù)都在與醫(yī)院合作進(jìn)行回顧性研究和臨床驗(yàn)證，長周期的大規(guī)模臨床驗(yàn)證及有效性驗(yàn)證是他們很難避開的難題。

　　AI+腫瘤治療 路在何方?

AI+治療是AI應(yīng)用于診斷后的下一應(yīng)用階段，但相比診斷，AI應(yīng)用于治療難度更大，場景更少，落地難度更大。

比如，在過去十年，放療在美國已逐步取代手術(shù)方式成為占比最大的一種治療方式。放療設(shè)備的精確度也越來越高，在美國，一臺設(shè)備一天可治療20個(gè)病人。但放在北京的大醫(yī)院，一天一臺設(shè)備要治療近120個(gè)病人。

將近6倍的治療人數(shù)帶來的是細(xì)節(jié)和質(zhì)量控制的欠缺，因此治療效果也只有美國的一半。因?yàn)橹委熯^程中靶區(qū)勾畫和放射方案制定非常耗時(shí)，醫(yī)生首先需要在100多層的圖像上將病灶和治療過程中有可能會影響到的所有正常器官和組織的位置圈畫出來。目前已有部分AI公司參與其中，實(shí)現(xiàn)基于AI的靶區(qū)勾畫。以連心醫(yī)療為例，從一開始就定位于腫瘤“AI+治療”領(lǐng)域，起步較早，目前在放療質(zhì)控和靶區(qū)勾畫方面已經(jīng)領(lǐng)先。

相比靶區(qū)勾畫，真正有門檻的是利用AI設(shè)計(jì)放射性治療的方案。門檻主要有兩個(gè)，一個(gè)是特定領(lǐng)域的稀缺人才，將AI應(yīng)用到放療治療需要具有核物理背景的專業(yè)人才，但相關(guān)人才在中國目前極度稀缺，主要集中在國外大型放療設(shè)備公司。

應(yīng)用場景的落地則是另外一個(gè)門檻，在中國醫(yī)療行業(yè)，診療資源極度不均衡、診療能力不足、部分濫用等問題眾所周知，但這并不意味著AI+醫(yī)療可以輕易重新分配這些資源，所以很多時(shí)候，投資人會陷入這個(gè)誤區(qū)當(dāng)中，然后進(jìn)行錯(cuò)誤的判斷。近兩年AI+診斷的賽道日漸擁擠，AI+診斷的落地前景尚未清晰。資本逐漸將目光投向AI+治療，卻不知其落地難度相比診斷更有過之。

首先，醫(yī)療行業(yè)是個(gè)無比龐雜的系統(tǒng)，AI也無法將各個(gè)環(huán)節(jié)整合起來，更實(shí)際地應(yīng)用是利用AI將某單個(gè)環(huán)節(jié)做好，即使是這樣對于落地也并不很容易。以腫瘤治療來講，基層醫(yī)院有設(shè)備也有條件，但患者始終會質(zhì)疑其診療能力，依舊義無反顧地涌向北上廣。即使他們需要為此承擔(dān)很高的租房、住院等間接成本壓力，還需要放棄當(dāng)?shù)蒯t(yī)保的高報(bào)銷比例。

形成如此反差的一個(gè)出發(fā)點(diǎn)是對當(dāng)?shù)鼗鶎俞t(yī)療的不信任，因此，如何獲取患者的信任也是AI+腫瘤治療最重要的問題，這就意味著僅通過CFDA等認(rèn)證還遠(yuǎn)不足夠，AI+治療公司尚需要業(yè)內(nèi)處在領(lǐng)先地位的大型三甲醫(yī)院的認(rèn)可，因此，即便目前很多公司與大型三甲醫(yī)院進(jìn)行科研合作，但是從合作到大型醫(yī)院的認(rèn)可還有一個(gè)過程，并不容易。

其次，診療的有效性認(rèn)證需要很長的周期，資本沒辦法加速這個(gè)過程。這也是醫(yī)療行業(yè)區(qū)別于其他行業(yè)最重要的特征，試圖短期內(nèi)希望看到明顯效益的資本投入都顯得非?？尚?。

這主要是受限于監(jiān)管體系，倒不是說監(jiān)管體系存在問題，而是因?yàn)槟壳暗谋O(jiān)管體系很難匹配AI高速發(fā)展的特性。舉個(gè)例子，算法在一年內(nèi)可以進(jìn)行多次迭代，效率和準(zhǔn)確率可以在短期內(nèi)得到很大提升，但理論上每一次算法的迭代用于臨床都需要重新通過一次漫長的醫(yī)學(xué)認(rèn)證周期，但很多時(shí)候用于臨床的AI技術(shù)版本還是1到2年前的版本，AI帶來的高成長特性就很難體現(xiàn)。

此外，監(jiān)管與AI發(fā)展相匹配的問題也不是短期內(nèi)可以解決的，投資者必須清楚。

再有就是對有效醫(yī)療數(shù)據(jù)的獲取，目前，據(jù)GPLP君調(diào)查顯示，AI+治療類的創(chuàng)業(yè)公司往往限于通過和醫(yī)院合作的方式獲取數(shù)據(jù)，他們把服務(wù)器放到醫(yī)院去訓(xùn)練，但醫(yī)院本身并不具備這些數(shù)據(jù)的所有權(quán)，因此數(shù)據(jù)的獲取仍是一大難題，國家正在推動醫(yī)療大數(shù)據(jù)平臺的建立，但尚需時(shí)日。

而對于醫(yī)療行業(yè)內(nèi)的AI治療公司來講，也并不是數(shù)據(jù)越多越好，最根本的還是要回歸到數(shù)據(jù)解讀專家以及腫瘤專家。以腫瘤為例，沒有標(biāo)注的數(shù)據(jù)沒有用，而數(shù)據(jù)的標(biāo)注只能找相關(guān)領(lǐng)域的專家，而且很多還是極度稀缺的專家，這樣標(biāo)注的成本就很高。

“其實(shí)在一些應(yīng)用領(lǐng)域，通過幾千個(gè)案例和數(shù)據(jù)就能滿足機(jī)器學(xué)習(xí)的基本需求，并解決一定場景的問題?！边B心醫(yī)療CEO章樺表示，“對于數(shù)據(jù)的識別和分析，人工智能算法其實(shí)可以幫助大家做出來，壁壘并不高，但對于AI+治療來說，最后的壁壘往往在于能否將識別、診斷、勾畫、治療等環(huán)節(jié)形成一個(gè)完整的治療方案，比如把圖像識別轉(zhuǎn)化為指導(dǎo)設(shè)備的放射治療方案?！?/p>

但目前在國內(nèi)做過工業(yè)級產(chǎn)品的國內(nèi)就5個(gè)人，人才壁壘使得目前國內(nèi)能夠?qū)崿F(xiàn)AI從靶區(qū)勾畫到治療方案的團(tuán)隊(duì)少之又少。

　　AI+治療：創(chuàng)業(yè)和投資需要避雷針

隨著國民經(jīng)濟(jì)和AI技術(shù)的快速發(fā)展，從AI+診斷到AI+治療，資本開始進(jìn)入到這個(gè)長跑道。但一些投資機(jī)構(gòu)其實(shí)根本沒有醫(yī)療領(lǐng)域的投資經(jīng)驗(yàn)，也不清楚AI對醫(yī)療的實(shí)際影響程度。但在投資壓力下，他們又必須快速進(jìn)入這個(gè)領(lǐng)域。

這種情況，如何破呢?

客觀來講，監(jiān)管和AI發(fā)展的不匹配讓資本的加速效益無法體現(xiàn)，產(chǎn)品迭代快慢并沒有實(shí)際意義，投資人應(yīng)該關(guān)注的是真正具有核心壁壘的慢公司而不是快公司。

大公司不了解的場景才是有機(jī)會的場景，才能有機(jī)會建立競爭壁壘，AI+治療這樣的場景對于初創(chuàng)公司才更有機(jī)會，因?yàn)锳I+治療的壁壘往往不在于算法和技術(shù)，而是在于具有核心醫(yī)療技術(shù)背景的稀缺人才，對有效數(shù)據(jù)的運(yùn)用能力遠(yuǎn)比數(shù)據(jù)多少更有價(jià)值，但類似醫(yī)療影像的場景就很容易就被大公司掌握，大部分創(chuàng)業(yè)公司很快將失去競爭的渠道和機(jī)會。

目前的人工智能的本質(zhì)是對之前的數(shù)據(jù)進(jìn)行最大化利用，對于AI+治療也是如此，2018年的機(jī)會在于把之前積累的數(shù)據(jù)轉(zhuǎn)化為醫(yī)療服務(wù)。人工智能結(jié)合數(shù)據(jù)并最終變成醫(yī)療服務(wù)的不多，但只有這樣才有可能變成可收費(fèi)的商業(yè)模式。

商業(yè)模式很重要，如果還是依附于傳統(tǒng)的渠道，最好的結(jié)局是被收購，賣給硬件廠商，或者是只有繞過傳統(tǒng)的渠道才有可能實(shí)現(xiàn)獨(dú)立盈利。

AI+治療的未來如何呢?

且等時(shí)間的答案。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。