展会信息港展会大全

风口上的医疗AI:巨头高调竞赛 产业迷雾重重
来源:互联网   发布日期:2017-08-14 10:02:11   浏览:47703次  

导读:导读 火爆的同时,医疗人工智能从研发、落地到产业化都布满痛点。国内的医院信息孤岛使得医疗数据这一门槛长期高伫,医疗大数据获取难和贵、数据质量差,成为被吐槽的重点,也直接影响技术研发和落地。 医疗AI(人工智能)实在太火爆了。 腾讯觅影的首次登台...

导读

火爆的同时,医疗人工智能从研发、落地到产业化都布满痛点。国内的医院“信息孤岛”使得医疗数据这一门槛长期高伫,医疗大数据获取难和贵、数据质量差,成为被吐槽的重点,也直接影响技术研发和落地。

医疗AI(人工智能)实在太火爆了。

腾讯觅影的首次登台亮相附带一丝玩味。在腾讯打造的见面会上,前1小时55分钟主要是条条阐述腾讯在“互联网+”领域的成就,临近最后五分钟,人工智能四个字经由麦克风闯进大众耳膜,腾讯觅影终得露面。

对于这样的登场,腾讯“互联网+”医疗负责人常佳向21世纪经济报道记者表示:“本身觅影的牵头部门是腾讯互联网+事业部,强调的是在真实场景中解决用户问题,没有刻意以某个技术为主线去推进工作。”

露面时间虽短,信息量却极大。这是腾讯首个应用在医学领域的人工智能产品,聚合了腾讯内部包括AI Lab、优图实验室等多个团队的技术,最成熟的食管癌智能筛查系统实验室准确率能达90%。同时,腾讯还宣布成立人工智能医学影像联合实验室,中山大学附属肿瘤医院(广东省食管癌研究所)、广东省第二人民医院、深圳市南山区人民医院成为首批合作医院。

高调出手的不只是腾讯。在过去的半年里,百度、阿里、谷歌、微软、苹果等科技巨头均不遗余力地布局医疗人工智能,特征是注重技术、巨资先行、频繁收购、攻克领域遍布产业链各环节。

同时进场的还有各色创业者和医疗机构,他们往往通过融资支撑研发甚至生存,主要集中在医疗影像诊断、虚拟医生助手、医疗大数据等商业化变现快的领域,部分依靠独家技术获得大额融资的创业者也在尝试破壁基础科研。

火爆的同时,医疗人工智能从研发、落地到产业化都布满痛点。国内的医院“信息孤岛”使得医疗数据这一门槛长期高伫,直接影响技术研发和落地。产业化层面则面临行业监管空白、未建立配套审批体系等问题。医疗人工智能究竟是虚火一场还是方兴未艾,依旧需要拨开重重迷雾。

腾讯入局

腾讯觅影包含6个人工智能系统,涉及疾病包括食管癌、肺癌、糖网并宫颈癌和乳腺癌,早期食管癌智能筛查系统最为成熟,属于医学影像识别。据悉,该系统筛查一个内镜检查用时不到4秒,现已进入临床前实验阶段。

对于食管癌早筛的意义,中山大学医院管理处处长、广东省食管癌研究所所长傅剑华教授指出,早期的食管癌内镜治疗手术后3-5天就可以出院,手术费用仅为后期食管癌治疗费用的三分之一,术后并发症也很少。“但是由于缺乏足够的认知和有效的早期筛查手段,目前我国早期食管癌检出率低于10%。”

常佳则认为:“医疗领域面临基层医生偏少的问题,很多病种相对不常见,医生学习周期也比较长。所以在早期筛查以及更多类似的医疗领域,人工智能应该享有比较大的发展机会。”

21世纪经济报道记者了解到,科技企业和医疗机构的合作中,科技企业一般扮演技术提供方的角色,医疗机构则提供医疗数据,搭建完备的临床路径、流程、疾病诊断的知识库、图像继续采集的系统等,在开发过程中双方的结合程度直接影响最终的成果。

在此次牵手三家医院之前,腾讯在医疗领域经常出手“买买买”,医疗人工智能领域也不例外。例如去年用基因大数据进行数字化生命管理的碳云智能完成近10亿元的A轮融资,腾讯为主要投资方之一;今年三月美国基因巨头Illumina创办的癌症早筛公司Grail宣布获9亿美元融资B轮融资,也出现了腾讯跟投的身影。

但亲自推出医疗人工智能产品尚属首次。“其实医疗领域非常难啃,医疗系统太过复杂。”常佳直言,“腾讯从来不提颠覆医疗,我们是连接医疗,在开放体系之下,我们会投资非常多公司。但我们发现有一些腾讯的基础能力是没有办法完全脱离开的,我们也需要底层能力。”

上个月月底,腾讯宣布启动人工智能加速器,在技术层面将连接来自腾讯AI Lab、优图、腾讯云等的能力,提供超过20项人工智能技术。

目前腾讯内部各个人工智能团队各有侧重点:优图实验室专注于机器学习、模式识别和认知技术的研究,成果已在天天P图等产品中应用;微信AI团队主攻语音识别、模式识别,核心应用是提供微信中语音输入转文字的方式;AI Lab主要围绕图像识别、语音识别、自然语言处理和机器学习4个方向进行研究。

此次与医院建立联合实验室后,腾讯觅影将继续聚合使用这些图像识别、深度学习等技术。“人工智能是属于基层技术能力开放的一种,也意味着我们开始走向了跟医学比较深度的结合。之前我们布局的医保支付、用户服务、微信公众号都是处于大众、医院服务领域,这个生态会起到一个长期的战略支撑作用。”常佳说。

巨头竞赛

相比腾讯,百度和阿里的医疗人工智能成果早已面世。

就在上个月,阿里健康宣布联合万里云医学影像中心发布医疗人工智能系统Doctor You,该系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。加上阿里在今年3月推出ET医疗大脑、早在2014年就推出的“未来医院”计划,阿里在医疗AI领域的渗透不断深入。

百度则在2010年就开始涉足医疗行业,在挂号、医院服务等方面都有布局。宣布裁撤医疗事业部之后,百度将重心转移到医疗人工智能,此前已推出百度医疗大脑。百度云合作伙伴总经理李政告诉21世纪经济报道记者:“现在还在埋头苦干阶段。”

BAT先后进场让国内医疗人工智能热闹非凡,但业内普遍认为中外在这一领域的技术鸿沟还很长很深。高特佳执行合伙人汤衡的点评一语中的:“医疗人工智能在基础研究和技术层面取得突破,并且开始商业探索的基本都是国外的企业。”

大拿科技产品总监金路补充道:“国际上有很多公开的数据库。人工智能热起来以后,医疗领域的公开数据库越来越多,这对进行基础研究的技术公司是非常好的,可以快速地形成自己的技术,或者验证原先的技术移到医疗领域能不能做出成果。这些基础研发一般都是科技巨头在做,外国企业做得早一点。”

据了解,人工智能在医疗领域的应用主要包括:辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。其产业链主要包括基础层、技术层、应用层,每个层面的进入门槛、核心优势都不一样,参与者、投资机会和回报也不尽相同。

其中,基础层主要由几家科技巨头布局,包括IBM、谷歌、微软、亚马逊、阿里、百度等。巨头们一般选择计算量需求较大的领域切入,这类企业基本属于高投入、高回报。

技术层是人工智能大生态系统的基础设施,需要有一定规模的工程团队,与行业结合,形成解决方案或通用技术平台。或者算法、框架及工具较多,形成算法工具平台、开发者生态平台,这类企业适合中长期投资布局。

这两个层面典型的案例是IBM的沃森肿瘤机器人,已经实现商业化并在一年前进驻中国医院。不过,汤衡指出:“基础研发的周期本来就很长,想要真正用起来还要跟行业深度结合。沃森现在是医疗人工智能走得最前的产品,但也处于一个技术成长的阶段,无法跟临床医生媲美。其他企业的研发成果就更早期。”

应用层则是在应用场景变现的渠道,据不完全统计,目前全球共有90多家医疗人工智能创业公司分布在应用层、技术层。应用类型包括医疗行业解决方案、医疗行业应用平台,竞争更加激烈,商业变现也来得更快。

今年1月,总部位于美国旧金山的Arterys宣布旗下产品Arterys Cardio DL获得FDA批准,用于分析心脏核磁共振图像,这是FDA批准的第一个用于临床的医疗人工智能产品。

金路认为:“将技术真正地运用到医疗领域是需要对行业深度理解,很多技术在实验室或者是比赛中验证是超越人类的,但到了临床,患者的疾病问题更复杂,应用场景更复杂。这个是中小企业的机会,更加机动灵活的应对变化并修改。”

商业化难题

风风火火进场的玩家聚集在一起,医疗大数据往往是吐槽的重点,吐槽的内容不外乎数据获取难和贵、数据质量差。

湘雅二院皮肤科主治医师尹恒主抓该院与丁香园、大拿科技合作的皮肤科人工智能诊断系统,在推出初期的模型之后,尹恒依旧感叹:“皮肤病的图像资源是比较容易获取,其他科室需要借助很多影像资料。但是系统需要搜集庞大、海量的皮肤病资源数据库,一家医院很难做到那么大量的采集,需要花费大量财力物力和人力。”

腾讯架构平台部高级工程师颜克洲在做乳腺癌病理图像识别项目,他遇到的数据问题来自于医生的习惯。“我们更需要波片扫描的数据,这个数据非常少,它需要把整个波片全部数字化,但是这个机器现在很多医院没有普及,很多医生也比较抵触使用这样的机器,他们从医学院开始接触到的训练都是使用显微镜。”

医疗数据对于人工智能而言等同于维系生存和成长的主食,有了数据才能训练人工智能机器,应用转化也需要跟临床数据相对接。对于国内企业而言,获取数据的渠道主要是跟公立三甲医院合作。此时,医院与医院的数据没有实现互联互通就成了主要的绊脚石。

汤衡指出:“中国医院都有私有云,各个私有云都是独立的,数据不共享。现在有一部分数据被互联网挂号平台占据,但数量少,数据质量达不到医疗研发级别。也有企业帮医院做系统对接然后抓取数据,一般是有选择性的抓取,无法获得完整版的数据资源。”

相比之下,欧美国家拥有完整的医疗数据电子化流程,但最终的结果是数据入口被巨头占据,购买数据的成本不低。以IBM沃森为例,2015年,IBM并购了三家医疗大数据公司Phytel、Explorys和Merge Healthcare。去年2月,IBM又花了26亿美元收购健康大数据公司Truven Health Analytics。至此,IBM在不到一年的时间里投入40亿美元获取数据。

解决了数据难题,医疗人工智能开始迈入产业化,这一领域国内的审批和监管还处于空白阶段。

汤衡直言:“未来是根据医疗器械、系统还是其他的方式进行监管还没有定论。国内已经在临床使用的产品基本都是打擦边球,借鉴临床同类项目的收费标准进行定价,也很难开出一个比较高的价格。”

美国的做法是,美国FDA在今年5月正式组建了一个由软件工程师和开发人员、AI技术和云计算专家等组成的新部门,专门致力于数字化医疗和AI技术审评,制定审批、监管的规范和标准。

另外,美国五大科技巨头(Google,Facebook,Amazon,IBM,Microsoft)联合成立了AI合作组织,以保障行业在未来能够安全、透明、合理地发展。

“其实监管我觉得不用担心,只要出来一个对临床有用产品,就一定能够获批使用。”金路认为,“现在的问题还是国内有一些概念性的技术在推出,但是能落地的少之又少。”

商业模式更是有待探索。汤衡认为,现阶段应用层面的医疗人工智能企业商业模式创新已经遭遇瓶颈期,基本依靠筛查服务、分析报告来变现,后期的技术升级、数据积累是否能够带来一些质变还需要验证。

“看了很多项目,但是投的很少,很多项目都是盈利不多甚至亏损的。项目的估值也都比较高,因为现在是个风口,很多资本都想投出一个成功的项目来做到市场龙头。”他说。

赞助本站

人工智能实验室

相关热词: 医疗 ai 人工智能 医学

AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港