|
AI医疗创业：盈利尚需时日 从健康筛查到辅助诊断、从健康档案到制药，当医疗领域开始被赋予AI基因时，风口出现。 文｜ 王倩 “AI+医疗”成为一个新的风口。在过去的半年里，百度、阿里、微软、苹果等科技巨头纷纷不遗余力地布局医疗领域的人工智能，技术当先、巨资先行、频繁收购……都在尽可能地抢占先机。 同时进场的还有一些创业公司，他们主要以医疗影像、医疗大数据的应用为切入口，以期在AI+医疗领域获得一席之地。那么目前的AI+医疗的创业究竟是怎样的？ 医疗的创业 在采访中，《商学院》记者发现，目前的AI+医疗的创业主要集中于医学影像辅助医生进行两癌（肺癌、宫颈癌）筛查。 “医学影像分析和深度学习技术，是人工智能领域在辅助医疗的主要的技术应用。”视见医疗创始人陈浩告诉商学院记者。陈浩介绍，目前视见科技的人工智能主要应用于三个场景：第一个场景是放射影像；第二种场景是辅助病理诊断；第三种场景是辅助放射治疗。 通过人工智能辅助技术的放射影像做早期肺癌筛查是较为普遍的应用场景。随着国家对肺癌从诊断治疗到预防治疗，通过人工智能辅助医疗技术，能够在早期的筛查阶段诊断出用户是否有结节，结节的大小以及良恶性等。“相对于诊断的成本，筛选成本较低，并且能够提高肺癌患者存活率，对早期肺癌会产生重大影响。”陈浩介绍。 在视见科技医疗中，还有一种应用是放射病理医疗。陈浩介绍，通过人工智能，可以在放射治疗中，治疗病变位置，避开正常位置。 解决难题 通过人工智能的深度学习技术进行十几套算法，在CT科、在核磁影响、在X光、在血液检验等科室分别进行了技术的尝试和储备之后，羽衣甘蓝创始人丁鹏发现，用人工智能的手段辅助病理科医生读病理影响的图片技术能够最先落地成产品，并且将产品聚焦于“宫颈癌”的早期筛查。 据了解，除了来自社会的数据外，每年国家组织的“两癌”筛查，都会产生数千万例的数据，一边是海量的数据需要分析，一边是病理人才的严重短缺。 海量的数据，稀缺的医生资源，一个很容易导致的问题是“漏诊”，相对于诊断，人工智能在筛查阶段，所解决的就是医生的漏诊问题。 “人工智能在这个阶段所做的就是帮助医生找到病灶区域，再让医生去判断这个病灶是否有问题，”陈浩强调，“人工智能医疗辅助诊断技术，无论是目前还是未来，都是辅助的角色。” 通过人工智能把医生从重复劳动中解放出来，让医生做更有价值的事情是人工智能在医疗领域的主要应用。 “快速的重复劳动，人类不擅长的领域恰好是计算机所擅长的领域。”丁鹏介绍。 落地不易 目前国家每年都会组织大规模的人力、物力进行“两癌”筛查。大量的数据，稀缺的人力资源，使人工智能进入这个领域成为可能。 丁鹏告诉《商学院》记者，之所以聚焦于宫颈癌的筛查，是因为在医学界病理学医生处于严重短缺的状态。“在美国，一名病理学医生服务一万多人，而在中国，这个数字是美国的十几倍。” 对此，陈浩也痛心疾首，“目前我国的病理科医生有9000名，而这个缺口是10万。” 而培养一个病理科医生需要十几年的时间。在临床实践中，病理科医生因为不直接面向收费，所以相对不被重视。但是现实是，病理科又是医院必备的科室。“如果一家医院没有病理科，那这家医院就不具备手术的能力。”陈浩介绍。 事实上，“两癌”筛查领域的巨大需求，是AI产品在这一领域落地的前提。 同时，海量的数据，是产品能够变现的基础。供给机器学习所用到的数据是训练人工智能机器学习教材。教材的数量以及质量决定了人工智能学习的最终效果。 丁鹏介绍，目前多数AI+医疗的创业聚集在肺癌的早期筛查，一个很重要的原因是在肺癌这部分拥有公开的数据集。美国NIH机构花了大概十年的时间梳理了上百万案例的病人数据。对于其他病症，这部分公开的数据对于针对肺小结节所研发的人工智能技术来讲，能够节省不少的时间与成本。 陈浩介绍，以宫颈癌为例，目前一家第三方检测机构或者病例监测中心每年所做的检测案例高达500万。 （责任编辑：晨鸿） |
