AI医疗的商业化“生死局”
COMMERCIALIZATION OF AI MEDICAL'LIFE AND DEATH BUREAU'
文/石晗旭 编辑/张心怡
诞生于1956年的人工智能在经历了技术驱动和数据驱动后，已经进入了场景驱动的发展阶段。金融、汽车、医疗、零售、教育等被视为AI应用前景最可观的领域。
其中，医疗已经成为AI创投中热度最高的应用领域之一。前瞻产业研究院数据显示，2018年前三季度，国内AI医疗领域共有39家公司披露完成融资，融资案例数量同比增长21.88%；披露融资金额的18家公司共计融资约26.2亿元，披露融资总规模同比增长128.42%。
“当前AI基础设施已经很完善了，我们很看好其在影像、文本、诊疗、药物研发等医疗领域的应用。”远毅资本合伙人杨瑞荣介绍。
公开数据显示，医学影像是AI医疗领域中资本布局最为密集的一块，在2013年～2017年融资案例数最多，占AI医疗融资案例总数的31%。业内人士普遍认为，AI医学影像是最可能率先实现商业化的细分领域。如今，AI医疗产品正纷纷进入临床阶段，资本投入热情仍未冷却，但各界关于AI医疗的争议从未停歇。看好者认为AI能帮助解决医疗资源缺乏的问题，并能提高医生工作效率，从而创造价值；唱衰者则质疑其同质化严重，落地进程极为缓慢，找不到商业模式只能靠“烧钱”死撑。
税收策划指的是是税收和规则，是税收减慢行为，条件是他们没有违反现有的税法，根据纳税义务，这样他们就可以减少税收的经济行为。在税收策划被安排后，他可以减少企业的税收负担，增加公司盈余。税收策划是一项新经济活动。尽管政府要求企业整个经济活动的开展和相关法令和法规,这些原则方法,无疑使企业不断完善；此外,国家提倡和鼓励创业,总是有一些税收优惠,这就给了企业税务策划的可能。
通过计算并将表中数据v1和v2分别进行归一化之后计算其残差平方和得，最小二乘：Va=0.839 5；稳健估计：Vb=0.919 4。
巨头腾讯旗下的优图实验室将超声AI研究首先应用到了乳腺肿瘤筛查上。实验室医疗负责人郑冶枫曾在采访中介绍，这一病种对于AI的需求是比较迫切的，比如发病率极高、需要提高筛查效率等。
不过，国家对于AI医疗一直持支持态度，从国家药监局发布的一系列文件和会议内容可见，AI医疗器械审批正在加速。2019年7月17日，由国家药品监督局医疗器械技术评审中心、中央网信办国家计算机网络与信息安全管理中心、国家卫生健康委员国际交流与合作中心、中国人民解放军总医院等联合主办的人工智能医疗器械创新推进会上，人工智能医疗器械创新合作平台宣布成立，将全力推动AI医疗产品审批。
另有部分公司选择进军乳腺疾病领域。乳腺癌已经成为中国女性发病率第一高的疾病。国家癌症中心公布的全国癌症统计数据显示，2014年全国女性乳腺癌新发病例约27.89万例，占女性恶性肿瘤发病的16.51%，位居女性恶性肿瘤发病第1位。
一、从狂奔到洗牌
2016年至今，越来越多的资本涌入AI医疗赛道，“闻风”而至的创业者亦随之增多。在杨瑞荣看来，中国医疗发展的三大驱动力包括消费升级、技术应用以及政策。其中，AI、基因测序等技术已经发展到较为成熟的阶段，可以给医疗带来很大的机会，而中国各类疾病患者的数量则让每个细分领域的市场规模较国外更为可观。
汇医慧影也是进入乳腺疾病领域的玩家之一。2018年11月获得英特尔投资和芯动能投资的战略投资时，据创始人兼CEO柴象飞介绍，汇医慧影已形成了从科研到临床的多条产品线，涉及筛查、诊断、治疗各个方面，覆盖病种包括胸部CT防漏诊断、乳腺钼靶检测等10多项常见癌症等。
而工作内容重复性强、效率低的影像科对AI需求迫切。“未来，影像科在整个医疗中会发挥重要的作用，因为它会成为整个诊断流程的数据中心”，汇医慧影高级合伙人王捷曾说过，“目前中国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，而且培养一名影像科医生的周期非常长，平均在8年以上，因此影像医生缺口巨大”。
对此，中华医学会放射学分会候任主任委员、中国医学影像AI产学研用创新联盟理事长刘士远曾在2019年3月举办的中国医学影像AI大会上表示：“对比中美医疗AI公司的业务布局，我们不难发现，目前美国医疗AI企业行业分布较为广泛，而中国医疗AI企业大多集中在影像方面。”
由于受病种难易程度限制，同质化竞争难以避免。有媒体调查显示，140余家从事医疗AI的企业，近120家在做医学影像业务，其中约百家企业布局于肺结节影像产品。肺结节存在公开数据库，获取数据相对便利，而肺部活动较轻缓、肺结节影像更直观，因此大部分公司将肺结节产品作为主要产品。目前，无论是汇医慧影、推想科技、深睿医疗、图玛深维等融资轮次靠后的头部创业公司，还是腾讯、科大讯飞等巨头，都已经在肺部疾病方面进行布局。
同时，汇医慧影在单病种上实现了智能筛查、智能决策、预后预测、随访的全流程覆盖，形成了多模态和全影像数据链，对应的落地产品包括主动脉夹层人工智能研究平台和人工智能乳腺全周期健康管理系统。
看了三十多家AI医疗公司后，元璟资本合伙人田敏曾表示：“未来两年，医疗AI（公司）会死一批。至少在我看来，这会是个大概率事件。”
“从融资角度来看，2019年是富有挑战的一年”，数坤科技创始人兼CEO马春娥说道，“大量蹭热点、各方面稍微弱一些以及前期资金储备不是很好的企业，在2019年肯定会灭亡一批”。
二、另辟蹊径避开同质化
但实际上，医学影像的市场需求远不止于此。部分AI医疗公司开始尝试除肺部疾病以外其他的医学影像细分赛道。数坤科技、汇医慧影等便选择避开高度集中的肺部影像领域，进军其他病种拓展边界。
三度加注的杨瑞荣十分看好数坤科技的团队和价值。“我认为数坤是将底层技术和应用结合得最好的一个团队，且产品能够解决核心问题，帮助前端的心血管一线大夫节约时间。这部分时间可以为医院、为患者创造更大的价值。”
心脑血管领域的难度表现在诊断流程更加复杂和数据收集的难度大。据马春娥介绍，心血管影像的处理和诊断基于三维重建图像，从主动脉到冠脉血管，血管径差异从厘米至毫米呈数量级差异。面对复杂的任务，目前普遍采用的深度学习模型无法胜任。
在社会主义市场经济条件下，建立一个有效的建设工程造价咨询行业信用体系评价系统，是至着重要的，目前我国的信用保证体制发展的滞后严重制约了工程造价咨询业的发展。建设行政主管部门应加强信用评价体系建设，建立诚信行为记录、信息档案及其信用档案的数据库与信息化，使信用评价结果直接服务于相关的企业和个人。
全站仪三联支导线测量法在煎茶岭矿山中的应用………………………………… 田世义，李松，麻仲宁，袁策（1-63）
为此，马春娥带领团队研发多维度卷积神经网络技术，可以在冠状动脉CT造影图像中全自动、精确分割出冠状动脉血管，对有些仅占整张图1/10000的远端血管也能精确提取。在此基础上，数坤科技于2018年推出首个针对心血管疾病的人工智能辅助诊断产品CoronaryDoc；2019年5月，数坤还发布了针对心脏+肿瘤+神经的多病种影像AI辅助诊断平台。
数坤科技的融资节奏较为迅速：刚成立时，获得远毅资本2200万元天使轮投资；2018年7月产品推出后，完成过亿元A轮融资，投资方包括华盖资本、晨兴资本，远毅资本再度跟投；2019年2月，再获2亿元B轮融资，老股东全部再度押注，创世伙伴则作为新的投资方加入进来。
中性粒细胞／淋巴细胞比值与D-二聚体在深静脉血栓诊断中的价值………………… 汪文锐 胡何节 王晓天 等（2）206
2017年6月，马春娥创办数坤科技，选择从心脑血管影像领域切入AI医疗产业。这一市场足够大。据世界卫生组织统计，缺血性心脏病和脑卒中分别是全球排名第一和第二的主要死因。其中，中国患者数量最为庞大。
因此，大部分创业者和投资人对于AI医疗产品拿到三类医疗器械证、可以落地辅助诊断的进度十分乐观。
2.1 5个不同时间点三组患者non-HDLC、LDL-C达标率比较 随着出院时间的延长，non-HDL-C与LDL-C达标率逐渐升高，且均在12个月时达峰，随后逐渐下降。在出院3个月、6个月时，阿托伐他汀组、瑞舒伐他汀组的non-HDL-C与LDL-C达标率明显好于辛伐他汀组，在出院12个月、18个月时，阿托伐他汀组、瑞舒伐他汀组的non-HDL-C达标率明显依然好于辛伐他汀组（P＜0.05）。但在其他时间点及随访结束时，三组患者的 non-HDL-C达标率、LDL-C达标率差异无统计学意义（P＞0.05）。见表1。
目前，乳腺X线摄影、超声、MRI等影像技术已成为乳腺癌全周期诊疗的重要手段，但在医疗影像领域，却存在着医生供需缺口大、进入门槛高、医疗资源分布不均衡、数据量急速增长等难题。
元生创投创始合伙人陈杰便显得较为谨慎：“长期来看，我们看好AI医疗，我们也在AI医疗领域做了一些布局，包括医学影像、药物研发、血液病诊断。但目前很多项目拿证和商业化挑战很大。”
聚集了最多人和钱的领域便是AI+医学影像。一方面，智能影像识别技术发展较快；另一方面，医学影像是现代医学最重要的临床诊断和鉴别诊断工具，接近70%的临床诊断需借助医学影像。
热钱催生了更多的创业公司，寒冬则让竞争加剧。过去，大量资本进入AI医疗领域抢夺项目，越来越多的公司出现，估值水涨船高。但AI医疗研发及销售、市场成本较高，同时，多数公司尚未找到清晰的商业模式，不得不靠“烧钱”研发、推广。因此，虽然资本方当下依旧看好AI医疗前景，但通往AI医疗应用落地的路耗时费力，远超想象，这让行业中的狂奔者冷静下来，资金出现转向，投向产品已进入临床阶段的AI医疗公司，早期项目的生存变得艰难起来。
右岸接头土坝在麻石水电站扩建工程已建而扩建船闸未建时填筑，上游坡比为1∶2.0，下游坡比1∶1.5；采用黏土心墙防渗的型式，基础布置帷幕灌浆。
从结果上来看，这些“另辟蹊径”的公司更容易与医院达成合作，也更为资本青睐。
三、探寻商业模式
对AI医疗公司来说，产品只是一个底层设施。更快实现商业化、抢占更大的市场才是公司活下去的必要条件，也是资本现阶段最为关注的问题之一。
不过，医疗本就是一个慢行业，人工智能也需要长研发周期、高研发成本，快速完成审批使AI医疗产品落地并不现实。据马春娥介绍，一年打造产品、一年准备临床试验、一年注册，AI医疗企业申证至少也得需要三年的时间。同时，经过三年多的发展，AI医疗公司大多仍处于打磨产品的阶段，医院的付费意愿并不高。为此，探索商业模式成为了当下AI医疗公司发展的主旋律。
一方面，AI医疗公司寻求与更多医院合作，以收集更多高质量的数据训练深度学习模型。在此基础上，不断提高产品的诊断正确率，从为医院“锦上添花”到“雪中送炭”，切实满足医生对效率提升的需求，以提升医院付费意愿。
另一方面，数坤科技、汇医慧影等已经进入临床阶段的公司正在通过并行多产品线在更多的医疗细分领域进行技术创新，以此寻找更多的盈利模式。“人工智能企业前期在人才、数据、客户资源等各方面的投入很大，所以盈利是要有一个周期的。随着企业的产品越来越多，价值也就会越来越大，因为产品研发的效率肯定是成本递减的。”马春娥表示。
在问卷调查中，对于专业课程网络学习平台的建立，调查的已实习的学生全部认为非常需要，而在校生中48%的同学则认为一般需要，42%的同学则认为一般需要，还有10%的同学认为无所谓。可见，已实习走上社会的学生，更加珍惜学习的机会，更加需要课程建设的应用共享。
如何保证数据的有效性，争取尽早通过CFDA审批，也是各AI医疗公司的当务之急。这也对公司的市场能力提出了更为严苛的要求。
此外，更多创业者的目光瞄向了基层市场。三甲医院在AI医疗公司的抢夺下，已趋于饱和；而基层医疗市场数据量大，医疗资源更为不足，分级诊疗的推动也让这一市场焕发了新的生机。
管理不良是导致腺病毒爆发的重要原因。由于腺病毒是一种条件性致病原，在饲养管理中要特别注意对温度与通风状况的控制，避免诱发致病原。另外，还应注意饲料在搭配上的平衡性，避免出现其他缺陷导致疫病的发生。
（来源/创业邦）
标签：技术驱动论文; 数据驱动论文; 人工智能论文; 创投论文; AI论文; 场景驱动论文; 应用领域论文; 商业化论文;