大市中国

大市中国 > 国际 >

医疗AI重回市场风口 人才回流与赛道选择

2020-12-25 09:42:00

 

来源:财健道

今年下半年以来,中国医疗AI行业备受资本追捧,官宣拿到新一轮融资的已有20多家企业,部分企业甚至连获2轮甚至3轮融资,行业大额融资频现。在产品上,多家企业的产品获批了医疗器械III类证,“首张肺结节AIII类证”、“首张AI+CTAIII类证”、“首张AI影像辅助决策III类证”……随着III类证获批,医疗AI商业化的闭环也开始被真正打通。

在过去的一两年,行业的头部企业也难以获得融资、产品获批遥遥无期、商业变现举步维艰,很多公司破产倒闭。而如今,医疗AI似乎得到了各方的一致青睐,行业相对沉寂的颓势一扫而光。

人才回流与赛道选择

2015年前后,大批在美国顶级院校/机构工作、学习的中国科学家,相继回国创业,成为这波医疗AI浪潮兴起的开端。

2014年,温书豪在麻省理工学院进行博士后研究期间与合作伙伴共同创立晶泰科技,随后回国,将总部定在了深圳。

2014年,在美国芝加哥大学攻读经济学和金融学双博士的陈宽,退学回国,创立了推想科技。

2016年,担任GE全球研发中心主管科学家的曹坤琳离职归国,在原同事宋麒创立的科亚医疗(现更名为科亚方舟)担任研发部总裁。

2017年,在IBM创新实验室新技术研发岗位上担任领导职务的马春娥离职归国,创立了数坤科技。

……

在2015年前后,中国医疗AI还处于拓荒时期。在行业上,中国医疗信息化程度一直较低,手写病历、采用纸质单据当时还算普遍现象。一方面,由于学习、习惯的不一致,不同医生的病历录入往往不尽相同;另一方面,数据的归属权虽然没有定论,但肯定不属于想要创造AI的企业。

没有优质的医疗数据,对医疗AI的发展来说是致命的症结,这让人工智能无从谈起。如果人工智能是提炼、开采、加工原油的工具,那么大数据就是原油。

中国公立医院围墙高耸,医院对人工智能等新技术的认知程度低,需要长时间的市场教育。此外,医疗AI的商业化路径、应用场景、临床需求等也是每家企业必须回答的问题。

不过,行业在莽撞中还是开始了。企业与医院通过科研合作或共同承担国家课题的形式拿到了数据。

“医院在如何应用新技术,尤其是像人工智能、大数据这些新技术的话,他们其实是很感兴趣的,因为这能辅助医院做更好的临床实践。”马春娥向《财经》说,企业和医院双方在合作过程中,会遵守一系列的规范来保证数据的监管与管理,会对涉及隐私信息的数据进行清洗和脱敏处理。

对于医院来说,国内医疗资源缺口较大,医院有动力利用AI来提升效率,以弥补医疗资源的不足和缩短患者的等待时间;而对于医生特别是三甲医院的医生来说,科研论文的诉求则是利用AI的直接动力。

2016年3月,在韩国首尔,那场震惊人类社会的棋局发生了。谷歌AI系统AlphaGo4:1战胜世界围棋冠军李世石。此后的一两年,医疗AI成为了绝对的风口。行业里如雨后春笋般的冒出了上百家医疗AI企业,多数公司都拿到了融资,很多公司还在非常早期的阶段,估值就高得不可思议。

“回顾几年前的那个风口,当时所有的公司、所有的基金都在找AI的领域应用,而医疗是一个非常好的切入方向。而且大家知道,AI会对医疗产生很多变革,会有一些公司能跑出来,做的产品对临床有价值。”北极光创投投资副总裁马可向《财经》说,这是各大风投机构涌入的原因。

医疗人工智能在应用上,有辅助诊断、新药研发、慢病管理、健康管理、医学影像等主要应用领域。风口之中,玩家们开始走上了不同的细分赛道。如医渡云、森亿智能等走上了医疗大数据和医疗信息化的赛道,晶泰科技等走上了新药研发的赛道,推想科技、深睿医疗、数坤科技等走上了医学影像的赛道……

医学影像是医疗AI最热门的细分赛道,一大原因是由于影像数据的相对易获取性和易处理性。相比于病历等跨越三五年甚至更长时间的数据积累,影像数据仅需单次拍摄,几秒钟即可获取,一张影像片子即可反映病人的大部分病情状况,成为医生确定治疗方案的直接依据。利用图像识别和深度学习技术,医疗AI可以解决病灶识别与标注、靶区自动勾画与自适应放疗和影像三维重建这三大临床需求,好的产品能提升影像科的阅片效率、降低误诊率。

据2018年的一次不完全统计,当时在肺结节筛查领域,拿得出具体产品的人工智能企业就至少有20家。有媒体报道,在某三甲医院,PACS(PictureArchiving and CommunicationSystems)竟接入了7家AI企业的肺结节智能影像诊断系统。一位影像科医师对此戏称道,“中国人的肺结节不够用了”。

一时,各企业甚至兴起了比拼落地的医院数量,有的企业,甚至宣传它已落地上千家医院!

热闹之中,寒冬却降临了。

潮起潮又落

据鲸准数据库和36氪研究院的数据显示,2016年,医疗AI股权投资规模较前一年同比增长533%,2017年又较 2016 年增长了55%。在2018年,医疗AI股权投资规模金额略微增长,为47.61亿元。而在2019年,行业投资规模金额断崖式下滑300%。到2020年上半年行业股权投资规模依然处于低位。

“此前很多公司拿到了很多钱,但是投资方其实没有看到它们产品走向临床的具体时间,也没有看到它们在临床上特别直观的价值,行业就变得冰冷了。”马可说。

行业遇冷其实有很多现实的原因,如研发投入大,商业化难实现,市场接受度低等,更重要的是,各家企业的产品在审评审批上,一度看不到光亮。

2018年8月1日,新版《医疗器械分类目录》明确规定:若诊断软件通过算法,提供诊断建议,仅有辅助诊断功能,不直接给出诊断结论,则申报第二类医疗器械;若对病变部位进行自动识别,并提供明确诊断提示,则按照第三类医疗器械管理。

能不能拿到三类证,对于医疗AI创业公司来说,直接关乎生死。如果审评审批受阻,就意味着前期的投入与后期的现金回流被割裂;没有三类器械认证的产品,只能供医院免费使用,无法进入医院的收费目录,直接意味着难以打通商业闭环。在此后一年多的时间内,医疗AI产品获批的数量为零。

失去了资本的加持,产品也无法获批,很多没有造血能力的企业走向倒闭,在行业里渐渐没了音信。融资已到B轮的汇医慧影,开启了大裁员,全职员工数从巅峰时期的300多人下降到100余人。行业里只有部分企业在2019年继续拿到融资。

此外,行业还遇到了一个很本质的叩问,在真实的应用场景中,医疗AI有价值吗?

北京大学人民医院原院长王杉在接受《财经》采访时说:“现在的AI跟实际的应用场景间存在错位,医疗人工智能的应用可能是IT人、投资人所想的场景,但并非是医生和病人所需要的。”

风口回归

新冠疫情来了。悲情之中,这给医疗AI带来了施展能力的契机。

在疫情防控中,医疗AI展现了它的价值。在传染病暴发预测、传播与溯源路径排查、发展趋势预测等方面,医疗AI皆发挥了很大作用。此外,医疗AI还被应用在了智能测温、智能语音服务机器人、智能应急调度平台、智能防疫控制系统等方面。

2020年1月15日,国家药品监督管理局审批通过了首个医疗AIIII类器械产品,获批的产品是科亚方舟所研发的名为“冠脉血流储备分数计算软件”的产品,并以“具有显著的经济效益”九个字对这款医疗AI产品做了评价。

随后,很多个“首张”接二连三的出现。“首张肺结节AIII类证”、“首张AI+CTAIII类证”、“首张AI影像辅助决策III类证”……国家药品监督管理局的动作一再让人觉得陌生,但又似曾相识。在产品的审评审批上,行业进入了新阶段。

春江水暖鸭先知。当行业的关键变化发生后,资本又杀回了医疗AI,和政策一样开始回暖。

“今年4、5月份的时候,一批投资人戴着口罩来了我办公室。到五一劳动节的时候,一些投资人还在我办公室现场对合同写报告。”马春娥回忆了今年数坤科技的融资细节,她说,因为人太多,她们没有那么多的额度,就先交割了一轮,后面估值又涨了很多,才又交割了一轮。

这样的融资情况不是孤例,整个行业在今年下半年,又回到了风口之上。对于资本的热情,马可解释道,今年医疗AI的这一波风口和2017年的风口其实存在本质区别。“之前那波风口属于百花齐放,只要是在医疗AI的赛道上,基金都会投。但至于哪一家公司最后能跑出来,其实谁都不知道。大家就摸着石头过河似的投。”马可说,“行业经历过两三年的发展,有一批公司就被淘汰了,而有一批公司持续融到资,持续证明了自己的商业化能力,业务也有好的发展,这一次投资的确定性就增大了很多。”

今年下半年,相比政策和投融资层面的美好,整个行业的内里更是发生着惊人的变化。

在商业化上,以往整个行业存在着买单方不明、商业化难实现等痛点。但今年,陈宽和马春娥皆向《财经》透露,他们所在公司今年的收入相比去年都翻了好几倍,“一个亿的小目标,是我们今年在争取的”,马春娥说。实现商业化的方式,是通过向医院提供软件或硬件服务,通过投标进入医院,医院是最主要的买单方。

在产品上,行业已从初期的肺结节开始向外延伸,如今的人工智能现已进入心内科、内分泌科、病理科、超声科、检验科等众多科室。它们通常以企业所在地的医院作为产品落地的突破点,待产品成熟后向外推进。于是,医疗AI产品覆盖的地域和进入的科室都在增多。

在技术上,随着联邦学习、深度学习自动化、通用表征学习等算法的革新,医疗AI正在从感知智能向认知智能过渡,已能在一些环节上辅助或者部分替代医生完成医疗诊断工作。

综合来看,医疗AI已经告别落寞,走上了正轨。

“现在一切都很好,我们要做的,就只是使产品更稳定,功能更全,让它更加的符合使用场景。”陈宽认为,医疗AI已经有了更为明确的应用场景,各家公司的产品也相继获批,医生已经不会再怀疑AI的价值,而玩家之间也是在开展高质量的竞争,行业秩序良好。

对于医疗AI一度被怀疑的价值,陈宽觉得,医疗AI本质上是一种医疗服务,是医疗资源本身,“它能学习和沉淀顶级医院和医生的能力,然后将这种能力赋能给基层的医院和医生,使得它们的能力能够快速同质化。”陈宽说,长此以往,医疗资源的供给就会得到巨大的提升。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。