帮你快速找医生

我们调研超过30家医疗AI影像企业,2020年的产业发展方向在这里

2019年12月18日 7856人阅读

2015年,医疗人工智能方兴未艾。各行各业的工程师带着自己的算法兴致勃勃地来到了医疗领域,却发现医疗数据出人意料的贫瘠。他们选择了相对操作性更强的肺结节领域,开始了医疗人工智能最初的发展。

 

随后的三年,标准化的医疗数据已经逐渐丰满。眼底、脑、心脏、骨科、肝……越来越多的医疗人工智能版图被研究者们一点一点堆砌出来,逐渐形成了一张网。但是,拿着新做成的网,渔者却依然难以捕获大鱼,这个行业进入了反思。

 

渔网的确存在改进的空间,同样重要的是哺育水域的斟酌,以及撒网方式的改进。

 

问题出在哪里?下一步会如何选择?对此,动脉网调研了31家影像相关的医疗人工智能企业,包括腾讯觅影(腾讯)、平安智慧城市(中国平安)、杏脉科技(复星高科技持股)等大企业中的医疗AI团队,所有B轮以后的医疗AI影像企业和众多非头部医疗AI企业。

 

人工智能企业如何制网?


在了解人工智能企业的发展路径前,我们先了解一下2019年年末,人工智能产品发展的现状。

 

从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。他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。


这一推进即表现为人工智能医疗产品覆盖的地域越来越多,同时跨科室移动。统计表中数据,参与调研的31家企业中,有21家企业都涉及了两个及其以上科室,应用愈发五花八门。

 科室分布状况

 

从统计数据看,聚焦单科室的企业主要是影像辅助类企业与放疗辅助治疗类企业,例如连心医疗、大图医疗等企业在这一方面尤其专注,而单科室的AI企业多处于Pre-A轮与A轮。

 

双科室的企业聚集于眼科与病理科,大部分面向双科室的企业并非是由于产品扩张,而是源于病种的需求,如糖网病变需要同时关注眼科和内分泌科。

 

本次调研中,三科室及其以上的企业众多,B轮及B轮以上企业都发展较为成熟,拥有同时攻克多个科室的实力。以腾讯觅影、平安智慧医疗为主的上市公司孵化团队在这一方面拥有非常强劲的实力,而头部的创业公司,如推想科技、依图医疗、深睿医疗等也都实现了多科室协同作战。

 

AI企业进入科室的差异具体表现在产品上,总的来说,2019年产品线的发展大致可归为四条道路。

 

其一,影像类企业纵向布局,迅速开发模块化产品,并形成综合解决方案。以深睿医疗、安德医智为例,他们先后开发了脑卒中、头颈等模块,并在后续将两个模块融合,一套完整的神经系统AI解决方案便由此形成。

 

其二,影像企业横向深入,将过去的单病种AI向全病种发展。以推想科技和依图医疗为例,两家企业均尝试打造覆盖多个临床科室需求的全病种肺癌产品,以创造新的需求。

 

其三,放疗企业针对单一场景打造的全流程解决方案。以连心医疗为例,旗下产品涵盖从靶区勾画、自动计划、放疗质控以及放疗科室的信息化管理等,整个产品体系嵌入医生和物理师的工作流,为他们提供全方位的帮助。

 

其四,企业为医生开发科研平台,以推进医企在科研方面的合作。在这一领域,数坤科技、依图医疗、推想科技、深睿医疗、汇医慧影均有涉及。

 调研企业产品分类

 

从数据维度上看,AI企业获得数据的途径主要来源于临床数据和科研数据。两年前,医疗数据或许只能称之为中小规模数据,但表中超过10家企业均已处理过百万级医疗数据,且病种不局限于肺结节。这一信息的增量意味着企业拥有更多的原始数据,可以进行更为深入的研究。

 

从落地医院情况上看,排名前500的三甲医院几乎都被调研的31人工智能企业所覆盖,医院对于人工智能的接纳度大幅提高。但从中标信息上来看,严格意义上的AI项目中标仅一起,标的项目为某医院诊断图像处理软件采购项目,采购金额为数百万元,其余中标信息以云PACS系统为主,每单价格在600万到900万不等。云PACS销售占据了营收近亿级别人工智能企业的大部分营收。

 

此外,如果将2018-2019期间企业进入医院的增量与2019-2020年期间企业进入医院的增量进行对比,我们可以发现,2018年全年内头部企业的医院扩张情况超过100家,第二梯队的AI企业增速同样超过50家。这一速度在2019年全年有所放缓,头部企业的这一数字降至100以内,部分非头部企业的增量则几乎可以忽略不计。

 

商业化受挫或是发展速度放慢的根源。2019年医疗AI拿钱难已是公认的事实,在这一情况下,盲目向医院输送人工智能产品,实则会造成企业运营成本的飞涨;若只安装不维护,医院又会对企业失去信任。所以从这个角度而言,在商业化未跑通前,进入医院的数量放缓一定程度上反应了行业的发展现状,若2020年依旧没有产品通过审批,这一数据或许会出现负增长。

 

那么,如果没有过多地流向市场推广,那么资金流向何处?科研是一个很好的方向。

 

假设2020年医疗人工智能打开了商业化道路,那么企业与企业之间抢夺市场的核心仍然是产品。在今年,很多企业将重心由销售覆盖转向科研研发,收获的成果也非常惊人。

 

虽然没有确切的数字,但我们可以用几个较大的数据来看出企业在论文方面的贡献:2018年MICCAI企业论文收录为20余篇,2019年为40余篇;2018年RSNA中国论文收录408篇,2019年为453篇。许多企业在特定学术会议下的论文收录情况均非同凡响,MICCAI收录论文腾讯8篇;联影智能7篇;视见科技6篇;深睿医疗5篇;致远惠图4篇;图玛深维、Airdoc三篇……RSNA收录论文推想科技17篇……其中多篇为临床验证研究论文。

 RSNA整体论文收录情况

 

什么样的水养出什么样的鱼


时至今日,先设计产品,再寻找需求场景的研发逻辑已经行不通。但是,场景本身的属性决定了AI产品的发展前景。所以,场景的选择决定了AI产品的起点。

 

经动脉网整理,人工智能产品需求可分解为下图。


从需求端分析影像类AI产品设计逻辑


先看宏观层面。同美国作为对比,我们可以发现,美国影像设备市场趋于饱和,医院管理监督机制完善,医生面临的是日益增长的患者数量与个性化诊疗需求。出于效率提升考虑,医院没有太多动力购置新设备,但愿意通过植入软件方式对设备进行升级。

 

RSNA的展会上一定程度上展示了这一特质,东道主GE在推出新款设备的同时,展示了大量优化影像科工作流的解决方案。而出于对美国人口区域分布的考虑,联影展出了PET/CT医疗车,这些定制化的需求可能为厂商们开启新的市场。

 

国内的形式则大不相同。整体上看,国内医疗资源缺口较大,影像设备升级存在较大空间,且能直观反应医院的综合实力,医院拥有动力购置影像设备与用AI补充医师人力的欠缺。相比之下,国内的人工智能产品更聚集于辅助诊断领域。

 

进一步看,国内不同机构主体对应的需求各不相同。大型医院希望AI能够提升影像科的整体运行效率,从而缩短患者住院时间;基层医院希望能够增强医生的诊疗能力,将患者留在基层;体检中心/第三方检验中心更看重人工智能带来了效率、准确率以及AI带来的项目增值;新兴的眼科中心、医美中心希望通过AI拓展业务范围,为已有服务增值;医生则希望AI能提高工作效率,并希望企业给予自己科研上支持。

 

那么,在如此多的场景之中,哪类产品能在现在这个时间点最快匹配医生的需求呢?动脉网在采访中了解到,大型医院、基层医疗与体检中心/第三方检验中心最有可能在最短的时间内落地特定种类的AI产品。

 

对于大型医院而言,如果一个AI产品只能提高帮助阅片医生提高效率,让他们更快下班,这显然不符合医院的利益需求。医院更希望的是医生用更快的速度将报告递交给患者,尤其是已经住院的患者,以供临床医生更快作出决策。如果AI能够让过去耗时两天的出具时间缩短为半天,那么住院患者等待的时间就能节约1-2天,更多的患者能够获得治疗,单个患者的医保总支出减少,医院的收入也会因此受益。

 

这样的产品对于场景要求很高。只有患者排队等待治疗,且临床数据量大的场景才符合这一要求。从市场上来看,冠脉CTA拥有比较成熟的AI产品,数坤科技率先看到了这个亮点,推想科技、深睿医疗也在2019年陆续进入。

 

基层医疗的需求与医院又有所不同。在分级诊疗下,基层医疗需要更好地实现“小病不出村”,就需要提高诊疗的准确度,提高医生判断患者的病情的能力。从当前形式上来,很多基层医疗机构需要的是“医疗供给能力”的提升,而非“效率的提升”。

 

所以,很多落地基层医院的AI产品,需要尽可能地提高易操作性与准确性。但随着医联体的进步,中心阅片形式的普及,影像科AI产品的终端进入基层医疗的可能性变小,但能提供准确诊断路径的AI CDSS或许存在更大的应用空间。

 

而对于体检中心/第三方影像中心而言,由于影像科的利益与医疗机构利益更为一致,更迅速的诊断,更精准的报告意味着更多的收入与更好的口碑,人工智能的价值会更为突出。从2018年至今,美年、爱康等体检机构均以平台的方式圈地,平安健康(检测)中心、衡道病理、全景医学等第三方检验中心也纷纷开发AI产品以提高效率。

 

回到影像科医生的角度,他们的需求在于更少的工作时间与更多的科研支持。所以,如果通过与影像科医生交好的方式实现AI的商业化,实际上很难走通。但影像科医生能够为AI企业提供进入医院的机会,挖掘产品存在的问题,纠正AI开发者的“互联网思维”,并合理提供科研数据……影像科医生已经成为AI发展中不可缺失的一环。

 

在了解了“渔网”与“水域”的情况后,其中的问题也显示了出来。我们可以看到,大部分人工智能产品是从医生需求出发,解决医生工作中面临的单点难题,但很少有人工智能企业会针对基层医疗、体检中心量身定制AI产品。这样的选择的确能够让医生满意,但由于没有完整考虑支付方的需求,AI商业化在一定程度上因此受阻。


AI审批缓步前行


除了兼顾付费主体医院与使用主体医生的需求;医疗人工智能还面临一个老生常谈的根本性问题——审批。对于其中的大多数,这一问题让他们如鲠在喉——绝不致命,却又不能立即去除。

 

纵观2019年,在政策上给予AI支持的文件屈指可数。从全国层面上看,仅仅在6月29日药监局向AI企业发布了审批相关文件《深度学习辅助决策医疗器械软件审批要点》,以及10月30日国家发展改革委修订发布的《产业结构调整指导目录(2019年本)》两份文件中,明确提及了推动医疗人工智能发展。

 

医疗数据库的建立与完善一直在循序渐进。据悉,国家卫健委主导建立的医学影像数据库包括超声图像库(40个病种)、CT库、MRI库等,一些医院或企业单位都具有相当的规模。

 

2019年7月15日,在《深度学习辅助决策医疗器械软件审批要点》发布后仅半月,国家药品监督管理局医疗器械技术审评中心联合中国信息通信研究院、上海申康医院发展中心、四川大学等众多机构成立了人工智能医疗器械创新合作平台,并确立建设至少包括CT肺、CT肝、 CT骨折、脑MRI、心脏MRI、冠脉CTA、心电、眼科8个项目的测试样本数据库。


同时,国家药监局、申康中心等机构还打造了人工智能产品具体测评平台,其工作运行方式由下图所示。

 

但即便确认了审批流程及分工,临床试验这一环节依然卡住了不少企业。一方面是企业AI产品在临床表现不佳,另一方面则是临床本身需要大量时间。就放射科而言,即便是肺结节这样成熟的产品,想要通过审批,仍需在临床申报、临床试验上花上一定时间,其他产品则仍需继续打磨。

 

影像重建、影像增强类AI产品由于不涉及辅助诊断,仅需II类证便可实现销售,这类产品在商业化的进程之中快人一步。统计2018年1月至2019年9月数据,近40款AI产品通过了FDA审批,其中有一半的产品为非辅助诊断类产品。例如,深透医疗(Subtle Medical)用于影像重建的AI平台SubtleMR;GE用于ICU的可移动智能X光设备重“症监护套件Critical Care Suite Optima XR240amx”均通过510(k)获得了FDA II类审批。


通过FDA审批的AI产品(统计时间为2017年12月至2019年9月)


而在通过FDA的辅助诊断产品中,许多辅助诊断标签下的产品如Viz.ai、Imagen,它们的产品介绍中更多强调AI的“预警”功能,而非“诊断”功能。AI自主诊断的产品,仅有IDx旗下的IDx-DR通过FDA认证。

 

专注于放疗的企业又异于上述情况。百洋科技、连心医疗、大图医疗等旗下用于辅助放疗的智能产品均已获得NMPA发放的III类器械证书,但这些产品对于“智能”的定义并不明确。若后续需要依靠深度学习协助手术规划,自动生成相应报告,则仍需为“AI功能”通过III类器械审批。


隐藏于合作中的机会


总的来说,2019年对于人工智能而言不算友好,政策推动较少,资本注入困难,社会认知恢复平静,好在联邦学习、深度学习自动化、通用表征学习等算法的革新,从技术方面推动着AI应用继续深入。

 

未来影像AI前景如何,除了继续按照现有模式跃入医院,动脉网找到了两种可能的形式。

 

>>>>趋势一:合作影像设备厂商


相比于AI赛道企业数量的停滞,平台类的产品在今年多了起来。从今年的RSNA展会上我们可以发现,除了GPS以外,影像数据处理大厂Terarecon展出了envoyAI平台,临床语音大厂Nuance、曾经的胶片巨头Fujifilm也纷纷发布了自己的AI平台……

 

这些平台往往集成了影像器械设备自行开发的人工智能,动脉网对现有各家企业的AI开发情况进行了统计,其内容如下。

 

从图表中可以看出,大多数影像设备类企业都没有专注于特定病种开发人工智能,而GPS均在中国构建了自己的人工智能生态。

 

联影医疗、瓦利安医疗是其中的例外,联影医疗旗下的联影智能承担了开发全栈全流程人工智能应用的任务;瓦利安则潜心独自打造全流程、多模态、个性化、精准化的自适应放射治疗。

 

如果“AI辅助诊疗”不是伪命题,那么器械厂商为AI创业公司留足了发展的空间。如果AI创业公司能以尽可能低的成本开放尽可能高质量的人工智能产品,那么设备厂商、医院都有可能成为他们的支付方。

 

>>>>趋势二. 通过疾病管理合作药企


进博会上,诺华制药与腾讯公司发布了全国首个针对心衰疾病的人工智能疾病管理平台,腾讯的人工智能技术由此与药企搭上了桥。

 

对于诺华而言,腾讯导诊平台产生的数据拥有很大的价值,通过对这些数据的整体,诺华能够精准了解到中国居民的患病情况趋势。

 

人工智能企业同样能够打造类似的平台。很多影像类企业正为医院提供云PACS服务,并借此建立平台,甚至切入随访环节,帮助患者进行疾病管理。通过这样的流程,他们同样能够获取趋势性数据。

 

以糖尿病患者为例,患者每年至少做一次糖网检查,这意味着患者会长期在慢病管理平台上保持活跃。这样的平台对于药企非常具有吸引力。


当然,除了这两个趋势之外,人工智能仍有其他方向,如合作体检中心、直接向C端提供服务……只要能够发掘出有效的需求,这些方向都拥有价值。


不过,若2020年有一批人工智能企业能够通过三类器械审批,那么格局或许将会大不相同。这算得上是全产业共同的需求,希望没人会成为“走钢丝的人”。


0