来源 | 大健康参考(ID:dajiankangcankao)
作者 | 白开水
AI的应用如火如荼,在医疗领域也是如此。
一方面,以推想科技、汇医慧影、图玛深维等为代表的垂直领域创业公司频获融资。数据显示,自2013年到2017年,整个AI医疗行业共获得241笔国内融资。
另一方面,互联网巨头的动作变得越来越明显。百度推出对话式医疗辅助诊断应用“百度医疗大脑”,阿里健康和腾讯先后发布AI医学影像产品 “Doctor You”和“觅影”等等。
传统医疗上市公司也在布局。就在3月底,上市公司乐普医疗(股票代码300003)还发布了AI心电图自动分析和诊断系统,并获得美国FDA的注册受理。
然而,包括专业的投资人在内,人们对于医疗AI的争议与误区也普遍存在。比如,壁垒低、赚钱难、不安全、AI将替代医生等等。
4月20日,在“第二届中国医疗健康产业投资50人论坛年会”上,北极光创投创始人&H50轮值主席邓锋、红杉资本中国基金合伙人周逵、老鹰基金合伙人&H50理事唐传龙、众信基金创始合伙人&H50理事徐晓阳、推想科技创始人兼CEO陈宽等人集中讨论了这些问题。
以下为部分讨论内容,大健康参考(ID:dajiankangcankao)做了编辑与整理:
争议一:壁垒低?
北极光创投创始人邓锋:推想科技是中国较早用人工智能来做X光、CT这些影像处理的,进展也很快。后来我发现又出来一家,也很好。再后来,又出来一家。再再后来,出来3家、5家,一堆的,大家进展都很快。
我心里就开始打鼓了:如果新出一个团队,几个人干3月下来就跟你的数据差不多,这个领域的壁垒到底有多高?
推想科技创始人兼CEO陈宽:所谓风口行业,特别是大量资本追捧的风口行业,它的技术差距一般来说不会超过2个月。但是医疗AI基本上是,我们的医疗AI一年半之前可用,到现在已经进了80家医院,对手们的一些可用医疗AI也开始逐渐出现。也就是说,医疗AI领域虽属风口,但技术和产品的壁垒是差不多一年多的时间。
这里涉及到一个很重要的区别——对于人工智能和深度学习而言,它的一个小数据集的准确率和真正可以被大范围使用时的稳定性。
很多时候,我们可能看到市场上宣传说:(某公司)跑一个小数据集,比如1000例(该公司觉得此数据集很大),准确率达到95%。但这个产品到实际临床应用的时候,可能连一个大的肿瘤块都识别不出来,就会有巨大的风险。
红杉资本中国基金合伙人周逵:我们没有投资推想科技的种子轮,但是A轮投了。第一次,我们想:你的同行太多了,肯定不会赢。第二次,我们觉得你可能是对的,这说明别人也看好你看好的事情。就像美团冲出来的时候,后来有4000个对手冲出来,说明大家都给美团做这件事投了一个赞成票。
争议二:难赚钱?
北极光创投创始人邓锋:医疗AI是一个B2B的生意。公司最后怎么分这个钱?是医院给你,还是什么样?医疗AI是不是变成了医院系统软件里的一个附加功能,还是说能找到一些新的收钱模式?
推想科技创始人兼CEO陈宽:商业模式确实也是一个特别大的问题,基本上每轮融资都在花大量的时间验证。
首先,在医院里,除药品采购以外,最大的投入是在影像设备的采购上。也就是说,医院本身就是有预算在影像上的,只要它确实能解决临床的问题,提升医生的准确率和效率。当然,从招标、采购到最后钱打进来,医院的采购流程比较长,但不能说医疗AI的商业模式有问题。
其次,AI技术可以大量释放产能,这也是一个可以变现的空间。
最后,我们说深度学习、人工智能在中国比较适合落地,因为有大量的数据。事实上,这个产品在全世界范围内,都可以形成很好的销售——用中国的技术和数据,去做全世界的生意。
红杉资本中国基金合伙人周逵:商业模式我觉得很难回答。既然大家都看不清楚,说明他们还有机会嘛。它和竞争壁垒这两个问题,都是既可以say no,也可以say yes,为什么不去say yes呢?而且,从大方向来看,我们认为医疗AI是say yes的。
老鹰基金合伙人唐传龙:AI用在医疗上,的确振奋人心。但从投资的角度来看,我们关注的是它最后的市场化运用。真正能用它看病,肯定还有很多路要走,包括CFDA论证和患者接受的问题。
我们喜欢投短期内可以快速商业化的医疗AI公司。比如AI在另一个医疗细分领域——新药研发上的运用,可能更快商业化。它在“老药新用”(把老的药用在一些新的疾病上)和罕见病上,取得了很大的成果,而且马上可以商业化。我们投了一家类似这样的公司,有很多客户和他合作,拿到了很多订单。
众信基金创始合伙人徐晓阳:我也见过很多和医疗健康大数据相关的创业公司。说心里话,在目前的这种环境下,要获得有价值的信息、数据,很困难。要通过各种各样的办法,包括科室建设、医生再教育、和一些硬件厂商的合作、对医院软件系统数据库的重新构建等。
我们也看到,像CEC(中国电子信息产业集团)、神州医疗、浪潮这几支健康大数据国家队也建起来了。
我觉得民间队很肯定会跑在前面,他们在数据、算法、计算能力等底层方面的自我迭代的能力很强,可能再过几年看到的情况和我们现在看到的情况会差异很大很大,但是路确实很长。
北极光创投创始人邓锋:其实医疗AI在大数据上还有一个很快起来的变现,就是来自保险公司。
争议三:不安全?
老鹰基金合伙人唐传龙:高质量的数据如何获取和标注、并保障安全?
推想科技创始人兼CEO陈宽:这一轮人工智能的爆发背后,其实是数据的爆发。
中国医疗行业自从应用SaaS实现信息化之后,就开始进行数据的沉淀和积累。到今天,大部分大医院有10年左右的数据沉淀,这些就是医疗AI核心的数据来源。
我们落地时会挑大型三甲医院合作,就是因为最优质、最大量的数据沉淀在这些医院。虽然很难进去,但只有这种类型的医院才能真正帮助AI做出一个好的模型。除了原始数据,医疗AI也需要经过人为对数据进行清洗和标注。也只有最顶级的三甲医院的医生,有足够好的能力去做数据标注。这是一个很好的正循环。
数据标注一开始肯定由人完成,随着AI逐渐变好,可能需要人标注的百分比越来越少,数据标注的速度也能逐渐提升。
我们所有接触的数据都必须完全脱敏,而且不会有任何的数据出境,这是我们能保证的最起码的数据安全。其次,在医院使用的时候,我们的医疗AI不会影响到它整个的信息系统。可能这样才是一个真正可以被大量使用的、安全的AI。
几大误区
众信基金创始合伙人徐晓阳:我们也投了一个帮助IBM沃森在中国落地的项目。不过,关于医疗人工智能,社会上存在很多误区。
1、有人抱怨AI识别不够精确。上个月,FDA刚批准了一个糖网(糖尿病视网膜病变)筛查的医疗AI产品,它的识别准确率也不能说是100%。实际上,人肉眼识别也不敢说是100%,难道病人就不看病了吗?
2、大家一说医学人工智能,就想到可能是一些医生解决不了的疑难杂症。
我们要承认中国的医生(包括综合医院和专科医院),即便都是在三甲医院,水平差距也非常大,更不要说基层医生了。能够把繁杂的事情交给机器来做,实际上是解放了他们。
尤其医疗AI还可以让一些年轻的基层医生,在很短的时间里成为“老司机”,这个贡献也是很大的。医疗AI不能说超越了所有医生的平均水平,但最起码达到了基层医生的平均水平,因为它是被专家驯化出来的。
3、有些医生认为,“AI这个东西要把我替代了”。实际上,它是给医生提供了更好的手段,帮他解决问题。医生利用这些手段,可以更标准、规范化诊疗,对他是一种意见的矫正。
举报/反馈

i黑马

16万获赞 8.8万粉丝
让创业者不再孤独,提高创业者成功率!
北京创业未来传媒技术有限公司,财经领域创作者
关注
0
0
收藏
分享