黎明前的医疗AI：支付意愿较低、盈利模式难寻

fudashuai

　　21世纪经济报道  本报记者 卢杉 实习生 蹇卿兰 上海报道

　　导读

　　若想落地医院，医疗AI一定是个成熟的产品，能够帮助医生提高工作效率；第二是要有CFDA的资格证。即使试用也要符合每个科室的法律法规，并对产品提出保护患者隐私等要求，技术上、法律上都要有保证。

　　医疗人工智能（AI）进入商业化的临界点了吗？

　　由于近五年来AI在数据、算法和计算能力等方面条件成熟、屡获突破，已开始真正解决问题，切实创造经济效果。作为数据基础较好的领域，医疗成为应用场景最为成熟的行业之一，对其商业化的期待也最高。

　　“相比前两年，医疗人工智能有改观，很多医生和医院开始知道医疗AI是怎么回事儿、有什么价值。但也存在诸如没有单独收费项、没有进医保，数据的标注、质量等问题，且这些问题在接下来的几年依旧存在。”8月20日，Airdoc创始人兼CEO张大磊在接受21世纪经济报道记者采访时表示，“医疗AI 还处在非常前期的阶段，需要五到十年才能形成比较成熟的产业。”

　　罗兰贝格《人工智能白皮书》估算，到2030年，人工智能将在中国产生10万亿元的产业带动效益。受AI影响最大的传统产业是金融、汽车、零售和医疗。在医疗行业，人工智能可提高药物研发的成功率、为医疗机构提供疾病诊断辅助、疾病监护辅助等应用，预计人工智能可带来约4000亿元人民币的降本价值。

　　但宏观上空泛的经济效益如何由行业内的公司、医疗机构和大众等多方共享分食，似乎还未有应用化和规模化的成熟稳定赛道。

　　即便以AI扎堆的医学影像领域来说，“我觉得医疗AI在应用上也还没到正轨，还有很多问题不明朗，谁来买单？”火石创造CEO 杨红飞对21世纪经济报道表示，另一方面，“AI是把我们的脑力放大、节省资源。今天的中国医疗体系最大的问题是医疗资源不够或者分布不均衡，应该用AI创新提供更多医疗资源，而不是盯着技术比较成熟、比较热闹的领域去做。”

　　影像扎堆

　　医疗AI从应用方向和解决问题上划分，主要对应的公司类型有医学影像、药物研发、辅助诊疗、健康管理、语音交互、信息化管理等。

　　据不完全统计，2018年上半年国内医疗人工智能融资案例超过30起，同比增长141.67%，披露融资规模超过数十亿元；从各细分领域案例数量及规模来看，影像识别、智能诊疗依旧占大头，超过2/3。

　　简单来说，切入医疗AI的公司类型有传统医疗器械公司、IT巨头和一众创新公司，均需要兼顾专业和技术。

　　扎堆医疗AI影像的原因之一在于，医疗数据中有90%来自医学影像，且国内医学影像数据以30%的年增长率增长。

　　在行业大方向之下，传统医疗器械公司如GPS（通用、飞利浦、西门子）、美敦力等投入AI，优势来自于其大型设备可产生源源不断的数据，且多集中在影像类，加上AI技术和解决方案，可提高设备附加值，获得更大市场。

　　“数据处理是传统医疗设备供应商的巨大优势。”在今年全球人工智能产品应用博览会上，飞利浦大中华区整体解决方案中心临床科学高级总监周振宇对21世纪经济报道表示，“比如图像采集、图像人工处理到图像问题发生，都存在不同品牌的数据整合。我们是最有可能在整个流程上对数据进行整合和规范的公司，国家后续也会在这方面给出更好的指南，对不同品牌的数据统一化提供指导。”

　　全球互联网巨头也不甘人后，IBM持续开发Watson Health，在辅助诊疗和肿瘤筛查方面应用最为成熟，并先后收购了Explorys、Truven等相关公司；Google收购DeepMind成立DeepMind health；阿里发布ET医疗大脑；腾讯孵化出腾讯觅影，投资碳云智能、晶泰科技等医疗AI公司。

　　科技公司的优势是技术，从产业链的基础层、技术层与应用层来看，杨红飞认为，由于基础算法和计算平台、海量的数据来源，机器学习、图像识别的基础技术的壁垒较高，往往需要较长期的高投入才能有高回报，因此科技巨头往往偏向于布局底层。

　　麦肯锡发布的《中国高管眼中的人工智能》报告显示，84%的受访者认为，AI的最大赢家是互联网公司和创业公司，而不是现在的行业领军者。

　　创业公司一方面倾向于选择在变现能力强、容易进入的辅助诊断、健康管理和药物研发等应用层扎堆。另外，由于AI深度学习基于对样例的学习，因此需要大量医学图像作为基础，这也是大批创业公司与医院合作的目的，以获取更多数据和病种标注。与影像相关的病种有2000多种，只有在常见的单一病种中获得较好的临床效果，才能逐步拓展到更多其他病症领域。

　　弱商业模式

　　尽管各家跑马圈地让市场一派欣欣向荣，但多位业内人士均对21世纪经济报道表示，医疗AI的商业化运营为时尚早，能够跑通商业闭环的模式凤毛麟角。在投资和市场压力之下，一些公司选择了更为复杂多元和“曲线救国”的模式运营，产业发展还位于非常早期的阶段。

　　目前能够商业化落地的应用多以技术、产品过硬取胜。

　　以AI辅助诊疗的应用最成熟的IBM Watson为例，目前在国内主要有肿瘤和基因两种解决方案，有百洋和杭州认知两家代理商。

　　百洋智能科技首席营销官王必全在接受21世纪经济报道采访时表示，“Watson是真正能够落地的一个应用级产品，它以知识驱动方式培训而非病例和数据训练。医生使用Watson，把病人病情等基本信息输入系统，根据患者的情况和文献研究，给出治疗方案。医院是最主要的渠道，我们与保险公司也有合作以及平安好医生这样的互联网医疗服务公司。”

　　目前市场上存在大量医疗影像AI产品，在推广进医院的过程中，免费试用产品或与科室、医生合作研发成为AI公司常用手法之一。

　　“第一步要让医院相信机构的技术和安全水平，公司在最开始的产品研发和认证阶段肯定需要和医院合作。”合力投资董事张华在接受21世纪经济报道采访时表示，“另外，医生有相应的科研需求，需要做一些研发项目时也会与公司合作。”

　　Airdoc是另一家产品落地的国内公司。

　　“我们已经走过了试用阶段，目前重心是销售，首先是要定位目标市场，然后分门别类。”张大磊解释，“我们走了一些弯路，之前一直努力地想向三甲医院卖产品，但其实很多大医院的专家并不愿意用，一部分是身份原因，在产品质量保证的情况下，大三甲很愿意试用，但是支付意愿很低。而基层医院可能更需要，以我们合作的某医疗机构为例，使用产品之后门诊的诊断率提高、漏检率降低，医院可以增加诊疗费和治疗费，患者发现问题并治疗，排除了更大的隐患。”

　　合力投资高级投资经理钟晟认为，影像辅助类的产品可能对于三甲医院或是一些主任医师而言，提高效率不明显；但在基层医疗机构确实是效率的补充。“影像AI赛道很拥挤,样本和算法上也不算有壁垒。”钟晟介绍目前一些医疗影像创业公司所采用的商业模式是：“针对五六线城市的病人筛查基本免费，如果说有结节或是需要手术，就进一步与大三甲医院的知名医生合作，医生以飞刀的形式帮病人做结节手术。体量较小的公司单纯卖软件或者硬件，正面与融资比较多的头部公司拼是很难拼得过的。这个行业是资本催生的，市场并没有想象中那么大，AI技术有非常大的突破，但商业模式很难挖掘。目前行业内AI阅片公司的收入并不高，或者说还在烧钱阶段。”

　　落地多点开花

　　由于产品同质化严重，又有提升效率、价值效用评价等问题存在，一些医院对医疗AI的支付意愿并不高。

　　上海市第一人民医院影像科主任王悍对21世纪经济报道记者表示，该科室没有使用任何人工智能影像产品，一是参观过使用人工智能产品的医院，并未发现产品能够提高医生的工作效率，反而会影响医生的诊断思路；二是病人的隐私得不到保障。

　　另一层担忧来源于数据的进一步使用，“如果要购买，它一定是一个成熟的产品，确实能够帮助医生提高工作效率；第二是要有CFDA的资格证。如果要试用，一是要符合每个科室的法律法规，二是对产品公司提出保护患者隐私等要求，包括图像资料是不是只限于本地化使用、不会通过网络流传出去，一是技术上的保证，一是法律协议的配套。试用看似对医院没有经济成本，但我们仍然要承担法律责任，且AI公司研发产品需要大量数据支持，进院数据对他们有巨大的价值，但医院试用也会成为其宣传背书。”

　　王必全认为，“在医院落地的困难，还包括没有具体的收费项目支持，没有解决收费问题就变成医院的成本了，医院支付意愿就低。这个问题不解决，会限制各类新技术、新产品的发展。”

　　医生的担忧也正应和了AI公司进一步落地的瓶颈，为解决这些问题，市面上的公司都在找寻不同的合作方式和主体，一片眼花缭乱。

　　8月13日，丁香园宣布与科大讯飞达成合作，双方将在将医学内容、产品与AI技术融合，形成面向医生和患者的综合管理服务模式。

　　丁香园副总裁张伟对21世纪经济报道记者表示，“任何一个市场包括四个关键因素，需求方、供应方、价值单元和匹配机制，一个比较好的商业模式是需求方必须客观存在，供应方关键在于AI公司不能只有一个产品而是有一整套方案，价值单元在于服务要遵从当前市场规则，比如医生给患者读片还未定价，机器怎么定价？人工智能产品的价值在于提高医生阅片的效率，只有医生的价值界定了，比如一次50元，人工智能一次30元，既创造了经济性又创造了效率性，才能弥补市场。最后是匹配机制，如何构建商业闭环，但这个过程很复杂。”

　　科大讯飞医疗执行总裁鹿晓亮对21世纪经济报道记者表示，推动落地还需要进一步做价值验证，“大医院和基层医院都有读片需求，除技术好之外，还要考虑产品使用率问题，我们要尽量使产品能够无缝切入到医生工作中，比如以前提供的方案是在医生阅片过程中不断给他提醒、提示、建议，但体验过程中反倒非常影响医生阅片效率。”

　　另一个方向是在细分领域寻找更多机会，钟晟认为，影像只能靠下沉或巨额融资，这个赛道机会不大，“但其他如IVD领域还有很大机会，数据比影像还多，可挖掘的价值更大，与AI结合样本和技术壁垒会比影像更高。”

　　也有在不同的病种上下功夫。5月11日，中国工程院院士宁光团队与阿里健康人工智能实验室共同研发了一款“瑞宁助糖”人工智能产品，切入糖尿病领域。

　　2016年，丁香园开始布局皮肤病领域，后推出皮肤病人工智能辅助诊疗系统，张伟解释为什么挑皮肤病？“一是有庞大患者群，二有比较成熟的治疗路径，第三是在当前必须有明确的信息采集和分享的终端，并且是丁香园能够去参与的，手机是一种我们能参与的终端，但如GPS三家做的大型设备，我们参与不了，所以他们的病我们没法做。” (编辑：陆宇）