医疗AI大数据:初露锋芒,深耕致远

医疗AI、大数据落地瓶颈在哪里?

作者: 华兴资本 来源: 华兴资本 2019-12-27 10:00:29

在11月结束的第七届华兴资本医疗与生命科技领袖峰会上,包括香港交易所首席中国经济学家巴曙松、华领医药创始人兼首席执行官陈力、歌礼制药董事长兼首席执行官吴劲梓、信立泰药业总经理叶宇翔、以及亚盛医药联合创始人、董事长兼首席执行官杨大俊等在内的超过100位重磅嘉宾进行了分享。从领域前沿到资本和市场,进行了热烈交锋。以下是部分观点集锦。


医疗AI、大数据落地瓶颈在哪里?


姚磊文:

对于AI大数据在医疗领域的落地,各位觉得最大的挑战是什么?

 

乔昕:

最大的挑战是仍有很多临床需求不能拿出完整的解决方案。现在基于影像的一些应用已经出来,很多决策和流程可以通过人工智能变得更简单、更智能,帮助医生提高效率和诊断准确率,但距离在临床当中发挥巨大作用还有一定差距,需要医疗行业业内人士投入巨大的精力去应对。

 

史文钊:

医疗大数据最大的挑战,第一,因为行业的监管和数据的敏感性,医疗行业数据获取的路径相比于其他行业更难一些,如何合规、合法地全面获取数据是行业的挑战。第二,数据的医疗场景应用非常复杂,怎样把AI、大数据技术和临床实践结合起来,还需要更多专业的技术。

 

温书豪:

在我们看来目前比较大的挑战有两个方面。一方面,药工业是比较传统的工业,人工智能是比较新的概念,如何获取国际一线大药企的信任,让人工智能模型被它所用,很有挑战性,一定要把算法做到足够准。另一方面是AI领域方向的投资人对AI医药新方向的耐性。

 

张少典:

不只是在医疗领域,所有行业的人工智能都存在商业变现的问题。虽然人工智能热潮持续了很多年,但到目前为止,仍然撑不起社会和资本对于产业的期望值。企业的故事当然可以讲得很性感,但真正去卖产品时,客户只会把你当做卖软件或服务的公司。整个行业,并没有真正创造出一种崭新的商业格局。

 

张少霆:

在医疗影像领域,不少人会说最大的挑战是拿到三类证,但即便产品拿到了医疗器械认证,随后都绕不开商业化的问题。在过去的20年里,有非常多的软件类产品拿证,包括辅助诊断,即便用的不是人工智能算法,但是应用场景是类似的。这其中的部分产品,之所以没有很好的商业化成果,到底是技术不够还是商业化创新不够?我认为两者皆有,甚至后者可能更重要一些。


临床价值是商业化成功的首要条件

姚磊文:

对于自己公司本身的注册进度、报批以及未来商业化,张总和乔总有什么看法?


张少霆:

商汤科技目前切入板块主要围绕影像,若干个二类证和三类证同步在走。在商业化方面,在报证期间我们也在同步进行一些商业模式的铺垫。报证是很漫长的过程,但这只是一个阶段性成果,后续一系列的商业化尝试,无论是跟企业合作还是跟政府合作,都需要提前准备,认真思考尝试,才可能把这一块很好支撑起来。

 

乔昕:

医疗跟其他的企业不一样,不管产品、药物、还是治疗方法,都要去报证,报证过程是对技术验证的过程。美国药监局的流程涉及到整个企业管理体系,甚至一些后监管的流程,不是做一次性评价,而是每四年更新一次,如果有新的功能进来也要更新,医疗企业必须遵守。

 

谈到商业化,产品价值最重要。尤其是医疗产品的临床价值,可以通过实践或者跟医生沟通把产品进一步完善。过去几年,医疗行业、医药行业、器械行业不断涌现新技术,只要能为用户带来核心价值就一定有市场。


经历两年的医学人工智能探索,很多医院成立了智慧办、大数据中心,基本上所有的三甲医院都将智能化的工作提高到了医院层面。过去十年,医院最大的采购是设备,但是现在最大的采购是信息化提升、数据结构改造,有很多智能化的元素在里面。

 

姚磊文:

请张总分享一下商汤医疗领域的商业化路径。

 

张少霆:

不只是医疗,人工智能行业都需要满足两点。第一点,产品有刚需性;第二点,产品有议价能力。只有同时满足这两点才有可能成功商业化。


只要团队足够强大、做产品时贴近需求,刚需性产品大多都可以达成。而议价能力则是动态平衡、动态博弈的事情,与友商做什么、国家政策支持以及自己所处的环境都高度相关。

 

作为人工智能平台公司的商汤科技本身具备一些平台资源,我们有两点经验可以分享。第一,跟业内很多上下游企业、友商一起合作,他们在业内做了十多年,非常有资源和经验,可以一块儿做落地尝试。第二,联合商汤其他业务团队,做医疗场景的综合解决方案,帮助智慧医院业务升级。这两点是商汤科技的优势,开展业务也是沿着这些路径去做尝试。

 

姚磊文:

想从技术上听一下二位的想法,有没有新的场景和应用领域可以打开更大的市场空间?

 

乔昕:

医学影像只是医院诊断治疗中一个重要的检查环节,很多结论性的东西的标准并不靠医学影像。从硬件的迭代到软件应用的产生,很多技术瓶颈都已经克服了。这个领域大部分技术是围绕提高效率,这是产品优先级。

 

将来医学影像配合AI是刚需,过去一两年大多数医院都受到了影响,其中对放射科影响最强。深睿医疗在三年内把放射科所有的流程智慧化到80%以上,这是我们技术实现的目标。但更重要的是我们能帮助医生进一步做鉴别诊断和辅助治疗,甚至治疗后效果的评估,这部分在临床上发挥的作用更大。


临床路径从筛查到治疗到治疗后的评估是一个垂直方向。另外一个方向是分疾病、脏器和一些系统。这两个方向对疾病的诊断治疗都非常重要。影像是一方面,通过做基因检查、IVD检查、电子病例、诊断决策帮助到医生。其实殊途同归,最后系统应该接近于医生的工作流程和诊断判断标准。影像仅是其中的一个维度,更重要的是几个维度结合到一起。

 

张少霆:

目前AI医疗读片普遍是围绕放射科医生做辅助诊断相关的工作,而临床医生需要直接面对病人,与病人沟通、提供治疗方案、并最终实施治疗,如果把临床医生的需求考虑进来,人体那么多器官、疾病、数据,可以定义的问题量非常巨大。


但是在机器学习中有一个很经典的长尾现象,对于那些数据量少、标注少的长尾问题,很难直接解决,所以大量研究都聚焦于头部那些数据多、标注多的问题上,导致同质化比较严重。从算法和技术的角度来讲,解决小样本无监督学习的问题,真正把长尾问题的后半段做出来,可能会解锁更多场景。我们目前在做的骨科、牙科这一类的业务,关注度没肺部那么高,但也很有潜力。



医院端竞争力:平台级数据 vs 智能解决方案


姚磊文:

从大数据和客户选择两个维度上,神州医疗和森亿智能是如何考虑和规划路径的?


史文钊:

医疗大数据的未来大家都非常看好,但同时是也面临很大的挑战。要想获得成功,有三点问题必须去解决:

 

第一,数据资源问题。如果没有合规的资源,医疗大数据发展会受到很大的限制。因为数据的敏感性和合规性,在获取资源上无非有几种途径,比如得到政府的许可,神州医疗参与建设国家癌症大数据一库一网,有5000万以上单个数据,清洗出来单个病人数据突破5亿,是美国对标企业的4倍多。

 

第二,发掘数据价值的能力和技术。医疗大数据的技术分为三类,临床数据、影像数据、基因数据,如何从数据里面挖掘价值非常关键。电子病例数据处理要规范化,要符合全球药企的标准,这是一个非常大的门槛。

 

第三,作为大数据公司,核心竞争力是计算能力、人工智能技术掌握能力和临床上的长期积累。神州医疗与国际知名影像设备制造商合作联合推出神飞云,未来几年之内有数千家医院装机计划,华大智造生产出性价比更好的测序仪产生更多的数据,但核心是如何解读这些数据、如何把数据的分析应用和临床结合起来。除了在数据里面找到靶点,更需要通过知识库把靶点落实到疾病研究。


神州医疗在精准医疗领域,投资和并购了专业的基因大数据解读和知识库,提升了自身解读能力,既合规地获取国家的数据,建设一库一网,又在临床服务场景上和大型公司合作,提供精准医疗平台,基于数据服务持续产生数据,进一步提升数据分析能力,变成正向循环。

 

医疗大数据变现周期较长。但通过对医疗本身的服务和药厂服务可以先获取快速变现,从而支撑企业长期的发展,可能是把长期发展和短期商业化需求结合的一个方法。

 

医疗大数据和其他的大数据不一样,平台级企业要汇集所有数据,但是结合所有数据以后基于平台上的解决方案未必全部由一个公司来做,做大、做强是平台级的数据公司最重要的事。

 

张少典:

森亿智能并不是一家医疗大数据公司,我们的定位并不在此。我们内部经常讨论大数据和人工智能公司之间有什么区别,其实两者泾渭分明。人工智能公司是面向一个场景、一个行业、一个客户,为其提供一类场景化解决方案,且无论该解决方案是否包含大数据。森亿智能的业务便是如此。

 

正因为森亿智能是一家给医院提供智能化解决方案的公司,解决方案并不一定基于大数据,所以我们绝不会把数据带出医院。这是森亿智能对待客户,对待大数据的原则。


选择从医院切入,是因为我们判断在中国的医疗环境下,医院是核心,诊疗场景是核心。医院是整个医疗体系中最难“磕”的群体。企业的业务不仅实施周期漫长,且工作量庞大,过程辛苦。即便如此,我们也一直希望能通过实用型的智能产品,尽可能影响和改变医生的行为。因为对一家医疗智能公司而言,这是最值得做的事。


我们目前的打法非常接近传统器械和信息化公司,大家的商业模式大同小异,在这方面我们也谈不上创新。在医疗行业,企业要想真正创造一种新的商业模式,是非常困难的一件事。至少森亿智能,还在持续摸索的过程中。


姚磊文:

医院难磕,药企口袋深但需求多,在商业模式上史总有什么让他们花钱的思考?

 

史文钊:

药企的研发和成本高居不下是现在最大的问题,不管是前面研发阶段还是后面临床阶段,都存在周期长、失败率高的问题,有了数据,对药企的研发、做临床是巨大的支持,因此神州医疗在几年内会变成世界上最大的数据库。

 

因为指导临床在早期选靶点时需要一些验证性的数据,我们在波士顿设了办公室,和早期研发公司合作。在临床上通过合法利用数据来帮助他们选择实验方式方法,降低临床实验成本,大幅提升招募效率,效率就是效益。

 

国家政策要求药企每个药上市以后进行上市监控,这也是巨大的市场。现在的医药研发还有一种免疫药,以适应症上市,上市之后要迅速扩展适应症。国外有十几个适应症,但中国只有一个,每个适应症不可能都做临床实验,用真实数据支撑扩展,这一块也是巨大的需求。药企在数据合规上要求非常高,建设数据库、获得政府的许可也是行业很关键的一点。


药物研发AI:大势所趋,任重道远

姚磊文:

请温总给我们介绍一下药物发现领域的最新进展,以及对一些前沿技术和新药发现流程现状的展望。

 

温书豪:

AI在药物研发里面是必然趋势,但依然要保持谨慎。因为人工智能的主要问题是模型的泛化能力,比如一些全新的靶点,或是一些比较难的靶点,或是一些没有足够多历史数据的药物,人工智能模型的建立是很有讲究的,特征向量不一样时,需要的训练集数据量就不一样。


晶泰科技虽然是人工智能药物研发的公司,但最大的差异化是在物理层面,公司里理论物理的PHD尝试从原子、电子角度去理解药物研发里面的药物分子结构和靶点结构以及它们之间相互作用的问题,这是我们的数字化过程。


做人工智能第一步要有正确的数字化过程,越底层的数字化才能够抓到最本质的特征向量,才能使你的模型更有泛化能力。人工智能非常强的公司投资晶泰科技,看重的不是人工智能能力,而是我们在物理层面上对于药物的理解。

 

第二个角度是人工智能药物研发,这个行业毕竟是以实验为最终导向,应该把算法和实验进行连接,最终得到反馈。现在我们已经开始做一些自动化合成,逆合成分析算法和人工智能算法与实验反馈系统连接,两套算法之间博弈可能会设计出人类想象不到的药,化学空间是60次方那么大,人工智能发挥出人脑没办法做到的事是一个必然趋势,但任重道远。

 

姚磊文:

我们怎么思考从靶点发现到药物上市流程中要做哪一段?自己做CRO药物发现还是把药物选择出来之后合作开发,未来怎么规划这个事情?

 

温书豪:

一般来说药物链条特别长,里面会有一些关键环节,每个公司都应该做自己比较擅长的方向,但一个公司要做大,肯定不能局限在非常垂直的方向。晶泰科技现在已经往药物早期走,里面有很多细分环节,包括成药性和合成,接下来晶型这一块到实验室阶段,甚至还有到后面的制剂。早期晶型预测的业务,把线上算法和传统CRO结合提供一个整体方案,企业非常感兴趣,因为这是全新的模式,比过去的成本低、时间快,解决了终极问题。我们会在擅长的环节里做全流程,甚至线上线下结合新的CRO模式,代表全新药工业效率提升的生产模式。

 

关于商业模式的考虑,最直接的就是在某个环节把线上线下打通,提供新的一站式CRO服务,销售额体量、市场占有率都会出现很好的机会。晶泰科技不是做药的公司,但我们希望跟一些真正的科学家一起做药,提供最好的掘金工具。做算法要做最底层的东西,才有机会变成一个平台型公司,一旦做成平台型公司,将来会有很多想象不到的商业模式。


本文转载自其他网站,不代表大健康派观点和立场。如有内容和图片的著作权异议,请及时联系我们(邮箱:scarlet.s@djkpai.com)

医疗AI 大数据 商业化

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯