火爆的同時，醫療人工智慧從研發、落地到產業化都佈滿痛點。國內的醫院“信息孤島”使得醫療資料這一門檻長期高佇，醫療大資料獲取難和貴、資料品質差，成為被吐槽的重點，也直接影響技術研發和落地。
醫療AI（人工智慧）實在太火爆了。
騰訊覓影的首次登臺亮相附帶一絲玩味。在騰訊打造的見面會上，前1小時55分鐘主要是條條闡述騰訊在“互聯網+”領域的成就，臨近最後五分鐘，人工智慧四個字經由麥克風闖進大眾耳膜，騰訊覓影終得露面。
對於這樣的登場，騰訊“互聯網+”醫療負責人常佳向21世紀經濟報導記者表示：“本身覓影的牽頭部門是騰訊互聯網+事業部，強調的是在真實場景中解決用戶問題，沒有刻意以某個技術為主線去推進工作。”
露面時間雖短，信息量卻極大。這是騰訊首個應用在醫學領域的人工智慧產品，聚合了騰訊內部包括AI Lab、優圖實驗室等多個團隊的技術，最成熟的食管癌智慧篩查系統實驗室準確率能達90%。同時，騰訊還宣佈成立人工智慧醫學影像聯合實驗室，中山大學附屬腫瘤醫院（廣東省食管癌研究所）、廣東省第二人民醫院、深圳市南山區人民醫院成為首批合作醫院。
高調出手的不只是騰訊。在過去的半年裡，百度、阿裡、穀歌、微軟、蘋果等科技巨頭均不遺餘力地佈局醫療人工智慧，特徵是注重技術、鉅資先行、頻繁收購、攻克領域遍佈產業鏈各環節。
同時進場的還有各色創業者和醫療機構，他們往往通過融資支撐研發甚至生存，主要集中在醫療影像診斷、虛擬醫生助手、醫療大資料等商業化變現快的領域，部分依靠獨家技術獲得大額融資的創業者也在嘗試破壁基礎科研。
火爆的同時，醫療人工智慧從研發、落地到產業化都佈滿痛點。國內的醫院“信息孤島”使得醫療資料這一門檻長期高佇，直接影響技術研發和落地。產業化層面則面臨行業監管空白、未建立配套審批體系等問題。醫療人工智慧究竟是虛火一場還是方興未艾，依舊需要撥開重重迷霧。
騰訊入局
騰訊覓影包含6個人工智慧系統，涉及疾病包括食管癌、肺癌、糖網病、宮頸癌和乳腺癌，早期食管癌智慧篩查系統最為成熟，屬於醫學影像識別。據悉，該系統篩查一個內鏡檢查用時不到4秒，現已進入臨床前實驗階段。
對於食管癌早篩的意義，中山大學醫院管理處處長、廣東省食管癌研究所所長傅劍華教授指出，早期的食管癌內鏡治療手術後3-5天就可以出院，手術費用僅為後期食管癌治療費用的三分之一，術後併發症也很少。“但是由於缺乏足夠的認知和有效的早期篩查手段，目前我國早期食管癌檢出率低於10%。”
常佳則認為：“醫療領域面臨基層醫生偏少的問題，很多病種相對不常見，醫生學習週期也比較長。所以在早期篩查以及更多類似的醫療領域，人工智慧應該享有比較大的發展機會。”
21世紀經濟報導記者瞭解到，科技企業和醫療機構的合作中，科技企業一般扮演技術提供方的角色，醫療機構則提供醫療資料，搭建完備的臨床路徑、流程、疾病診斷的知識庫、圖像繼續採集的系統等，在開發過程中雙方的結合程度直接影響最終的成果。
在此次牽手三家醫院之前，騰訊在醫療領域經常出手“買買買”，醫療人工智慧領域也不例外。例如去年用基因大資料進行數位化生命管理的碳雲智慧完成近10億元的A輪融資，騰訊為主要投資方之一；今年三月美國基因巨頭Illumina創辦的癌症早篩公司Grail宣佈獲9億美元融資B輪融資，也出現了騰訊跟投的身影。
但親自推出醫療人工智慧產品尚屬首次。“其實醫療領域非常難啃，醫療系統太過複雜。”常佳直言，“騰訊從來不提顛覆醫療，我們是連接醫療，在開放體系之下，我們會投資非常多公司。但我們發現有一些騰訊的基礎能力是沒有辦法完全脫離開的，我們也需要底層能力。”
上個月月底，騰訊宣佈啟動人工智慧加速器，在技術層面將連接來自騰訊AI Lab、優圖、騰訊雲等的能力，提供超過20項人工智慧技術。
目前騰訊內部各個人工智慧團隊各有側重點：優圖實驗室專注於機器學習、模式識別和認知技術的研究，成果已在天天P圖等產品中應用；微信AI團隊主攻語音辨識、模式識別，核心應用是提供微信中語音輸入轉文字的方式；AI Lab主要圍繞圖像識別、語音辨識、自然語言處理和機器學習4個方向進行研究。
此次與醫院建立聯合實驗室後，騰訊覓影將繼續聚合使用這些圖像識別、深度學習等技術。“人工智慧是屬於基層技術能力開放的一種，也意味著我們開始走向了跟醫學比較深度的結合。之前我們佈局的醫保支付、使用者服務、微信公眾號都是處於大眾、醫院服務領域，這個生態會起到一個長期的戰略支撐作用。”常佳說。
巨頭競賽
相比騰訊，百度和阿裡的醫療人工智慧成果早已面世。
就在上個月，阿裡健康宣佈聯合萬里雲醫學影像中心發佈醫療人工智慧系統Doctor You，該系統包括臨床醫學科研診斷平臺、醫療輔助檢測引擎、醫師能力培訓系統等。加上阿裡在今年3月推出ET醫療大腦、早在2014年就推出的“未來醫院”計畫，阿裡在醫療AI領域的滲透不斷深入。
百度則在2010年就開始涉足醫療行業，在掛號、醫院服務等方面都有佈局。宣佈裁撤醫療事業部之後，百度將重心轉移到醫療人工智慧，此前已推出百度醫療大腦。百度雲合作夥伴總經理李政告訴21世紀經濟報導記者：“現在還在埋頭苦幹階段。”
BAT先後進場讓國內醫療人工智慧熱鬧非凡，但業內普遍認為中外在這一領域的技術鴻溝還很長很深。高特佳執行合夥人湯衡的點評一語中的：“醫療人工智慧在基礎研究和技術層面取得突破，並且開始商業探索的基本都是國外的企業。”
大拿科技產品總監金路補充道：“國際上有很多公開的資料庫。人工智慧熱起來以後，醫療領域的公開資料庫越來越多，這對進行基礎研究的技術公司是非常好的，可以快速地形成自己的技術，或者驗證原先的技術移到醫療領域能不能做出成果。這些基礎研發一般都是科技巨頭在做，外國企業做得早一點。”
據瞭解，人工智慧在醫療領域的應用主要包括：輔助診療、醫學影像、藥物挖掘、健康管理、急救室和醫院管理、可穿戴設備、營養管理、虛擬助手等。其產業鏈主要包括基礎層、技術層、應用層，每個層面的進入門檻、核心優勢都不一樣，參與者、投資機會和回報也不盡相同。
其中，基礎層主要由幾家科技巨頭佈局，包括IBM、穀歌、微軟、亞馬遜、阿裡、百度等。巨頭們一般選擇計算量需求較大的領域切入，這類企業基本屬於高投入、高回報。
技術層是人工智慧大生態系統的基礎設施，需要有一定規模的工程團隊，與行業結合，形成解決方案或通用技術平臺。或者演算法、框架及工具較多，形成演算法工具平臺、開發者生態平臺，這類企業適合中長期投資佈局。
這兩個層面典型的案例是IBM的沃森腫瘤機器人，已經實現商業化並在一年前進駐中國醫院。不過，湯衡指出：“基礎研發的週期本來就很長，想要真正用起來還要跟行業深度結合。沃森現在是醫療人工智慧走得最前的產品，但也處於一個技術成長的階段，無法跟臨床醫生媲美。其他企業的研發成果就更早期。”
應用層則是在應用場景變現的管道，據不完全統計，目前全球共有90多家醫療人工智慧創業公司分佈在應用層、技術層。應用類型包括醫療行業解決方案、醫療行業應用平臺，競爭更加激烈，商業變現也來得更快。
今年1月，總部位於美國三藩市的Arterys 宣佈旗下產品Arterys Cardio DL獲得FDA批准，用於分析心臟核磁共振圖像，這是FDA批准的第一個用於臨床的醫療人工智慧產品。
金路認為：“將技術真正地運用到醫療領域是需要對行業深度理解，很多技術在實驗室或者是比賽中驗證是超越人類的，但到了臨床，患者的疾病問題更複雜，應用場景更複雜。這個是中小企業的機會，更加機動靈活的應對變化並修改。”
商業化難題
風風火火進場的玩家聚集在一起，醫療大資料往往是吐槽的重點，吐槽的內容不外乎資料獲取難和貴、資料品質差。
湘雅二院皮膚科主治醫師尹恒主抓該院與丁香園、大拿科技合作的皮膚科人工智慧診斷系統，在推出初期的模型之後，尹恒依舊感歎：“皮膚病的圖像資源是比較容易獲取，其他科室需要借助很多影像資料。但是系統需要搜集龐大、海量的皮膚病資來源資料庫，一家醫院很難做到那麼大量的採集，需要花費大量財力物力和人力。”
騰訊架構平臺部高級工程師顏克洲在做乳腺癌病理圖像識別專案，他遇到的資料問題來自于醫生的習慣。“我們更需要波片掃描的資料，這個資料非常少，它需要把整個波片全部數位化，但是這個機器現在很多醫院沒有普及，很多醫生也比較抵觸使用這樣的機器，他們從醫學院開始接觸到的訓練都是使用顯微鏡。”
醫療資料對於人工智慧而言等同于維繫生存和成長的主食，有了資料才能訓練人工智慧機器，應用轉化也需要跟臨床資料相對接。對於國內企業而言，獲取資料的管道主要是跟公立三甲醫院合作。此時，醫院與醫院的資料沒有實現互聯互通就成了主要的絆腳石。
湯衡指出：“中國醫院都有私有雲，各個私有雲都是獨立的，資料不共用。現在有一部分資料被互聯網掛號平臺佔據，但數量少，資料品質達不到醫療研發級別。也有企業幫醫院做系統對接然後抓取資料，一般是有選擇性的抓取，無法獲得完整版的資料資源。”
相比之下，歐美國家擁有完整的醫療資料電子化流程，但最終的結果是資料入口被巨頭佔據，購買資料的成本不低。以IBM沃森為例，2015年，IBM並購了三家醫療大資料公司Phytel、Explorys和Merge Healthcare。去年2月，IBM又花了26億美元收購健康大資料公司Truven Health Analytics。至此，IBM在不到一年的時間裡投入40億美元獲取資料。
解決了資料難題，醫療人工智慧開始邁入產業化，這一領域國內的審批和監管還處於空白階段。
湯衡直言：“未來是根據醫療器械、系統還是其他的方式進行監管還沒有定論。國內已經在臨床使用的產品基本都是打擦邊球，借鑒臨床同類專案的收費標準進行定價，也很難開出一個比較高的價格。”
美國的做法是，美國FDA在今年5月正式組建了一個由軟體工程師和開發人員、AI技術和雲計算專家等組成的新部門，專門致力於數位化醫療和AI技術審評，制定審批、監管的規範和標準。
另外，美國五大科技巨頭（Google，Facebook，Amazon，IBM，Microsoft）聯合成立了AI合作組織，以保障行業在未來能夠安全、透明、合理地發展。
“其實監管我覺得不用擔心，只要出來一個對臨床有用產品，就一定能夠獲批使用。”金路認為，“現在的問題還是國內有一些概念性的技術在推出，但是能落地的少之又少。”
商業模式更是有待探索。湯衡認為，現階段應用層面的醫療人工智慧企業商業模式創新已經遭遇瓶頸期，基本依靠篩查服務、分析報告來變現，後期的技術升級、資料積累是否能夠帶來一些質變還需要驗證。
“看了很多項目，但是投的很少，很多項目都是盈利不多甚至虧損的。項目的估值也都比較高，因為現在是個風口，很多資本都想投出一個成功的專案來做到市場龍頭。”他說。
最新評論