不远的将来,你的医生会是50%人类、50%机器吗?

2017-02-24 励石团队 励石创投

励石创投是一家专注于初创期风险投资和扩展期成长投资的风险投资机构,重点投资于运作主体在中国及美国市场的创新型及成长型企业。励石的LP由在互联网、文化娱乐、智能硬件等领域极具实力的多家上市公司及其实际控制人构成,在产业链上下游资源整合方面有着强大的优势,可极大地帮助创业者的业务发展。除此之外还有遍布于10多个各大互联网公司的高管、领军人物,作为个人LP参与励石创投,为被投企业提供诸如导师辅导、业务资源整合等方面的帮助。

医疗资源紧缺和计算成效提升

纵观全球医疗行业的发展状况,我们发现既有好的发展又有坏的趋势,两者并存。先看一下负面的趋势:高龄人群增多、慢病人群增多、GDP份额加大、人均资源缺乏。再看一下正面的趋势:测序成本降低、疾病图谱拓展、运算成效提高、个体健康重视。经过详细行研和综合分析,励石创投发现,AI可以在医疗行业中扮演的角色其实已经逐渐清晰了。让我们分析一下几个关键点吧。

看病靠电脑靠谱吗?

(来源:Herman Comics)

高端IT和泛人工智能历经数十年的发展,坚定地告诉了我们一个硬道理:计算机分析的精准度与其处理的数据质量和数量呈正比。那么问题就是,医疗数据能随便开放吗?以下是中国目前政策的倾向:2016年6月24日,国务院发布的《关于促进和规范健康医疗大数据应用发展的指导意见》中说“数据互联融合、开放共享,消除信息孤岛,积极营造促进健康医疗大数据安全规范、创新应用的发展环境,通过互联网+健康医疗探索、培育发展新业态”。在保证患者隐私、不侵犯医生对患者病例享有的类似著作权、不侵害病人和医生和医院利益的情况下,可按照以下方式获取数据。即通过第三方数据服务公司自负全部必要成本,深度统计加工医疗信息,获得并使用分析结果。这在法律上不存在太大障碍,但未来可能会要求专业营业许可证书。我们认为,政府是相信人工智能(AI)对于缓解医疗现状的潜力的。可是,AI本身真的已经能够胜任了吗?

现有AI商业化案例

(来源:搜狐科技)

IBM Watson是目前世界上依靠人工智能大数据处理技术达到的医术水准最成熟的计算机:

2013年—与梅奥诊所等数家美国王牌医疗机构达成合作,积累医疗数据和挖掘分析技术。

2014年—与东南亚最大私立医院康民国际达成合作,提供智能医疗服务。

2015年—与14家北美肿瘤医院达成合作,根据基因测序数据提供治疗方案。

2015年—与印度第三大医院Manipal Hospitals达成合作,提供肿瘤诊断和治疗服务。

2016年—与21家中国三甲医院达成合作,提供智能医疗和科研服务。

2016年—与Welltok等移动医疗公司合作,通过智能硬件采集患者数据,提供相应医疗服务。

(来源:艾瑞咨询)

Watson目前拥有上亿级医疗数据、上百套算法,在某些细分病种达到了接近前沿专家会诊级精度,能够搜览非结构化数据并用15秒阅读4千万份医疗文件。产品范围覆盖病历结构化、诊疗方案建议、海量新医疗文献循证、新医疗知识图谱构建、肿瘤诊断、心脑血管预测、基因测序。而这一切则是IBM长达数十年、耗资数十亿美元的研发迭代和同业并购所收获的成果。但是我们发现,Watson目前只具备80%-90%的诊疗判断精准度,这表明AI在精准医疗上还有一段较长的道路要走。无论是创业或投资,都不可操之过急。

(来源:IBM Watson中国)

我们认为,国内已经涌现出一些在这个领域的优秀的创业公司,其中大数医达就是一个代表,其在核心技术等层面可以与IBM Watson相比。该公司“通过其自有的医疗大数据系统,把超大规模的云计算系统,深度学习和数据挖掘等大数据算法,应用到医疗领域,自动化、智能化融汇多源异构的医疗数据,把自然语言的非结构化病历,自动转化为结构化的病历,从中挖掘出医生的临床诊断和治疗经验,助力医疗大数据产业的发展。”下面,我们来看看精准医疗的几大潜在商业化应用。

影像分析已成创业潮流

医疗影像分析已经达到的准确率,根据不同病种的不同难度,约在85%-95%不等。从临床实用角度来看,95%以上,尤其是接近99%的准确率,较为理想。原因很简单:人命关天。创业公司的商业模式包括导诊(需要强资源)、金融(不清晰)、保险(医院也有这个数据)、医院和诊所SaaS(20元/张市场规模有限)、医院和诊所销售(10万美元/套软件)、器械公司销售(10万美元/套软件)。该领域的核心技术在过去是机器学习(准确率80%-90%),现在是深度学习(准确率90%-99%)。配套的诊疗主机包括CT机和核磁机,他们正在取代X光机,他们分辨率高且辐射低,但较难识别。相关数据的合规性也是核心问题:美国政策相对成熟,只要审核合规,没有法律风险;中国政策开始放开,只要确保患者隐私和用图合理,可以规避法律风险。该类软件所属的医疗器械批件类型是FDA2/3,通畅需要申请2/3年方可获批。国内现有极少数审批通过的企业。

(来源:搜狐科技)

医保和商保大数据即将到来

(来源:36氪)

反医保欺诈和滥用是医保理赔运营管理的关键环节,也是各国存在的严重问题。美国联邦医疗保险欺诈损失额超600亿美元/年。美政府称起诉1美元的医疗诈保花费可赢回8美元。医保欺诈通常案例不多但涉及金额较大;医保滥用单笔金额不高但数量大,很难根据经验判断,因此成为医疗大数据数据挖掘的重要应用领域。通过对以往理赔数据、特定病种群体的临床路径数据、用药数据等挖掘学习,建立欺诈风险识别模型,再分析处方、理赔申请,揪出过度用药和欺诈。

我国消费理赔型产品同质化竞争严重,不能对客户需求及医疗风险准确把握。励石创投认为,主要原因是缺乏对疾病治疗费用数据的深度分析、参保群体医疗费用风险的科学评估,在保障设计及精算定价方面无据可依。分析挖掘肿瘤类疾病理赔数据,例如不同乳腺癌的治疗方案、患者费用分布、地理分布、年龄分布等,可有力支持真正理赔型大病保障设计及相关精算定价。

(来源:36氪)

AI已进入慢病管理和公卫

(来源:互联网)

帮助精准预防疾病,实现治未病;帮助精准管理慢性疾病,提高治疗依从性;这就是大家常说的慢病管理。目前市场参与者较多,且以一级市场公司为主。具有精准健康管理模型的公司具有核心竞争力。精准的模型要基于患者行为感官数据和慢病数据库。因此,具有大体量活跃用户者后期将具有产品技术优势。

(来源:麦肯锡咨询)

公共卫生是指通过互联网搜索、社交、LBS等数据,结合疾病、环境数据,采用机械学习和群智等技术,开展监测和传播动力学研究和风险评估:(1)对公共流行疾病提前预警;(2)实时评估不同地域病情,制定有针对性的响应计划和配以合理资源进行及时防控。Google在2009年通过对5000万条美国人最频繁检索的词汇分析与美国疾病中心在2003年-2008年间季节性流感传播时期的数据进行比对,建立出的模型成功预测了2009年冬季流感传播,研究结果发布于全球权威科学期刊Nature。

手术机器人是最成熟的医疗智能

这是一个AI软硬件和外科医疗技术集大成的产品,市场需求已经非常明朗:手术机器人接骨、切除、缝合准确率和速度超过医生,微创性强,减少流血、感染、康复周期。成本虽高,但近年来显著下降,简单常规性手术成效已近似人工。WinterGreenResearch:由2014年32亿美元增至2021年232亿美元,年均复合增长率30%。机械臂动作精准稳定,目前机器人能全自动缝合软组织,依靠的是3D点云成像技术和Toppology算法。美国StarSystem缝合质量等同从业7年的外科主刀;日本Emaro主打体感、体积效率,可使单个医生通过摇头在微小切口中操作开腹手术;英国Acrobot等主打眼科等小细分,收益良好;2013年骨科巨头Stryker以16.5亿美元收购Mako机器人,不失为避开业内巨头和老牌企业的竞争策略。该行业具备超过30年的积累,距离爆点的来临不会遥远

(来源:天津大学)

就国内而言,由天津大学研发的具有自主知识产权的微创外科手术机器人系统“妙手S”已成功为长沙的三位患者解除病痛,标志着该科研成果正式进入临床试验阶段,有望3年内投产。中南大学湘雅三医院召开的新闻发布会宣布了该消息。我们认为,中国国内目前的产品尚未产业化,主要依靠进口,成本高昂。但同时,近两年来北航、哈工大、天大等在运动控制、自动定位、3D腹腔镜等核心环节实现了一系列关键自主IP攻关。因此,类似妙手的国产公司在有较大的市场竞争空间,可逐步满足国内众多三甲医院的需求

(来源:中南大学湘雅三医院)

作为本文结语,我们认为医疗将逐渐走向智能化,在不远的将来医生每天大多的重复性工作将由机器在很大程度上替代。AI历经半个世纪的发展以及在医疗领域的积极探索,已具备基本技术条件,能够在大健康领域开启商业化进程。但是根据前沿应用产品的参数来看,深度学习算法和专家级模型的成熟需要大量数据进行不断训练,这并非是短时间内可以一步到位的。此外,国家政策也不会使AI在医疗领域发展过快。因此,风险资本对于该领域的创业公司应当充分调研、谨慎选择,而不应炒作概念、投机风口。励石创投在医疗和AI领域都具有十分丰富的资源,已经投资了多家业内知名企业,今后将会继续在该领域进行产业布局。

关注励石创投!

二维码