在数据密集的医疗行业拥抱 AI ,机会很多,挑战不少 | 创业

人工智能正在激活医疗行业的创新。医疗领域是典型的数据密集型行业,在智能化时代,数据生成速度的提升也带来了医疗数据积累量的大幅增加。尤其是在基因和医学影像领域,人工智能技术极大加快挖掘提取深层次信息的效率,由此也释放出大量创业机会。

然而,随着创新项目遍地开花,亘古不变的商业问题又渐渐浮出水面。初创公司如何才能在这个新兴领域挣到第一桶金?医疗保健公司如何利用人工智能扭转不断增加的医疗成本?最后,他们如何从政府监管机构、保险公司、医生和患者那里获得收入?

「作为医疗保健行业的投资者,我很乐于看到如今有人把兴趣放在科技上。这为我们的公司打通了一条潜在的联合投资的新途径。」风投公司 Domain Associates 在 San Diego 办事处的合伙人Kim Kamdar 这样说道。

大家普遍认为,将机器学习和相关技术应用于医疗保健领域还为时尚早,并且前路未知。正如 Xconomy 资深编辑 Jeff Engel 曾经报道过的那样,AI 对医生和医疗机构的影响才是症结所在。当然,转型已成为当下的行业主旋律,这也是无可争辩的事实。从小型创业公司到 IBM 和 GE 等巨头,各类企业争相在这一新兴领域获得一席之地。

如果说有一个行业转型需要进行一场大变革的话,医疗保健行业首当其冲——该行业在美国的支出一年超过 3.2 万亿美元,接近美国国内生产总值的 18%。

虽然该行业利润丰厚,但许多投资者也只能望而却步。主要矛盾在于,监管制度、医疗系统内的各方利益(患者,医疗服务方和付款方)相互分离,以及需要 10 年或更长时间才能实现的投资回报,这些问题都让该行业的投资生态变得更加错综复杂。

在把握潜在机遇方面,Grail 当仁不让。该公司是由基因测序领域的领先企业 Illumina 创办,市值已经超过 10 亿美元,其诊断技术可以用来检测常规血液样本中的癌细胞 DNA 片段。当然,该领域也遍布惨痛教训,无时无刻不在提醒投资需谨慎。最著名的莫过于 Theranos,一家有风投背景的的医疗诊断公司。2015 年其市值估价为 90 亿美元,从行业巨头追捧再到持续不断的丑闻曝光, 其市值于去年断崖式下跌至不到原来的十分之一。

由于圣地亚哥地处成熟的生命科学研究聚集地,同时也是两大基因组测序巨头:Illumina 以及 Thermo Fisher Scientific 生命科学方案组所在地,该地区医疗保健人工智能投资市场异常火热。同时,随着 HNC software 的崛起,San Diego 在神经网络技术方面的实力也不容小觑。HNC software 正是 FICO 的软件提供商,开发了用于预测信用卡欺诈的金融分析软件。( HNC 于 2002 年被 FICO 收购,成交价达 8.1 亿美元。)

在生命科学领域,利用机器学习进行技术创新的初创公司有无成熟的商业模式?


总部位于加州大学圣地亚哥分校的加州电信与信息技术研究所( Calit 2 )负责人 Larry Smarr 所想到的正是 Illumina 公司的模式。该公司是 DNA 测序技术先驱,目前越来越侧重于基因组数据,即遗传变异和生物学功能的分析。

「他们用于分析人类基因组的云方案是相当扎实的,」 Larry Smarr 说,「这些数据需要大家一起分析,这在以前是不太可能的。然而现今的数据指数级增长,特别是在基因组学和微生物学中,如果没有这些算法,你真的无法从这些数据中挖掘到任何医疗保健的核心问题。」

Illumina 的基因测序技术和数据服务,其客户群体主要集中在基因组研究中心、临床研究机构、生物技术和制药公司。但是,这种模式可以复制吗?换句话说,如果构建一项微生物数据分析的业务,前景会如何?

 Larry Smarr 指了指桌对面的 Rob Knight,他是加州大学圣地亚哥分校儿科和计算机科学的联合负责人,同时也是 UCSD 微生物创新中心主任,美国肠胃计划(人类微生物组计划 Human Microbiome Project 的一部分)联合创始人。肠胃计划是一项「公民科学」活动,收集了超过 16,000 个粪便样本,帮助科学家更好地了解微生物在保障人类健康中起的作用。

「这是个非营利项目,」 Rob Knight 说,「会非常困难。因为总的来说,那些做 DNA 序列检测的公司并没有做得特别好。我现在正在考虑 Celera,他们把业务转到诊断上面去了。」

「我认为我们要做的是以某种方式将其运用到实时检测中,并开发微生物用户界面。」 Rob Knight 打了个响指,补充道,「比如,检测你刚吃下的那片面包对你到底是好还是坏。」 

总部位于特拉维夫的 Nutrino 正是致力于发展这种技术的一家公司,该公司开发的移动应用和数据平台,目标在于帮助用户确定他们的食物如何影响个人生化小环境。

DexCom ,是一家专注于糖尿病连续血糖监测技术的公司,其数据中心高级副总裁 Annika Jimenez 表示:「我们的产品会根据你的血糖水平,对你的『食物足迹』提供实时指导。」

「随着时间的推移,公司将打造一个针对企业和潜在付费用户的新的商业模式。」Annika Jimenez 说。

事实上,人工智能在医疗保健领域的关键优势在于,能从数千亿字节数据中提取有意义的分析,这个数据量远远超出人类的处理水平。

然而,大多数业内人士仍然认为,由此产生的新业务还没有真正形成商业模式。Qualcomm Life 总裁 Rick Valencia 对现在的营收策略持怀疑态度,他说:「在我看来,那是最终目标、长期计划。在短期内,我认为这个问题的答案是——不。我不知道有谁证明了某种商业模式的存在, 现在还为时过早。」

Analytics Ventures 联合创始人兼管理合伙人 Navid Alipour 表示,该公司下属投资机构 CureMatch 正采取一种直接面向消费者的模式,即癌症患者直接向 CureMatch 付费让后者为其推荐三种最佳的化疗药物组合。这些建议基于患者自身医疗记录,帮助癌症专家选择治疗方案。CureMatch 使用超级计算机进行处理,从百万种药物中筛选出可能的三种药物组合,评估每种组合药物间的相互作用等因素,并将基因组数据相关联,用于选出对特定患者疗效最佳的药物组合。

CureMetrix,是 Analytics Ventures 旗下的另一家公司。该公司主要用机器学习来分析乳腺癌的乳腺钼靶摄像,但其技术必须得到美国食品药品监督管理局的批准,才可以在美国使用。Navid Alipour 说,「这将是一个软件服务模式。在墨西哥我们有一位机构投资者,将把我们引见给政府高层。乳腺癌在墨西哥是一个巨大问题,国内拥有乳腺钼靶摄像专业知识的放射科医生也不多。我们正在申请全国许可,因为墨西哥是全民医疗体系。如果你在美国之外的其它国家或与美国医疗保险制度不同的国家,那就值得考虑一下了。」

CureMetrix 是大大小小的已经采用机器学习来识别诊断成像异常情况的公司之一。基于图像的模式识别似乎是该技术的终极用途。」Annika Jimenez  说,「你所要做的就是参加各种数据分析大会,这是大数据和数据科学界的大事,演讲者们总在强调实际应用有多难。你就知道或许不止十年,或许还要更久。」

那么,AI 何时可以取代放射科医师?

Larry Smarr  对此表示怀疑。他相信技术将被用于增强人类的能力——采用了人工智能,最差的放射科医师在准确度方面也能赛过最好的放射科医师。「我们正在做的是通过扩充自己永远不可能经历的大量数据来提高整个人类的水平,」他说,「而且我认为这在短期内,也就是未来几十年内,可能会更有成效。」

对于像 DexCom 那样专注于糖尿病研究的公司,Annika Jimenez  表示,高科技正在改变患者的行为。将葡萄糖监测数据、胰岛素测量数据、患者活动和膳食的数据结合起来,应用机器学习进行分析,使软件可以将警告和建议发给病人及其医生。

「但是,作为一个只是在生成数字的行业,行业发展并不成熟,」Annika Jimenez  解释说,「所以我们只是告诉人们血糖值是多少,这对于 1 型糖尿病患者至关重要。但是,2 型糖尿病患者需要与应用程序互动,并需要进一步观察,应用程序的开发非常重要。」

最终目标或许只是开发一个用户界面,对机器学习的数据进行分析,从而迅速敦促糖尿病患者改变他们的日常行为。Jean Balgrosky 认同这样的观点,她是一位投资人,20 年来,一直担任 Scripps Health 等大型医疗机构的首席信息官,她说:「最后,人类将为所有这些机器学习买单——关注人类自身健康。」

文章来源:http://www.xconomy.com/san-diego/2017/07/03/whats-the-business-model-for-artificial-intelligence-in-healthcare/2/#

入门产业投资创业公司医疗基因测序
微胖
微胖

机器之心编辑

返回顶部