赵泓维作者

关于医学人工智能的产品化,这里有6点思考

人工智能开始尝试进入医疗领域,逐渐被医生、医院、患者所了解、接纳时,它的商业化问题依然扑朔迷离。

不同时期的企业往往面临着不同的推进路径,如今医疗AI商业化停滞于“提交申请”到“获得申请”的真空期,创业公司们纷纷启程寻找各自的生存途径。

行动固然刻不容缓,但对于医疗的基本问题,我们必须深入思考,并以此为道标,避免在发展的途中偏离价值的导向。

6点关于AI医疗的思考

在2018年末举办的“2018未来医疗100强”论坛上,希氏异构创始人宋捷基于现在的形式,提出了6点关于医学人工智能的思考,由动脉网记者整理如下:

宋捷进行“医学影像AI,从研发到商业落地”主题演讲

1、医疗的核心内容是什么?

“诊断、治疗是医疗的本质,是医疗行业的价值核心环节;能够进入这个环节,就意味着能够分享医疗行业的丰厚回报”。

“医疗活动的核心主体是医生,医生所输出的医疗能力表现形式为医疗水平、效率、体力、脑力,这是医疗领域最为稀缺的要素;谁有能力掌握或者复制、倍增这些稀缺要素,谁就有能力进入医疗的核心价值环节,从而获得丰厚回报。”

以互联网医疗为例,这一领域在过去近10年来投入巨大但收益甚微,其原因只有一条:没有进入核心价值区域,而只是“徘徊在周边”。究其原因,对医疗的“核心稀缺要素”没有发生影响。

这意味着AI的发展必须以:掌握医疗核心要素、进入医疗核心价值环节、获得丰厚回报道标。换言之,做能够复制、倍增医生能力的技术,形成进入诊断、治疗环节的产品,才能获得更大的利益。

2、AI能给医疗带来什么?

医学AI的发展方向,必定是解决核心资源不足的问题,直接切入诊断、治疗这一核心利益环节,医疗AI研发机构应该明确了解这一点。

清楚了医疗的核心内容,也就会有明确的目标方向,AI在医疗上解决的就是“倍增医生能力”的问题。 

医学AI方向很多,如今企业纷纷集中于影像,并不意味着医学AI只能处理影像,而是因为影像数据相对单纯,“参考变量”相对较少,容易获得突破而已。 

医学影像AI只是是第一步,当医生能将患者的既往病史、基因、身体状况等因素连接在一起,甚至能对患者的未来做出精准的预测,并以此指导患者当前的治疗,这是人工智能为医疗带来的潜在价值。

3、中国是否比西方拥有更多优势?

截至2019年,国内做医学AI研究的公司在数量上已超过美国,很多企业都招揽了顶尖的海外AI人才,一方面是为了收获一流的AI技术,另一方面则是为了开拓海外市场。

坦言,中国在AI基础研究上,比照美国,无任何优势;在细分领域应用研究上,或有领先。

在医学AI研发上,大家所说的数据优势,更多是表象,我们真正的两个核心优势,一是法律的宽松,第二是国家的导向。这两个优势在未来一定会消失,而消失以后,公司是否能继续存活,这是我们必须要思考的问题。 

总的来说,企业要借势发展,未雨绸缪。如今宽松的法律环境并不意味着现在的问题不会在未来某一时点清算。这里有很多需要思考的话题,比如企业数据来源如何?合作方式如何?盈利方式是否合理?是否合法? 

很多企业表示已与数百家医院达成合作,但具体合作方式如何,我们无从得知。对于AI这一新兴技术,企业所有现有的合作与数据来源最好能符合当前的法律法规,如果不够真实合法,那么需注意产权问题,以免在数年之后再谈知识产权的划分问题。 

4、医学AI是技术还是产品?

技术和产品互为因果关系,但是从商业机构的角度上看,AI一定是产品。很多企业与三甲医院医生的合作是以互帮互助为合作前提,即企业帮助医生完成高质量论文,而医生确保企业的产品进入医院,至于产品的使用,却不在医生考虑的范畴。这样的合作是不合理的,如此产生的产品不一定符合医院的需求。

5、药监局审批有多重要?

在中国三类医疗器械注册方面,至今无一公司通过审批,甚至无一提交尝试性提报的材料。这是因为在现有AI产品,在没有明确标准的情况下,大家还没有完成自证“安全”、“有效”的过程,或者没有找到自证这两点的办法、途径。

事实上,对于一个新的技术,我们不必太苛求其完美。但是医疗容不得半点马虎,法规不会有太多“弹性”。

“获证”是产品上市的必要环节,为此大家想各种办法“获证”,对于有经验的机构来讲,“获证”并非难度巨大的一件事,但是“获证”并不意味着产品的有能力赢得市场,“内行看门道,外行看表象”。

希氏异构的多领域产品都表现为硬件化的AI医疗设备,同时也在提供基于云端的诊断服务,这些产品覆盖消化内镜、CT、超声等多个领域,有望2019年正式进入市场,在希氏异构眼里,获得“准入证”不是目标,获得一个真正有市场的产品的“准入证”才是有价值的。 

由此可见,审批是医疗器械商业化过程中至关重要的一环,但环节上下游的衔接同样重要,通过审批并不等于企业已在这个市场取得绝对的成功。

6、现阶段的医学AI应该发展什么?

从现状来看,肺结节、眼底依然占据了核心研发方向。这意味着数据获取的难易程度在很大程度上确定了医学AI发展的方向。

医学领域的数据是多样性的,研发一定不是“搞噱头”,真正的的价值一定是体现在研发成果能够解决临床问题上,因此,希氏异构更看重临床应用性:

1、 针对某一领域,对疾病的覆盖要有广度 

应用研发不同于学术研究,没有广度就没有应用。以内镜AI产品来讲,覆盖大多内镜下疾病,才是应用的前提。当医生把“一根管子”插入患者消化道时,需要把整个情况了解清楚,而不是说“我只会告诉你某一种病的有无,其他疾病我们不了解”。

未来很长一段时间,AI对任何一种疾病的诊断准确率多不会超越人类的认识,只是在效率上比人类强,在“能力上”有可能超越普通医生甚至一部分高级医生群体,但不会超越人类的认识。 

2、 应用场景真实

不能臆造出某种场景,医疗有它的路径和习惯。若从业者对这个领域缺少深度的了解,很容易犯错误。例如,内镜、超声等领域一定要求应用技术是实时的,因为医生需要在检查的动态过程中发现疾病;医生发现疾病,留取数据再让AI技术帮助诊断的场景是伪场景。

所以在很多领域,AI产品的硬件化、设备化、实时性非常重要。同时,分辨真实应用场景,需要对行业有深刻的了解、认识——这一领域需要真正的“行家”来驾驭。

3、产品形式便于接受。

 产品应该是医生能接受的形式——好用。

 产品应该是销售能接受的形式——便于获利。

 产品应该是自本能够理解的形式——能清楚展现回报能力。

思考之下,如何开发符合市场需求的AI产品?

在明确医疗的核心内容、人工智能的价值、国内企业的优势等问题后,那么,怎样的研发成果能够落地? 

宋捷认为,开发者应确认研发的方向是学术研究还是技术应用。如今的AI界已不再是两年之前,众人不会因为一个新的突破而欢呼雀跃,而是率先思考这个“新发现”是否拥有真正的临床价值。因此,现阶段的产品必须要做到三点:

第一,医学产品需真实可用,有直接价值。这意味着企业需先做“面”,再做“点”。没有医生会为了寻找单一病灶而去为患者做胃镜手术,所以单一病中的产品是缺乏临床价值。只有当开发者能够把大多数疾病都置于识别范围内,该产品才可能是一个临床应用级产品。所以,以如今AI企业的研发能力而言,对于一个AI产品,可以在点上做的不够透彻,但是仍要兼顾其面,否则这样的AI不能成为产品。

第二,医学产品需具备独立性、可靠性,能简化工作,而不是增加负担。以眼底产品为例,美国的家庭医生通常是不会为患者阅读眼底照片,而如果将眼底AI产品向这些家庭医生销售,这将增加他们的义务劳动,这不符合使用者逻辑

第三,在设计产品时,开发者需清晰企业将开发一个独立的软件,还是要在未来依附于GPS的厂商。在这一方面,希氏异构选择双管齐下,但更偏向于做一个能够由企业自身把控的产品。

总的来说,企业在开发AI产品,全病种优于单病种;实用优于科研;方向确定先于产品设计。商业不同于科研,要打造出一流的AI产品,管理者需要更多地从产品使用者的角度考虑问题,了解使用者的实际偏好,这样的产品才拥有临床价值,才易于被市场所接纳。

动脉网
动脉网

专注医疗产业服务平台

产业产品医学影像AI医疗
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

推荐文章
暂无评论
暂无评论~