文｜科技新知 白芨
編輯丨月見
2015年，《財富》雜志報道了一組數(shù)據(jù)，在一場肺癌診斷競賽中，IBM開發(fā)的人工智能程序“沃森”，以90%對50%的準確率大勝人類。
在世界各地，醫(yī)療專家普遍是受人尊重的職業(yè)，并享有優(yōu)厚待遇。醫(yī)生的學(xué)習(xí)年限往往較其它專業(yè)更長，要隨時學(xué)習(xí)最新的行業(yè)知識。正因如此，我國醫(yī)療市場長期處于供不應(yīng)求的狀態(tài)，對于擁有豐富經(jīng)驗的專科醫(yī)生，患者往往一“號”難求。
而人工智能之所以能在醫(yī)學(xué)影像領(lǐng)域“媲美”專家，正是依賴“經(jīng)驗”。
作為AI程序，“沃森”擁有不眠不休的學(xué)習(xí)能力，相比人類，“沃森”跟進最新病例數(shù)據(jù)的能力遠遠勝出。在輔助診斷時，“沃森”可以在幾秒鐘之內(nèi)提煉全球醫(yī)學(xué)雜志的關(guān)鍵信息，并梳理成診療方案。
而肺癌診斷只是醫(yī)療AI大顯身手的冰山一角。以醫(yī)學(xué)影像AI為代表，隨著相關(guān)產(chǎn)品陸續(xù)獲批上市，醫(yī)療AI商業(yè)化的大潮正在興起，其中視網(wǎng)膜影像AI尤為引人注目，已廣泛應(yīng)用于疾病的輔助診斷及健康管理。
從Google、IBM、百度、騰訊等國內(nèi)外互聯(lián)網(wǎng)巨頭先后入局，到國內(nèi)初創(chuàng)企業(yè)競相賽跑跑出醫(yī)療AI第一股，視網(wǎng)膜影像AI這一細分領(lǐng)域的價值成色幾何？在這場國際科技競賽中，誰又將站穩(wěn)鰲頭？
視網(wǎng)膜影像AI熱
2016年，AlphaGo在圍棋比賽中擊敗李世石，人工智能成功出圈，震驚了世界?；谏疃葘W(xué)習(xí)技術(shù)，人工智能如今已從一個概念，走向了應(yīng)用爆發(fā)，許多服務(wù)行業(yè)和其相關(guān)職業(yè)也隨之發(fā)生轉(zhuǎn)變。
醫(yī)療被認為是人工智能最有應(yīng)用前景的行業(yè)之一。醫(yī)學(xué)中的診斷、治療都高度依賴醫(yī)生的經(jīng)驗，但同時，醫(yī)療過程本身產(chǎn)生了大量可標準化的數(shù)據(jù)，包括門診、住院、影像、手術(shù)、臨床癥狀、患者特征等等。這意味著，相關(guān)數(shù)據(jù)一旦由AI整合，就有加快服務(wù)效率的空間。
在醫(yī)療AI行業(yè)中，醫(yī)學(xué)影像AI發(fā)展速度最快，目前已進入了加速商業(yè)化的階段。
在我國，醫(yī)學(xué)影像醫(yī)生面臨較大供應(yīng)缺口，《智能化醫(yī)療健康的應(yīng)用與未來》一書提供的數(shù)據(jù)顯示，我國醫(yī)學(xué)影像數(shù)據(jù)量每年增長約30%，而放射科醫(yī)師年增長率僅為4%，市場需求的擴大與供給不足背景下，醫(yī)學(xué)影像AI識別的重要性愈發(fā)凸顯。
當(dāng)前，醫(yī)學(xué)影像AI主要應(yīng)用于肺部、心血管、眼底、骨骼、頭頸等相關(guān)病種的診斷和檢測，2020年以來，國內(nèi)各個細分賽道下均有2-3款產(chǎn)品陸續(xù)獲得國家藥監(jiān)局批準上市，部分企業(yè)在海外也已經(jīng)形成規(guī)模收入。2021年，科亞醫(yī)療、鷹瞳科技、數(shù)坤科技、推想科技等頭部企業(yè)相繼向港交所遞交招股書沖關(guān)IPO。最終，專注視網(wǎng)膜影像人工智能的鷹瞳科技拔得頭籌，成功上市。
視網(wǎng)膜影像AI確實是醫(yī)學(xué)影像AI中發(fā)展最為迅速的細分賽道之一。瞄準這一賽道的，不僅僅有國內(nèi)初創(chuàng)企業(yè)，谷歌、IBM等國際互聯(lián)網(wǎng)巨頭早早便已搶灘布局。
2015年，搜索巨頭谷歌通過改組整合了一批非互聯(lián)網(wǎng)項目，在新上市公司的架構(gòu)中，包括醫(yī)療子公司Verily和AI子公司DeepMind、Calico，三家公司共同構(gòu)成了谷歌的AI醫(yī)療戰(zhàn)略。谷歌嘗試用AI追蹤、檢測疾病，并全面管理患者的生活方式，其中，用視網(wǎng)膜影像AI檢測眼病和心血管疾病，是谷歌的主攻方向。
信息技術(shù)巨頭IBM從2013年開始，就將醫(yī)療AI列為人工智能業(yè)務(wù)的主攻方向，并為此進行了耗資巨大的收購。從2015年開始，IBM選擇發(fā)力用AI技術(shù)分析視網(wǎng)膜影像。在IBM的規(guī)劃中，AI醫(yī)生、癌癥篩查等主力項目將極大擴展公司的發(fā)展前景。
小小的視網(wǎng)膜，為何能有如此之大的吸引力？國內(nèi)外巨頭和初創(chuàng)企業(yè)爭相入局，視網(wǎng)膜影像AI這塊蛋糕夠分嗎？答案或許還要從它的技術(shù)和醫(yī)學(xué)原理說起。
被低估的價值
視網(wǎng)膜，人體眼球后壁部的感光層，也是人體中唯一一個能以非侵入方式觀測血管和神經(jīng)的部位。血管和神經(jīng)的性狀變化可以用于多種慢性病的檢測，包括高血壓、糖尿病、ICVD、帕金森氏病及貧血癥等等。通過一張視網(wǎng)膜照片，理論上能夠發(fā)現(xiàn)的常見疾病和病變就多達200余種。
但是，眼底檢測需要較高的閱片技術(shù)門檻，在我國，能看眼底病的專業(yè)眼科醫(yī)生有限，僅1000余名，使得眼底拍照+人工閱片識別疾病的模式難以普及。
對于擁有眼科專家的大三甲醫(yī)院來說，視網(wǎng)膜影像AI有效解決了全流程無需專業(yè)醫(yī)生值守、處理自動化等臨床痛點，減少了醫(yī)生的重復(fù)性操作；而對于絕大多數(shù)缺少眼科專家的醫(yī)療機構(gòu)來說，視網(wǎng)膜影像AI更是能賦予其眼底病及慢性病檢測從無到有的能力。
除了在院內(nèi)場景的應(yīng)用，視網(wǎng)膜影像AI在民營體檢、視光中心、保險公司、藥店等院外大健康場景也展現(xiàn)了極大的應(yīng)用價值，國內(nèi)頭部企業(yè)已有規(guī)模布局，在一些場景下開展應(yīng)用的速度甚至超過了在醫(yī)療場景下的應(yīng)用。
在院外場景下，AI應(yīng)用扮演了更為重要的角色。首先，視網(wǎng)膜影像AI的應(yīng)用可以提高B端的綜合服務(wù)能力和水平，實現(xiàn)產(chǎn)品升級和服務(wù)轉(zhuǎn)型。例如過去僅從事眼鏡銷售的眼鏡店，可以實現(xiàn)向?qū)I(yè)檢查、視光服務(wù)場所的轉(zhuǎn)型。
其次，視網(wǎng)膜影像AI在院外場景的應(yīng)用，也為傳統(tǒng)診斷在2C場景的應(yīng)用帶來了嶄新方向。過去需要在大醫(yī)院才能做的眼底檢查，如今在家門口的體檢中心、眼鏡店，甚至未來居家也能夠完成，在手機上就能看到AI對自身健康狀況作出的評估。產(chǎn)品的可及和流程的簡便，能有效提高患者的早篩意愿，無疑將進一步釋放眼健康管理、慢病防控的壓力。
與此同時，不少地方政府也發(fā)現(xiàn)并認可了視網(wǎng)膜影像AI的應(yīng)用價值。在廈門翔安區(qū)，當(dāng)?shù)匦l(wèi)健局推出了一項“60歲以上老人接種新冠疫苗送體檢篩查”的服務(wù)，居民在疫苗接種的觀察間隙接受視網(wǎng)膜影像AI的檢測，前后不到2分鐘，便能拿到篩查結(jié)果。此舉不僅提高了老年人疫苗接種率，對于疾病早診早治，降低整體衛(wèi)生支出也有重要意義。
在我國專業(yè)醫(yī)師供給數(shù)量不足，醫(yī)療資源分配不均的基礎(chǔ)國情背景下，視網(wǎng)膜影像AI可以通過無創(chuàng)、高效的方式檢測并持續(xù)管理常見慢性病。如若能在疾病早期篩查風(fēng)險，必將有更多的人從這場技術(shù)變革中獲益。
誰將站穩(wěn)新藍海？
國家糖尿病聯(lián)盟（IDF）數(shù)據(jù)顯示，目前我國糖尿病患者人數(shù)超1.4億，且這一數(shù)據(jù)仍在快速增長。檢測需求端正在高速增長，而專業(yè)醫(yī)師供應(yīng)不足，這就亟需視網(wǎng)膜影像AI的介入來解決供需矛盾。
基于較大的應(yīng)用價值和臨床需求，視網(wǎng)膜影像AI的市場前景被不少咨詢機構(gòu)和投行看好。弗若斯特沙利文數(shù)據(jù)顯示，中國人工智能視網(wǎng)膜醫(yī)學(xué)影像市場預(yù)計將自2020年的人民幣0.45億元增至2030年的人民幣340.10億元，年復(fù)合增長率高達81.55%。而在大健康場景下，由于市場仍有大量需求未被滿足，預(yù)計從2020年到2030年，視網(wǎng)膜AI大健康市場的年度復(fù)合增長率將達到90.7%，增速超過醫(yī)學(xué)影像市場。
這塊數(shù)百億的大蛋糕怎么分？我們來看看目前的競爭格局。
截至目前，美國有Digital Diagnostics和Eyenuk兩家企業(yè)的視網(wǎng)膜影像AI產(chǎn)品獲得美國食藥監(jiān)管局FDA認證；國內(nèi)自2020年8月鷹瞳科技獲批國家藥監(jiān)局醫(yī)療器械三類證以來，已累計有4家企業(yè)拿證。通過公開數(shù)據(jù)對比，國內(nèi)企業(yè)在產(chǎn)品性能、產(chǎn)品適配性，以及開發(fā)算法的種類等方面已處于領(lǐng)先。
而值得注意的是，早早便入局，且財力與技術(shù)儲備均雄厚的國內(nèi)外互聯(lián)網(wǎng)巨頭，至今仍未開發(fā)出通過注冊的相關(guān)產(chǎn)品。
2021年，谷歌以醫(yī)療和谷歌云為主的其它業(yè)務(wù)虧損額高達53億美元，視網(wǎng)膜AI則仍處于理論狀態(tài)，無任何實際產(chǎn)品落地；IBM則于今年1月宣布出售AI醫(yī)療業(yè)務(wù)Watson Health，宣告了醫(yī)療布局的徹底失敗。
在整個AI醫(yī)療賽道，美國互聯(lián)網(wǎng)巨頭無疑擁有先發(fā)優(yōu)勢，和更強的硬件算力，但他們似乎都缺少一點商業(yè)化應(yīng)用的突破能力，不得不“起了個大早，卻趕了個晚集”。
前任IBM研究院首席醫(yī)學(xué)科學(xué)家Martin Kohn曾對外界大倒苦水——高管熱衷于開發(fā)“華而不實的東西”，以拉升公司的想象空間，但做出來的東西不符合市場的真實需求。
谷歌的困境與此類似，谷歌視網(wǎng)膜AI系統(tǒng)在泰國的實驗表明，產(chǎn)品的臨床效果與實驗室效果大相徑庭，AI需要高質(zhì)量的眼底相片，而診所采集的圖像模糊，這使系統(tǒng)拒絕了相關(guān)圖像的診斷。
深究起來，醫(yī)療AI需要人工智能的算力，但其本質(zhì)終究是醫(yī)療產(chǎn)品，需要為場景尋找合適的技術(shù)，而谷歌和IBM受限于互聯(lián)網(wǎng)科技基因，切入醫(yī)療AI的始發(fā)點，是為技術(shù)尋找合適的場景，這是供需雙方匹配矛盾的根本原因。
如果從醫(yī)學(xué)影像的發(fā)展歷程看，臨床痛點始終是技術(shù)發(fā)展的源動力。從1972年，CT應(yīng)用于臨床檢測領(lǐng)域開始，利用機器取代人的經(jīng)驗，安全、無創(chuàng)地判斷患者的健康狀態(tài)，就成為醫(yī)學(xué)領(lǐng)域的集體追求。
美國互聯(lián)網(wǎng)巨頭的經(jīng)驗證明，技術(shù)難以跨越醫(yī)療需求先行發(fā)展，在實驗室中反復(fù)驗證的精確理論，總會在臨床應(yīng)用中遇到棘手的現(xiàn)實問題。無論谷歌還是IBM，都更傾向于解決醫(yī)療AI的“高精尖”問題，寄希望于讓AI深入醫(yī)療產(chǎn)業(yè)鏈的全流程，畢其功于一役。結(jié)果是，IBM的AI醫(yī)療助手被醫(yī)生吐槽“沒有實用價值”，谷歌的視網(wǎng)膜AI產(chǎn)品只能面向標準的精確樣本，對復(fù)雜樣本沒有檢測能力。
反觀國內(nèi)，幾家初創(chuàng)企業(yè)已率先進入商業(yè)化階段，并在醫(yī)療和大健康場景中積累數(shù)據(jù)、優(yōu)化算法，實現(xiàn)了“彎道超車”。
究其原因，或許是國內(nèi)初創(chuàng)企業(yè)的醫(yī)療基因為其彌補了這一缺陷，使得產(chǎn)品在保持技術(shù)先進性的同時，能夠最大程度滿足臨床的真實需求。而由于我國的病例基數(shù)大，覆蓋范圍廣，產(chǎn)品歷經(jīng)不同地區(qū)、不同民族、不同硬件機型、不同檢測環(huán)境等維度的錘煉，因此也更具臨床應(yīng)用的優(yōu)勢，能夠適用于多種應(yīng)用場景。
隨著國內(nèi)視網(wǎng)膜影像AI產(chǎn)品進入商業(yè)化初期，行業(yè)格局將向率先拿證、率先商業(yè)化的先發(fā)企業(yè)傾斜，直至形成規(guī)模效應(yīng)。
一款成功的醫(yī)療AI產(chǎn)品，必然經(jīng)歷產(chǎn)品研發(fā)、臨床試驗、注冊審批、商業(yè)應(yīng)用、數(shù)據(jù)積累、算法優(yōu)化等流程，其周期至少長達兩年。這意味著，越是先啟動的玩家，就越是有利于卡位行業(yè)生態(tài)，對追趕者形成適配性、精確度都更優(yōu)的產(chǎn)品優(yōu)勢，及市場規(guī)模優(yōu)勢。
未來，機會必將會優(yōu)先垂青行業(yè)的先行者，但究其根本，誰能比競爭對手更加洞悉市場需求，誰更能解決終端場景的真實問題，誰就能掌握市場的主要份額，占領(lǐng)這片新藍海。
參考文獻：
[1]王笛，趙靖，金明超，劉婧，熊偉. 人工智能在醫(yī)療領(lǐng)域的應(yīng)用與思考[J]. 中國醫(yī)院管理，2021（6）.
[2]閔棟，王豫，徐巖，方林.AI+醫(yī)療健康：智能化醫(yī)療健康的應(yīng)用與未來[M].機械工業(yè)出版社，2018（10）.