幾乎沒人會懷疑“人工智能是未來核心生產(chǎn)力”這一觀點，創(chuàng)造一個類人的計算機系統(tǒng)如此迷人，幾乎每個行業(yè)都在嘗試使用人工智能幫助產(chǎn)業(yè)由自動化向智能化轉(zhuǎn)型。
醫(yī)療領域同理，盡管人工智能涉世未深，但其背后的計算機視覺、自然語言處理（NLP）等技術已經(jīng)歷了多次迭代，相應的市場規(guī)模也不斷擴大。2020年蛋殼研究院《醫(yī)療AI創(chuàng)新的道與智：回歸需求，整合價值》這一報告指出，醫(yī)療人工智能過去5年CAGR超過40%，2020應用市場規(guī)模已接近300億元。
然而，新興的技術往往面臨高速發(fā)展與低速商業(yè)化的困局，尤其是在醫(yī)療這樣的“慢”領域，軟件安全方面的審查與新舊技術之間的交替非常考驗資本與企業(yè)的耐心。因此，低谷常見，停滯也常見，醫(yī)療人工智能同樣繞不開這一問題。
轉(zhuǎn)折點在2020年中出現(xiàn)。疫情雖然暫緩了醫(yī)療領域大部分行業(yè)的發(fā)展，卻也推動著醫(yī)院進行主動智慧化重建。此外，NMPA的審批幫助影像AI從業(yè)者重拾信心，新基建則將人工智能帶到了一個更廣闊的市場，多方推動之下，醫(yī)療人工智能發(fā)展蠢蠢欲動。
為了了解醫(yī)療人工智能發(fā)展現(xiàn)狀，并對新的一年做出展望，動脈網(wǎng)對近百家人工智能企業(yè)相關數(shù)據(jù)進行了處理分析。
整個文章分為三個部分：
一、AI醫(yī)療場景成熟度測評
二、資本的再臨與AI頭部聚集效應
三、潛在賽道的外化與AI的未來發(fā)展
從這三個角度，動脈網(wǎng)嘗試厘清2020年醫(yī)療人工智能的發(fā)展脈絡。
AI醫(yī)療場景成熟度測評
在醫(yī)療行業(yè)中，人工智能應用主要聚集于計算機視覺與自然語義處理。從兩項基礎技術出發(fā)，其應用已延伸出十余個場景。數(shù)年發(fā)展之后，不同細分領域之間的差異已經(jīng)愈發(fā)明顯，部分賽道已有企業(yè)已通過聆訊，準備上市；部分賽道仍在上下求索，嘗試以需求重構技術。但無論企業(yè)選擇哪個賽道，已經(jīng)走到哪個階段，人工智能變現(xiàn)難的通病在醫(yī)療之中同樣沒有解決，至今為止，絕大多數(shù)企業(yè)仍在為盈利而努力。
創(chuàng)業(yè)公司發(fā)展階段分析
一、醫(yī)學影像
醫(yī)學影像是人工智能切入醫(yī)療的起點，不到10年時間，超過200家企業(yè)通過探索放射科、病理科、輔助放療的需求，開始設計產(chǎn)品。2020年，病理科、輔助放療兩個場景沒有發(fā)生大的變化，但放射科AI則跑通了困擾其多年的審評審批階段，從“應用落地”步入“商業(yè)化”。
2020年1月，科亞醫(yī)療的CT-FFR產(chǎn)品“深脈分數(shù)”率先打破了審評審批的桎梏，拿到第一張醫(yī)療AI醫(yī)療器械三類證，將工作重心由研發(fā)向價格目錄開拓與市場銷售偏移。2月，樂普醫(yī)療“AI-ECG Platform”獲NMPA批準，心臟相關AI 再下一城。6月，更貼合“輔助診斷”定義的顱內(nèi)腫瘤MR影像輔助診斷軟件獲批，安德醫(yī)智異軍突起。7月豐收的是Airdoc、硅基智能兩家AI企業(yè)，這個月，NMPA一口氣開出了兩張“糖尿病視網(wǎng)膜病變眼底圖像輔助診斷軟件”注冊證。
年末是老牌醫(yī)療影像AI企業(yè)的收獲月。11月初，數(shù)坤科技冠脈CT造影圖像血管狹窄輔助分診軟件獲批；推想科技、聯(lián)影智能緊隨其后，在同一日分別拿下首張“AI+肺結節(jié)”注冊證、首張“AI+骨折”注冊證。一個月后，深睿醫(yī)療也拿到了自己的“AI+肺結節(jié)”證書，為醫(yī)療人工智能的2020年畫上完美的句號。
2020年醫(yī)療AI NMPA三類證通過情況
細看9款AI產(chǎn)品獲證的情況，其中既包含肺結節(jié)、眼底、心電這樣的大通量場景，又包含CTA、CT-FFR、腦MR這樣的特異性需求、潛在市場豐富的場景。這似乎意味著，只要產(chǎn)品質(zhì)量過硬，便能夠通過審評審批。
但結合2019年人工智能醫(yī)療器械創(chuàng)新合作平臺規(guī)劃情況，其中提到將建立CT肺、CT肝、 CT骨折、腦MRI、心臟MRI、冠脈CTA、心電、眼科8大測試樣本數(shù)據(jù)庫，而2020年獲批的產(chǎn)品，除CT-FFR外全部歸屬其中，換言之，下一個獲批的場景，將很有從CT 肝、心臟MRI中出現(xiàn)。
另外值得注意的是，NMPA三類證之中對于AI產(chǎn)品功能的描述極為謹慎，僅僅表述了產(chǎn)品的基本功能，并強調(diào)“不能僅憑產(chǎn)品結果進行診斷”。限定了影像AI 的使用范圍或許并不影響產(chǎn)品銷售，但越來越多的功能加入后，如何保證后續(xù)功能的安全性？從目前狀況看，AI影像的審評審批流程都在一年以上，因此如何對人工智能軟件的更新進行審批，將是各方需要探討的下一個難點。
二、CDSS、大數(shù)據(jù)管理、語音錄入
臨床輔助決策系統(tǒng)（CDSS）、大數(shù)據(jù)管理（包含數(shù)據(jù)挖掘、數(shù)據(jù)治理等）、語音錄入均因為AI的介入實現(xiàn)了顛覆性突破。具體而言，NLP的發(fā)展為研究人員提供了有效的手段整治數(shù)據(jù)量龐大、數(shù)據(jù)維度豐富的醫(yī)療數(shù)據(jù)，也為醫(yī)患之間智能交互、數(shù)據(jù)監(jiān)測提供了更為有效的手段。單看2020年變化，CDSS賽道存在政策推進，大數(shù)據(jù)管理、語音錄入賽道頭部企業(yè)開始尋求上市。
醫(yī)療信息化作為公立醫(yī)院績效考核的一個重要抓手，電子病歷、互聯(lián)互通、智慧醫(yī)院服務等評級均對醫(yī)院提出了相應的要求。而在三級公立醫(yī)院考核情況分析中，醫(yī)療服務效率與質(zhì)量、合理用藥、電子病歷水平分級皆是其中的關鍵點。因此，通過CDSS建設，能有效地促進醫(yī)療服務效率和質(zhì)量、合理用藥、電子病歷水平提升。
2020年中，CDSS的市場開拓大體仍受電子病歷、互聯(lián)互通、智慧醫(yī)院服務等評級的推動，但也有新政策為其助力。7月30日出臺醫(yī)政醫(yī)管局的《關于進一步加強單病種質(zhì)量管理與控制工作的通知》通知文件強調(diào)了對第一批36個病種/手術進行上報的要求，二級以上醫(yī)院需在2020年12月31日前完成相關病例信息的補辦。這一政策為惠每科技、森億智能等?？艭DSS產(chǎn)品服務提供商提供了新的市場機遇。
相比之下，大數(shù)據(jù)管理的發(fā)展則受益于疫情。通過對患者EMR、電子健康碼等信息進行整合分析，疾控中心能夠?qū)梢苫颊呒捌浣佑|人群進行可視化追蹤。2020年初，北京大數(shù)醫(yī)達便為南京市疾控中心建設的疾病與監(jiān)測預警系統(tǒng)便直接打通連接了當?shù)蒯t(yī)院的EMR，實現(xiàn)大數(shù)據(jù)疾控。
這一疾控監(jiān)測預警系統(tǒng)應用了大數(shù)據(jù)和人工智能技術，對醫(yī)學知識圖譜建立模型，再直接提取EMR進行語義結構化，由人工智能匹配知識庫判斷EMR中是否包含新冠肺炎等傳染病的關鍵詞。一旦被人工智能判斷為疑似或者是高度疑似則上報疾控部門，避免醫(yī)院因故遺漏或者遲報。除了40種法定傳染病，該系統(tǒng)同樣支持各地區(qū)自己補充當?shù)卣J定的多發(fā)性傳染病。
在這個三個賽道中，有兩家AI企業(yè)嘗試跨過“公司盈利”進行階段轉(zhuǎn)換。云知聲的醫(yī)療業(yè)務專注于病案質(zhì)控與語音錄入，于11月3日提交科創(chuàng)板IPO 招股書；醫(yī)渡云是一家專注于醫(yī)療AI與大數(shù)據(jù)的公司，于12月13日通過港交所聆訊，計劃1月15日在港上市。
三、新藥研發(fā)
新藥研發(fā)近年來一直處于高速發(fā)展之中，新冠肺炎后社會對于藥企敏捷開發(fā)的新需求進一步推動了新藥研發(fā)的發(fā)展。
疫情初期，針對新冠病毒進行新藥研發(fā)顯然不現(xiàn)實，作為抗疫主力軍的老藥也無法發(fā)揮較好的療效，這一現(xiàn)實給予了AI+新藥研發(fā)機遇。
不過，只有AI模型+物理思維的深度結合才能同時滿足藥物研發(fā)速度與精確度的要求，而面對疫情最直接有效的藥物篩選策略，是以云端超算支持物理化學算法搭建病毒模型，再從結構出發(fā)，通過AI加速尋找到有抗病毒活性的FDA已批準的上市藥物。
以晶泰科技為例，該企業(yè)具備領先的量子物理藥物模擬算法、人工智能藥物發(fā)現(xiàn)平臺，并有橫跨多個云平臺的超算資源作為有力支撐，能夠在短時間內(nèi)完成大量高精度的藥物模擬計算。在新冠病毒數(shù)據(jù)尚不充足的情況下，晶泰科技嘗試從僅有的少量信息出發(fā)，從分子機理層面研究病毒的關鍵結構與感染機理，從而尋找阻斷感染、治療肺炎的有效途徑。
“人工智能最大的優(yōu)勢，是可以顯著擴大新藥的搜索范圍，以幾百萬個有潛在活性的分子骨架作為篩選起點”，晶泰科技的首席科學家張佩宇博士曾告訴動脈網(wǎng)，“以AI+計算化學結合，綜合考慮多種關鍵性質(zhì)給候選分子打分，可以一步步接近最理想、最有希望研發(fā)成功的化合物?！?/span>
從發(fā)展階段來看，新藥研發(fā)的企業(yè)仍處于大規(guī)模投入之中，并存在一定商業(yè)化成果。由于其完全的B2B性質(zhì)，新藥研發(fā)可能成為第一個跑通全部發(fā)展階段的賽道。
四、其他賽道
慢病管理作為互聯(lián)網(wǎng)醫(yī)療的重要組成部分，是少數(shù)在疫情之中受益的賽道。由于不能與醫(yī)生面對面交流，更多的患者加入了平臺計劃。
在這一領域，妙健康等企業(yè)傾向于為醫(yī)患搭建以人工智能為內(nèi)核的慢病管理平臺，如健康風險分級管理平臺、人工智能健康干預平臺。以其H平臺為例，該平臺NLP健康知識圖譜可對原始健康醫(yī)療數(shù)據(jù)進行智能結構化清洗，形成用戶超過17萬條自主醫(yī)療行為的標簽庫，同時為用戶構建專業(yè)的健康醫(yī)療畫像，實現(xiàn)重大疾病和慢性病等風險預測、異常指標預警、疾病指向預警、健康風險項預警等健康數(shù)據(jù)應用。
從場景成熟度來看，AI慢病管理企業(yè)仍處于C端用戶的積累之中，而其主要付費方也不算明確。因此，限制其規(guī)模發(fā)展的或許并非AI，相關企業(yè)還需積極探索商業(yè)模式。
硬件加速是醫(yī)療AI中少有的小而美的賽道。在2020RSNA上，業(yè)內(nèi)對于醫(yī)學影像AI熱議的側重點也較往年有所推進。重點不再是如何使AI代替醫(yī)生進行讀圖分析，而是轉(zhuǎn)向“幕后”，聚焦于影像上游的AI技術為臨床帶來的新突破，比如圖像采集、數(shù)據(jù)重建以及工作流程的優(yōu)化等工作。
當前，GPS與少量創(chuàng)業(yè)公司均有開發(fā)相關技術，且這些技術已經(jīng)完全進入到臨床應用中。如深透醫(yī)療（Subtle Medical）的SubtleMR可以通過人工智能技術兼容所有MR影像設備，提高高質(zhì)量影像的采集效率，減少運動偽影；SubtlePET通過深度學習技術加速PET(正電子發(fā)射斷層掃描)成像并降低其輻射危害，可以使醫(yī)院和影像中心將PET掃描速度提高4倍。
相比之下，一些新興技術的融合則顯得有些迷茫。譬如VR/AR的AI化已經(jīng)經(jīng)歷了多年的探索，但至今仍無明顯的結果。如今看來，VR相關技術主要應用于老年康復與心理治療等領域，AI切入較少，仍處于需求探索階段，
心理學、醫(yī)美領域偏向于C端。如模擬整形、虛擬對象等應用能夠給予患者新體驗。兩個賽道的特點在于建模的精度與智能程度決定了用戶的滿意度，就現(xiàn)有的AI而言，還不能很好的理解人類的心理與審美。AI用于皮膚監(jiān)測以促進消費者選擇合理護膚產(chǎn)品是一個較好的應用，但大量醫(yī)美相關AI仍有些雞肋，有待技術上的革新。
資本的再臨與AI頭部聚集效應
2019年醫(yī)療AI一級市場有些冷清，全年40次融資，總融資金額僅38.9億。商業(yè)化受阻下，更多企業(yè)將資金投入到了研發(fā)之中，如MICCAI這樣頂級會議，其收錄的中國論文數(shù)量翻了多達一倍。
2020年的走勢與2019年完全不同。上半年受疫情影響，大量企業(yè)大幅節(jié)流，收入、成本雙雙降低。年中6月，醫(yī)療AI開始回暖，上半年少有人問津的AI開始重獲資本青睞。2020年AI醫(yī)療總計47筆融資，涉及金額約84.8億元，同比增長118.0%。獲得資金的企業(yè)開始投入市場運營。
2020年各月份融資事件數(shù)量
2020年醫(yī)療AI公開融資列表（數(shù)據(jù)來源于動脈橙數(shù)據(jù)庫）
縱向看來，不難發(fā)現(xiàn)，大部分收獲融資的企業(yè)都擁有不少于三年的經(jīng)營年限，小部分新成立的公司如劑泰醫(yī)藥則有AI新藥頭部企業(yè)晶泰科技戰(zhàn)略加持。此外，B輪以上融資事件大幅增多，這一情形于醫(yī)療影像中尤其明顯（總計24次融資，B輪以上達14次）。
頭部企業(yè)的融資對行業(yè)賽道融資數(shù)據(jù)存在較大影響，9月零氪科技D+輪7億元融資、太美醫(yī)療12億元融資、晶泰科技C輪3.188億美元融資，三家領頭企業(yè)三筆巨額融資占據(jù)了整個醫(yī)療AI賽道一半的融資額；12月深睿醫(yī)療C+數(shù)億元、科亞醫(yī)療D輪3億元、森億智能D輪4億元、數(shù)坤科技近6億元融資同樣撐起了各自賽道的大部分資金流入。
2020年各月份融資金額
2020年醫(yī)療AI公開融資列表（數(shù)據(jù)來源于動脈橙數(shù)據(jù)庫）
上述數(shù)據(jù)顯示，AI醫(yī)療市場呈現(xiàn)出明顯的頭部聚集效應。醫(yī)療影像中，數(shù)坤科技、科亞醫(yī)療等獲證企業(yè)能夠一年進行多次融資，而大量無證企業(yè)、新興企業(yè)則難以得到資本支持。相比之下，醫(yī)療信息化產(chǎn)業(yè)相對沒有那么集中，我國的醫(yī)療信息化現(xiàn)狀或能解釋這一原因：由于各城市差異化的醫(yī)療質(zhì)量和信息化質(zhì)量，頭部信息化企業(yè)無法把觸手伸向每一個區(qū)域，這種情況下，了解各自區(qū)域的當?shù)仄髽I(yè)能夠很好把握機會，并有可能從中脫穎而出。
不過無論是醫(yī)學影像、醫(yī)療信息化還是新藥研發(fā)，其構造的壁壘并非單單算法可以解決，更為重要的事，打造一個肺結節(jié)AI、打造一個?？浦R圖譜、打造一個藥物研發(fā)平臺所需要的大量醫(yī)療數(shù)據(jù)積累。這些珍貴的臨床數(shù)據(jù)不屬于任何一個企業(yè)，因而是他們最為穩(wěn)固的壁壘。
常常會有人問：醫(yī)療AI賽道眾多，哪一個能最先盈利？從現(xiàn)在的發(fā)展進程來看，沒有人可以給出答案。但觀察資本方的行為，我們或許可以找出一些蛛絲馬跡。
從融資列表中我們可以了解到，新藥研發(fā)融資數(shù)量最少，但融得資金量最大，平均融資金額最高（3.58億），占據(jù)了超過50%的融資總量；醫(yī)療影像融資項目最多，但項目平均融資金額最?。?.24億），略低于醫(yī)療信息化賽道（1.30億）。
客單價方向，人工智能與信息化比較明晰，單個肺結節(jié)輔助診斷產(chǎn)品大致價格在50-100萬元這一區(qū)間，含PACS全院區(qū)AI影像解決方案可達近千萬元；?？艭DSS大致價格在150-300萬元，智慧醫(yī)院建設方案視醫(yī)院規(guī)模決定可達數(shù)千萬元，兩個賽道大部分企業(yè)年營收都在萬千級，少數(shù)企業(yè)能達到億級。相比之下，新藥研發(fā)各環(huán)節(jié)服務差異較大，潛在的機會與收益難以給出明確價格，但作為藥企的上游企業(yè)，其營收也相對較大。
潛在賽道的外化與AI的未來發(fā)展
從融資金額及其商業(yè)化情況來看，不同醫(yī)療AI賽道依靠不同的底層技術已經(jīng)走出了截然不同的道路。因此，動脈網(wǎng)在盤點時將三個賽道分開，分析其產(chǎn)業(yè)鏈狀況及突破性進展，各自進行歸納總結。
醫(yī)學影像
隨著醫(yī)療影像AI產(chǎn)品獲批數(shù)量的增多，越來越多的醫(yī)療器械CRO企業(yè)開始將影像AI作為重要的業(yè)務領域進行拓展，并打出差異化戰(zhàn)略。
以奧泰康為例，作為業(yè)內(nèi)具有14年項目經(jīng)驗的CRO公司，奧泰康已完成500余項醫(yī)療器械及藥品的臨床試驗及注冊服務，近5年獲得30余張三類醫(yī)療器械注冊證，成功申報15項國家創(chuàng)新醫(yī)療器械審批件。從2017年起，奧泰康看準人工智能（AI）賽道，迅速開展該賽道的CRO服務。目前，國內(nèi)獲證的9項AI產(chǎn)品中，奧泰康承擔了其中3項產(chǎn)品的CRO服務，案例數(shù)量及成功率均居行業(yè)第一，未來，奧泰康將持續(xù)著力于創(chuàng)新醫(yī)療器械和高端醫(yī)療器械CRO服務，尤其在心腦血管、神經(jīng)介入、腫瘤、骨科、影像、整形美容六大領域。
奧泰康創(chuàng)始人饒義偉對動脈網(wǎng)表示：“截至2020年12月，奧泰康已為排名前20名的大部分醫(yī)療影像AI企業(yè)提供CRO服務，包括科亞醫(yī)療、數(shù)坤科技、依圖科技、推想科技、杏脈科技、匯醫(yī)慧影、睿心醫(yī)療等，其中科亞醫(yī)療、推想科技為首證產(chǎn)品。”
通常而言，單個產(chǎn)品審批注冊費用在500-1000萬區(qū)間，隨著影像AI的再度崛起，2021的影像AI或?qū)⒂瓉砀郈RO玩家。
醫(yī)療信息化
如何更好地提升NLP的性能，使其能夠更好地處理異構數(shù)據(jù)是人工智能探索者們一直嘗試突破的問題，人工智能模型GPT-3的出現(xiàn)為其提供了新的思路——用海量的數(shù)據(jù)強迫AI學習。不過，GPT-3的實踐結果仍存在爭議，還需學者們進一步驗證其實用性。
產(chǎn)業(yè)方向，智慧醫(yī)院建設仍是2021年醫(yī)院建設的重點之一。從2020年的情況來看，基于NLP的知識庫已經(jīng)嵌入電子病歷、HIS系統(tǒng)，收獲大量臨床數(shù)據(jù)后，AI將有可能參與創(chuàng)新性疾病診療方法的創(chuàng)立。
新藥研發(fā)
12月DeepMind旗下AlphaFold2破解“蛋白質(zhì)折疊預測”問題算得上是“AI+新藥”最大的新聞，這個困擾生物學界50多年的重大難題正被AI破解。
由于現(xiàn)代藥物大多數(shù)以蛋白質(zhì)為靶點，因而藥物結果幾乎都是以基于蛋白質(zhì)的結構進行設計。因此，如果AI對于蛋白質(zhì)結構預測能夠準確且規(guī)模化，這將取代部分冷凍電子顯微鏡、核磁共振或X射線結構發(fā)現(xiàn)，極大提升蛋白質(zhì)發(fā)現(xiàn)的效率，并降低相應成本。
不過，傳統(tǒng)的實現(xiàn)仍在蛋白-蛋白的相互作用研究上存在一定優(yōu)勢，但隨著AI的發(fā)展，數(shù)字化的計算或能對這些機器智能尚未涉及涉足的領域進行突破，時間會說明這個問題。
總的來說，疫情之后的人工智能走出了完美的V型曲線，每個賽道都在以各自的方式為醫(yī)療賦能，一步一步改變著醫(yī)療的每個方面。新的一年，希望每一個醫(yī)療領域的探索者，能夠把握“醫(yī)療之慢”，手持著夢想，始終如一。
