• 工作总结
  • 工作计划
  • 读后感
  • 发言稿
  • 心得体会
  • 思想汇报
  • 述职报告
  • 作文大全
  • 教学设计
  • 不忘初心
  • 打黑除恶
  • 党课下载
  • 主题教育
  • 谈话记录
  • 申请书
  • 对照材料
  • 自查报告
  • 整改报告
  • 脱贫攻坚
  • 党建材料
  • 观后感
  • 评语
  • 口号
  • 规章制度
  • 事迹材料
  • 策划方案
  • 工作汇报
  • 讲话稿
  • 公文范文
  • 致辞稿
  • 调查报告
  • 学习强国
  • 疫情防控
  • 振兴乡镇
  • 工作要点
  • 治国理政
  • 十九届五中全会
  • 教育整顿
  • 党史学习
  • 建党100周
  • 当前位置: 蜗牛文摘网 > 实用文档 > 公文范文 > 谁为医疗AI埋单

    谁为医疗AI埋单

    时间:2022-09-02 20:50:04 来源:千叶帆 本文已影响


      一位医疗公司负责人曾观察医疗AI行业,希望选择更具优势者进行资本层面合作。然而,很快他发现,医疗AI公司对自身估值明显过高,“在资本这一块就不太容易谈得拢”,计划告吹。
      这样的事在近两年经常发生,医疗一度被认为是最具潜力落地AI的领域之一,到今天,这一领域经资本热捧,已簇拥着100多家企业争相分食。
      境况急转直下是自2018年中期,之前能轻松融资的医疗AI公司,不乏到现在几近无米下锅。这催促着医疗AI企业要么拿出足以让投资人信服的产品吸引融资,要么就快速进行商业化,争取有稳定的收入支撑着活下去。然而,医疗AI产品普遍稚嫩,还不能独当一面。
    医院里的智能设备已不罕见,然而,现阶段普遍为弱人工智能。图/视觉中国

      资本捧场,使产品同质化严重,送进医院、无人使用的AI医疗产品不在少数。AI逐渐演变为医疗领域的嵌入品,如同锦上添花一般的点缀。那些符合医生使用习惯、能为工作流程提供些许便利的AI产品,已算是这一行业的佼佼者。
      很多医疗科技公司已经清醒地认识到,不能再把AI作为一项主要的卖点。从现实考量,国家药监局将AI辅助诊断归于医疗器械的监管范畴,业内普遍预计近两年将有医疗AI公司拿到第三类医疗器械证,这是最为现实的路径。
      监管要求逐渐清晰,资本收紧,意味着百家公司提供医疗AI产品的草莽时代正画上句点。拿到三类医疗器械证即意味着产品与医院的关系不再暧昧不清,获取收入合理合法,不过即便拿到,也不意味着能在医院大规模铺开,最终谁来为医疗AI埋单?谁愿意埋单?

    医院选谁?


      在北京一众三甲医院里,常会放着几家公司送来的影像AI产品,功能非常相似。“2018年160多家医疗AI企业,140多家是做影像的,短期内在临床应用上实现突破的难度很大,2019年会碰到困难。”大数医达创始人兼CEO邓侃告诉《财经》记者。
      仅在一个肺结节筛查领域,截至2018年7月的不完全统计,就有20余家人工智能企業在做。肺结节是肺部发生的病变,通过肺部CT可以观察到阴影。
      影像科医生使用这20余家企业产品的流程是一样的,给患者拍肺部CT,在读片时点击AI的选项,软件便会自动圈出认为是肺结节的部位。医生需要自己确认,然后出具结论。
      这类AI扮演的角色是医疗辅助识别,更直接地说,就是“看图说话”。准确、操作便捷,能不断优化,吻合现有工作流程的AI产品,不会被束之高阁。
      然而,现阶段普遍为弱人工智能,主流的深度学习方法存在一个明显的缺陷,即过程无法描述。换句话说,AI算法的过程犹如一个专用的、无法打开的“技术黑箱”,所谓可用不可见。它既没有普遍的适应性,也无法拆解出具体的智能化业务规则,而且高度依赖于参与训练的海量数据。
      正因此,医疗AI虽然终极目标在于替代医生诊断,但短期内,辅助决策的定位不会改变。这既是监管方提出的审评方向,也是从业企业最为现实的路径。
      对有经验的大型三甲医院医生而言,使用AI在影像上的辅助功能,有时类似一种对信心的支撑,结论一致便放过去,不一致的话重复看看,谨慎下结论。
      自今年2月,国家药监局发布《深度学习辅助决策医疗器械软件审评要点(征求意见稿)》,也明确了在诊疗过程中,AI为医务人员的临床决策提供辅助和建议的评价标准。这也是现在多数医疗AI公司的努力方向——辅助筛查、辅助识别、辅助诊断、辅助治疗这四个范畴内耕作。
      扩大影像辅助诊断的范围是AI公司的一个更可行途径。按照通常逻辑,给AI投喂大量的数据,便能够进行深度学习,形成AI对该病种的判断。但实际上不是这样,有公司曾想过扩大AI诊断肺病的种类,但是发现“水很深”。有些病变,影像医生一眼就能看出来,AI画圈画框进行标注,反而看起来很繁琐;而定义一个健康人,也需要同时排除所有的肺部疾病,逻辑陡然变得复杂起来,进展并不理想。
      这说明AI突入医疗的长项在技术,可恰恰是技术突破遇到阻碍。
      鉴于医疗AI的使用场景是医院,其中多数又是影像AI,那么产品本身必须满足影像科或放射科医生的需求,这是让医院接受AI产品的前提——要么帮助其提高诊疗效率,要么功能强大到能部分补充人力缺口。
      现实层面上,一款AI产品若想进医院,拼的还是和医院的关系,更多依赖于市场人员和商业团队。

    AI医疗公司得闯关拿证


      医疗AI公司想走正规的医院采购这条路,必须通过相应的认证。
      目前,未有医疗AI公司拿到器械三类证。按照医疗器械注册流程,拿证要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批多个步骤。
      数坤科技CEO马春娥告诉《财经》记者,从与监管机构的沟通来看,行业最快的也只是处于临床试验阶段。到完成注册申报,最少还要八个半月,这是谁也无法省略的时间成本。
      医疗AI必须以大量的数据投喂训练,才有可能变得更“聪明”。按照国家药监局提出的审评要点,数据收集在合规基础上,尽可能来自多家、不同层级的临床机构,以保证数据多样性,提高算法泛化能力。这让一些企业得花更多的心思去获取数据。
      获取数据和标注数据,AI企业付出沉重的资金成本,隐形的则是时间成本。然而,由于无资质,还没有企业敢明目张胆地售卖医疗AI产品给医院。
      医院支付医疗AI公司多是搭载在硬件采购上,或以软件支持为名,收取定期维护或者部署的费用。一些AI医疗公司与医院合作开展科研项目,获取一定的科研经费。
      更何况,多数AI产品不够成熟,处于努力为医院创造需求的阶段,医院的付费意愿本来就很弱。
    相关热词搜索:埋单医疗AI

    • 名人名言
    • 伤感文章
    • 短文摘抄
    • 散文
    • 亲情
    • 感悟
    • 心灵鸡汤