NRCC Vancouver 培訓(xùn)講師 - Steven Yan
從2015年開始到2016年，可以說是移動醫(yī)療的一場寒冬，無數(shù)公司倒在了從A輪融資走向B輪的路上。甚至在今日，創(chuàng)業(yè)者生怕自己與移動醫(yī)療這一曾經(jīng)紅極一時的熱點(diǎn)詞扯上關(guān)系，更多的，他們選擇以“數(shù)字醫(yī)療”作為自己的標(biāo)簽。
技術(shù)含量不高導(dǎo)致創(chuàng)業(yè)同質(zhì)化，對醫(yī)療工作流程特殊性的錯誤理解以及來自監(jiān)管層面的約束，是這場移動醫(yī)療戰(zhàn)役以失敗告終的主要原因。
如何在移動醫(yī)療的下半場“AI+醫(yī)療”中走出一條血路是越來越多創(chuàng)業(yè)者心中的難題，有技術(shù)，有對醫(yī)療很熟悉的人，但同時也必須考慮到商業(yè)模式的殘酷性。
應(yīng)用為主，醫(yī)療為輔
懂技術(shù)的不懂醫(yī)療，懂醫(yī)療的忽視技術(shù)，是眾多移動醫(yī)療公司失敗的主要原因。原本以為移動醫(yī)療會隨著這次資本寒冬來臨轉(zhuǎn)入緩速發(fā)展期。不曾想，在2017年，幾乎像是一場足球比賽上下場的轉(zhuǎn)換，AI+醫(yī)療強(qiáng)勢崛起。這個男的讓BAT與資本們共同找到興奮點(diǎn)的新賽道，截至目前，孕育出超過100家以醫(yī)療為重點(diǎn)的AI創(chuàng)業(yè)公司。
以技術(shù)為主輔助醫(yī)療診斷是“AI+醫(yī)療”的主要模式，相較于過去移動醫(yī)療所側(cè)重的為醫(yī)生量身打造所需要的技術(shù)，“AI+醫(yī)療”顯然更加接地氣，不在一味的吹噓技術(shù)的先進(jìn)性，轉(zhuǎn)而認(rèn)清現(xiàn)實，以現(xiàn)在的技術(shù)和硬件并不天然滿足醫(yī)療應(yīng)用級產(chǎn)品的研發(fā)，而只能作為一個輔助性產(chǎn)品，以一定的算法構(gòu)筑產(chǎn)品讓醫(yī)生和患者達(dá)到查漏補(bǔ)缺的效果。
“借助先進(jìn)的人工智能技術(shù)，系統(tǒng)在短時間內(nèi)處理海量數(shù)據(jù)，并對病人做出愈加準(zhǔn)確的診斷?！边@是IBM旗下的AI診療系統(tǒng)，人工智能Watson曾經(jīng)做出的承諾。
然而在過去的這些年里，這個AI醫(yī)療界曾經(jīng)的希望之星，卻遭到了無數(shù)醫(yī)生、患者的質(zhì)疑和嘲諷。
在實驗室環(huán)境中完美無缺的產(chǎn)品，到了落地與醫(yī)院合作的時候，卻錯誤百出，甚至鬧出笑話是Watson所面對的殘酷現(xiàn)實。有合作醫(yī)院的醫(yī)生坦言：“過于依賴數(shù)據(jù)，并且檢測結(jié)果偏向美國患者和美國醫(yī)院的治療方案?！币苍S可以用三個字可以來形容Watson——“不親民”。
造成AI醫(yī)療落地困難的不僅僅是應(yīng)用技術(shù)的問題，更多是大部分醫(yī)生及普通人對人工智能醫(yī)療應(yīng)用的誤解：機(jī)器診斷報告一定需要與某個醫(yī)生的主觀印象高度匹配。
不能把人工智能完全當(dāng)做一個電子腦醫(yī)生，其對疾病所作出的判斷應(yīng)該僅作為在一定容差率范圍內(nèi)的參考標(biāo)準(zhǔn)。
數(shù)據(jù)的處理能力和量級與AI醫(yī)療的關(guān)系
很多人抱怨、嘲諷Watson時的主要原因是因為IBM坐擁龐大的病患及疾病數(shù)據(jù)庫，但卻并沒有好好運(yùn)用其作為判斷疾病的標(biāo)準(zhǔn)。
做醫(yī)療準(zhǔn)端一開始遇到的挑戰(zhàn)是如何搜集足夠多的數(shù)據(jù)，接下去是如何在足夠多的數(shù)據(jù)的基礎(chǔ)上構(gòu)建有效的疾病診斷模型。但單純的以上兩點(diǎn)就可以實現(xiàn)AI醫(yī)療嗎？
很顯然，醫(yī)療數(shù)據(jù)于醫(yī)療診斷的重要性，就像無人駕駛汽車在道路上的測試。你只有不斷的讓汽車去實地訓(xùn)練，不斷搜集和判斷道路數(shù)據(jù)，才能讓無人駕駛汽車越來越聰明，真正做到“無人駕駛”。
同理，人體的復(fù)雜性相較于汽車道路測試無異于復(fù)雜的多，這也是為什么IBM的數(shù)據(jù)工程師與醫(yī)生們耗費(fèi)了6年卻僅僅讓W(xué)atson學(xué)習(xí)了7種癌癥。在6年學(xué)習(xí)了7種癌癥，但在實際落地時，Watson還是錯誤百出，這真的是因為IBM的不作為嗎？其實不然，IBM所推出的Watson在實驗室環(huán)境中對于相關(guān)癌癥的檢測準(zhǔn)確度十分高。但到了實際合作醫(yī)院現(xiàn)實測試，卻準(zhǔn)確率大大降低。
這是因為即使數(shù)據(jù)足夠龐大，數(shù)據(jù)處理能力足夠多，但是AI系統(tǒng)基于數(shù)據(jù)的調(diào)整參數(shù)卻不能隨著疾病的多樣性和復(fù)雜性而改變，簡單來說，就是還不夠像人。打個比方來說，Watson在實驗室環(huán)境中單一檢測惡性腫瘤X涉嫌，效果十分好。但當(dāng)Watson來到醫(yī)院，由于癌癥容易引發(fā)許多并發(fā)癥，多了無數(shù)的干擾因素，而Watson對于這些數(shù)據(jù)之間的聯(lián)系卻并無了解，這也就是為什么Watson的準(zhǔn)確率在落地實驗時并不理想的原因。
當(dāng)滿足一切，卻困在了商業(yè)模式的門外
對AI醫(yī)療創(chuàng)業(yè)公司來說，當(dāng)有了技術(shù)，有了一定量級的數(shù)據(jù)，但真的到應(yīng)用落地時卻發(fā)現(xiàn)，其自身的應(yīng)用耗費(fèi)昂貴，其價格壓根沒有落地的可能，更何論一個商業(yè)模式。
換句話說，在進(jìn)入AI醫(yī)療這個巨大的市場前，所有創(chuàng)業(yè)者都應(yīng)該意識到，這個行業(yè)在目前并無商業(yè)模式，只是一個“資本的無底洞”。
以IBM為例，在2015年，IBM為了使Watson積累更多的疾病數(shù)據(jù)，其花費(fèi)了10億美元收購了醫(yī)學(xué)成像及供應(yīng)商 Merge Healthcare。
簡單的來說，IBM都還在燒錢，普通創(chuàng)業(yè)者還想什么盈利不盈利?，F(xiàn)在的AI醫(yī)療創(chuàng)業(yè)者都處于早期，研發(fā)與搜集更多的數(shù)據(jù)是最重要的事情，對于這個行業(yè)，所有的人應(yīng)該懷著謹(jǐn)慎和敬畏的心，持續(xù)往前推進(jìn)。
每一個新行業(yè)的發(fā)展都有不同的商業(yè)模式產(chǎn)生，作為一個創(chuàng)業(yè)者，現(xiàn)在的主要矛盾不應(yīng)該是賺錢，而是把賺錢的前一步走好，把這個事做成了再說，換句話說，先活下去是目前所有創(chuàng)業(yè)者的主要目標(biāo)。
根據(jù)《中國科技報》的一份報道，中國科學(xué)院院士、上海交通大學(xué)Bio-X中心主任賀林在解讀國務(wù)院在今年8月發(fā)布的《新一代人工智能發(fā)展規(guī)劃》時層直擊當(dāng)前國內(nèi)AI醫(yī)療項目的監(jiān)管痛點(diǎn)：“目前，國內(nèi)還木有一款醫(yī)療領(lǐng)域的AI產(chǎn)品得到CFDA的批準(zhǔn)，相關(guān)收費(fèi)也沒有進(jìn)入醫(yī)保目錄，AI對于國內(nèi)醫(yī)療行業(yè)來說仍然是新興事物，需要與現(xiàn)有醫(yī)療模式一起經(jīng)歷磨合期”
雖然關(guān)注眾多，BAT與眾多資本也相繼進(jìn)入，但同樣有著商業(yè)模式缺乏，資本過度投入等問題的AI醫(yī)療是否會和之前的移動醫(yī)療一樣無疾而終？這也許是目前所有關(guān)注這一領(lǐng)域的人士心中的最大疑問。
然而，不管有再多疑問和質(zhì)疑，不過分承諾，懷著敬畏和謹(jǐn)慎的心朝著目標(biāo)匍匐前進(jìn)也許是現(xiàn)在眾多AI醫(yī)療創(chuàng)業(yè)者唯一該做，也是唯一能做的事。
聯(lián)系客服
