商业变现医疗AI的生死结

多肽链丨多肽学社宣

作者丨丛名龙

“对于单家企业,技术和数据从来不是医疗AI的核心,能否商业化变现才是。”这是《多肽链》造访多位从业者以及投资人经常听到的一句话。

医疗领域由于数据集中以及刚需属性具备“无限遐想”,在AI应用角度前景广泛,一度被众多资本以及技术公司作为重要抢占“阵地”。

自2014年以来,AI技术结合医疗领域最广泛的就是影像筛查,医疗影像以其标准化程度相对较高而被认为是最早能够实现AI落地的场景之一。

一度之间,几十家高科技创新公司卷携大批资本冲入医疗AI,但由于人工智能在医疗领域的落地存在特殊性,医疗领域本身又是偏保守封闭,全部由医疗机构和医生主导决策,容错率极低,导致在探索商业化的路上越走越远。

面对广阔的市场,除互联网巨头BAT,飞利浦、西门子等硬件制造商悉数布局外,一批医疗AI初创公司也崭露头角。

目前医疗影像 AI 的研发分为两类。

一类是针对数据量非常大的疾病的筛查,如肺、乳腺、消化道等癌症。这些应用帮助医生解决会遇到的问题里 80 %的情况。

另一类是针对重大的疑难的疾病的筛查。这些疾病目前在诊断过程中并没有什么标准,很多医生都依赖于自己的实践。而由于人工智能依赖很多前期做过的数据化标准化的工作才能进入到智能化。诊断这类疾病对人工智能是个挑战。

根据公开资料显示,2025年全球医疗AI市场规模将超过340亿美元。

在中国,医疗AI产业市场发展迅速,市场规模从2016年的96.61亿元,2017的136.5亿元飙升至2018年的204亿元,复合年增长率保持在40%以上,预计到2019年将突破280亿元。

产业期待越高,投资人的兴趣也越大,反过来催促创业公司商业化的脚步就会越快。

但至今经过了五年多的发展,影像AI领域内的公司依然处于打磨产品的阶段,没有清晰的商业模式与盈利场景,医院的付费意愿很低。

武警总医院CT科主任王贵生曾表示称:AI产品盈利能力受限的根本原因还在于现阶段的产品对医生来说并不是刚需,有了是锦上添花,没有也不耽误事。

在中国这个公立医院占据80%的医疗流量与数据源的背景下,公立医院把持着80%以上患者流量,处于中心地位,也是绝对的核心。

而医疗AI在经历三甲医院跑马圈地和海量数据打磨后,AI影像识别仍然只停留在提升医生工作效率的初步阶段,产品的同质化和碎片化没能带给医院付费动力。

而医学影像产业链最终的服务对象是患者,供给方分为三个部分,医疗机构是产业链核心,上游是其供应商,下游是支付方。

无论科室运营服务,还是诊断服务,最终的商业化落地都离不开与公立医院的深度绑定和合作。而长期来看,得益于分级诊疗的推进,以及提升医学影像服务水平的迫切诉求,基层将是未来的新机遇所在。

公立体系“围墙”

医疗机构承担着服务患者的职责,包括公立医院、基层医疗卫生机构、民营医院和其他机构(比如各类诊所、第三方影像中心、病理中心等)。

我国医疗主要支付方是医保,而实现医保覆盖的主要是公立医院和基层医疗卫生机构,因此,支付方的加持进一步强化了公立医院在产业链中的核心地位。

上游供应商主要从设备、诊断服务、科室运营三个方面为公立医院提供服务。其中,科室运营涵盖了科室前期筹备和日常运营全部所需服务,门槛最高。

具体科室来看,医疗机构中与医学影像服务相关的科室包括放射科、检验科、病理科等医技科室,放疗科等专科治疗科室,以及眼科、心血管科、消化科、内分泌科等临床科室。

医学影像诊断是诊疗流程中的一环,而且我国转诊制度与医疗机构间诊断结果互认尚未大规模普及,影像检查与诊断大多在就诊医院完成。

因此,虽然国家政策鼓励影像、病理、放疗等第三方中心的发展,但患者获取这一首要难题,在一定程度上限制了第三方影像中心的发展。

从产业链上游来看,设备层面有GPS把持高端市场,国产新锐企业联影等正逐渐在中端和低端领域进行国产替代,加上各级公立医疗机构设备配置基本到位,因此不存在爆发性机会。

诊断服务是从基层到三甲医院的普遍需求,诊断能力和效率的问题可以通过AI医学影像产品得以解决。

深睿医疗、依图医疗、推想科技、图玛深维、医准智能、致远慧图等新兴企业都在这一领域布局。

数据来源:爱分析

科室运营当前则主攻以县级和部分市级医院为代表的二级医院市场,提供从前期筹备到日常运营所需的全部服务,包含设备、诊断服务在内。

其中诊断服务既包括AI医学影像诊断服务,也包括影像医生、专家服务。因此业务门槛要求较高,需要具备资质、资金、诊断、运营全方位能力。

医疗AI终将出头

据普华永道调查显示,医疗行业的高管普遍认为,AI是医疗行业中最具颠覆性的技术。

如今有些唱衰医疗AI的声音,但是科技的进步永远都是在进行,并不代表每一个进入当中的公司都能够从中获取到利润,也不是是先发者就一定有优势,都需要经过洗牌后,“头部公司”最后占据多数市场份额。

AI从整体层面提升医学影像诊断水平,聚焦到诊断能力本身,本质上是取决于放射从业人员数量和水平,而当前最大的瓶颈在于基层放射科医生稀缺,AI医学影像有望帮助基层突破诊断能力不足的瓶颈。

那么问题来了,因为商业模式在中国最大的爆发点还是因为中国有人口红利的优势,怎么才能把具有爆发潜力的患者和医学专家集结在一起,共同完成有关医疗人工智能的创新发展。

同时要思考一个路径最短的交付和收费模式,这个可以通过在实际的B2B2C模式中探寻。

最后需要考虑怎样可以实现产品从正向增长向高度斜度更高的增长转变。

若如今产品能够做到患者使用过后可以使之沉淀下来,再通过这些患者去做二次转化,利用数据运营,就有机会看到了巨大的拐点。

如今阶段,新型AI技术会被拿来做商业研究,而市场是最好的调节者。此时会涌现出很多商业模型解决方案的公司与合作关系,医疗保健行业全部采用电子病历。

透过历史看未来,可以确定的是一切都在加速,从探索到成熟再到被颠覆,而今已趋完善的商业模式正处于又一波因智能技术带来的升级中,而升级的趋势则是需求更为旺盛的医疗产业商业模式升级上。