媒体观察 | AI医学影像商业化时点到来,医准智能如何抢先落地? | 爱分析调研
2019-09-03 16:23:40 · 北京医准智能科技有限公司

成立于2017年的医准智能,是AI医学影像领域的黑马级选手。18个月内,医准智能产品快速迭代,连续推出肺部CT智能检测、乳腺钼靶智能检测、达尔文智能科研平台三个产品,并迅速实现产品的商业化落地。

产品和商业实力决定企业硬功力


调研 | 晴空 田群 撰写 | 田群


经过这几年的发展,AI医学影像企业逐渐形成了梯队发展之势。吕晨翀认为,从行业当前的发展阶段来看,能够体现企业竞争力的维度主要包括医院覆盖度、产品线储备、以及规模化收入三个层面。


今年3月份的卫健委发布会上,国家卫健委医政医管局重点从患者服务、医生诊疗、医院管理三个方面,对智慧医院的含义作了初步界定。
 
其中,医疗诊断层面,当属近年大热的AI医疗最夺人眼球,过去的2018年,政策对AI医疗的支持也是掷地有声,企业则响应迅速。
 
比如,随着新版《医疗器械分类目录》开始正式执行,众多AI医学影像公司的产品都在2018年下半年取得二类医疗器械许可证。而众厂家在快速推进产品商业化的同时,也紧锣密鼓的筹备三类医疗器械许可证的审批工作。
 
成立于2017年的医准智能,是AI医学影像领域的黑马级选手。18个月内,医准智能产品快速迭代,连续推出肺部CT智能检测、乳腺钼靶智能检测、达尔文智能科研平台三个产品,并迅速实现产品的商业化落地。




01

商业化小试牛刀


爱分析持续追踪AI医学影像行业近两年,目睹了热火朝天和冷静期的强烈对比,在行业格局日渐清晰的时点,我们与医准智能创始人兼CEO吕晨翀展开了一场对话,探讨行业当前的状态以及未来的发展趋势。
 
进入2019年,AI医学影像产品的商业化成为行业关注的焦点。三类证作为安全性、有效性和合规性的门槛,也成为行业重点关注的话题。但商业化和三类证之间是否存在直接关系,吕晨翀有着自己的看法。
 
按照《目录》要求,二类证与三类证之间的区别在于,二类证仅提供诊断建议,不直接给出诊断结论;而三类证能够自动识别病变部位,并提供明确的诊断提示。
 
长期来看,AI医学影像产品无论提供诊断建议,还是提供明确的诊断提示,医院都无法替代医师签字确认和病理检测环节。以肺结节检测为例,病理诊断结果是目前肺结节良恶性诊断的金标准,即使取得三类证的AI医学影像产品实现了良恶性诊断功能,患者依然需要进行病理确认。
 
从这个角度来看,三类证并不能带来产品实质性应用功能的改变,即产品功能和定位依然是辅助诊断。因此对客户来说,取得三类证,并不会直接促进其采购意愿。
 
但其审批成本却不低,不仅需要进行临床测试,还需上报国家药监局进行审批,难度远大于二类证的审批。按照目前进度估算,首批AI医学影像设备的三类证最早在2020年下半年颁发。
 
“医准智能已经取得了二类证,现在在申请三类证的过程中。”吕晨翀表示,但是三类证不是灵丹妙药,不能指望三类证下来了,医院的购买需求就井喷释放。医院是否采购还是要基于产品的功能性、稳定性、和易用性是否满足临床辅助诊断的要求。
 
医准智能目前已有批量付费客户,凭借扎实的产品功底和商业拓展能力,实现了初步的商业化落地,并将在2019年下半年继续发力,实现更多潜在客户的付费转化。
 
在实际的销售过程中,医准智能发现,从试用到转化成真正的客户,靠的是产品功能和价值,并不仅仅凭借认证。基本的判断是,即使未来三类证在手,也不能保证试用医院会当即付费。产品对临床的实际使用价值还是促进商业化的根本。因此,医准智能会在积极申报三类证审批的同时,继续着重产品性能的优化,同时,在销售端发力,不断推进产品的商业化落地。



02

成熟的产品是商业化的必要条件


爱分析在两个月前发布的《中国医学影像行业报告》中认为,从AI医学影像产品的商业化路径看,除去合规性因素,产品本身的成熟度才是商业化落地的必要条件。
 
而检验产品成熟度的最直接方式,就是客户是否买单。医准智能目前已经开发了五款AI产品,其中肺部AI和乳腺钼靶两个智能检测产品以及达尔文智能科研平台最先实现商业化落地,已经有医院开始付费。
 
肺部CT智能检测适用于胸部CT影像处理,可以对胸部CT异常部位进行智能分析,乳腺钼靶智能检测适用于X射线影像处理,也可以对异常部位进行智能分析。
 
两款产品均通过了CFDA二类医疗器械认证,可以面向医院销售。当前大部分客户为地市级的三级医院和全部的二级医院,且多为本地化部署。
 
在集中化、高频次的阅片场景中,AI医学影像产品的价值在于提升效率和降低漏诊率。有了AI医学影像产品,医师仅需简单修改即可完成影像报告,在阅片和写报告的环节,能节省其一半的时间。同时,智能化的筛查和诊断,大幅降低了医师的漏诊率。


03

另辟蹊径

云端AI医学影像顺利落地


虽然公立医院以本地化部署为主,但在民营医院、体检中心以及医生集团,云端AI医学影像凭借使用方便、部署快速和更新周期短的特点,实现了快速落地。
 
与等级医院本地化部署推广一样,云端AI医学影像在发展初期,也作为免费试用产品接受市场的初步检验。试用过程中,由于误诊和漏诊率的降低,医生对产品有了使用黏性,试用产品便逐渐转换成正式产品。
 
目前,医准智能云端平台平均每天产生170多份医学影像报告,并且每月都在快速增长。每份报告的生成时间仅需20秒。
 
云端AI医学影像产品快速发展的原因,首先是医疗资源分配的不平衡,民营医院、基层及偏远地区的医院的医疗资源通常十分缺乏。采用云端AI医学影像进行辅助阅片后,民营医院医生的阅片水平能达到或接近三甲医院的医生水平,而且由于阅片效率提升,阅片量通常能增加一倍左右。
 
其次,民营医生集团对数据保密性的敏感度较公立医院低,而对成本的敏感度高于公立医院。与单台AI医学影像的服务器一次性部署收费不同,云端AI医学影像服务采用按量付费的形式,一次成本仅10~30元。民营医院更倾向于按量付费的形式,随着阅片质量和效率的提升,云端AI医学影像服务的经济效益更加明显。


04

AI医学影像科研平台

快速切入刚需市场


除了AI医学影像产品外,医准智能还推出了基于深度学习和影像组学双引擎的达尔文智能科研平台。类似于SAS、R、SPSS等统计分析工具,达尔文智能科研平台作为一种影像信息的定量分析工具,适用于无任何工程经验的医学科研人员,通过半自动化数据标注和拖拽式模型搭建,可以迅速完成影像学AI模型的开发。
 
零门槛是AI智能科研平台成熟的重要标志。达尔文智能科研平台采用模块化构建,内置了多种病灶检测和病灶分类的通用框架,能够实现病灶及器官分割、多模态分析和聚类分析等多种常用功能。采用达尔文智能科研平台的医学科研人员只要专注于医学影像数据的标注工作,而无需关心后台的代码和算法。
 
AI影像科研平台需进行通用的影像处理,所以多病种支持对于智能科研平台非常重要。早期的科研平台,不但病种单一,而且需要厂商技术人员深入介入,这类平台并不能满足多方向科研研究的需要。
 
在医准智能看来,科研平台是一个值得投入的市场。
 
一方面,公立三甲医院每年都有固定比例的科研经费预算,而且医生有强烈的评职称、发论文需求,科研平台是一种未被满足的刚需。因此,科研平台的客户具有较高的付费意愿。
 
另一方面,不同于需经过医疗器械审批的AI医学影像产品,科研类解决方案只需符合医院基本的招标采购要求,就能顺利的实现商业化落地。当前,医准智能达尔文智能科研平台已正式上线,短期内已有部分医院便开始付费使用。



05

行业格局逐渐清晰


经过这几年的发展,赛道的格局开始凸显,AI医学影像企业逐渐形成了梯队发展之势。吕晨翀认为,从行业当前的发展阶段来看,能够体现企业竞争力的维度主要包括医院覆盖度、产品线储备、以及规模化收入三个层面。
 
当前,头部企业产品装机量均在几百家,即覆盖数百家医院,这里面既反映了产品性能,也体现了市场推广能力。能装数百台以上,说明产品性能是经得起临床检验的。同时,能覆盖数百家以上的医院,说明有一支成熟的销售团队。
 
多条产品线储备在说明企业在研发层面有一定实力。从落地角度来看,医准智能已有三个成熟的产品落地装机。
 
最后,能否有规模化收入,开始自我造血,将是行业大考验。吕晨翀认为,2019年下半年开始,行业到了需要拼收入的阶段,未来两年内能够做到盈亏平衡的企业,才不会在资本市场挤泡沫的情形下处于被动的局面。

 


近期,爱分析专访了医准智能创始人&CEO吕晨翀,交流AI医学影像赛道趋势及医准智能的最新发展,以下整理精彩内容与读者分享。
 
爱分析:医院认为AI医学影像的价值点在什么地方?

吕晨翀:现在需求最强烈的是地市级三甲医院和所有二甲医院,省级三甲医院也有需求,但是需求没有前两种强烈。
 
首先,省级三甲医院的患者大多是综合性的带病患者,健康人群较少;而地市级三甲医院和所有二甲医院会有部分健康人群去进行肺结节的检查,所以需求比较集中和强烈。肺结节检出的准确率是最核心的需求,医准智能的产品某种程度上是给医生买个保险,在自己判断的基础上多了一重判断。

所以,避免漏诊、误诊是当前AI医学影像的主要需求,而不仅仅是效率需求。
 
同时,效率需求也是显而易见的。使用AI医学影像技术可以提高一倍的阅片和出报告的效率,目前使用医准智能的产品医生平均2.5min即可完成一个报告,而且不用太担心报告的结果质量。
 
爱分析:您认为AI医学影像现在到了哪个发展阶段,未来的发展方向在哪里?

吕晨翀:还没有到大批量赚钱的时候,有很大的成长空间。2017年的时候AI医学影像还是百团大战的状态,到今年存活的公司还有20多家,而我们在医院经常遇到的更少。
 
肺结节在AI医学影像领域已经相对成熟,因为肺结节已经做了两三年。但是,从过去在国外医疗器械厂商研发经验来看,一个医疗器械产品设计研发三年、上市再用三年,差不多从开发到上市需要六年以上的时间。
 
医准智能目前专注于医学影像领域,我们产品线的扩展都是围绕在这一核心。医学影像的潜在市场很大,现在这个市场还没有开发出来,医准智能会一直专注于这个领域。
 
爱分析:AI医学影像技术本身的门槛有多高,实现跨病种的门槛有多高?

吕晨翀:以肺结节作为例子。相信很多人看肺结节都不以为然,觉得能做的公司太多了,完全一片红海。但是从业这几年的经历告诉我们,肺结节产品一开始百团大战,到如今,在医院能看到产品的品牌只有七八家,装机数百台以上的只有四五家,未来能真正形成批量销售的公司也就三四家。从单病种来说,行业里肺结节AI已经砸了数亿人民币了。即使是这样,现在任何一家处于第一梯队的公司也不敢说自己的肺结节已经完美了。所以,谁还敢说肺结节AI门槛低呢?

从跨病种来讲,AI医学影像的进入门槛更大。这是因为,同类型的算法在不同病种下,具体模型的实现过程完全不一样,算法的迁移成本比较高。
 
现在根本不存在一个通用的模型能适用于两个以上的病种。医准智能认为,至少五年之内,不会有通用性的模型去解决医疗的所有问题。目前来看,公开的模型可能仅解决掉1%的共性问题,这是从去年到今年基本没有新公司进入AI医学影像的原因。
 
但是,技术人员可以在进行算法开发的过程中,积累很多医学经验,在开发下一个病种的模型时,能够大幅开发效率,缩短开发时间。成熟的队伍对于AI医学影像公司非常重要。
 
这种情况下,医准智能的策略分为纵向和横向两个发展方向。纵向看,医准智能会把一个部位打透。以肺为例,今年年底之前,医准智能还会推出肺部的八个病种检测,基本涵盖肺部的大部分检测项目。这是因为患者一般不会只进行一项检测,当能解决整个部位的检测时,医院对于企业的黏性和流程的匹配程度会更强。
 
横向看,医准智能会去覆盖大病种,一般会选择短期内能够在市场上推行,并且有收入的病种。以乳腺癌为例,通过核磁共振、超声、钼靶,医准智能解决了整个乳腺系统的影像诊疗内容。
 
虽然有这两个思路,但从算法角度看,每一个新的部位算法基本都需要独立再开发。
 
爱分析:公立医院、民营医院和体检中心,哪一类的客户未来会更有市场前景?

吕晨翀:AI医学影像市场的发展规律可以借鉴影像设备的发展规律。2010年之前,医学影像设备的增长跟公立医院的数量是正相关的;2010年之后,随着民营医院的快速崛起,民营医院的影像设备市场每年以50-60%速度增长。
 
目前,AI医学影像的主要客户还是公立医院,未来,AI医学影像真正能解决的痛点的是在民营医院、乡镇卫生院和相对比较偏远地区的公立医院。这些地区更加缺乏高质量的影像科医生,具有更加旺盛的AI阅片需求。
 
目前限制AI医学影像在民营医院发展的因素主要有三点:一是现有的产品类型很少,民营医院对于完整的解决方案产品需求更加旺盛;二是,目前还处在市场教育的过程,民营医院接收新产品需要周期;三是,大多数民营医院自身的经营还在不断发展中,病人量不是很大,使用AI产品投入产出比略微低了一些。
 
爱分析:AI医学影像产品在借助原有影像设备的渠道进行销售时需要注意些什么?

吕晨翀:我们与很多医疗器械厂商,像GE、西门子都有合作,但是怎么合作的问题很关键。简单的依赖医疗器械厂家的渠道,并不会帮助AI医学影像厂商建立品牌和渠道关系,所以如何与渠道合作是一件很有挑战的事情。
 
其中原因有两点,一是医疗器械厂商的合同规模通常在千万级别,而AI影像厂商的合同额度较低,所以医疗器械渠道打包销售的原动力不会太足;二是器械厂商的销售人员对AI影像产品的特点并不了解,在销售过程中难以触及客户的痛点。在这种背景下如果完全依赖于第三方打包,产品落地就很难推动。所以还得有自己的队伍。要依靠自己的队伍去树品牌,立产品,建渠道。打一个单子,自己队伍要先冲上去,不能坐等靠。凭借着强悍的销售队伍,医准智能今年开始有了规模化的销售收入。
 
爱分析:AI医学影像公司在投标时主要的竞争点在哪里?

吕晨翀:第一是价格。第二,医院重点关注的产品类型。
 
医院一般会在投标之前了解各个公司的产品优势。对于产品性能,医院除了关注检出率(尤其是磨玻璃结节检出率),还会重点关注假阳性率的指标。如果产品的假阳性指标过高,会导致医生工作量增高。第三是特有的功能,比如三维重建、智能化随访这些辅助功能。除上述三点外,产品的使用流程、响应速度也会影响客户的选择。
 
爱分析:目前,如果把不同AI医学影像公司的产品放到阿里云或者腾讯云这些云计算平台,然后按照SaaS服务进行收费,是否可行?

吕晨翀:现阶段看比较困难。
 
首先,目前AI医学影像能够提供的产品并不是很多。在产品种类不多的情况下,接入云平台对医院来说意义不是很大;其次,接入云平台,意味着数据要上云,医疗数据上云,医院的数据安全审核流程会比较复杂,尤其是大型医院,很难操作。第三,这些互联网巨头对医疗行业也是比较陌生的,他们要组建一支医疗队伍去推广落地本身也会有很多挑战。

向下 回顶部