破解医疗AI盈利密码｜专访冯晓源教授
最近几乎人人都在讨论ChatGPT。
这款生成式AI聊天应用上线短短5天，用户数量就突破了100万。仅2个月时间，便实现月活用户破亿。ChatGPT不仅完完全全地展示了人类对人工智能的热爱，更是掀起人工智能概念股涨停潮，让曾弥漫着声声叹息的AI行业重归风口，把盈利困局的阴翳和落地遇阻的困境留在了遥远的昨天。
ChatGPT的诞生自然为行业带来兴奋与激动，但回到相对严肃的医疗AI，审评审批、数据孤岛、算法局限、产品同质化等仍是企业需面对的课题。如今伴随着医疗AI企业与医院合作的不断推进，我们必须追问：如何才能建立起主流的价值体系与商业路径，真正突破盈利困境。
近日，深至科技特邀中国医学影像权威专家冯晓源教授担任专家委员会主席，推进精准诊疗服务功能融合于其高科技产品中的进程，同时持续拓增企业产品管线，为广大基层医疗机构提供学科建设、教学培训等增值服务，并为公司下一步战略发展出谋划策。
借此契机，动脉网与冯晓源教授围绕医学影像AI痛点问题进行了深入探讨，尝试在医学影像AI多年发展所留下的线索中找到破解AI盈利困境的密码，并将其归纳为5个要点。既是对行业过往历程进行复盘，也是对医学影像AI未来发展的展望。
原复旦大学副校长、上海医学院院长、深至科技智能医学影像专家委员会主席 冯晓源教授
要点1：脱离场景讨论AI没有意义
人工智能技术在实际的临床应用中，存在着各种各样的限制，企业必须理解整个应用流程，同时根据特定的应用场景，用临床的方式来解决实际问题，而不是拿着单一的模型或者算法便投入临床的实际应用中。
在冯教授的观点中，AI作为一种技术，需要赋能于某一体系或学科并形成新的价值，从而加速该学科或行业发展。因而在医疗场景的应用中，AI也必须遵循医疗场景规则，在符合临床医学特点的基础上创造新价值。
如果AI仅是在原有基础上将医生工作效率稍作提升，或是完成部分靠人力就可以完成的工作，难以突出重围。临床医学尚有许多待解决的问题，AI企业需从临床应用的角度出发，着眼于为临床创造新价值、带来新突破的技术，提升医疗水平，降低患者支出，这样的技术研发是会有生命力的，这也是破解AI产品同质化问题的关键。
以此为线索弄清人工智能技术的应用规则以及明确终点，是AI应用于医疗场景的根本。因此，未来AI一定是在理解医疗场景的基础上为其赋能，同时创造新的价值，而非单一围绕AI技术本身进行突破。
要点2:四条思路提升AI使用能级
正如前文所述，现阶段人工智能所做的工作多为基础性的、辅助性的工作，并未超出医生能力范围。而其基于大数据训练后所具备的诊断能力也不尽如人意。换句话说，这项技术虽然在一定程度上提高了医生工作效率，降低了其工作强度，却未能为临床创造更多新价值。
如何解决这一问题？冯教授提供了4条思路：
首先，凭借AI能够诊疗过去诊疗困难或无法诊疗的疾病，如观测到肉眼无法观测到的诊断结果等；
其次，对于需要进行大量数据分析、耗费医生大量时间和精力的疾病诊疗过程，能够通过AI技术的介入缩短过程，并将医生从重复性、过筛性和规律性工作中解放出来，最终提升诊疗效率和成功率；
再次，借助AI提升现有疾病的诊疗效率、拓展诊疗手段和场景，例如让很多没有机会或者没有时间去医院看病的人，都能够得到治疗的机会，同时收获更好的治疗效果；
最后，以AI赋能医生大脑。身处信息洪流时代，人类大脑无法于短时间内对大量数据进行储存、分析、传递、综合整理，以及分析对比等。人工智能技术要做的，就是对大规模的信息或数据进行处理，找到蕴藏其中的必然规律，并对其进行精准量化分析，包括诊断过程中可能被忽略的细节。最终实现人工智能处理规律和逻辑问题，医生则回到病人身边，通过人类智慧处理创新和人性问题，进一步重塑和完善诊断标准与诊断流程。
要点3:明确目标用户突破盈利困境
盈利能力已成为头部AI考量问题的关键。尽管自2020年AI医学影像赛道斩获首张三类证以来，AI医学影像产品获批程度持续提升，各家企业相关产品接连获批。但要真正实现规模商业化，还必须依次跨过物价准入、医保准入的门槛。不仅如此，AI医学影像辅助诊断系统面向患者收费并未形成共识，商业模式尚不清晰。AI产品要实现大规模商业化，还有很长的路要走。
冯晓源教授认为，市场准入、物价准入、医保准入流程非常漫长，其中影响因素颇多，并非技术这一单一要素可以决定的。同时，拿到牌照只是证明了技术的安全性与有效性，与最终产品能否在市场上跑通并没有完全直接的联系。当前AI企业最需要回答的还是“谁使用“和“谁买单”的问题，并要学会将对这一问题的思考融入产品的设计与研发工作中。
例如，在产品设计时，企业必须想清楚客户到底需要什么，如何让客户真正获益，以及最终有人愿意买单。这批客户可以是医生，而医生获益以后带来的直接结果就是病人获利。如果病人能够因为医生使用AI产品显著缩短诊疗时间，或是提升诊疗的准确率及精准度，病人自然愿意买单，AI的商业闭环也将完成。另一方面，从长期角度出发，如果医院能够因为AI的辅助提升诊疗效率，缩减人力成本，这也将在一定程度上构成提升医院收益的要素，加强医院买单意愿。
如此来看，任何一家AI企业的当务之急是赋予其产品清晰的定位。企业首先要明确用户是谁、能为他们带来哪些价值，以及这些价值是否足以让他们心甘情愿地买单。当技术所能解决的问题与目标用户需求利益相一致时，技术的价值才得以体现，那么突破盈利困境并非难事。
要点4:抓住基层蓝海
基层一直是AI医学影像的重要应用场景。相关数据表明，县域有70%的医疗机构对AI产品有需求。但由于经费不足、基层地区地势偏远等因素限制，相关产品落地基层存在挑战，基层需求难以被满足。在落地过程中却普遍面临“设备用不起、图像看不懂、治疗不会做”等现实痛点。由于成本、操作等问题，现有诊断设备几乎难以下沉到基层中去。
冯教授谈到，人工智能技术落地基层关键在于提高基层2大能力。其一，医生自身能力。其二，通过远程调度更多医疗资源，提高基层疾病诊疗能力。而这也是AI企业努力方向。
具体而言，企业可一手通过远程教育及培训，提升医生处理、诊断疾病的能力。一手以人工智能平台为中介，合理调度远程医疗资源，通过互联网和数据处理平台为基层医疗机构提供各种资源支撑，实现患者在基层医院便可以得到等同于三甲医院的服务。例如，基层有相应的设备，但因没有人会使用被闲置，而通过智能平台，基层医院可对接到大医院的医生或更多学科的专业诊疗资源，从而让设备得到充分利用，并切实解决临床问题，那技术的价值就体现出来了。
“对智能软硬件深耕的出发点均在于不断降低产品成本，其目的地则是优化解决方案，优化基层医疗服务运行效率，最终在高度分散的基层医疗场景中得到应用，提高产品经济效益。”冯晓源谈到。
要点5:把握医学影像设备小型化、便携化、移动化发展趋势
此外，冯教授还谈及医学影像设备小型化、便携化、移动化发展的重要性，以及AI技术于其中的应用空间。
CT、MRI、超声等影像设备体积较大、成本昂贵，且有使用门槛，通常情况下，基层医疗机构无法负担其相关费用，因此基层患者的诊疗需求也难以被满足。同时，即使是在设备齐全的医院，面对一些紧急医疗卫生事件或床旁诊断需求，大型影像设备无法随意移动也带来了一定限制，甚至在救治上产生极大风险。
因此，小型化、便携化、移动化设备不仅可以拓展医学影像产品的应用场景，真正解决医院痛点问题。同时，搭载AI技术还可以使其进一步赋能设备，例如缩短医生阅片时间，增加图像清晰度及阅片精准度等等。
另一方面，远程医疗技术的发展，以及分级诊疗政策的推进，进一步叠加基层医疗机构对于AI技术的需求。AI技术辅以小型化、便携化、移动化设备，将打破医院围墙，让影像设备能够应用于更广阔的场景。从信息获取的角度来说，这也向前迈进了一大步。
需要注意的是，算力仍然是其中核心。影像设备呈现的黑白画面是由像素组成，若要在像素后接近和触及病变的本质，即它的生物学属性，就需要提升AI技术的算力。如果算力上不去，那一切都没有意义。
据了解，在冯晓源教授与深至科技的合作下，目前企业已将其核心算力技术从超声设备扩展到了其他影像设备上。如今，深至科技正在打造小型化、便携化、移动化MR设备，做出了目前全球最低场强0.05特斯拉的磁共振。解决了过去五六十年磁共振需要搭配屏蔽房的痛点，以及具有高端影像设备性能的产品无法在基层使用的难点。
写在最后
2016年AlphaGo战胜世界围棋冠军李世石至今，人工智能已走过数载。但历经多年发展后，这一领域却陷入了一片沉寂。好在今年人们对人工智能的爱再次被一款叫做ChatGPT的生成式AI聊天应用点燃，一如7年前AlphaGo战胜世界围棋冠军李世石之时。而对于企业而言，ChatGPT也不负所望发布了ChatGPT Plus付费订阅计划，火速开启商业变现，让人工智能企业看到盈利曙光。
知名咨询机构Gartner曾判言，任何一个行业、企业，只要有场景、有积累的数据、有算力，都可以落地人工智能应用。我们有理由相信，在多方的努力下，医疗AI盈利的未来或已不远。
*封面图片来源：123rf
动脉网，未来医疗服务平台