欢迎提交优秀网站

您好, 游客 • QQ登入 登录 注册

北极光创投邓锋:商业化变现是AI医疗核心问题

undefined 杭州天晟(www.zhairenba.com)了解到从整个大环境看,今年投医疗领域火热程度比去年高,特别是在药和E-Health领域。据鲸准统计,在过去的5年间,AI 医疗的融资数量一路猛涨,2013年时候仅有16例,而到2018年上半年就已经发生了79例。主要项目围绕虚拟助手、医疗机器人和医疗影像三大种类。
北极光最早在2014年布局了医药/生物技术领域,这部分在整个健康医疗投资中占比最大。主要原因在于资本和技术,现在资本市场退出时间点比较早而且被投项目估值都很高,这就导致机构更关注早期项目。
另外,医药界现在出现了很多世界级创新技术,研发新药的方法也在发生变化,比如CMO(Contract Manufacture Organization药品合同生产组织,CMO 企业主要接受制药公司的委托,为其提供生产工艺的开发和改进服务,以及临床试验药物和商业化销售药物所用中间体、原料药、制剂的生产供应服务)。
医疗器械领域也有很多创新,基本是传统风投在投。不过,医疗器械比较零散,企业的天花板可能比较低,所以北极光在投器械时比较谨慎。
医疗服务方面,在中国提出医改后,无论从医院管理、专科医院还是消费型服务都存在相当多的机会。这个领域更多的不是靠技术创新而是靠运营、服务、品牌来决定的,PE有大量机会,北极光也有布局,不过该领域留给风投的投资机会不像其它领域那么多。
体外诊断有很大的市场,传统的也还有分级诊断的技术。比如跟基因组学相关、PCR(聚合酶链式反应,这是一种用于放大扩增特定DNA片段的分子生物学技术,最大特点是能将微量的DNA大幅增加),还有新的蛋白组学等。
最近E-Health领域在国际上讨论非常火热,从纯的技术创新来说还是美国领先一些,对于中国来说则刚刚起步,但后者发展速度很快。北极光对E-Health的前景非常看好,也很重视。关注人工智能 医疗诊断服务是正确的方向,但这里有很多泡沫。
真正能成功的企业可能未必在于人工智能技术有多先进,因为现在各企业的技术差异并不大,特别是医疗影像处理领域。跟E-Health相关的还有新型的传感器技术,健康人和病人的监护、数据的提取,在某种程度上这跟大数据、人工智能相关,这领域里更多是硬件的机会。软硬件一体化,综合的解决方案、诊疗也算是E-Health相关的。
所以,对于人工智能来说,我们更看中的是其产品能否迅速落地、是否能够平衡各个节点的利益方。
在人工智能 医疗诊断服务上,北极光投了如翼展、影领、Wision AI、Atman四个典型企业,在医疗大数据信息化范畴中,投了太美、芯联达。因为无论是在诊断、制药、药物管理流程中,采集后的数据分裂较为严重,容易形成数据孤岛,对这些也没有做好结构化、数据清洗以及规范数据等工作,所以需要有专门的企业去做信息化解决方案。
政策下的智能/大数据 大健康
政策方面,目前是利好AI医疗发展的,尤其是审批方面,在最近的一两年有很多的改进,那些获得CNDA认证的医疗AI企业将告别产品免费试用阶段,正式进入商业化,这极大地促进了整个行业发展。
国家层面的规划也在人工智能领域给出很多新资金和政策。去年,工业和信息化部印发了《促进新一代人工智能产业发展三年行动计划(2018-2020年)》,其中在医疗影像辅助诊断系统领域,特别指出要推动医学影像数据采集标准化与规范化,支持脑、肺、眼等典型疾病领域的医学影像辅助诊断技术研发,加快医疗影像辅助诊断系统的产品化及临床辅助应用。
人工智能可以帮助中国在医生很缺乏的情况下,提高治疗效率。我们并不认为人工智能可完全替代医生,在未来,人工智能更多地会扮演辅助诊断的角色,其职责是帮医生更高效的把诊断质量提高。
在中国,人才始终是稀缺的,尤其是好的影像医师太缺乏了,对此国家制定了“千人计划”(海外高层次人才引进计划)和“万人计划”(国家高层次人才特殊支持计划),吸引一批人才回国。
AI 医疗 如何落地变现最关键
对于现在,技术如何落地变现是最关键问题。从AI 医疗产业的发展趋势来看,我们认为未来会有5个方向的变化。
1、从今年起,影响产品落地速度将不断加快,产品性能成熟度也会不断提高;
2、语音电子病历在医院的普及率会加快,头部企业可以形成规模效应;
3、智能问诊的发展可能相对早期,但是对知识图谱的建设在未来将是很大的趋势,预问诊功能可以有效提升医生效率,长期看智能问诊有很大机会;
4、国家、产业和企业将共同推动健康大数据建设,未来AI在健康管理场景下应用程度会进一步提高;
5、药物研发投资的风险仍然很高,AI药物研发企业短时间内不会变现,但是一旦研发成功,就有机会成为医疗AI领域里的独角兽。
整体来说,智能医疗E-Health可以涉及到很多方面,比如虚拟助理(语音电子病历/智能问诊/智能导诊)、影像处理(病灶识别与标注等)、辅助诊疗(基因测序与检测预测)、疾病风险预测、健康管理、医院管理、药物研发等领域。这些都是人工智能或大数据可涉及到的。
需要注意的是,在AI 医疗的创业方向中,技术门槛可能并不是核心壁垒。在医疗领域,基于概率分析的关联推理无法判断疾病的因果关系。计算机的深度学习最主要特征是基于数据学习的概率分析,其结果是能够进行有效的诊断和预测,因此目前的深度学习在影像疾病筛检诊断中表现出彩。
但疾病诊治是一个复杂动态的决策系统,需要去理解不同因素与疾病的因果关系,才能够采取更有效的干预实现疾病的治疗。没有医学知识体系作为基础的深度学习数据分析,只是将结果压在训练数据上,训练数据的样本量和离散情况对于训练结果将产生直接影响。
在行业注册、准入、监管体系还在完善的同时,也出现了一些新的问题,比如高质量标注数据获得困难,这涉及到核心的资源,即高质量医生的时间和效率,很多情况下数据的标准比算法更难,因为需要好的数据好的标准。再比如人工智能辅助诊断结果评估缺乏统一标准,应用需要与学界达成共识,同一张影像图,标准及答案是什么?由谁来定义?盲标还是非盲标?这都是需要考虑的。
只靠人工智能去解决医疗影像问题很有限,且商业及变现模式仍然不是很清晰。
关注AI医疗初创团队5个方面
我认为,技术不是判断团队好坏的唯一标准,产品落地能力及变现能力、平台潜力以及团队综合行业背景都很重要,另外,创业团队的产品要符合医疗路径,要能提供整体的解决方案。强的团队能够很敏锐的感到市场的变化、能够实时调整自己的步伐;海外市场离商业变现会更近,因此我们也关注能“走出去”的公司,我们曾经投过一些团队,他们不仅在中国本土能够发展,也能走向海外。
说到底,无论技术输出还是产品输出,我们也是有机会成为全球范围内高利润的公司的。根据我最近几年的观察,影像辅助诊断的头部效应已经非常明显,投资人对这个领域的初创公司应该抱有谨慎态度,毕竟临床价值才是最终影响公司估值的因素,对待那些纯粹蹭人工智能热度的项目,在进行估值的时候需要更理性。
本文由杭州讨债公司www.zhairenba.com编辑发布

Top