"今年, 将会有很多玩概念的 AI 创业公司死掉," 张京雷在接受雷锋网采访时表示,"这并不意外. 医疗 AI 行业也将面临这个情况."
张京雷是一名医疗行业的老兵. 2017 年, 张京雷加入医疗 AI 公司 Airdoc 担任市场部副总裁, 主要负责制定市场战略, 渠道开拓等工作. 此前他在小苹果儿科医生集团担任市场和运营副总裁两年. 创业前, 张京雷还曾在强生中国和诺华中国总部等工作十余年, 重点支持血液及实体肿瘤, 心脑血管, 内分泌及代谢和呼吸科等产品线.
从企业离开之后, 对于如今的医疗 AI 行业, 张京雷和我们谈了很多他的感悟和想法.
跑不通的根源在于思维
张京雷说, 目前医疗 AI 行业最重要的一个问题是, 仍然没有走通商业模式, 而商业模式的核心就是找准用户并且创造价值.
"老实说, 我在这个行业里摸爬滚打了 4 年. 大家 2B,2C 没成功, 2VC 也都不成功. 更有甚者, 有的公司现在就是 2PR. 但是对大众, 医生讲人工智能的故事, 没有一点成效, 也没有任何意义."
为什么医疗 AI 的 2B,2C 模式没有跑通? 他认为最深层次的原因在于创业思维. 他说, 有一些公司从诞生的第一天起, 就是从 IT 的角度切入医疗, 但是单纯从 IT 角度来解决医疗问题一定是失败的.
他记得, 两年前进入医疗 AI 行业时, 很多人都认为不需要拿证, 或者说都认为可以不拿证. 当时他就认为这是一件疯狂的事情,"行业当时呈现出一种很浮躁的状态, 创业的热潮似乎在裹挟着所有人往前跑."
张京雷给我们举了个例子: AI 看了一张眼底照片后, 判断该患者有糖尿病. 但是实际结果却是一次很明显的误判, 因为这张照片来自一个 9 岁的孩子, 患糖尿病的情况基本上不存在.
通过这个例子, 他想说明的一件事是: 用 IT 思维来倒推医疗需求, 本身并不符合医生的工作模式."医生要的 AI 不是一个 3 岁小孩, 也不是 18 岁的少年, 而是一个跟他同样资历的医生. 我们一直在强调医疗 AI 可以提高效率, 降低劳动强度, 实际上我认为这些都是伪命题, 真正的命题是解决医生解决不了的问题."
这样的论断, 其实在医疗 AI 创业者的一些采访中可以看到. 在此前接受雷锋网采访时, 雅森科技的 CEO 陈晖也抛出这个问题: 真实的医疗世界对 AI 的需求边界在哪儿? 如果开发的一款产品, 只是提高影像科的效率水平, 并不能带来影像科上游的开源.
张京雷说, 如果着眼于医学影像 AI, 其中的核心问题是, 影像只是疾病诊断或者管理流程之中很小的一块. 如果只是割裂地看影像, 没有在病人既往病史的基础上用 AI 的方法帮助医生进行诊断, 这个市场本身就是站不住脚的.
举个例子, 对于糖尿病的诊断, 除了空腹测血糖外, 还需要测定进餐后 2 小时的血糖, 患者要服用一定量的葡萄糖进行糖耐量试验 (OGTT), 这样才能更精确的诊断是否存在糖尿病, 这是糖尿病检测的金标准.
"窥一斑可以知全豹, 但是我们不能说只窥一斑就不需要再去了解别的指标. 医学影像 AI 就像一个小孩子在沙滩上捡到了一个贝壳, 他就说全大海的贝壳都在这, 这个逻辑是不对的."
但是反过来看, 如果这个病人是 65 岁, 已知是糖尿病病人, 通过筛查发现其眼底存在典型的糖网症状, 张京雷认为这种诊断思路是走得通的.
在他的构想中, 人工智能能够和人工智能和医院的 HIS/LIS 等系统打通, 在具体科室里帮助医生综合所有医疗数据做出判断."AI 技术的作用就是如此, 它只是一种技术手段, 而不是最终目标."
张京雷说到, 未来医疗 AI 企业会逐渐整合, 只有给医院一个相对完整的打包方案, 至少帮科室解决一个领域的大部分问题, 也许这个行业才能迎来春天.
得医生者得天下
过去 20 年, 张京雷一直在强生中国和诺华中国总部这样的制药公司工作. 张京雷并不喜欢用风口这一类的词,"风口是一种很难把握的东西, 好像有点像投机, 而投机并不适用于医疗行业."
创业者思维上的 "急功近利" 和 "理所当然" 让医疗 AI 行业虚火丛生, 而更为重要的一点在于医疗行业本身的特殊性.
在医疗 AI 之前, 医疗行业也经历过社会办医, 互联网医疗等热潮. 但是经过几年的发展, 除了少数头部企业, 线下诊所和互联网医疗的结局并不算好.
张京雷说到, 从前自己不理解'互联网 + 医疗'和'医疗 + 互联网'之间的区别. 但是, 回过头看, 互联网医疗时期, 很多创业者失败的主要原因在于, 没有看清医疗的很多属性, 无论是从引流获客, 营收增长还是与服务方的博弈来说, 互联网医疗的创业者都没有找到一条很好的路.
"不是说这个行业很固执, 而是这个行业牵扯到太多的生命和法律责任."
和互联网医疗相类似的, 是此前的社会办医. 截至 2017 年 10 月底, 全国民营医院的数量已经接近 1.8 万家, 相比 2016 年同期增加了近 2000 家. 从 2008 年新一轮医改以来, 政府持续鼓励社会办医, 收效却非常有限.
与互联网医疗不同的是, 线下诊所非常看重运营, 因为它的边际成本非常高. 彼时, 传统行业增长乏力, 大量资本随之涌入医疗产业, 是因为投资者确实看到医院产生实际的收益, 但是他们忽视了医院本身的成本更大, 医院需要场地, 设备, 需要日常运营, 这些都需要真金白银的投入.
而且, 医院的运营和其他行业不一样, 医院非常依靠口碑, 口碑的来源则是医生. 2015 年, 红杉资本中国基金合伙人陈鹏辉曾表示:"不管是传统医疗, 民营医疗, PPP 模式, 得医生者得天下." 强调的正是就诊过程中的核心因素 -- 医疗资源, 而这部分资源是无法被复制的.
这也就是为什么诊所或者是医院难做的一点原因. 在张京雷看来, 医疗 AI, 互联网医疗和线下诊所是不同维度的事物: 一个是直接面对病人, 但是运营特别困难; 一个是相对更 "轻", 但是很难找到商业价值. 但毫无疑问的一点是, 医生在任何一段时期都应该也必须成为创业者前进路上的 "灯塔".
监管工作也慢半拍
除了创业者自身思维上的缺失和医疗行业的特殊属性, 医疗 AI 行业也存在诸多监管层面的问题.
到目前为止, 并没有一家企业的医疗 AI 产品获得了三类器械许可证. 而对外宣布获得认证的医疗 AI 产品, 大多是基于之前 CAD 产品审批方式获得的, 与新一代的医疗 AI 产品并不相同.
打破监管沉寂的是一家外国企业. 2018 年 4 月初, FDA 批准通过了 IDx 公司研发的首个应用于一线医疗的自主式人工智能诊断设备 --IDx-DR. 它可以在无专业医生参与的情况下, 通过查看视网膜照片对糖尿病性视网膜病变进行诊断.
IDx 的成功似乎为医疗 AI 行业的创业者打开了一丝光亮, 但是一个看似简单的批准, IDx 整整花了 21 年, 和 FDA 在如何评估系统并确保其准确性和安全性方面的沟通, IDx 就花了 7 年.
张京雷对雷锋网说, 这样的周期很少有企业能够坚持下来, 他们一开始从思想上就没有做好打持久战的准备.
相比于 FDA, 中国药监局对医疗 AI 的监管准备工作显然慢了半拍. 按目前法规, 基本上国内的 AI 产品都得走临床试验这条评价路径, 耗时会比较长. 三类医疗器械认证一般需要 2-3 年, 在审批之前要等到标准数据库的建立, 数据库的建立需要一定的周期.
根据嘉峪检测网报道显示, 2017 年 12 月 24 日, 中检院官方微信公众号公布关于召开 AI 标准测试数据集 (眼底部分) 建设会议通知. 2018 年 3 月 26 日, 中检院官方微信公众号公布, 标准测试数据集 (眼底部分) 建设完成, 一个病种共花费了 3 个月的时间来建设.
可以说, 医疗 AI 行业的 "游戏规则" 本身还没有制定好, 企业拿证的局面恐怕还要一段时间才能见到.
选准科室和目标人群
在现有证件未批的情况下, 医疗 AI 公司没有干坐着. 他们寻求与医院共同做课题, 也尝试找体检中心, 药店, 药企里的潜在付费对象等. 对此, 张京雷提出一些疑问, 假如是和药店合作, 眼底相机动辄数万, 药店愿不愿意购买? 药店没有医生, 谁来使用眼底相机? 付费对象是谁, 为什么要付费?
这一连串的问题都是张京雷在企业的时候踩过的一些坑. 在他看来, 医疗 AI 一定要选准科室和目标人群."虽然很多筛查的医疗 AI 产品是针对眼科, 但是你的最终用户是眼科吗? 不一定, 真正的用户可能是内分泌科, 可能是在心血管科. 这个是我们的血泪教训, 这也是 to B 不成功的一个重要原因."
就以糖尿病为例, 糖尿病的诊断并不难, 难是难在疾病管理. 上面提到 IDx-DR 的获批, 实际上是基于慢病管理的思路.
值得注意的是, 我们上面在描述 IDx-DR 时的一个关键词是 "设备", 也就是说, FDA 不仅仅需要企业提供一套软件, 还要求在软件的基础上捆绑一个硬件, 其目的就是为了降低不同设备之间的差异, 更好地辅助医生来做糖尿病的慢病管理."FDA 的想法是通过 AI 的方式, 将疾病的后端管起来. 如果按照这个来看医疗 AI 产品, 目前符合条件的方向并不多."
在选准服务对象之后, 张京雷判断, 医疗 AI 突围的机会需要具备两点要素: 疾病的发病率较高以及疾病的管理非常重要. 如果企业在 B 端的突破阻力较大, 那么也可以考虑的一个方向是走 C 端, 例如可穿戴式设备. 把很多必须去医院解决的问题, 在家里进行管理. 他判断, 这些都是很细分的领域, 而且受政策的影响比较小, 相反可能会更容易突破.
在外界看来, 医疗行业的创新动作特别慢, 得靠外力来推动. 一方面是因为, 医疗行业本身的属性很特殊, 内部产生的变革非常少, 尽管工作压力很大, 但医院和医生比较适应现有的工作流程.
另一方面, 从诊断, 治疗到疾病管理, 医疗的每一环节存在着相对应的利益链条, 这其中有很多不合理的地方, 医院其实也希望能引入新鲜的血液和新鲜的想法, 用技术能力打破不合理.
不管是之前的社会办医, 互联网医疗抑或是如今的医疗 AI, 本质上就是行业, 社会的一种 "济世" 情怀驱使. 很多创业者放弃丰厚的待遇, 离开国外的公司, 回到国内创业, 其实也是期待成为医疗变革的见证者和参与者, 希望用技术的力量来打破这个行业既有的沉疴.
已故美国著名神经外科医生保罗. 卡拉尼什在他的临终著作《当呼吸化为空气》中曾写道: 我们背负着无形的枷锁, 肩负着生死攸关的责任, 也许病人鲜活的生命就在我们手中.
正因为医疗行业的分量太重, 任何人都不能轻视它, 并且要为它做好打持久战的准备.
来源: http://www.bubuko.com/infodetail-3033982.html