医疗人工智能企业发展现状分析.docx
《医疗人工智能企业发展现状分析.docx》由会员分享,可在线阅读,更多相关《医疗人工智能企业发展现状分析.docx(15页珍藏版)》请在冰豆网上搜索。
![医疗人工智能企业发展现状分析.docx](https://file1.bdocx.com/fileroot1/2022-10/10/f48271f2-dcbd-455e-ab36-c93fcafb1293/f48271f2-dcbd-455e-ab36-c93fcafb12931.gif)
医疗人工智能企业发展现状分析
医疗人工智能企业发展现状分析
根据2018年2月中国信息通信研究院发布的《2017年中国人工智能产业数据报告》,2016年中国医疗人工智能的市场规模达141.9亿元,增长26.3%;2017年我国人工智能市场规模达到216.9亿元,比2016年增长52.8%,2018年有望达到339.0亿元。
通过前期调研,我国(不包括港澳台地区)人工智能企业逾1000家。
根据2018年《中国数字医学》杂志社进行的医疗人工智能企业调研统计,涉及医疗人工智能产品研发和应用的企业有500家左右(详见本书附录)。
本文的统计数据来源于对企业发放调研问卷回收的46份有效问卷。
一医疗人工智能企业现状分析
(一)基本情况
大部分医疗人工智能企业处于早期发展阶段(见图1),主要以B端业务为主;疾病风险预测、医学影像领域的企业数量较多,相关产品相对成熟。
根据调查统计,我国医疗人工智能企业超过90%位于北京、上海、广东、浙江、江苏等东部沿海地区,其中北京聚集了超过50%的企业,这得益于北京良好的人工智能产业基础和医疗资源,而中西部地区中,湖北、四川和安徽三省的医疗人工智能企业相对较多。
(二)团队建设
(1)通过调研统计,近90%的医疗人工智能企业的研发团队是最近五年成立的,50%的企业医疗人工智能研发团队在2016~2018年成立。
图1我国医疗人工智能企业成立时间
(2)从医疗人工智能企业的研发团队规模来看,50人以下的占比接近70%;超过100人的研发团队占比不到20%(见图2)。
图2我国医疗人工智能企业团队规模
综合看成立时间和研发团队人数,成立时间在3年内的团队人数基本不超过50人;成立时间超过3年的团队有约35%规模在100人以上(见图3)。
图3我国医疗人工智能企业成立时间与团队人数的关系
(3)从参与此次调研的医疗人工智能企业研发团队人员最高学历来看,本科和硕士学历占比最高,分别为42%和40%,博士学历占18%。
(4)从研发团队最高学历的专业分布来看,计算机科学类专业占比最高,为40%,生物医学类专业占比为22%,电子信息类专业占18%,纯数理类专业占12%,其他专业占比为8%。
(5)从医疗人工智能企业对人才的需求来看,需求集中在临床医学、生物医学工程、计算机视觉、机器学习等相关专业,学历要求均是硕士或博士,部分企业甚至要求发表过相关SCI论文,行业门槛较高。
(三)融资情况
1.融资轮次
2018年有28.26%的医疗人工智能企业处在preA轮/A轮/A+轮融资阶段,36.96%的企业已经进入B轮/C轮/BAT轮(见图4)。
相比之下,中国信息通信研究院《2017年中国人工智能产业数据报告》显示,2016~2017年,大部分企业都在preA轮/A轮/A+轮融资阶段;同时,超过75%的企业处于不同的融资阶段,只有25%的企业不需要融资。
由此可见,资本是现阶段行业发展的重要推动力。
图4我国医疗人工智能企业融资轮次
2.融资金额
调研数据显示,2018年,在参与融资的医疗人工智能企业中有32.61%的企业累计融资金额在1亿元以上(见图5)。
对照2016年融资金额最多在千万级,可以看出资本持续看好医疗人工智能行业的发展,整体投资处在加速阶段。
图5我国医疗人工智能企业累计融资金额分布
(四)产品研发
1.产品技术框架
与其他人工智能场景一样,Tensorflow是医疗人工智能行业最受欢迎的深度学习框架,接近80%的企业都在使用;Keras和Pytorch由于在易用性方面相对友好,也获得了企业较多的认可,而其他深度学习框架使用率较低(见图6)。
图6我国医疗人工智能企业深度学习框架选择情况
2.产品研发的时间成本
医疗人工智能产品的研发过程可以分成数据收集、数据处理、算法研发、产品开发、产品认证等环节。
与其他行业不同,在医疗人工智能行业中数据收集和数据处理都是难点,数据收集和数据处理用时所占比例合计接近37%,已经超过算法研发需要的时间,是最耗费时间的环节,也是人工智能在医疗领域落地应用过程中的主要制约因素(见图7)。
图7我国医疗人工智能企业产品研发各环节时间占比
3.产品研发成本占比
在医疗人工智能产品的研发中,人力研发成本和算力(设备)成本相比较,91.30%的企业表示投入最多的是人力研发成本,这也说明当前医疗人工智能企业对相关专业人才求贤若渴(见图8)。
图8我国医疗人工智能企业研发成本构成
4.产品在医疗机构应用落地的情况
超过50%的企业表示其产品已经在全国数十家甚至上百家医疗机构使用,但由于产品认证的原因,大部分应用服务于科研,仅少部分应用于临床的产品可以为医生诊断提供参考(见图9)。
图9我国医疗人工智能产品在医疗机构的应用情况
5.产品申请医疗器械二类/三类认证
超过60%的企业计划在2019年以前拿到国家药品监督管理局的《医疗器械分类目录》认证从而正式进入临床应用;亦有近24%的企业表示,期望在2020年以后能够获得认证进入临床应用(见图10)。
在参与调研的企业中,30.43%的企业已经将其产品提交医疗器械二类/三类认证,41.30%的企业也在计划为其产品申请医疗器械二类/三类认证,21.74%的企业已获得二类认证。
二行业发展影响因素分析
本次调研发现,当前阻碍医疗人工智能发展的因素主要为:
缺少医疗人工智能复合型人才、医学数据标注及数据共享困难、缺少多病种病症标准数据库、商业模式及各方权责不明确、缺少合作的医疗机构(见图11)。
本文针对上述五种主要影响因素,通过进一步对相关企业进行访谈,并对采集的数据进行了统计分析。
图10我国医疗人工智能产品预计进入临床应用的时间
图11我国医疗人工智能行业发展的影响因素
(一)复合型人才培养
超过70%的医疗人工智能企业认为,复合型人才不足阻碍了行业发展。
人工智能人才短缺,医疗行业人才同样短缺,“医工结合”的医疗人工智能人才更稀缺。
结合企业研发团队专业比例可以看出,计算机科学类专业和生物医学类专业占比分别约为40%和22%,占比最大,但既有计算机专业背景又有医学专业背景的跨界复合型人才凤毛麟角。
解决这一问题的关键是医疗人工智能企业必须深入医院相关临床科室,深入了解临床医生诊断过程,多倾听临床医生的诉求,在创新实践中逐步培养“医工结合”的复合型人才。
(二)医学数据及模型
调查发现,67.39%的企业认为医学数据的不足阻碍了行业发展。
一方面,医学领域数据获取非常困难,如CT、MR、PET等检查的费用很高,而且医疗数据涉及患者隐私,不能直接运用,需要花费大量时间进行数据脱敏,去除患者个人基本信息;另一方面,医学数据标注非常困难,标注质量的高低直接影响模型、产品性能的好坏,高质量的标注往往需要由高年资医生进行。
此外,数据共享困难,不同医疗机构、不同设备采集的数据差异较大,造成训练好的模型泛化能力较低,很多医院认为标记数据是其核心资源,不愿意共享。
同时,本次调研还通过企业深度访谈了解到,阻碍行业发展的因素还有深度学习模型的可解释性差,导致医生无法对模型的输出结果进行溯因。
医疗领域的误诊漏诊有时会给病人造成不可挽回的严重后果,因此医生不敢过分依赖模型输出做诊断。
增强模型的可解释性,让医生理解模型给出特定结果的原因,成为人工智能在医学影像领域推广应用的关键。
(三)产品认证
2018年8月1日,我国新版《医疗器械分类目录》正式生效,对医用软件按二类、三类医疗器械设置审批通道。
三类医疗器械认证需获得中国食品药品检定研究院的分类鉴定和审批。
中国食品药品检定研究院是国家食品药品医疗器械质量检验的法定机构和最高技术仲裁机构。
为了引导和规范人工智能医疗器械产业的良性发展,中国食品药品检定研究院于2017年11月成立了AI小组,正式启动了对人工智能医疗器械产品检验检测方法的研究工作;于2017年12月和2018年2月先后启动眼底图像标准检测数据集和肺部影像标准检测数据集的建设工作;2018年4月和6月分别完成了眼底图像标准检测数据集和肺部影像标准检测数据集的图像标定工作;2018年9月,中国食品药品检定研究院筹建全国人工智能医疗器械标准化技术的归口单位,公开征集专家组,目前建立的一个标准数据集只针对一种疾病,仍需建立更多标准测试数据集。
(四)商业合作模式
医疗人工智能企业在与医疗机构合作、确定商业运营模式方面仍处于探索阶段。
医疗人工智能企业必须和医疗机构进行合作,一方面因为人工智能技术研发所需的数据及标注来源于医疗机构;另一方面因为企业训练出来的模型需要在医疗机构进行临床检验。
医疗问题从医院来,解决问题也必须回到医院去。
当前,企业与医疗机构的合作形式可以分为四种:
与多家医疗机构合作、与单一医疗机构多个科室合作、与单一医疗机构单一科室合作、与个别医生的项目合作(见图12)。
图12我国医疗人工智能企业与医疗机构的合作模式
根据不同的病种以及产品所处的不同阶段,企业与医疗机构的合作层次也不尽相同。
据调查统计,几乎所有企业都至少与一家医疗机构进行合作。
关于产品在医疗机构中的推广,接近一半的企业表示会重点与一个医疗机构进行合作,进行数据收集、模型建立、产品验证,然后再推广到其他医疗机构。
目前,医疗人工智能企业商业模式有以下几种:
产品/模型归属企业,医疗机构免费使用;产品/模型归属企业,医疗机构支付一定费用;产品/模型归属医疗机构,医疗机构一次性向企业采购软硬件;产品/模型归属卫健委,政府向企业采购,医疗机构免费使用。
其中,“产品/模型归属企业,医疗机构支付一定费用”的模式得到了最多企业的支持,但商业模式还有待丰富完善。
(五)人工智能产品与现有医疗流程的整合
医疗人工智能产品要落地应用,需要与医疗机构现有流程整合对接;产品不仅本身性能要好,更重要的是让医疗机构、医生能够感受到其对实际工作的帮助,而不只是多了一个“工具”。
人工智能产品的价值体现在能够解决医疗诊断过程中的痛点或难点,帮助医生从复杂的医疗数据中快速挖掘提取精准的辅助信息,提高医生工作效率,让医生将更多精力放在本专业领域。
企业的人工智能产品融入医院的流程,通过与医院系统集成,整合并优化流程。
目前,从人工智能产品与医疗流程的整合情况来看,产品主要集中于影像诊断。
影像诊断是全链条、多维度的工作,工作内容不只是图像识别,需要充分发挥医生在医学影像AI研发过程中的作用。
目前,产品和医疗流程整合有两种情况,游离于信息系统之外或融合于信息系统之内。
大部分产品提供单病种诊断,部分企业产品提供医学影像分析诊断并自动生成报告,能够让医生减少输入的时间,同时,可以参考人工智能模型出具的报告,医生判断后再进行修改。
少部分结节检测产品还有一键排序结节和一键测量结节等功能。
(六)多模态组学在医疗人工智能的应用
人工智能技术在医学多模态组学中的应用更符合真实的诊疗过程,所以,医疗模型的数据建模从单一模态到多模态是必然的发展进程。
在疾病的诊断和治疗过程中,医生需要综合患者的基本信息、检验信息、影像资料、免疫组化等后才可以做出正确决策。
多模态深度模型是企业要深入研究和突破的关键技术。
在此次调研中,多家医疗人工智能企业表示,通过多维数据的分析发现潜在规律,对未来疾病的预防和治疗可以发挥重要作用。
本次调研了解到,目前大部分医疗人工智能企业推出的筛查产品具有满足临床需要的病灶检出、分类等基本功能。
在此基础上,数家医疗企业借鉴了在脑功能分析中使用的多模态数据联合分析,结合PET数据和临床病历数据等,对病灶的恶性风险做出判断,从而更好地服务于临床医生,提高临床应用价值。
(七)医疗人工智能与医生的定位
现阶段医疗人工智能产品定位是辅助医生进行疾病诊断。
随着技术的发展,医疗人工智能将成为医生新时代的“听诊器”,它的用