本文摘要：2019年的醫(yī)療AI產(chǎn)品有什么樣的新進展呢?本文節(jié)選動脈網(wǎng)蛋殼研究院發(fā)布的《2019中國醫(yī)療人工智能報告》部分內(nèi)容。從2016年起，人工智能和醫(yī)療的融合在各個環(huán)節(jié)開始擦出火花。經(jīng)過幾年的發(fā)展，醫(yī)療AI在2019年迎來了商業(yè)落地考驗，紛紛進入臨床應用和醫(yī)生的工作
2019年的醫(yī)療AI產(chǎn)品有什么樣的新進展呢?本文節(jié)選動脈網(wǎng)蛋殼研究院發(fā)布的《2019中國醫(yī)療人工智能報告》部分內(nèi)容。從2016年起，人工智能和醫(yī)療的融合在各個環(huán)節(jié)開始擦出火花。經(jīng)過幾年的發(fā)展，醫(yī)療AI在2019年迎來了商業(yè)落地考驗，紛紛進入臨床應用和醫(yī)生的工作流，并在2020年初開花結果。
圍繞核心算法能力的醫(yī)療AI應用矩陣
根據(jù)依賴應用服務對象、使用醫(yī)療環(huán)節(jié)、醫(yī)療應用病種范圍，報告制作了醫(yī)療人工智能應用矩陣，并對我國醫(yī)療人工智能行業(yè)進行了總結，制作出了醫(yī)療人工智能行業(yè)圖譜。
一、AI+虛擬助手：打通診療不同環(huán)節(jié)是關鍵
據(jù)丁香園調(diào)查，50%以上的住院醫(yī)生每天用于寫病歷的平均時間達4小時以上�！陡２妓埂吩鴪蟮�，在門診室，醫(yī)生只花52.9%的時間在跟患者溝通，37%的時間在處理書面工作，還有10%的時間在處理瑣事。
排隊3小時，問診2分鐘。醫(yī)生病歷錄入工作量大、病歷質(zhì)控難、患者門診服務缺失是就診階段的三大痛點�；谡Z音識別、語義理解、麥克風陣列三大核心技術，AI+虛擬助手可以應用于診前、診中、診后多個環(huán)節(jié)。
二、AI+臨床工作流：合理配置醫(yī)療資源，實現(xiàn)效益最大化
臨床工作流，是對醫(yī)院管理流程和醫(yī)生工作流程的概括描述。臨床工作流解決的主要問題是：利用數(shù)字化工具在多個參與者之間自動傳遞文檔、信息或者任務，實現(xiàn)醫(yī)院業(yè)務目標(非診療行為的信息化)。
人工智能正在通過醫(yī)院管理和診療流程管理，引領醫(yī)療行業(yè)的全數(shù)字化轉型，幫助醫(yī)療機構優(yōu)化臨床工作流程，提供更好的醫(yī)療服務，創(chuàng)造更高利潤。
醫(yī)院管理的目的是充分優(yōu)化醫(yī)院的醫(yī)療資源配置，實現(xiàn)效益最大化。
AI根據(jù)醫(yī)院已有的信息進行建模，訓練出一套精準的算法，自動制定工作安排。比如它能根據(jù)電子病歷、既往病史等信息分析出哪些患者是最需要及時救治的，把醫(yī)療資源優(yōu)先提供給他們，優(yōu)化醫(yī)療服務的先后順序。
從產(chǎn)品分類看，臨床工作流管理根據(jù)對象可以分為醫(yī)療設備管理、醫(yī)生工具和支付管理。
醫(yī)療設備管理：人工管理向智能化管理轉變。醫(yī)療設備管理過程中存在的離散分布、維修保養(yǎng)和質(zhì)控管理效率低等痛點。隨著智能化、信息化、規(guī)范化逐漸成為醫(yī)療設備資產(chǎn)管理的大趨勢，醫(yī)療設備服務市場已經(jīng)從單純設備維修，轉變?yōu)獒t(yī)療設備全生命周期管理。
醫(yī)生工具：從單點醫(yī)生賦能到多點醫(yī)生協(xié)作賦能。醫(yī)生工具作用主要為醫(yī)生賦能，提高工作效率、增強醫(yī)生能力。
醫(yī)�？刭M：從規(guī)則控費向大數(shù)據(jù)控費轉變。人工智能和大數(shù)據(jù)為醫(yī)保智能監(jiān)控系統(tǒng)的建設提供了新思路。部分地區(qū)開始探索通過運用包括案例推理、醫(yī)療行為模式分析、診療方案分析、醫(yī)患網(wǎng)絡擴散分析等在內(nèi)的大數(shù)據(jù)分析手段來提升對欺詐騙保行為的識別能力，確保醫(yī)保報銷的合理性。
三、AI+預防管理：實現(xiàn)疾病的全面篩查和預測
上醫(yī)治未病，預防醫(yī)學優(yōu)于被動治療。隨著人工智能、大數(shù)據(jù)、基因等技術的進步，現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)部分疾病的可能性預測了。
安吉麗娜·朱莉接受預防性的雙側乳腺切除手術，以降低罹患癌癥的風險。而之所以進行這項手術，是因為她有基因缺陷，罹患乳腺癌和卵巢癌的風險恐怕較高。
這是從基因角度進行疾病風險預測，而AI也能從人們行為、生化、影像等檢查結果中實現(xiàn)疾病篩查和預測。
中國有90多萬家基層醫(yī)療機構，占整個醫(yī)療體系機構數(shù)量的95%，覆蓋人群5.8億人。但是，基層醫(yī)生供給不足，現(xiàn)有醫(yī)生的數(shù)量已經(jīng)無法承擔這些工作量，導致醫(yī)生過勞，誤診、漏診的情況出現(xiàn)。
此外，基層醫(yī)療設備先進性不足，我國基層醫(yī)療衛(wèi)生機構設備集中在50萬元以下，100萬元以上設備極少，說明設備先進性偏低，僅能滿足基礎疾病診療，無法完成疑難雜癥的早期篩查。
預防管理按照其產(chǎn)品的使用范圍，可以劃分為篩查類產(chǎn)品和預測類產(chǎn)品。篩查和診斷的核心區(qū)別，在于診斷是已經(jīng)有明顯的癥狀后確定是哪種疾病，而篩查事先并不知道是否患病。
通過分析市面上主流AI早篩類產(chǎn)品，我們發(fā)現(xiàn)其主要聚集在肺結節(jié)篩查、糖網(wǎng)病篩查、癌癥篩查三類。這是因為上述篩查的影像大多是DR、CT、眼底照片等，比較容易獲取。而且中檢院在2018年已經(jīng)建立起了彩色眼底圖像和肺部CT影像兩個標準數(shù)據(jù)庫，這對產(chǎn)品研發(fā)、審批、推廣也有很大幫助。
人工智能基于多模態(tài)數(shù)據(jù)，包括文本、影像和流數(shù)據(jù)等(心率、血氧、呼吸等)，可以應用于多種疾病預測，比如流行性疾病、慢性非傳染病、精神類疾病等。
四、AI+輔助診斷：CDSS與MDT聯(lián)合是未來發(fā)展方向
從診斷的數(shù)據(jù)流看，首先，患者分別進行影像、病理、體外診斷等一系列檢查，并得到初步的檢查結果。然后，檢查數(shù)據(jù)通過PACS、HIS等信息化系統(tǒng)整合存儲起來。最后，所有的數(shù)據(jù)匯集到醫(yī)生端做綜合解讀。
人工智能的最終目標是像專家一樣能實現(xiàn)單獨綜合診斷，然而目前最成熟的應用還是集中在單個項目上，尤其影像領域。我們統(tǒng)計了AI+輔助診斷領域的120家企業(yè)，其中影像類輔助診斷占比最高(34%)，其次是數(shù)據(jù)整合存儲(占比22%)。
五、AI+輔助治療：圍繞手術和藥物，以提效為核心
圍繞藥物治療和手術治療兩大治療方式，AI輔助治療在術前規(guī)劃、術中導航、智能化用藥方面起到了好作用，可以有效降低手術時間、減少并發(fā)癥。
在腫瘤治療過程中，靶區(qū)勾畫與治療方案設計占用了醫(yī)生大量的時間和精力。每個腫瘤病人的CT圖像在200張左右，醫(yī)生在勾畫的時候，需要給每個圖片上的器官、腫瘤位置進行標注。這個過程按照傳統(tǒng)的方法要耗費醫(yī)生3-5個小時。如果第一個療程的治療由于靶區(qū)勾畫的不準確或者腫瘤的變化，導致治療無效(腫瘤組織減少小于30%)，這個時候就需要更改治療方案，這就需要醫(yī)生重新為病人做勾畫。
術前規(guī)劃：人工智能可以基于CT/MRI影像數(shù)據(jù)，利用圖像識別技術自動勾畫相應靶區(qū)，自動生成具體的放射性照射方案或者手術方案后，再交由醫(yī)生做最終確認。
術中導航：將患者術前的影像數(shù)據(jù)和實際解剖結構準確對應，利用VR、MR、導板等技術，通過三維數(shù)字建模及算法優(yōu)化，對病灶進行精準定位。
用藥建議：基于真實世界的用藥大數(shù)據(jù)，運用人工智能技術實現(xiàn)個體化用藥指導。個體化用藥就是在最適的時間、對最適的患者、給予最適的藥物和最適的劑量。
六、AI+康復：以患者回歸生活為目的
臨床醫(yī)學以生存為主要目的，通過藥物、醫(yī)療器械、手術等治療手段，讓患者能夠生存下來。而康復醫(yī)學則是以生活為目的，通過康復治療手段讓患者受損的功能能夠得到部分或全部恢復，更好地回歸社會。
因此，臨床醫(yī)學與康復醫(yī)學是相輔相成的，臨床醫(yī)學在病患治療期介入，康復醫(yī)學在病患恢復期介入，最終都是消除病患。從康復數(shù)據(jù)流來看，康復分為監(jiān)測、指導、調(diào)理三個環(huán)節(jié)，也就是先獲取數(shù)據(jù)、然后分析數(shù)據(jù)、最后應用數(shù)據(jù)。
七、AI+科研：生產(chǎn)工具解放科研學者的生產(chǎn)力
AI+藥物研發(fā)
一般而言，制藥公司需要花費5-10億美元，用10-15年時間，才能成功研發(fā)出一款新藥。新藥研發(fā)的風險大、周期長、成本高，是藥企最大的痛點。
目前，人工智能在新藥研發(fā)領域的應用已經(jīng)滲透到藥物發(fā)現(xiàn)階段、臨床研究階段、審批上市階段各個環(huán)節(jié)。涉及靶點發(fā)現(xiàn)、化合物篩選、晶型預測、藥物重定向、醫(yī)學翻譯、藥物警戒等應用場景。
藥物發(fā)現(xiàn)階段
藥物研發(fā)從靶點發(fā)現(xiàn)開始，藥學家從科學文獻和個人經(jīng)驗去推測生理活性物質(zhì)結構，進而發(fā)現(xiàn)靶點。
然而在信息爆炸的今天，每30秒就會有一篇生命科學論文發(fā)表。
此外，還有大量的專利、臨床試驗結果等海量信息散布在世界各地，科研工作者沒有時間和精力來關注所有信息。傳統(tǒng)方式的靶點發(fā)現(xiàn)過程平均耗時2-3年。
人工智能通過自然語言處理技術(NLP)學習海量醫(yī)學文獻和相關數(shù)據(jù)，通過深度學習去發(fā)現(xiàn)化合物與疾病之間關系，找到靶點，縮短靶點發(fā)現(xiàn)周期。
在化合物合成上，AI能模擬小分子化合物的藥物特性，能夠在數(shù)周內(nèi)挑選出最佳的模擬化合物進行合成試驗，而且能夠?qū)⒚總�化合物的測試成本控制在0.01美分，大幅降低了化合物合成的成本。
臨床前藥物研究階段
在找到靶點后，還需要尋找相應的小分子化合物去跟靶點匹配。這個匹配過程就類似于用戶在百度搜索某詞匯(靶點)，引擎回應出相關的搜索結果列表(小分子化合物)。這就是化合物的篩選。
高通量篩選以及傳統(tǒng)的虛擬藥物篩選所需時間長，藥物開發(fā)成功率低，人工智能的出現(xiàn)為創(chuàng)新小分子藥物的發(fā)現(xiàn)打開一扇新的大門。
臨床研究階段
優(yōu)化臨床試驗設計：2015年《臨床試驗數(shù)據(jù)核查公告》，嚴格臨床研究數(shù)據(jù)核查，隨后的多項政策都對臨床研究提出了更高更明確的要求，也反復提及信息化系統(tǒng)和技術的應用。
太美醫(yī)療科技通過人工智能技術結構化醫(yī)療知識，輔助多源異構臨床數(shù)據(jù)的結構化、標準化以及相關推理，在eCollect(EDC)中，應用不良反應藥物關聯(lián)度計算和病歷OCR識別等人工智能技術，大大提高數(shù)據(jù)采集的質(zhì)量和效率。
審批上市階段
注冊申報：2019年起，中國開始逐步實施eCTD(電子通用技術文件)標準，不斷推動藥品注冊審評的國際化與電子化。
傳統(tǒng)CTD自動化程度低，導致報批工作依然消耗企業(yè)大量時間和人力在“paperwork”上。而引進人工智能技術，有望實現(xiàn)在注冊申報流程中自動寫作、自動翻譯、自動出版及報批一體化智能操作。
藥物警戒：藥物警戒主要涉及藥物的兩方面，安全性和有效性，包含藥物和治療中不良反應收集、分析、監(jiān)測和預防。2015年FDA規(guī)定，藥品上市后安全報告必須以電子方式提交;2019年國家不良反應中心啟用不良反應直報系統(tǒng)實施不良反應在線遞交。
太美醫(yī)療科技eSafety藥物警戒系統(tǒng)可直接對接CDE、NMPA藥物不良反應直報系統(tǒng)，直報不良反應，并通過FDAAERS及歐盟EudraVigilance藥物警戒數(shù)據(jù)庫遞交測試。人工智能技術的應用讓eSafety系統(tǒng)具備CIMOS自動導入、SAE掃描件報告自動導入、不良反應提取、報告翻譯等功能，大大提高工效。
醫(yī)療AI產(chǎn)品管線分析
我們調(diào)研了7大細分領域的62家企業(yè)，重點考察它們的產(chǎn)品應用進展，共涉及82個產(chǎn)品。其中輔助診斷、預防篩查類產(chǎn)品數(shù)量最多，分別是31個和13個。對比報告《2018醫(yī)療人工智能報告：跨越再出發(fā)》，可以發(fā)現(xiàn)新變化：合作醫(yī)院數(shù)量普遍從去年的數(shù)十家，增加到數(shù)百家;從影像AI紅海市場，逐漸拓展到藥物研發(fā)、康復管理、臨床工作流管理等藍海市場;2018年影像AI主要聚焦在胸肺、眼科等疾病，2019年重點布局心腦血管領域。
中國醫(yī)療AI企業(yè)投融資分析
為了便于統(tǒng)計，我們在對投融資數(shù)據(jù)處理時遵循以下原則：統(tǒng)計范圍涵蓋醫(yī)療AI行業(yè)主要的180多家企業(yè);本報告中涉及的融資事件僅包括從天使輪到IPO以前的風險投資事件，不包括IPO、定向增發(fā)、捐贈和并購事件等;將天使輪—A輪之間的輪次合并為天使輪，所有帶A的輪次合并為A輪，所有帶B的輪次合并為B輪，所有帶C的輪次合并為C輪，D輪及以上IPO以下的輪次合并為D輪及以上。
本報告中金額計量單位均為人民幣，將外幣統(tǒng)一換算成人民幣(根據(jù)事件發(fā)生當年平均匯率換算);將融資額為數(shù)百萬/千萬/億統(tǒng)一劃定為1百萬/千萬/億;未公開輪次和未公開金額的融資事件均不予統(tǒng)計;數(shù)據(jù)截止日期為2019年10月31日。
從融資輪次看，2019年投融資主要集中在A輪(25次，占比60%)，單個企業(yè)平均融資額2千萬人民幣，這些企業(yè)大多在2017-2018年成立(如長木谷醫(yī)療、睿心智能、諾道醫(yī)學等)。D輪及以上的融資雖然只有6次，但總額達到24.6億元(占比58%)。
從單個企業(yè)融資額看，2019年太美醫(yī)療科技以15億元總融資額排名第一，其次是思派網(wǎng)絡和森億智能。有別于2018年集中于影像AI領域，今年融資額TOP10企業(yè)主要分布在AI藥物研發(fā)和醫(yī)療大數(shù)據(jù)平臺領域。
從融資用途看，上述企業(yè)所融資金仍主要用于產(chǎn)品研發(fā)，不斷豐富產(chǎn)品線、提高產(chǎn)品壁壘，比如數(shù)坤科技在獲得2億人民幣融資后，將延伸到瘤和神經(jīng)系統(tǒng)等其他病種，覆蓋心、腦、肺、乳腺、前列腺等重要疾病和臨床場景。其次，部分企業(yè)將資金用于拓展其他領域，例如太美醫(yī)療在完成15億人民幣E+輪融資后，將拓展醫(yī)藥新營銷市場。最后，部分資金會被用于產(chǎn)品的市場推廣。
人工智能方向評職知識：人工智能方向sci4區(qū)的期刊
寫在最后
人工智能將成為醫(yī)生必備的得力助手已漸漸在學界、產(chǎn)業(yè)界、醫(yī)生三方達成共識，今年已沒人開展人工智能和醫(yī)生的比拼，行業(yè)進入到標準制定和真切融入醫(yī)生工作流階段。建立良好、可持續(xù)的商業(yè)體系是產(chǎn)業(yè)向前的動力，我們開始從醫(yī)院的采購名單里看到人工智能初創(chuàng)企業(yè)的名字，價值被以真切的價格認可。
作者：陳鵬
轉載請注明來自發(fā)表學術論文網(wǎng)：http:///jjlw/23550.html
