對人工智能醫療領域的反思

■ 文 /王 浩

人類社會的發展在不斷加速，現代人擁抱與接納新事物的速度變得越來越快，進而對新事物、新概念的期待也越來越多、頻率越來越高。譬如，前不久真格基金創始人徐小平關于區塊鏈的一條微信突然就引爆了產業對區塊鏈的追捧，區塊鏈大有取代人工智能（AI）成為2018年社會最關注的科技新趨勢的可能。但是，當我們將時間的維度拉得更長，我們會看到新技術一個非常明顯的加速遞減效應。

創新醫療的加速遞減效應

將視線回撥，我們會發現在醫療領域，作為新技術與新模式的代表，醫藥電商從1998年成立第一家網上藥店開始經歷了漫長的發展期，直至2014年才成為產業與資本的關注熱點，而短短兩年后就進入了技術成熟曲線的谷底；互聯網醫療元年是2014年，隨后同樣在2016年進入谷底，當年叱咤風云的弄潮兒企業已難覓蹤影；人工智能醫療從2017年初開始變得異常火熱到產業與資本開始變得冷靜也不過是一年的功夫，中間還穿插了曇花一現的醫療AR/VR、直播、醫療知識付費……新技術、新模式從出現到受關注再到衰退的周期顯現出了清晰的加速遞減效應。這個效應背后隱藏著某種人類社會發展的特點，人類對新目標不斷追求的欲望和對速度不斷提升的渴望，指引著人類前進的同時也讓人類社會的耐心度越來越低。

我們并不能因此而否定新技術，相反，當將視線拉到更長的時間維度時，“科技是第一生產力”體現了無比的正確性。混合著智能算法的機器有一天一定能對人體的各種疾病做出診斷，提出治療方案，實施手術，進行慢病康復管理；互聯網、物聯網如今天的水和電一樣將無處不在，各種醫療健康設備時時刻刻監控著我們身體的健康指標并利用AI來實時地進行指導與干預；VR技術能消弭空間的距離，無論多遠，醫生和患者仿佛坐在同一個地方進行溝通……然而，這些技術的成熟需要時間，在醫療這樣一個強政策監管的產業中，為了平衡風險，新技術發展的速度必然受到限制。在未來可見的3～5年，我們今天所擁抱的乃至即將擁抱的新技術、新趨勢、新模式很難對醫療產業帶來顛覆性的影響，新領域的從業者們要有足夠的耐心。

智能醫療的核心競爭力：警惕技術陷阱

再回到AI與醫療的結合場景，眾所周知，智能醫療主要分為三層：最底層是基礎層，包含云計算、算法芯片等基礎架構；中間層是TensorFlow、Caffee等計算框架以及圖像識別、語音識別、語義理解等通用技術；最上面則是和產業具體結合的應用層，譬如各類AI輔助診斷應用、智能醫療助理應用等都在這一層。基礎層和中間層基本是巨頭的天下，無論是提供算法芯片的美國英偉達公司、谷歌公司、英特爾公司乃至IBM公司，還是提供深度學習框架的美國谷歌公司、微軟公司，或是國內如BAT（百度公司、阿里巴巴集團、騰訊公司）這樣提供通用技術的公司，都占據在這兩層，基本沒有中小型公司的機會。對于巨頭來說，這也是它們必須勝利的地方，非如此不足以構建生態，掌握AI領域的話語權和領導地位。對于大多數人工智能醫療領域的從業者來說，機會來自應用層，也就是如何將人工智能技術應用在產業，解決產業的痛點，為產業升級創造新的機會。

在這個層面看待人工智能醫療的核心競爭力，首先要理解AI究竟創造了什么樣的價值。一年前，我們講人工智能醫療是一種供給側改革，加強了醫療服務供給側的供給與效率，這個提法在今天乃至未來仍然是有效的提法，AI輔助醫生乃至替代醫生本質就是創造了新的醫療服務供給。這與20多年前醫療信息化進入醫院的本質是一樣的，醫療信息化提高了醫院運轉的效率，將醫生從煩瑣的事務中解放出來，更加聚焦于醫技的提高以及為患者服務，只不過，AI以更加直接的方式切入醫療服務的提供。理解了這一點就能明白為何不少影像歸檔和通信系統（Picture Archiving and Communication Systems，PACS）廠商會轉型為人工智能影像診斷公司。在PACS系統里增加智能輔助診斷的功能是多么自然的一件事。如果我們不談AI與新藥研發的結合，不談手術機器人，不談AI如何幫助基因檢測這些比較垂直的領域，那么，AI對醫療最有影響的場景均聚焦在醫院內部的醫療服務改善層面，人工智能醫療公司與醫療信息化公司又有什么樣的區別？

如果理解了這點，首先就要警惕技術核心競爭力的陷阱。一方面，谷歌等公司提供的注入TensorFlow的框架已經讓AI算法的開發門檻下降到很低，前不久谷歌公司發布的AutoML自動創建機器學習模型技術更進一步拉低了進入的門檻。另一方面，社會組織應變新技術的反應速度變得更快，AI火熱不到一個季度，不少線上線下的培訓學校都推出了機器學習的培訓課程，企業也構建了自己的AI工程師培訓體系，盡管最頂尖的AI人才是缺乏的，但不少軟件工程師已經開始轉型從事AI基礎開發工作。七八年前，從事iOS、Android APP開發的本科生薪水要達到2萬一個月，現在基本已經回歸到五六千一個月，開發APP已成為很普遍的技能。現在，不少學習AI技術的本科生畢業月薪要求5萬以上，未來，AI必然會走過同樣的路線，希望通過單純技術來構建核心競爭力顯然是一條不歸之路。

對于人工智能醫療公司來說，對行業的洞察理解能力、將技術產品化和工程化的能力以及銷售運營的能力至關重要。這些公司首先要能夠圍繞醫院的“痛點”構建出能夠實際應用的產品，接著要找到途徑將這些產品銷售進一家家的醫院，還要考慮如何借助專家合作項目規模化地進入更多醫院，通過與政府、藥企、保險等合作來進入醫院，在整個產品構建與銷售的過程中形成一整套有效的方法，真正構成醫療人工智能公司的核心競爭力。

智能醫療的盈利模式

今天的智能醫療的商業模式并不清晰，絕大多數公司仍然停留在通過“講故事”來獲得資本青睞以支撐公司運轉的階段，與醫院的合作尚以補貼為主，通過補貼設備乃至人工費用等獲得醫院的使用許可，未來的盈利模式似乎有但尚未獲得驗證。少數從醫療設備經銷商轉型過來的人工智能影像公司持續盈利，他們通過將AI和醫療設備綁定在一起增強了醫療設備對醫院的吸引力，同時也增強了經銷商對廠商的談判權，能從設備銷售以及后續服務中分得更多利潤。當我們回顧醫療信息化、互聯網醫療、醫藥電商公司走過的發展之路，盤點智能醫療公司的發展現狀，可見3～5年內智能醫療公司的盈利模式將主要聚焦在以下領域：

1.算法/軟件收費：這實際是醫療信息化企業的盈利模式。通過為醫院提供融合了AI算法的軟件來收費。收費的模式可以多元化，可以一次性買斷、按每年的使用量來付費、從患者的診療費里分成等，公司還可以借此延伸向醫院提供更多信息化服務打造更多的收費模式（PACS等影像系統是最好的切入點）。考慮到AI算法與影像設備的緊密關系，還可以延伸出向醫療器械廠商收費的模式。

2.項目合作：承擔政府的各類篩查項目如宮頸癌篩查、眼科疾病篩查等獲取政府的項目補助，和醫藥公司聯合打造疾病篩查轉診服務，獲取醫藥公司的項目費用，和健康險公司合作將更多的疾病篩查服務包含在企業提供給員工的體檢服務里等。

3.沉入線下：如同醫療信息化巨頭東軟公司從信息化起家卻發展出了醫療設備業務一樣，人工智能公司通過收購等方式可以延展至與自己核心算法相關的醫療設備業務獲取更豐厚利潤回報。同樣的邏輯可以應用在藥品上，直接代理AI診斷出的疾病相關的藥品銷售，乃至通過代工（OEM）獲得自己的藥品品牌形成自我閉環。進一步還可以考慮建立專科醫院，例如，愛爾眼科從線下專科起家現在開始大力發展眼底病AI篩查，從而能低成本高效率地服務更多患者。反向來說，AI公司可以基于自己的算法能力建立能與技術深度融合的專科醫院，突破醫院合作瓶頸,真正發揮AI帶來的效率優勢，打造示范效應。

4.其他收入：AI公司醫療隨著數據的積累，可以延展出更豐富的基于數據的服務，如為健康險定價及理賠提供依據，基于影像診療等數據為醫藥公司新藥開發提供數據服務等。

今天的人工智能醫療公司如果希望成長為行業的巨頭，需要以更大的視角和格局來看待產業，超越本身技術出身來構建戰略布局。如同我們在互聯網醫療發展過程中所觀察到的，不少互聯網醫療公司在盈利模式發展上遇到挑戰后就開始了磕磕絆絆的線下轉型之旅，因為醫療領域里最能夠讓客戶買單的就是藥品、器械和醫療服務。

經歷了一波波的技術浪潮，經歷了新技術給人類生活與社會發展帶來的巨大改變，整個社會對于AI都懷抱著巨大的期待，期待其能解決人類社會面臨的各類難題。我們有理由相信，AI會有很好的未來，人工智能醫療會有很好的未來。從悲觀的角度看，今天參與人工智能醫療創業的許多公司都會“死掉”；從樂觀的角度看，活下來的公司將成為承載人類愛與夢想的公司，經歷了失敗的公司還會孕育出眾多擁有豐富創業經驗的企業家，為未來新技術的突破儲備人才。未來很美好，現實很殘酷，祝福所有致力于通過AI技術改變我們醫療產業的企業，祝福所有背后努力耕耘著的企業家！