本文來(lái)自于微信公眾號(hào) AI新智能(ID:alpAIworks)，作者:舉大名耳。

　　醫(yī)療已經(jīng)成為被AI改造最熱門(mén)的行業(yè)之一。

　　當(dāng)下的AI正在以驚人的速度和力量，滲透到醫(yī)療行業(yè)的各個(gè)領(lǐng)域和環(huán)節(jié)，而最近，紅杉資本發(fā)布的一篇名為《Generative AI in Healthcare》(醫(yī)療領(lǐng)域的生成式AI)，也對(duì)AI在醫(yī)療行業(yè)的應(yīng)用和發(fā)展進(jìn)行了全面而深刻的剖析，并認(rèn)為其在未來(lái)?yè)碛?ldquo;巨大潛力”。

　　那么，為何在當(dāng)下的AI賽道中，醫(yī)療領(lǐng)域會(huì)如此受到資本的重視?

　　1

　　AI醫(yī)療現(xiàn)狀

　　在《Generative AI in Healthcare》這篇報(bào)告中，紅杉提到了目前AI在醫(yī)療領(lǐng)域的一些重要應(yīng)用，這其中就包括了如患者互動(dòng)、文檔記錄、臨床決策等。

　　在紅杉資本看來(lái)，現(xiàn)在的醫(yī)療AI，已經(jīng)躍過(guò)了“錦上添花”的階段，開(kāi)始對(duì)醫(yī)療行業(yè)的核心環(huán)節(jié)進(jìn)行賦能，而這樣的賦能，則大大提高了醫(yī)療領(lǐng)域的效率和質(zhì)量，降低成本和人力。

　　具體來(lái)說(shuō)，醫(yī)療行業(yè)的核心環(huán)節(jié)，包括了患者互動(dòng)、文檔記錄、臨床決策、預(yù)授權(quán)、編碼和收入周期管理等六大環(huán)節(jié)。

　　而最新的生成式AI之，所以能對(duì)這些核心節(jié)點(diǎn)進(jìn)行賦能，主要原因就在于它可以處理大量的非結(jié)構(gòu)化數(shù)據(jù)，并將其轉(zhuǎn)化為有用的信息和洞察。

　　醫(yī)療運(yùn)營(yíng)的核心環(huán)節(jié)，往往涉及到多種類(lèi)型的數(shù)據(jù)，如語(yǔ)音、文本、圖像、視頻、信號(hào)等，這些數(shù)據(jù)往往是非結(jié)構(gòu)化的，即沒(méi)有固定的格式或標(biāo)準(zhǔn)。

　　其中包含了豐富的醫(yī)療知識(shí)和價(jià)值，但卻難以被人類(lèi)或傳統(tǒng)的軟件系統(tǒng)有效地整合或運(yùn)用。

　　在傳統(tǒng)的醫(yī)療行業(yè)中，對(duì)這些數(shù)據(jù)的處理、整合，都是成本巨大，但難以省略的環(huán)節(jié)。

　　美國(guó)的醫(yī)療編碼市場(chǎng)價(jià)值約為210億美元，包括約35000名醫(yī)療編碼員。盡管有這么多的勞動(dòng)力，但由于編碼錯(cuò)誤，美國(guó)醫(yī)院每年損失近200億美元的收入，這導(dǎo)致了當(dāng)?shù)氐墓��?yīng)商不得不依賴(lài)“家庭作坊式”的咨詢(xún)公司，來(lái)幫助自己“發(fā)現(xiàn)”缺失的收入。

　　而同樣的，在與患者互動(dòng)的過(guò)程中，醫(yī)療行業(yè)總是需要大量的文書(shū)工作者來(lái)整理各類(lèi)醫(yī)療文檔。

　　根據(jù)紅杉資本的統(tǒng)計(jì)，目前美國(guó)大約有100萬(wàn)醫(yī)療行業(yè)的文書(shū)人員，每個(gè)文書(shū)人員每年的平均支出為40-50K美元，這意味著醫(yī)療行業(yè)每年要在這類(lèi)崗位上花費(fèi)至少4億美元的成本。

　　而生成AI，則可以利用深度學(xué)習(xí)和自然語(yǔ)言處理等先進(jìn)的算法，來(lái)分析、理解、生成和轉(zhuǎn)換這些數(shù)據(jù)，從而提高醫(yī)療運(yùn)營(yíng)的效率和質(zhì)量，降低成本和人力，同時(shí)適應(yīng)不同的數(shù)據(jù)源和環(huán)境。

　　例如，在文檔記錄中，生成AI可以用來(lái)將醫(yī)生和患者的對(duì)話(huà)，自動(dòng)轉(zhuǎn)化為電子病歷和編碼;在臨床決策中，生成AI可以用來(lái)將多種數(shù)據(jù)源和格式，如醫(yī)療影像、病歷報(bào)告等轉(zhuǎn)化為統(tǒng)一的醫(yī)學(xué)知識(shí)和數(shù)據(jù)。

　　而這樣的優(yōu)勢(shì)，正是紅杉認(rèn)為AI能夠直擊醫(yī)療運(yùn)營(yíng)的核心環(huán)節(jié)的原因。

　　2

　　AI賦能醫(yī)療

　　除了處理非結(jié)構(gòu)性數(shù)據(jù)的優(yōu)勢(shì)外，現(xiàn)階段的AI，還在更多方面對(duì)醫(yī)療領(lǐng)域進(jìn)行了賦能，這其中就包括了AI 輔助診斷、AI 醫(yī)學(xué)影像分析、AI 精準(zhǔn)醫(yī)療、藥物研發(fā)、醫(yī)療機(jī)器人、等多個(gè)細(xì)分賽道。

　　具體來(lái)說(shuō)，在AI 輔助診斷方面，AI 可以通過(guò)分析患者的癥狀、體征、檢驗(yàn)結(jié)果等數(shù)據(jù)，提供可能的診斷建議，幫助醫(yī)生做出更準(zhǔn)確和及時(shí)的決策。例如，阿里健康的 AI 醫(yī)生可以在1.5秒內(nèi)給出90% 的準(zhǔn)確率，百度的 AI 醫(yī)生已經(jīng)能做到識(shí)別900多種常見(jiàn)疾病。

　　AI醫(yī)學(xué)影像分析，則是利用機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等技術(shù)，對(duì)醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行自動(dòng)化分析和診斷，并根據(jù)大量的定量特征，如形態(tài)、紋理、灰度、強(qiáng)度等，與基因、臨床等其他數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)疾病的生物標(biāo)志物和預(yù)后因素。

　　在精準(zhǔn)醫(yī)療方面，AI 可以通過(guò)對(duì)基因組、表觀(guān)遺傳組、轉(zhuǎn)錄組等大規(guī)模生物數(shù)據(jù)進(jìn)行挖掘和分析，為個(gè)體化的預(yù)防、診斷和治療提供依據(jù)。例如，Deep Genomics的 AI 平臺(tái)可以預(yù)測(cè)基因變異對(duì)蛋白質(zhì)功能和表型的影響，F(xiàn)latiron Health的 AI 平臺(tái)可以利用實(shí)時(shí)臨床數(shù)據(jù)為癌癥患者提供最佳治療方案。

　　在藥物研發(fā)方面，AI 可以通過(guò)對(duì)藥物靶點(diǎn)、藥物結(jié)構(gòu)、藥物作用機(jī)制等數(shù)據(jù)進(jìn)行建模和模擬，加速藥物的發(fā)現(xiàn)和開(kāi)發(fā)過(guò)程。例如，BenevolentAI的 AI 平臺(tái)可以從海量文獻(xiàn)中挖掘新的藥物候選物，Atomwise的 AI 平臺(tái)可以通過(guò)虛擬篩選減少實(shí)驗(yàn)成本和時(shí)間。

　　就目前AI醫(yī)療的整體態(tài)勢(shì)來(lái)看，AI醫(yī)療技術(shù)，尤其是在一些新興和前沿的領(lǐng)域技術(shù)，如基因組學(xué)、免疫組學(xué)、神經(jīng)科學(xué)等。國(guó)外AI企業(yè)往往擁有有更多的資源和經(jīng)驗(yàn)，

　　例如，專(zhuān)注疾病基因搜索的谷歌DeepMind團(tuán)隊(duì)，就通過(guò)人工智能系統(tǒng)，解析出了人體中幾乎所有蛋白質(zhì)的結(jié)構(gòu)。

　　這樣一來(lái)，AJ就可以判斷DNA中的字母是否會(huì)產(chǎn)生正確的結(jié)構(gòu)。如果不是，它將被列為潛在的致病因素。

　　類(lèi)似的例子，還有用AI技術(shù)幫助醫(yī)生分析癌癥病理圖像，以及發(fā)現(xiàn)新的治療方法和藥物的Paige.AI。

　　Paige原本利用自有50萬(wàn)份癌癥醫(yī)學(xué)病理學(xué)切片的10億張圖片，創(chuàng)建全球第一個(gè)大型基礎(chǔ)模型。在和微軟合作下，雙方將開(kāi)發(fā)全球規(guī)模最大的癌癥圖片AI模型，參數(shù)高達(dá)十億。

　　國(guó)內(nèi)的AI醫(yī)療技術(shù)雖然在一些領(lǐng)域有所突破，如影像診斷、智能問(wèn)診等，但仍存在一些技術(shù)難題和挑戰(zhàn)，如數(shù)據(jù)孤島、數(shù)據(jù)質(zhì)量等。

　　同時(shí)，國(guó)內(nèi)在AI醫(yī)療的應(yīng)用場(chǎng)景上較為集中，主要集中在輔助側(cè)和數(shù)據(jù)側(cè)，如CDSS(臨床決策支持系統(tǒng))、智慧病案和醫(yī)學(xué)數(shù)據(jù)智能平臺(tái)等。

　　其中涌現(xiàn)的代表性企業(yè)，就有利用AI技術(shù)進(jìn)行影像診斷聯(lián)影智這樣的AI企業(yè)。

　　通過(guò)搭載了智能算法的CT攝像頭，將深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)與典型的模式識(shí)別算法創(chuàng)新地結(jié)合在一起，從而精準(zhǔn)識(shí)別CT掃描范圍。

　　類(lèi)似的國(guó)內(nèi)企業(yè)，還有利用AI技術(shù)進(jìn)行臨床診斷的推想醫(yī)療。

　　其主要技術(shù)，是通過(guò)深度學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)模型，模仿人類(lèi)認(rèn)知過(guò)程，讓AI模型自動(dòng)挖掘醫(yī)學(xué)圖像中的規(guī)律。

　　其AI產(chǎn)品InferOperate，通過(guò)對(duì)腦電圖、腦功能成像等多種類(lèi)型的神經(jīng)影像數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，提取影像特征，定位病灶，從而為醫(yī)生提供智能手術(shù)規(guī)劃、術(shù)中全自動(dòng)定位導(dǎo)航等。

　　3

　　趨勢(shì)和機(jī)遇

　　目前來(lái)看，雖然由于產(chǎn)業(yè)生態(tài)、技術(shù)基礎(chǔ)、計(jì)算資源等原因，國(guó)內(nèi)AI醫(yī)療與國(guó)外相比仍有差距，但從市場(chǎng)增速和規(guī)模上看，國(guó)內(nèi)在AI醫(yī)療的發(fā)展上有較大的市場(chǎng)空間和增長(zhǎng)潛力，面臨著較高的醫(yī)療需求。

　　根據(jù)華經(jīng)產(chǎn)業(yè)研究院的數(shù)據(jù)，2021年中國(guó)AI醫(yī)療行業(yè)市場(chǎng)規(guī)模約為95億元，預(yù)計(jì)2025年達(dá)到385億元。

　　在可預(yù)見(jiàn)的未來(lái)，國(guó)內(nèi)AI醫(yī)療將在AI藥物研發(fā)、AI+病理、AI醫(yī)療影像、AI醫(yī)療器械等主要領(lǐng)域持續(xù)發(fā)力。

　　而從市場(chǎng)需求及規(guī)模來(lái)看，AI醫(yī)療影像及AI藥物研發(fā)將成為主要的增長(zhǎng)突破口。

　　具體來(lái)說(shuō)，AI 醫(yī)療影像應(yīng)用相對(duì)成熟，產(chǎn)品上市數(shù)量較多。根據(jù) Global Market Insights 數(shù)據(jù)，全球 AI 醫(yī)療影像市場(chǎng)規(guī)模占醫(yī)療 AI 市場(chǎng)的25%，僅次于 AI 制藥為第二大細(xì)分市場(chǎng)。

　　對(duì)于國(guó)內(nèi)醫(yī)療行業(yè)來(lái)說(shuō)，目前我國(guó)醫(yī)療影像數(shù)據(jù)的年增長(zhǎng)率高達(dá)30%，但是影像科的醫(yī)生年增長(zhǎng)率卻只有4%。

　　考慮到醫(yī)生的培訓(xùn)周期比較長(zhǎng)，發(fā)展AI影像醫(yī)療能夠有效緩解醫(yī)療人才短缺的問(wèn)題，市場(chǎng)仍有較大的增長(zhǎng)潛能。

　　根36氪分析，預(yù)計(jì)2020-2025年復(fù)合年增長(zhǎng)率(CAGR)為39.4%，2025年將突破300億元。其中，AI醫(yī)學(xué)影像市場(chǎng)占比最高，達(dá)到50.6%。

　　而在AI藥物研發(fā)方面，AI可以有效解決新藥研發(fā)的高成本、低效率和高風(fēng)險(xiǎn)的問(wèn)題。

　　2020年我國(guó)新藥研發(fā)行業(yè)的市場(chǎng)規(guī)模為1.2萬(wàn)億元，但是新藥研發(fā)的成功率僅為11.3%，即使進(jìn)入III期臨床成功率也只有53.4%，臨床階段整體費(fèi)用占比高達(dá)70%。

　　這說(shuō)明新藥研發(fā)需要投入巨額的資金和時(shí)間，但是收益和風(fēng)險(xiǎn)都很不確定。

　　而通過(guò)人工智能的認(rèn)知能力，加速靶點(diǎn)發(fā)現(xiàn)、化合物篩選、藥物設(shè)計(jì)等環(huán)節(jié)，可以有效提高新藥的成功率和質(zhì)量。

　　2021年，我國(guó)AI藥企英矽智能與浙江大學(xué)合作，利用自主研發(fā)的AI平臺(tái)，對(duì)抗癌藥物PD-1抗體進(jìn)行了優(yōu)化設(shè)計(jì)，并獲得了美國(guó)FDA的臨床試驗(yàn)許可。

　　這樣的成就，顯示了AI技術(shù)在新藥研發(fā)方面的潛力，也預(yù)示了其規(guī)模化增長(zhǎng)的可能。

　　根據(jù)DPI發(fā)布的醫(yī)療行業(yè)報(bào)告，AI藥物研發(fā)的全球市場(chǎng)規(guī)模預(yù)計(jì)將從2020年的40億美元增長(zhǎng)到2027年的203億美元，年復(fù)合增長(zhǎng)率達(dá)到26.5%。

　　在當(dāng)下如火如荼的AI浪潮中，大模型所帶來(lái)的賦能，只是AI醫(yī)療領(lǐng)域的冰山一角，隨著AI革命的持續(xù)進(jìn)行，早已起勢(shì)的AI醫(yī)療，必定會(huì)帶來(lái)更多機(jī)會(huì)與亮點(diǎn)。