柳暗花明，AI醫療影像的春天“又”來了?
文/ 智能相對論
作者/ 離離
近日,AI+醫療影像企業紛紛傳出“捷報”。
專注于超聲人工智能動態醫學影像分析的初創公司深至科技在上周宣布完成B輪億元級融資。
本月初,已完成七次融資的醫療AI企業Airdoc,其主體公司北京鷹瞳科技發展股份有限公司已與中信證券簽署上市輔導協議,并向北京證監局備案,擬于科創板掛牌上市。
據健康界的不完全統計,2020年,國內人工智能醫療健康領域共完成了65次融資,其中醫療影像約占總融資數的三分之一,AI醫療影像逐漸成為人工智能醫療健康領域的熱門賽道。從融資輪次看,部分公司開始步入發展成熟階段,產品技術日漸得到市場認可,商業模式也逐漸成熟。
在肺結節領域的集中爆發后,AI醫療影像的“春天”再度來臨了?
研發到落地的漫漫長路
“我國每年醫學影像超30%的增長量,遠遠大于每年4%的放射科醫生增長數量。此現象為醫院和醫師帶來巨大壓力�！盇I醫療公司數坤科技董事長毛新生在一次采訪中提到。醫師在重復、單調的閱片工作中容易出現疲勞、漏診等現象;一些醫療機構甚至缺乏具備診斷能力的影像醫師,造成可拍片但無人診療的局面�！盁o論從患者端,還是醫生端,都急需‘AI醫生’輔助。”
從2014年至今,AI醫療影像經歷了扎堆冒進、不被接受、逐步獲得認可與發展、大跨步前進等過程。隨著AI圖像識別技術進步、醫學影像設備的升級與產業數字化發展,相關產品向外擴展至骨科、眼科、心血管、神經系統、消化道、腦部、超聲波、肝膽胰脾腎等眾多疾病的輔助診斷預測。
雖然人工智能醫學影像分析技術日漸精進,各項產品也紛紛落地,相關政策與審批未開放卻使得AI醫療影像產品商業化困難重重。
相較于歐美,國內對臨床評價的路徑控制非常嚴格,AI醫療產品的審批必須經過耗時較長的臨床試驗。加上用于審批的標準數據庫又要兼具資料來源的廣泛性、數據種類的兼容性(如CT圖像需包含5毫米圖像、1-2毫米圖像、亞毫米圖像等不同層厚的圖像)與醫學圖像標記的標準化。而各個地區、醫院的數據標準不同,統一的數據規范與標準化數據庫的建設需要不少時間。
臨床試驗的耗時與數據庫建設的遲緩皆拖慢了審批進程。因此,直到2019年年底,仍然沒有任何一項AI醫療影像相關產品取得三類醫療器械注冊。沒有三類器械認證的醫療產品無法進入醫院的設備采購目錄,難以進行商業化。對于研發投入極大的人工智能醫療產業而言,就意味著前期投入與后期的現金回流被割裂。
產品投入臨床使用的具體時間無法預估,商業價值的實現就變得遙遙無期。于是,2019年行業投資規模金額斷崖式下滑300%,與前些年的快速上升形成鮮明對比。AI醫療影像行業進入了冰河期。
商業化受挫、審批困難,產品遲遲無法投入商用造成AI在醫療影像產業的實際應用受到各界質疑。一批沒有造血能力的企業走向倒閉;另一些公司選擇降低成本咬牙苦撐,在商品銷售受阻之后,全力投入研發工作。如已完成B輪融資的匯醫慧影開啟大規模裁員,全職員工數從巔峰時期的300多人下降到100余人。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
