几乎没有人会怀疑“人工智能是未来的核心生产力”这一观点。创建一个类人计算机系统是如此令人着迷，以至于几乎每个行业都在尝试使用人工智能来帮助行业从自动化向智能化转型。在医疗领域也是如此。人工智能虽然在世界范围内涉足不深，但其背后的技术，如计算机视觉、自然语言处理（NLP）等，经历了多次迭代，相应的市场规模也在不断扩大。根据蛋壳研究院2020年《医疗AI创新的道与智：回归需求，整合价值》报告，医疗人工智能近5年年均复合增长率超过40%，2020年应用市场规模近300亿元。然而，新兴技术往往面临高速发展和低速商业化的困境，尤其是在医疗等“慢”领域。软件安全的审视、新旧技术的交替，考验着资本和企业的耐心。所以，低谷常有，停滞也常有，医疗人工智能也无法回避这个问题。转折点出现在2020年年中。疫情虽然延缓了医疗领域大部分行业的发展，但也推动了医院主动智能化改造。此外，NMPA的获批，帮助影像AI从业者重拾信心，新基建让人工智能走向更广阔的市场。在各方推动下，医疗人工智能的发展蠢蠢欲动。为了解医疗人工智能发展现状，展望新的一年，对近百家人工智能企业的相关数据进行了整理分析。整篇文章分为三个部分：1.AI医疗场景成熟度评估2.资本回报与AI头部聚集效应3.潜在赛道外化与AI未来发展从这三个角度，尝试明确2020年2008年医疗人工智能发展脉络。AI医疗场景成熟度评估在医疗行业，人工智能应用主要集中在计算机视觉和自然语义处理。从两项基础技术开始，其应用已经扩展到十余个场景。经过几年的发展，不同细分领域之间的差异越来越明显。一些公司通过了听证会，准备上市；有的track还在上下搜索，试图按需重构技术。但无论企业选择哪个赛道，走到哪个阶段，人工智能在医疗领域难以实现的通病都没有得到解决。到目前为止，大多数公司仍在为盈利而努力。创业公司发展阶段分析医学影像医学影像是人工智能进入医疗的起点。在不到10年的时间里，已有200多家公司开始通过探索放射学、病理学和辅助放疗的需求来设计产品。2020年，病理和辅助放疗两个场景不会有大的变化，但放射科AI已经过了困扰多年的审评审批阶段，从“应用落地”进入“商业化””。2020年1月，科亚医疗CT-FFR产品“深脉评分”率先打破审评审批束缚，获得首个医疗AI医疗器械三类证书，工作重心从研发转向价格目录开发和市场销售抵消。2月，乐普医疗“AI-ECG平台”获得国家药监局批复，心脏AI再获突破。6月，更贴合“辅助诊断”定义的颅内肿瘤MR影像辅助诊断软件获批，安德医疗智能异军突起。Airdoc和SiliconIntelligence两家AI公司在7月收获颇丰。本月，国家药监局颁发了两份“糖尿病视网膜病变眼底图像辅助诊断软件”注册证。岁末是老牌医学影像AI企业的收获月。11月初，数坤科技冠脉CT血管造影影像血管狭窄辅助分诊软件获批；“AI+骨折”注册证。一个月后，申瑞医疗也拿到了属于自己的“AI+肺结节”证书，为医疗人工智能的2020画上了完美的句号。2020年医疗AINMPA三类认证情况将严查9款AI产品的认证情况，不仅包括肺结节、眼底、ECG等大通量场景，还包括CTA、CT-FFR和大脑MR。具有特定需求和丰富潜在市场的场景。这似乎意味着，只要产品质量过硬，就能通过审批。但结合2019年人工智能医疗器械创新合作平台规划，提到将建立CT肺部、CT肝脏、CT骨折、脑部MRI、心脏MRI、冠脉CTA、心电图、和眼科。2019年获批的产品除CT-FFR外均属于其。换句话说，下一个被批准的场景很可能会出现在CT肝脏和心脏MRI上。还值得注意的是，NMPA三类证书中对AI产品功能的描述极为谨慎，仅表述了产品的基本功能，并强调“不能单凭产品结果进行诊断”。限制图像AI的使用范围或许不会影响产品销售，但在功能越来越多之后，如何保证后续功能的安全？从目前的情况来看，AI图像的审批流程需要一年多的时间，那么如何审批人工智能软件的更新，将是下一个各方需要讨论的难点。CDSS、大数据管理、语音输入临床决策系统（CDSS）、大数据管理（包括数据挖掘、数据治理等）、语音输入都因为AI的介入而实现了颠覆性的突破。具体来说，NLP的发展为研究人员对数据量大、数据维度丰富的医疗数据进行整治提供了有效手段，也为医患之间的智能交互和数据监控提供了更有效的手段。单看2020年的变化，CDSS赛道有政策推进，大数据管理和录音赛道的龙头企业开始寻求上市。医疗信息化是公立医院绩效评价的重要抓手，电子病历、互联互通、智慧医院服务等评价对医院提出了相应要求。在三级公立医院考核情况分析中，医疗服务效率和质量、合理用药、电子病历分级等都是重点。因此，通过CDSS的建设，可以有效促进医疗服务的效率和质量、合理用药、电子病历的完善。2020年年中，CDSS的市场发展很大程度上仍受电子病历评分、互联互通、智慧医院服务的推动，但也有新政策助力。医管局7月30日下发的《关于进一步加强单病种质量管理与控制工作的通知》通知文件强调，要求报送首批36项病种/手术，二级以上医院必须在2020年12月31日前完成相关病例信息补齐。这一政策为惠美科技、森亿智能等专业CDSS产品服务商提供了新的市场机遇。相比之下，大数据管理的发展则得益于此次疫情。通过对患者电子病历、电子健康码等信息的整合分析，疾控中心可以直观追踪可疑患者及其接触者。2020年初，北京大数亿达为南京市疾控中心搭建的疾病与监测预警系统将直接接入当地医院电子病历，实现大数据疾控。本疾控监测预警系统应用大数据和人工智能技术，在医学知识图谱上建立模型，然后直接提取EMR进行语义结构化，利用人工智能匹配知识库判断EMR是否包含重点是新冠肺炎等传染病词。一旦被人工智能判断为疑似或高度疑似，就会上报疾控部门，避免医院因故漏报或迟报。除40种法定传染病外，该系统还支持地区补充本地确定的多种传染病。在这三个赛道中，有两家AI公司正在尝试超越“企业盈利”。UniSound医疗业务主打病历质控和语音输入，11月3日提交科创板IPO招股书；医渡云是一家专注于医疗AI和大数据的公司，通过香港联交所听说，计划1月15日在香港上市。新药研发新药研发近年来一直在高速发展。后COVID-19社会对药企敏捷发展的新需求进一步推动了新药研发的发展。在疫情初期，研发针对新型冠状病毒的新药显然不现实，作为抗疫主力军的老药也无法发挥出良好的疗效。这一现实给了AI+新药研发机会。但只有AI模型+物理思维的深度结合，才能同时满足药物研发速度和准确性的要求。面对疫情，最直接有效的药物筛选策略就是利用云超算支持理化算法构建病毒模型。从结构入手，利用AI加速寻找具有抗病毒活性的FDA批准上市药物。以晶泰科技为例。公司拥有领先的量子物理药物模拟算法、人工智能药物发现平台，并拥有跨多个云平台的超算资源作为强大支撑。可以在短时间内完成大量的高精度药物。药物模拟计算。在新型冠状病毒数据不足的情况下，景泰科技试图在仅有的少量信息基础上，从分子机制层面研究病毒的关键结构和感染机制，从而找到阻断感染和传播的有效途径。治疗肺炎。“人工智能最大的优势在于，它可以显着扩大新药的搜索范围，以数百万个具有潜在活性的分子骨架为起点进行筛选，”晶泰科技首席科学家张培玉博士曾对动脉网表示，“利用AI+计算化学相结合，考虑多个关键性质对候选分子进行打分，可以一步步逼近最理想、最有希望的化合物。”从研发阶段来看，新药研发企业仍处于大规模投入，并有一定的商业成果，由于其完全的B2B性质，新药研发可能成为贯穿所有研发的第一条赛道作为互联网医疗的重要组成部分，其他赛道的慢病管理是为数不多的受益于疫情的赛道之一，由于无法与医生面对面交流，更多的患者加入了平台计划，妙健康等公司倾向于为医生和患者构建基于人工智能的慢病管理平台，例如健康风险管理平台和人工智能健康干预平台。以其H平台为例，其NLP健康知识图谱平台可以对原有的健康医疗数据进行智能化、结构化清洗，形成一个以上的标签库17万用户自主医疗行为，同时为用户构建专业的健康医学画像，实现疾病和慢性病风险预测、异常指标预警、疾病倾向预警、早期诊断等重大健康数据应用健康风险物品的警告。从场景成熟度来看，AI慢病管理企业还处于C端用户积累阶段，主要付费方尚不明确。因此，限制其规模发展的可能不是AI，相关企业还需要积极探索商业模式。硬件加速是医疗AI中不可多得的小而美赛道。在2020RSNA上，业界对医学影像AI的热议焦点较往年也有所提升。重点不再是如何用AI代替医生进行影像读取和分析，而是深入“幕后”，关注AI技术在影像上游为临床带来的新突破，如影像采集、数据重建和工作流程优化。目前，GPS和少数初创公司已经开发出相关技术，这些技术已经全面进入临床应用。比如精微医疗的SubtleMR，可以通过人工智能技术兼容所有MR成像设备，提高高质量图像的采集效率，减少运动伪影；SubtlePET通过深度学习技术加速PET（正电子发射断层扫描）成像并降低其辐射危害，可使医院和影像中心将PET扫描速度提高4倍。相比之下，一些新兴技术的融合就显得有些混乱了。比如VR/??AR的AI化，已经探索了很多年，但至今还没有明显的成果。现在看来，VR相关技术主要应用于老年康复和心理治疗领域。AI涉及较少，尚处于需求探索阶段。心理学和医美领域偏向C端。模拟整形手术和虚拟对象等应用可以给患者带来新的体验。两条赛道的特点是建模的准确性和智能化决定了用户的满意度。就现有的人工智能而言，它还不能很好地理解人类的心理和审美。AI用于皮肤监测，促进消费者选择合理的护肤品是一个很好的应用，但大量涉及医美的AI还是有点鸡肋，需要技术创新。资本回流与AI头部聚集效应2019年，初级医疗AI市场有些冷清。全年融资40笔，融资总额仅为38.9亿元。由于商业化受阻，越来越多的公司投入资金进行研发。MICCAI等顶级会议收录中文论文数量翻倍。2020年的走势与2019年截然不同，上半年受疫情影响，大量企业大幅减支，收入和成本双降。6月中旬，医疗AI开始回暖。上半年，鲜为人知的AI开始重获资本青睐。2020年AI医疗融资共计47笔，涉及金额约84.8亿元，同比增长118.0%。获得资金的企业开始在市场上运作。2020年各月融资事件数量纵观2020年医疗AI公募融资榜单，不难发现，大部分获得融资的企业的经营年限不低于三年，且济泰药业等少数新成立的公司，得到了AI新药头部企业景泰科技的战略加持。此外，B轮以上融资事件急剧增加，尤其是医学影像领域（共24笔融资，B轮以上融资14笔）。龙头企业的融资情况对行业赛道的融资数据影响较大。9月，零氪科技D+轮融资7亿元，泰美医疗融资12亿元，景泰科技C轮融资3.188亿美元。巨额融资占整个医疗AI赛道融资额的一半；12月，申瑞医疗C+亿元、科亚医疗D轮3亿元、森亿智能D轮4亿元、数坤科技近6亿元融资也支撑了各自的大部分资金流入轨道。2020年每月融资金额2020年医疗AI公募融资榜单以上数据显示，AI医疗市场呈现出明显的集群效应。在医学影像方面，数坤科技、科亚医疗等持牌企业每年可多次募集资金，而大量未持牌企业和新兴企业难以获得资金支持。相比之下，医疗信息化行业的集中度相对较低。我国医疗信息化的现状或许可以解释这个原因：由于每个城市的医疗和信息化质量存在差异，领先的信息化企业无法将触角伸向每个地区，在这种情况下，当地企业了解各自的情况地区处于有利地位，可以利用这些机会并可能从中脱颖而出。然而，无论是医学影像、医学信息化还是新药研发，结构性的壁垒都无法仅靠算法来解决。更重要的是打造肺结节AI、专业知识图谱、药物研发平台。积累了大量的医疗数据。这些宝贵的临床数据不属于任何一家公司，是他们最坚固的屏障。常有人问：医疗AI赛道众多，哪一个能最先盈利？从目前的发展历程来看，谁也无法给出答案。但通过观察资本方的行为，我们或许能发现一些端倪。从融资榜单可以看出，新药研发融资金额最少，但募集资金金额最大，平均融资金额最高（3.58亿），占比超过50%融资总额；医疗影像融资项目规模最大，但项目平均融资额最小（1.24亿），略低于医疗信息化赛道（1.3亿）。客单价、人工智能、信息化方向比较明确。单个肺结节辅助诊断产品的价格大概在50万到100万元之间，包括PACS在内的全院AI影像解决方案可达近千万元；售价15-30万元。根据医院的规模，智慧医院建设计划可达数千万元。两条赛道上的企业年收入大多在几万，少数企业能达到上亿。相比之下，新药研发各个环节的服务差异较大，很难对潜在的机会和收益给出明确的价格。但作为药企的上游企业，其营收还是比较大的。潜力赛道外化与AI未来发展从融资额度和商业化程度来看，不同的医疗AI赛道依托不同的底层技术，走上了完全不同的道路。因此，动脉网在盘点时将三个赛道分开，分析了它们的产业链现状和突破进展，分别进行了总结。医学影像随着获批的医学影像AI产品越来越多，越来越多的医疗器械CRO企业开始将影像AI作为重要业务领域拓展，并制定差异化战略。以奥泰康为例，作为拥有14年行业项目经验的CRO公司，奥泰康已完成500余项医疗器械和药品临床试验及注册服务，获得30余项三类医疗器械注册证。过去五年。申报国家创新医疗器械批准文件15项。2017年起，奥特康看准人工智能（AI）赛道，并迅速推出该赛道的CRO服务。目前，在国内获得认证的9款AI产品中，奥泰康承接了其中3款的CRO服务，案例数量和成功率位居行业首位。未来，奥泰康将继续专注于创新医疗器械和高端医疗器械CRO服务，尤其是在心脑血管、神经介入、肿瘤、骨科、影像、整形外科六大领域。奥特康创始人饶毅伟告诉动脉网：“截至2020年12月，奥特康已经为科亚医疗、数坤科技、依图科技、推理科技、星脉科技等医疗影像AI前20大企业中的大部分提供CRO服务。、汇医慧影、瑞欣医疗等。其中，科亚医疗和推理科技是首批获得认证的产品。”一般来说，单个产品的审批注册费在5-1000万之间。崛起之势，2021年视频AI或将迎来更多CRO玩家。医疗信息化如何更好地提升NLP的性能，使其能够更好地处理异构数据，是人工智能探索者们一直在努力突破的问题。人工智能模型GPT-3的出现，为其提供了一个全新的思路——利用海量数据来迫使AI学习。但GPT-3的实际效果仍存在争议，学者们还需进一步验证其实用性。在行业方向上，智慧医院的建设仍然是2021年医院建设的重点之一。从2020年的情况来看，基于NLP的知识库已经嵌入到电子病历和HIS系统中。在收获大量临床数据后，人工智能可能参与创新疾病诊断和治疗方法的创造。新药研发12月，DeepMind的AlphaFold2破解了“蛋白质折叠预测”难题，堪称“AI+新药”的最大新闻。这个困扰生物学界50多年的重大问题正在被AI解决。由于大多数现代药物都以蛋白质为靶点，因此药物结果几乎总是根据蛋白质结构设计的。因此，如果人工智能能够准确、规模化地预测蛋白质结构，将替代部分冷冻电镜、核磁共振或X射线结构发现，大大提高蛋白质发现的效率，并降低相应的成本。然而，传统的实现方式在蛋白质-蛋白质相互作用的研究中仍然具有一定的优势，但随着人工智能的发展，数字计算可能会在这些机器智能尚未涉足的领域取得突破。时间会证明这个问题。总的来说，疫情过后的人工智能走出了一个完美的V型曲线。每条赛道都在以自己的方式赋能医疗，一步步改变着医疗的方方面面。新的一年，希望每一位医学领域的探索者都能把握“医疗慢”，执梦在手，始终如一。
