打開(kāi)手機(jī)掃描二維碼
即可在手機(jī)端查看
快速發(fā)展的大語(yǔ)言模型，攜著生成式AI掠過(guò)醫(yī)療領(lǐng)域。過(guò)往的互聯(lián)網(wǎng)醫(yī)療、醫(yī)學(xué)影像、新藥研發(fā)……一個(gè)個(gè)場(chǎng)景經(jīng)由新一代AI重塑，煥發(fā)出前所未有的價(jià)值。
不過(guò)，發(fā)現(xiàn)價(jià)值并不意味著能夠掘得價(jià)值。如今慘淡的融資形勢(shì)下，躬身大模型的企業(yè)們無(wú)法像深度學(xué)習(xí)時(shí)代那樣隨意試錯(cuò)。有限的現(xiàn)金流，意味著每一家企業(yè)必須全面考察場(chǎng)景、技術(shù)、風(fēng)控、商業(yè)化等方方面面，才能做出決定。
因此，今年的人工智能報(bào)告將研究核心放在了“場(chǎng)景”與“產(chǎn)品”之上，嘗試通過(guò)洞悉醫(yī)院、藥企、械企多方的供需邏輯，分析先驅(qū)者們的實(shí)戰(zhàn)案例，為AI企業(yè)下一步的布局、選品、研發(fā)、商業(yè)化提供參考建議。
什么構(gòu)成了醫(yī)療AI產(chǎn)品配置動(dòng)力？
拆解醫(yī)療AI的配置需求
大致可分為政策驅(qū)動(dòng)
與提效驅(qū)動(dòng)兩個(gè)方面
在A(yíng)I發(fā)展之初，政策驅(qū)動(dòng)在醫(yī)療AI落地的過(guò)程中起主導(dǎo)作用。政策制定者通常會(huì)根據(jù)醫(yī)療衛(wèi)生領(lǐng)域的發(fā)展現(xiàn)狀和未來(lái)趨勢(shì)，制定具有前瞻性和指導(dǎo)性的政策文件。這些政策文件不僅明確了醫(yī)療信息化建設(shè)的總體目標(biāo)和階段性任務(wù)，還規(guī)定了建設(shè)內(nèi)容、技術(shù)要求、實(shí)施路徑等關(guān)鍵要素。因而對(duì)于公立醫(yī)院，政策需求是他們需要考慮的首要需求。
為了樹(shù)立醫(yī)院對(duì)于前沿技術(shù)的正確認(rèn)知
引導(dǎo)相關(guān)產(chǎn)業(yè)的快速發(fā)展
我國(guó)自2016年起
便開(kāi)始圍繞AI出臺(tái)相關(guān)政策
從宏觀(guān)角度出發(fā)
推動(dòng)AI技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用
提高醫(yī)療服務(wù)效率和質(zhì)量
最終實(shí)現(xiàn)醫(yī)療行業(yè)的智能化升級(jí)
推動(dòng)醫(yī)療AI發(fā)展的核心宏觀(guān)政策(資料來(lái)源：蛋殼研究院) 對(duì)于醫(yī)院以外的場(chǎng)景，同樣有部分賽道需要沿著政策的方向提前布局。以生物制藥為例，“722”事件后，NMPA（當(dāng)時(shí)為CFDA）相繼發(fā)布了《關(guān)于開(kāi)展藥物臨床試驗(yàn)數(shù)據(jù)自查核查工作的公告》《關(guān)于調(diào)整藥物臨床試驗(yàn)審評(píng)審批的公告》等文件，引發(fā)了國(guó)內(nèi)EDC、RTSM市場(chǎng)的繁榮，太美醫(yī)療等企業(yè)在系統(tǒng)中植入AI，使其順勢(shì)成為藥企數(shù)字化的關(guān)鍵要素。 如今FDA鼓勵(lì)藥企采用數(shù)字健康技術(shù)（DHT）進(jìn)行臨床試驗(yàn)申辦，間接引導(dǎo)著藥企的進(jìn)一步開(kāi)展轉(zhuǎn)型。以eCOA為例，美國(guó)約80%的臨床研究都以eCOA的形式進(jìn)行，歐洲也有60%依照這一路徑，而中國(guó)只有不到5%的申辦方使用了eCOA。當(dāng)出?！皻W美”成為大勢(shì)所趨，F(xiàn)DA的政策也將傳導(dǎo)至中國(guó)的藥企。目前，Medidata、Veeva等企業(yè)已將AI融入數(shù)字化轉(zhuǎn)型解決方案中，準(zhǔn)備承接這波海外政策變化帶來(lái)的新需求。 與政策主導(dǎo)下的AI需求不同，早期提效主導(dǎo)下的AI需求沒(méi)有引導(dǎo)、沒(méi)有給定的形態(tài)。它需要企業(yè)自身從醫(yī)院的臨床、運(yùn)營(yíng)、管理等流程中發(fā)現(xiàn)真正痛點(diǎn)，且當(dāng)AI解決這一痛點(diǎn)時(shí)，能夠?yàn)獒t(yī)院帶來(lái)直觀(guān)的收益。
眾多場(chǎng)景之中
影像AI是最早出現(xiàn)也是最為直觀(guān)的例子
作為AI領(lǐng)域應(yīng)用最為廣泛的應(yīng)用之一
此類(lèi)AI能夠幫助醫(yī)生
處理高強(qiáng)度重復(fù)的閱片工作
幫助影像科提質(zhì)增效
隨著AI的進(jìn)一步發(fā)展及醫(yī)生對(duì)于A(yíng)I技術(shù)的進(jìn)一步認(rèn)可，許多醫(yī)生、管理者開(kāi)始找到AI企業(yè)主動(dòng)提出需求，要求后者根據(jù)具體需求打造能夠提質(zhì)增效的AI解決方案。 舉個(gè)例子。DRG出臺(tái)后，醫(yī)院的盈利邏輯由規(guī)模擴(kuò)張向成本控制轉(zhuǎn)變，管理者開(kāi)始更加注重內(nèi)部管理的精細(xì)化和科學(xué)化，提高運(yùn)營(yíng)效率和醫(yī)療服務(wù)質(zhì)量。這個(gè)時(shí)候，傳統(tǒng)的醫(yī)療IT系統(tǒng)不能滿(mǎn)足醫(yī)院精細(xì)化管理提出的各種需求，醫(yī)院管理者轉(zhuǎn)向AI系統(tǒng)尋求助力，形成了提效主導(dǎo)下的AI購(gòu)置動(dòng)力。 諸如此類(lèi)的場(chǎng)景還有很多，尤其是當(dāng)醫(yī)療機(jī)構(gòu)逐步完成政策定下的基礎(chǔ)要求，他們開(kāi)始主動(dòng)需求智能化升級(jí)，提升競(jìng)爭(zhēng)力。在沒(méi)有新政策出臺(tái)的前提下，提效主導(dǎo)下的AI購(gòu)置動(dòng)力將逐步取代政策主導(dǎo)下的AI購(gòu)置動(dòng)力，引導(dǎo)醫(yī)療AI的未來(lái)發(fā)展路徑。
政策與提效兩大購(gòu)置動(dòng)力支持下
國(guó)內(nèi)已經(jīng)孕育了
一大批醫(yī)療人工智能產(chǎn)品
嵌入了醫(yī)療領(lǐng)域中的絕大多數(shù)場(chǎng)景
統(tǒng)計(jì)有過(guò)融資記錄的人工智能初創(chuàng)企業(yè)與公布產(chǎn)線(xiàn)的上市公司，蛋殼研究院總計(jì)對(duì)64家企業(yè)進(jìn)行梳理，調(diào)研總計(jì)436個(gè)產(chǎn)品，覆蓋了幾乎所有臟器。 許多熱門(mén)臟器的人工智能已經(jīng)非常成熟，能夠?qū)崿F(xiàn)高精度的多病種輔助診斷，如心臟（70）、骨骼（58個(gè)）、頭頸（53個(gè)）、肺部（44）等部位。一些冷門(mén)臟器也在開(kāi)發(fā)之中，如腸道（5個(gè)）、泌尿（4個(gè)）、整腹（2個(gè)），部分產(chǎn)品已經(jīng)取得了醫(yī)療器械注冊(cè)證，能夠?qū)崿F(xiàn)一定程度的商業(yè)化。
2024年1-9月通過(guò)第三類(lèi)醫(yī)療器械注冊(cè)準(zhǔn)入的醫(yī)療AI產(chǎn)品(資料來(lái)源：國(guó)家藥監(jiān)局官網(wǎng))
再看病種
心腦血管、骨關(guān)節(jié)、肺結(jié)節(jié)、腫瘤（放療）、
眼底是當(dāng)前最火熱的病種
市場(chǎng)上的同類(lèi)產(chǎn)品超過(guò)15種
布局腸息肉、泌尿相關(guān)等疾病的企業(yè)較少
細(xì)分賽道相對(duì)冷門(mén)
伴隨標(biāo)準(zhǔn)化醫(yī)療數(shù)據(jù)獲取難度的降低，市場(chǎng)需求全面主導(dǎo)影像AI的研發(fā)方向。肺癌在我國(guó)惡性腫瘤中發(fā)病率和致死率均居首位，每年死于肺癌的病人大約是65萬(wàn)。因此，醫(yī)療體系對(duì)于心血管AI、肺癌AI的強(qiáng)烈需求驅(qū)動(dòng)企業(yè)圍繞對(duì)應(yīng)疾病進(jìn)行研發(fā)。 以臟器為目標(biāo)的診斷取代了以單一病種為目標(biāo)的診斷，驅(qū)動(dòng)企業(yè)基于臟器進(jìn)行全面布局。過(guò)去，影像AI的研發(fā)落地常圍繞某一特定疾病進(jìn)行，但影像科醫(yī)生在閱讀CT、X光片時(shí)，不會(huì)先入為主預(yù)設(shè)患者的患病情況，而是會(huì)逐一確認(rèn)影像中的每一個(gè)細(xì)節(jié)，這種輔助模式限制了影像AI的價(jià)值。如今，影像AI企業(yè)為實(shí)現(xiàn)某個(gè)臟器的診斷，必須將該臟器中的熱門(mén)病種逐一診斷，進(jìn)而導(dǎo)致熱門(mén)病種對(duì)應(yīng)的影像AI數(shù)量激增。 冷門(mén)病種雖然獨(dú)立，但仍有潛力。病理、心電等場(chǎng)景同樣存在工作量大、相關(guān)醫(yī)療資源缺乏的問(wèn)題，是醫(yī)療AI落地的優(yōu)質(zhì)場(chǎng)景，但由于這類(lèi)場(chǎng)景不屬于醫(yī)療影像，主流AI公司較少跨界這一方向。此外，不少僅需二類(lèi)證即可實(shí)現(xiàn)商業(yè)化落地，因而產(chǎn)品競(jìng)爭(zhēng)相對(duì)平淡。不過(guò)，如今也有不少相關(guān)AI獲批醫(yī)療器械三類(lèi)證，用AI深度賦能上述細(xì)分賽道，或在未來(lái)改變這一場(chǎng)景的應(yīng)用邏輯。
評(píng)級(jí)仍是醫(yī)院配置AI主要?jiǎng)恿Γ?級(jí)以上的電子病歷評(píng)級(jí)需要醫(yī)院在數(shù)字化建設(shè)的基礎(chǔ)上實(shí)現(xiàn)智能化部署，這意味著他們必須引入AI工具，并將其高度整合至已有的信息化體系。 2023年8月，中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院成為國(guó)內(nèi)首家獲得8級(jí)電子病歷評(píng)級(jí)的醫(yī)院，突破了中國(guó)醫(yī)療信息化建設(shè)水平的上限。截至此時(shí)，全國(guó)總計(jì)312家醫(yī)院獲評(píng)高級(jí)別電子病歷評(píng)級(jí)，其中1家醫(yī)院獲評(píng)8級(jí)，3家醫(yī)院獲評(píng)7級(jí)、40家醫(yī)院獲評(píng)6級(jí)、268家醫(yī)院獲評(píng)5級(jí)。 電子病歷系統(tǒng)整體應(yīng)用水平分級(jí)評(píng)價(jià)基本要求（資料來(lái)源：公開(kāi)信息整理）
未來(lái)會(huì)有更多醫(yī)院
向電子病歷高等級(jí)評(píng)級(jí)發(fā)起“沖刺”
尤其是作為高級(jí)別的入門(mén)等級(jí)
5級(jí)評(píng)級(jí)依然存在很大通過(guò)難度
未來(lái)數(shù)年內(nèi)三級(jí)醫(yī)院沖5望6將是主流
將為人工智能帶來(lái)巨大機(jī)遇
8級(jí)電子病歷需要達(dá)成的條件（資料來(lái)源：公開(kāi)信息整理）
自2020年制藥AI在一級(jí)市場(chǎng)迎來(lái)爆發(fā)性增長(zhǎng)后，大量創(chuàng)業(yè)公司將其管線(xiàn)推至臨床階段。此前，AI主導(dǎo)的進(jìn)入臨床試驗(yàn)階段的創(chuàng)新藥項(xiàng)目?jī)H為個(gè)位數(shù)。2021年這一數(shù)字已迅速增長(zhǎng)至100多個(gè)，2022年維持增勢(shì)突破200，2023年進(jìn)一步提升，管線(xiàn)數(shù)量邁入300大關(guān)。 趨勢(shì)之下，阿斯利康、拜耳、羅氏、禮來(lái)及賽諾菲等等MNC相繼入局AI制藥，國(guó)內(nèi)恒瑞醫(yī)藥、石藥集團(tuán)等制藥龍頭也通過(guò)戰(zhàn)略合作、股權(quán)投資等方式積極布局AI，試圖通過(guò)創(chuàng)新技術(shù)找到研發(fā)藥物的新途徑。
不過(guò)，2024年的制藥AI
發(fā)展步伐明顯放慢
蛋殼研究院選取了39家主流制藥AI公司的管線(xiàn)進(jìn)行了調(diào)研。2023年10月31日統(tǒng)計(jì)數(shù)據(jù)，上述企業(yè)共有95條進(jìn)入臨床研究的管線(xiàn)，截至2024年9月1日，僅5條產(chǎn)線(xiàn)更新了最新的臨床情況，進(jìn)入新的階段。 2023年10月31日—2024年9月1日更新了臨床情況的管線(xiàn) （資料來(lái)源：蛋殼研究院、動(dòng)脈橙產(chǎn)業(yè)智庫(kù)） 剩下的管線(xiàn)中，總計(jì)有15條管線(xiàn)/適應(yīng)癥被企業(yè)從官網(wǎng)撤下或宣告停止。其中，臨床Ⅰ期管線(xiàn)總計(jì)3條，占比20%，臨床Ⅱ期管線(xiàn)總計(jì)9條，占比60%；臨床Ⅰ/Ⅱ期管線(xiàn)總計(jì)3條，占比20%。 （資料來(lái)源：蛋殼研究院、動(dòng)脈橙產(chǎn)業(yè)智庫(kù)） 同時(shí)，上述企業(yè)新增16條管線(xiàn)/適應(yīng)癥，與停止或被撤下的管線(xiàn)數(shù)量持平。這些管線(xiàn)中，有近一半管線(xiàn)來(lái)自于中國(guó)持股的AI制藥企業(yè)，英矽智能、埃格林醫(yī)藥、冰洲石生物、劑泰醫(yī)藥（晶泰科技持股）占據(jù)了其中的7席。 （資料來(lái)源：蛋殼研究院、動(dòng)脈橙產(chǎn)業(yè)智庫(kù)）
39家主流制藥AI公司停止或被撤下的管線(xiàn)
39家主流制藥AI公司新增管線(xiàn)/適應(yīng)癥
但放眼全球
AI制藥依然充滿(mǎn)生機(jī)
其中，英偉達(dá)近兩年在該賽道頻繁出手“瘋狂掃貨”成為AI制藥回暖的重要推手。據(jù)Pitchbook、Crunchbase及動(dòng)脈橙產(chǎn)業(yè)智庫(kù)數(shù)據(jù)，英偉達(dá)在2023年及2024年（截至2024年9月5日）共參與投資超過(guò)70起，所有投資無(wú)一例外，均與AI相關(guān)，而其中至少投注AI制藥企業(yè)14家，醫(yī)療其他領(lǐng)域企業(yè)8家。 2023年—2024年8月英偉達(dá)投資的AI制藥企業(yè) （資料來(lái)源：Pitchbook、Crunchbase、動(dòng)脈橙產(chǎn)業(yè)智庫(kù)） 此外，近兩年MNC與AI新藥研發(fā)及AI驅(qū)動(dòng)的相關(guān)醫(yī)藥企業(yè)之間的合作交易也增幅顯著。J.P.Morgan數(shù)據(jù)，生物制藥行業(yè)交易的預(yù)付款份額自2020年來(lái)呈下降趨勢(shì)，其中2024年上半年的預(yù)付款比例僅為6%。藥物研發(fā)的高風(fēng)險(xiǎn)高投入屬性，小額預(yù)付款無(wú)疑降低了交易的經(jīng)濟(jì)風(fēng)險(xiǎn)，該現(xiàn)象也反映了MNC在BD交易時(shí)日趨謹(jǐn)慎的態(tài)度。在此背景下，MNC資金更多流向AI醫(yī)療領(lǐng)域更是“用腳投票”，肯定了AI制藥的價(jià)值。
一如當(dāng)年深度學(xué)習(xí)的火熱，新興的大模型正以肉眼可見(jiàn)的速度席卷醫(yī)療行業(yè)。不到兩年時(shí)間，市面上的醫(yī)療垂直模型數(shù)量已逾百個(gè)，甚至有不少頭部醫(yī)院要求主動(dòng)上線(xiàn)相關(guān)平臺(tái)，自發(fā)開(kāi)啟人工智能次世代的探尋。 不過(guò)，科技醫(yī)療要想在醫(yī)療領(lǐng)域站穩(wěn)腳跟，不僅需要技術(shù)本身具備充分創(chuàng)新，還需要相應(yīng)產(chǎn)品高度適配于場(chǎng)景本身，融入醫(yī)療體系已有的流程。換句話(huà)說(shuō)，屬于大模型的歷練，才剛剛開(kāi)始。
在資本支持、市場(chǎng)需求推動(dòng)下
醫(yī)療大模型發(fā)展迅速，不到兩年時(shí)間
市面上發(fā)布的醫(yī)療垂直模型數(shù)量已逾百個(gè)
據(jù)蛋殼研究院不完全統(tǒng)計(jì)
2024年截至9月10日
收集到新發(fā)布的醫(yī)療大模型39個(gè)
按蛋殼研究院《2023年醫(yī)療人工智能報(bào)告》中的九大大模型應(yīng)用領(lǐng)域分類(lèi)，近30%的大模型適用于2個(gè)及以上分類(lèi)中的應(yīng)用場(chǎng)景。其中，“輔助決策”“質(zhì)控”“患者服務(wù)”應(yīng)用場(chǎng)景依然是大模型最為集中的細(xì)分領(lǐng)域，其次是“中醫(yī)”與“新藥研發(fā)”，而“科學(xué)研究”及“治療方案生成”領(lǐng)域的大模型相對(duì)稀缺，暫無(wú)“公共衛(wèi)生”應(yīng)用場(chǎng)景的新大模型發(fā)布。 盡管應(yīng)用數(shù)量已成規(guī)模，但涉及的場(chǎng)景有些分散、未成體系、深度也有待提高，企業(yè)通過(guò)它們能夠觸及的市場(chǎng)規(guī)?？傤~有限，還不足以證明這項(xiàng)技術(shù)已經(jīng)跑通了商業(yè)化之路。因此，要推動(dòng)大模型的規(guī)模商業(yè)化，企業(yè)還需解決以下問(wèn)題。
目前完成大模型落地的醫(yī)院絕大多數(shù)都是排名靠前的三甲醫(yī)院，這些醫(yī)院有資金、有條件進(jìn)行大模型的部署。而那些排名靠后的醫(yī)院乃至基層醫(yī)療機(jī)構(gòu)，他們距離大模型還有一段距離。 現(xiàn)階段大部分醫(yī)院現(xiàn)有資源環(huán)境基本是面向通用計(jì)算的CPU，很少有醫(yī)院有面向圖形處理和并行計(jì)算的GPU資源。缺乏大模型的部署環(huán)境，醫(yī)院需要在購(gòu)置應(yīng)用的同時(shí)配備GPU運(yùn)營(yíng)大模型應(yīng)用，并保證足夠的存儲(chǔ)和高速的網(wǎng)絡(luò)連接，才能保證大模型的穩(wěn)定運(yùn)行。 對(duì)于大多數(shù)醫(yī)院而言這都是筆不小的成本。按照一個(gè)普遍科室一張RTX 4090進(jìn)行估計(jì)，要供給一個(gè)院區(qū)的算力，大致需要醫(yī)院投入百萬(wàn)元級(jí)的成本進(jìn)行芯片的配置。雖然頭部醫(yī)院在部署大模型方面表現(xiàn)出極大的熱情，愿意進(jìn)行本地化部署，但大量醫(yī)院會(huì)對(duì)這筆費(fèi)用敬而遠(yuǎn)之。 因?yàn)獒t(yī)院信息化系統(tǒng)復(fù)雜，涉及眾多系統(tǒng)和廠(chǎng)商，整合患者全生命周期數(shù)據(jù)面臨巨大挑戰(zhàn)。對(duì)于眾多醫(yī)療大模型公司而言，必須進(jìn)一步強(qiáng)化大模型對(duì)于多模態(tài)數(shù)據(jù)的處理能力。 理想狀態(tài)下的多模態(tài)大模型，不應(yīng)只是對(duì)各類(lèi)醫(yī)療數(shù)據(jù)進(jìn)行分類(lèi)處理，更能提取各模態(tài)數(shù)據(jù)的關(guān)鍵之處，給出綜合性的建議。 目前基于大模型構(gòu)建的智能應(yīng)用仍然沒(méi)有脫離傳統(tǒng)醫(yī)療 IT 應(yīng)用的范疇，更像是互聯(lián)網(wǎng)醫(yī)療的Plus版，雖有價(jià)值，但并非不可替代。未來(lái)，企業(yè)需要圍繞醫(yī)院需求構(gòu)造“殺手級(jí)”應(yīng)用，喚起醫(yī)院購(gòu)置大模型的需求，進(jìn)而實(shí)現(xiàn)大模型的規(guī)模化落地。
創(chuàng)信融資租賃出品
平臺(tái)聲明：所發(fā)文章僅做分享，不做任何商業(yè)交易及或醫(yī)療服務(wù)的根據(jù)，文章觀(guān)點(diǎn)歸原創(chuàng)者所有，本平臺(tái)不承擔(dān)任何責(zé)任，包括但不限于法律責(zé)任，賠償責(zé)任。如有侵權(quán)，請(qǐng)及時(shí)與平臺(tái)聯(lián)系。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
