深度干货点评_“AI+医疗”方向的现实情况

AI+医疗影像在2017年实实在在火了一把,而从另一方面来看,也出现了“同一医院堆了10家AI公司的产品,但大多躺在医院吃灰”的情况。AI究竟能不能真正解决医生的工作需求痛点?医院对AI辅助产品有无真正需求以及付费意愿?AI+医疗产品未来的商业化方向是哪里?本文对以上几个话题进行了分析。

如今,随着AI医疗发展,医工交叉——这个由来已久问题也延伸到这块新兴的土地上。隔行如隔山,这对于IT界和医疗界来说尤其贴切,当双方团队共同打造一个产品时,面临着话语体系不同、评价方式不同、谁来主导等诸多问题。

目前这个市场还处于初期,各路玩家相继入场,产品仍处于科研摸索期。相对于蜂拥而入的AI公司来说,愿意参与进来并且拥有丰富经验的医生专家是更加稀缺的资源。那么什么阻碍了他们?当医生想要参与时,他们考量什么、在意什么?

武警总医院CT科,十余位影像医生正在阅读医院前一天200多例患者的CT图像。医生小刘在电脑上打开一个检查单,上面有患者信息、症状(咳嗽一月、曾低热、肺炎)、检查项目等。点击进入影像页面,一家医疗AI公司提供的肺部筛查产品给出了10条可疑病灶,如右肺上叶、尖段、3.1mm、20.19m³、实性结节。根据提示和自己的判断,小刘书写报告,全程约8分钟,这样的病例他一天大约要看30份。

以前,小刘需要阅读每个病人的几百幅影像,逐个找出结节。现在AI帮他找出肉眼不容易发现的小结节,只需要根据系统提示检查核对,漏诊率大大下降。

这类医疗影像AI产品为智能CT辅助筛查系统,行业内推出这一产品的有推想科技、汇医慧影、图玛森维等几十家创业公司。

记者调查发现,在AI产品扎堆的影像领域,一个三甲医院可能同时安装10余家AI公司的产品,医生真正使用的只有一两家,因为AI找到结节后尚不能辅助诊断,且目前产品多集中在肺结节查找上,同质化严重。而这些需要深度学习的AI产品,少了医生的纠错与补充,模型迭代也会变慢

未来,影像AI的出路在哪儿?多名业内人士表示,医疗影像AI公司仅靠单一产品,在医院盈利难度较大。未来创业公司可以开发短平快的优势盈利模块、与设备厂商合作相互赋能或在体检机构、基层医院推广使用AI影像产品。

关于AI落地时的盈利模式。1)比如,初期先帮助客户做好相关数据的数字化(比如影像存储,常规的阿里云服务不划算,因为图片太大,但每年用不了几次,就需要有专门针对这个领域的图片存储云服务),等争取到了客户,并积累了数据后,再向客户推广AI应用。2)还比如,将自己的AI产品技术服务,提供给行业下游厂商,提高其整体方案的(噱头)价值,打包销售。3)更多相关内容,未来有机会我再专文叙述。

AI“双重审核”,降低医生漏诊率

2014年以来,AI技术的发展逐步进入垂直细分领域,医疗影像以其标准化程度相对较高而被认为是最早能够实现AI落地的场景之一。一时间,几十家创业公司涌入影像AI赛道,其中不乏已经拿到C轮融资的独角兽企业。

武警总医院CT科主任王贵生早在16年前读博士时候,就接触到了美国推出的影像AI产品,用于肺结节的辅助测量,但主要是做科研,临床并没有推广起来。

直至2016年底,美国一家科技公司联系到武警总医院,将一个肺结节筛查AI产品的试用版安装到了科室的电脑里。

“当时的系统特别慢,需要先把影像资料导到服务器上,然后它给出格式化报告再导出来。它的敏感性高但特异性差,发现东西但不知道是啥,费半天劲只是标出来了结节,更有价值的判断并没体现,后来就不用了。”王贵生回忆。

AI实战落地时,就会遇到类似的问题——只能做个demo,离“有用”,“可用”,“付费”还有很大距离。

真正落地到武警总医院的是2018年引入的两个产品,分别来自深睿医疗和推想科技。虽然功能和之前美国的产品大同小异,但操作时间缩短了不少

国内产品体验设计方面,跟美国比,确实还是有优势的,特别在吸引用户(客户)尝鲜体验时候。

据介绍,在武警总医院这样的综合型三甲医院,一天做CT的病人约270个,科室有7名医生读片子、写报告,5名医生审核,每位医生平均每天要看30多个病人的片子,一个病人约有500多幅图像,每个图像需要二级或三级审,至少要过三遍。

AI产品的出现一定程度上减轻了医生负担

王贵生表示,一个片子阅读加写报告约要5-8分钟,用了AI产品之后,时间上并没有明显的减少,但系统提示过以后,漏诊的几率低了因为在血管密集的地方或者人眼疲劳时会漏掉结节。

落地现状:时间并没有明显减少哦!

另一方面在于AI对结节大小体积的测算比人工准确,尤其是对于椭圆形的结节,医生惯用最大的横线和垂线计算得出,由于它不规则,难免有误差,AI的测量则相对准确。

以上2点,都还是AI相比人在生物性和计算能力方面的优势,但这,也许就应该是AI早期咱们该关注和承认的。

某三甲医院影像医生小宇(化名)介绍,其医院目前使用了依图科技和推想科技两家公司的产品。

“最初我们很期待,但用了之后发现不太习惯,加上刚开始系统可能不稳定、准确率也不高,或漏诊或多筛,作用没有想象中那么大。用AI看一遍,自己再检查一遍,也没有节省时间。

后来,随着医生和公司双方的反馈更新,有了较大改观。第一家公司进来以后发现大家积极性不高,提出了一些激励制度,如果补充标注结节会给医生资金上的奖励,虽然没有真正实施,但小宇认为:“有了AI相当于一个双重审核,我们平时找起来很吃力,容易漏掉的小结节,AI正好擅长。”

产品同质化严重,闲置率高

在走访中,记者发现,虽然一些医院同时安装多家公司的AI产品,但真正使用的只有一两家,甚至一家都未使用,存在大量闲置情况。

武警总医院的多名医生表示,他们平时会从根据使用习惯、系统的稳定性等只用一家,比较少去切换比对。广东省第二人民医院也表示引入了图玛森维、腾讯、推想科技的产品,日常用的也是1家。

某匿名行业内人士透露,因为使用体验并不理想,有的医院是使用一段时间就不用了,“筛查不精准,或者调用软件时导致系统崩溃,这让医生不愿意花费时间。”

客观来说,确实有很多AI应用的产品体验和稳定性太差,这让用户想试用都慢慢的打退堂鼓了。

医疗类媒体动脉网也曾报道,邵逸夫医院放射科合作的医疗AI公司达到了10家,重庆医科大学附属第一医院合作了7家,但一位医生大多只用一款产品。

为什么会出现产品闲置的情况?

其中原因在于虽然AI能帮助找出结节,但在进一步的良恶性判断与报告意见出具方面,AI尚不能给出结论。而且,目前市场上的产品多集中在肺结节上,同质化严重

一位影像AI领域从业者透露,肺结节出产品容易而新病种攻克难度大。

具体而言,肺结节公开数据最多,很多数据集可以直接下载,而且肺结节影像相对直观,不管是创业公司还是上市公司,过去两年都相继推出类似产品;而新病种研发需要大量深度学习模型训练,获取单病种数据难度大,还需要与大量专家合作进行精标注,新病种的验证周期也非常长

获取有效数据难度大(数量+质量),会成为纯深度学习性的AI应用的重要落地瓶颈。

在各家创业公司的研发端,除肺部筛查产品之外,也在开发适用于脑部等其他部位的AI应用,只是大多数产品还没进入到临床应用阶段。

虽然大家都在做肺结节,但是在医院的使用情况截然不同。同质化不重要,关键看的是医生的信任度与点击量,这才是判断产品的标准。“未来公司将开发胸部、脑部更多的模块,形成产品矩阵,让医院更加依赖于我们的产品体系,当然,AI产品的发展与成熟还需要与医院医生互相配合培养,还需要时间。”

只是锦上添花,医院购买意愿低

经过了三年多的发展,影像AI领域内的公司依然处于打磨产品的阶段,没有清晰的商业模式与盈利场景,医院的付费意愿很低。

发展了3年,还只是这个样子,在传统互联网领域是不可想象的。这也说明,AI落地的时机可能还没有到,特别是一些行业属性非常重、水很深的领域。

王贵生表示,就目前看,拿肺结节产品来收费肯定是不可能的,因为各公司都能做到而且都在免费使用。

在他看来,AI产品盈利能力受限的根本原因还是在于现阶段的产品对医生来说并不是刚需,有了是锦上添花,没有也不耽误事,就像是滴滴,用它方便叫车,但没有也能出行。

我之前分享过,现阶段,很多领域的AI应用,本身就不是刚需——主要价值在于,通过AI元素来提高终端C用户的转化率。即,本来没有人用这家客户的产品,但因为加了AI因素,C用户愿意来尝鲜体验。这样,获得更多数据后,才可能更深入的去做出更好的产品。

小宇也表示,找到结节只是第一步,医生要做的是对它定性,看没有变成肺癌的风险,而目前AI还没有这样的功能,让医院买单难度太大。

美国AI医疗服务商More Health联合创始人胡泊认为,影像AI产品难以真正落地使用,其中除了技术问题,还有责任问题。如果AI给出的结果错误,谁来承担这个责任,这需要相关的政策和法律支持。同时,企业的良性发展问题尚未解决。目前大部分企业在烧钱,中国大部分机构或医院不愿意为软件买单,找到可带来现金流的产品是难题。

此外,国内数据有不连续性和多样性,每个医院的标准不一样,一个患者可能去四五家医院,数据不连续,大部分医院现在还是信息孤岛,想要打通短期之内很困难。

“中国如果在数据的规范和安全以及流通性上如果能做出更好的举动的话,医疗AI发展会比美国更快,毕竟中国的患者更多,数据更多。”胡泊说。

我还找不到与AI公司合作的方式

做医学图像挖掘,医生与AI创业公司的合作是必不可少的,但一定要以医生为主导来做,公司负责后续的产品化。其中最关键在于:要解决什么样的临床问题。

我是做研究的,思路与公司可能不太一样,双方都是要提升诊断率,差异就在于具体聚焦在什么地方?科研解决的是悬而未决的问题,而AI公司是要打造一个产品解决实际问题,双方目标不一样,我觉得很多东西不是想象的那么简单。

从科研的角度来讲,目的在于提出一个临床假设,并证明。比如我想通过影像数据挖掘判断某种疾病的愈后好不好或判断疗效,在这种情况下,我会搜集病例,用某些方法验证,最后得到一个结果。至于结果如何,我们并不知道,创业者的想法跟我们肯定完全不一样。

有公司找我合作,说实在的,我还找不到合适的方式,如果要合作,一定是深入的交流,其中需要有人起到桥梁、翻译的作用。比如深度学习的很多概念我们临床医生搞不懂,但同时工科的人也多半不懂什么叫预后,甚至不知道这样做的意义何在。

医学上很多问题和其他领域不一样,比如阿里要调研用户的购买习惯,这种数据多得不得了,但医学上很多疾病数据很少,一个单位可能仅有一两百病例符合标准。我想没有一家医院敢说有几千例这样的复合标准的图像。我们医院有数万病例,但基于不同的疾病、检查方式、研究目的区分之后,数据一下子就变得很少了。

工业界和学术界的合作,对双方都有很高的要求:一是有共同的目标;二是有很好的合作机制,协调如何把利益最大化;三是双方团队质量很重要,缺一不可。

如果我与创业公司合作,最关心的他们的人员构成和数据来源。

做医学数据挖掘,一定要有医疗背景的专家,他能起到桥梁作用,把临床问题转换为技术问题,让IT团队实现;同时,做技术的没有接触过医学,可能不明白人体分为几个系统、每个系统由什么组成、有哪些脏器,更不要说疾病了。我知道很多医院做的事情是把数据提供给公司,这个方法确实可行。但如果要真正挖掘,一定要深入,不是一方简单地提供数据,一方简单地提供算法,双方直接应该有深度的交流、沟通,共同发现问题,解决问题。

国内最常见的合作方式是医院提供数据,公司来分析,双方共享成果或是公司卖软件给医院。但我认为这样的合作不长久,目标不同,长期以往,估计会分道扬镳。我觉得目前的合作,肯定得以医生为主导,靠医生发现临床问题。但跟创业公司这么说,他们肯定不乐意,我的算法很先进,凭什么你做主导?所以我不是很愿意跟他们合作,我们自己有团队,我们团队做的东西在国际上是某些研究方面是很靠前的。如果我们没有团队,也没办法。除此之外,我也考虑过,跟创业公司合作,他们是否愿意配几个人给我,专门负责某个项目,我想这是不可能的事情,怎么可能呢?

还有的医院与公司合作打造出的产品,以专利授权的形式给了公司,这对医生有吸引力,但我没尝试过,没想过转化,这样很分散精力。我关心的是公司有没有好的范例,医生是否真正获得了收益,无论是以股份、顾问费等形式。但公司愿意给吗?

创业公司很难请到一个真正专业的医学人士,去了以后怎么做项目?除非公司能跟十几、二十多家医院合作了一个临床设计,但仅把各个项目的医学语言翻译成工科语言,工作量就相当大;其次,医生如何在里面起到真正的作用,这是很难定义的。

这几段,作者说的都是非常现实的问题,一般的行业新闻报道,是不可能写这么深入的。

虽然现在市面上有AI公司与医生合作做一些事情,但在大部分情况下,他们的研究是小规模研究,但应用到临床的东西,需要前瞻的多中心试验验证,这是一个很漫长的过程。况且,图像只是很小一方面,只有深入去做,潜心做临床研究,才有可能得到好的结果。

开发盈利模块,往基层拓展

从医生的角度,AI除了筛查结节降低误诊率之外,测量、对比、了解结节密度的改变也对医生很有帮助,“比如,肺结节大小的改变其实是体积的改变,如果AI能给出准确的体积改变与前后对照,价值是较大的,这类问题也是AI的优势。”

AI公司如果想让医院买单,应该把它最优势的机器运算发挥起来,将人脑做不到或误差率非常大的东西细化、产品化,拿这些模块来补现在免费的模块,产品的系列多了就好卖了。此外,AI公司可以跟设备厂商结盟,依附于医疗设备上,将付费方和受益方形成一致,这可能是一个更快的盈利方式,传统厂商也能增加卖点。

一来就想上临床,对生命太不尊重了

智能影像诊断还有非常长的路要走,要真正应用在临床,要解决它的精度、实用范围和政策等问题,如果要政策批准,必须经过临床试验验证,耗资会很巨大。

我个人感觉,创业公司除了定位于肺结节检出等临床应用外,搭建科研平台也是不错的选择,要是我自己开公司,我就会这样做,帮助医生做科研的市场也不小,可以共同申请基金来维持,我知道有些创业公司就在合作申请基金。如果数据积累多了,再考虑做临床转化,像Watson这样的,这样才可能逐步走向临床。很多公司一来就想到临床,对生命太不尊重了,如果仅靠靠几百、几千例数据就取得了批准,我肯定不敢用这样的产品。

我个人觉得,医疗人工智能还非常漫长,目前无疑是过火的。

在IBM蓝色logo缠绕旋转的眨眼间,三阴乳腺癌晚期患者李春梅的丈夫刘银松看到了IBM Watson for oncology(IBM Watson肿瘤解决方案,下称WfO)给出的诊疗方案。该方案与多位专家的推荐方案完全一致,然而,李春梅夫妇却觉得6000元的会诊费打水漂了。

四年以来,40岁的李春梅辗转于北京各大医院,历经手术、化疗和放疗,目前服用药物奥拉帕尼(Olaparib)控制,因担心出现耐药性,期望Watson能给出下一步的治疗方案。

2018年7月5日上午10时30分,刘银松代其妻子参加了上述多学科会诊。“(Watson)给出的方案是医生都知道的,也是现阶段采用的。”刘银松失望地对《财经》记者说。

同样,百洋医药集团董事长付刚也感受到预期与现实之间的距离。他此前在接受《财经》记者采访时坦称,WfO在华的推广进度跟预期有差距。

IBM Watson一度是AI医疗的代名词,但入华商业化推广两年来,“不如预期”却成了最大的评价。

尽管IBM Watson health副总裁Kathy McGroddy在接受《Fortune》采访时称,Watson health不仅是对医疗行业的变革,还是IBM 本身的革命。财务数据却显示,IBM已经连续21个季度总营收下滑。

两年来,IBM大刀阔斧削减传统业务,将业务架构从软件+硬件+服务,转变为云+认知+行业。其中,人工智能认知计算平台IBM Watson承载着转型的全部期望,这是一个集合高级自然语言处理、信息检索、知识表示、自动推理、机器学习等认知技术平台。

虽为时下最成熟的认知计算平台,IBM Watson仍只是一个科研项目。据华尔街著名投资银行Jefferies报告显示,在过去5年里,IBM投资了数十亿美元用于Watson研发和相关数据/分析能力的获取。IBM至今还没有公布Watson的财务数据

技术落地,需要找准合适的应用场景、对行业的洞察以及深度运营等。现在这位蓝色巨人不得不再次回答如何让“大象起舞”,也与大多数AI公司的焦虑相同——如何将炫酷的AI技术变现。

Watson价值几何?

希望从没有离开过刘银松夫妇,他们期待着新的药物、新的疗法上市,这也是驱使他们来找Watson的一大原因。

7月会诊WfO推荐的奥拉帕尼,李春梅已经在医生的建议下自5月15日就开始服用了。这是一款2014年在美国获批的治疗晚期卵巢癌单药,尚未在国内上市。国家药监局将奥拉帕利片纳入优先审评审批程序,预计2018年内上市,至于现阶段如何买到这种药,刘银松狡黠一笑,道:“看《我不是药神》啊。”

WfO是由纪念斯隆凯特琳肿瘤中心(MSKCC)四年训练而成,已学习超过300种医学专业期刊、250种以上的医学书籍、1500万页论文研究数据以及大量的临床案例。

IBM Watson推荐的方案还是太稳”,刘银松期待的是,Watson能给出最前沿的治疗方案

Watson并未收录最新疗法,因最新疗法还未产生大量数据,而其推荐的每个治疗方案背后都有相应的实证支持。此前,IBM Watson Health首席医疗顾问在一次行业会议上曾解释,Watson会倾向于保留数据量更大、更早期的临床数据和结论,医生可以看到这些临床数据的具体细节。

Watson不是帮病人看病,而是给医生做参考,让会诊过程中的信息更加标准化、格式化”。付刚称。

hanniman:在付费使用之前,患者为什么没了解到“Watson并不会给出最前沿的治疗方案”,以及“Watson不是帮病人看病,而是给医生做参考”这两点的?暂且不说Watson效果如何,至少在用户预期的沟通方面,就存在问题。要么是卖方为了赚钱,故意避重就轻,要么是患者自己存在侥幸心理,出了问题再把责任推向Watson,而不承认自己曾经听卖方介绍过。anyway,涉及到利益或生命,人们的言行就不那么“正直/理性”了。

这样的谨慎,使Watson推荐的方案与专家诊断符合度高。其宣传文案也说明了这一点,沃森肿瘤给出的治疗方案和MSKCC专家给出的方案有90%以上的符合度。

一位三甲医院肿瘤科主任认为, Watson与专家的诊断一致不奇怪,其数据和分析过程来自指南、高水平文献、高水平医院的经验,其对医生的指导不会出现严重偏差。

不过,这一说辞遭到挑战。国外医疗媒体STAT在对WfO的专题报道中提到,丹麦一份未发表的研究称,Watson给出的诊断方案与专家给出的仅有30%的符合度,所以该医院拒绝采购Watson系统。

hanniman:这种情况也正常,因为AI一定会出现一些未知性的结果,数据量超级大的时候,一定会出现黑天鹅事件,数据量小的时候,也一定会出现“体验不好”的用户反馈(比如人类和机器人聊天)。

对于操作者,WfO处理过程不复杂:医生输入主要病例特点,Watson从中提取病人属性,使用这些属性查找临床指南确定候选治疗方案,并搜索证据数据库,以查找每个选项的支持证据,包括并发症、禁忌症、MSK优选治疗等。最终,根据最佳证据,使用Watson分析算法优先考虑治疗方案。

医生们对Watson褒贬不一。

一些专家很重视其给出的诊疗意见,“Watson实现了文献、证据和数据在临床的应用。”参与刘银松会诊一主治医生对《财经》记者说,在所有的学科中,肿瘤是最讲究循证的。

认知关怀网络科技有限公司(下称认知关怀)副总经理王泰峰认为,Watson在所有的医院都有价值,其可以提升基层医生的决策效率,大医院专家可利用Watson的海量文献,提高会诊效率,对顶级专家而言,Watson可作为一种病例教学的工具,并且发现Watson的不足,进行相应训练。

而一些专家质疑,Watson就像一名律师助理,主要技能只不过是搜索文献而已,并提出疑问,它应该用在哪里?

如果Watson能解释是如何一步步给出患者诊疗方案,会让刘银松觉得更有用一些。

Watson提供的诊疗方案仅是方向性的框架,没有细到作为治疗方案去用的地步,需要具体执行的医生去细化。针对每个肿瘤病人的治疗方案需要考虑身体状况、既往疾病等因素,在刘银松看来,上述会诊结束后,医生私下建议妻子去做药敏试验反而是这次会诊最大的收获。

hanniman:这个可能就是Watson价值的体现,反而应该被卖方重视、强调。

Watson水土不服

自2016年,以一个商业化的产品身份进入中国,开始推广,美国籍的IBM Watson面临着中美医疗在体系、模式、诊疗方案差异等,诸多方面水土不服。

Watson秉持了多学科会诊模式,这也是中美肿瘤诊疗最大的差异。中国常是单科室作战,美国肿瘤治疗往往是多学科会诊——肿瘤外科、内科、放疗、介入科、影像、病理、检验等多学科参与。

去年Watson落地上海十院。上海十院肿瘤科主任许青告诉《财经》记者,如果没有Watson,多学科会诊中意见不一致时,最终还是听那些高资历医生的建议,有了Watson之后,相当于有一个相对客观的方向把控。

hanniman:Watson不可能来把控方向、承担责任;最终还是得听资历最老的专家。

涉及多个科室、多个专家,这对于现阶段国内以科室为主的医院提出了很高的要求。

积年习惯,公立医院不同科室之间难以配合,谁组织、谁落实等权责难以厘清。盛诺一家副总经理兼首席医务官王舜告诉《财经》记者,国外医疗机构设有肿瘤中心,其中又有外科、放疗科、病理科等多个学科的医生,而国内医院都是肿瘤外科、肿瘤内科等,各自为政,不可能每周拿几个病例进行讨论。

hanniman:“AI+行业”的文章,如果没有这种非常接地气、一看就知道是做了功课后才写得出的内容,那文章的差异化价值就不大。

《财经》记者获得的一份市场推广资料称,WfO现可支持乳腺癌、肺癌、结肠癌、直肠癌等10种癌症。

在刘银松预约举办的会诊中,参与会诊医生有10余名肿瘤科医生。一位医生就抱怨道,医生工作繁忙,时间紧张,还要浪费时间在会诊上。

许青介绍,在上海十院Watson智能会诊中心已经接诊过将近500名患者。这些患者多为经济情况较好的男性或因疑难杂症,或是咨询过多个医院的专家,但说法不一,希望进一步明确诊疗。

在三甲医院,WfO会诊难以频繁开展,而日常诊疗应用也受限。“日常诊疗太简单了。Watson的价值就不是很大,它的价值在于相对复杂的疾病或是大家的意见不一致的时候。”许青说。

由于中美在肿瘤治疗防范方面的差异,Watson也在接受本土化训练。然而,一些学者认为Watson最好不要太本土化,他们希望Watson提出的方案与他们给出的不同,这样才有探讨学习的空间。

“本土化”也意味着针对中国本地的病例、文献等进行训练。此前,IBM公司管理层曾对媒体表示,Watson需要更好与医疗机构内部的信息系统对接,并且需要更多的真实病人数据,这决定着其能否长大,这不仅是IBM面临的挑战,也是所有AI公司的难题。

许青称,目前Watson没有与上海十院的HIS系统打通,会诊中,仍需要人工输入病人的资料。

有一家医院在拒绝采购Watson时,提出三点:一是Watson没有通过美国和中国的监管部门的认证,出了问题谁来承担?二是为什么要向患者收费6000元;三是医疗数据开放给外企的担忧。

2017年10月,中电数据与IBM成立合资公司,向中国市场提供Watson Health相关解决方案 ,“就是要解决引进先进技术,数据不出境。”中电数据董事长李世锋告诉《财经》记者,中电数据提供给IBMWatson的是模拟数据。

在全球范围内,Watson还在寻求更多的数据、覆盖更多的癌症类型。Watson对数据的胃口很大,这意味着IBM必须长期源源不断地砸重金在数据获取上。

“三岁”Watson要赚钱

全球范围内,仅有少数医院采购了Watson系统,这离IBM的目标——主导数十亿美元的全球癌症市场,还相去甚远。但已有声音指责IBM对Watson系统商业化操之过急。

上述STAT的报道就称,IBM未能充分认识到全球范围内部署到医院所需面临的挑战,推出了一个不成熟的产品,正是因为IBM急于通过Watson变现。

变现的压力不仅是IBM的,国内代理商同样背负着。2016年,认知关怀成为WfO在中国的本地运营服务提供商;2017年,百洋医药集团与IBM签约,旗下百洋智能科技为Watson Health中国地区的战略合作伙伴。

在分级诊疗大背景下,国内代理商期望在基层医疗机构找到商机,打出的卖点是:WfO可以规范肿瘤治疗过程。

不过,县级医院更多定位为常见病的诊疗,与Watson的价值——为疑难杂症治疗提供第二诊疗意见不符。何况“(指基层医生)只能骑自行车,大卡车肯定开不了。”许青认为,Watson更适合辅助大医院的专科医生。

基层医生也不敢直接用系统给的判断。”一位AI医疗业内人对《财经》记者说。

盛诺一家曾与百洋科技合作引入WfO,但没能真正落地。“Watson限制太多。”王舜分析,如WfO不支持18岁以下的肿瘤患者、孕妇及多原位癌,它更适合那些经过一线治疗但还没有二三线用药的患者。

hanniman:AI落地初期,一定有更细分的场景/用户定位可以被挖掘。目标用户范围被缩小了,不是坏事,反而是好事,但关键是,产品业务负责人如何解读、如何针对这个细分定位来做MVP验证和迭代优化。

目前,认知关怀和百洋科技都对WfO交互界面做了汉化。认知关怀总经理华松鸳告诉《财经》记者,汉化了几十万条词库,同时建立了一套汉化的标准,但IBM Watson提供的诊疗意见多是发表在国际顶级杂志上的英文文献,目前并未汉化。这要求基层医生具有较高的英文文献阅读水平,而国内大多数基层医生很难达到。

hanniman:垂直领域应用AI,就会遇到类似这种差异化的问题,但这种看似“脏活累活”的地方,反而是有一定价值的,可能就是机会,不能太忽略过去。

国内代理商需要探索Watson在国内的落地解决方案、训练其不断长大,并且找到适合的商业模式。

尽管认为大众对Watson期待过高,“你要允许三岁小孩有三岁小孩的能力,但还是能帮你去工作的”。华松鸳还是称,“百洋科技关心的是下家在哪里?”怎么把产品转卖给别人,怎么样像药品一样通过层层渠道分销下去。

从项目伊始,定位相同的两家代理商是Watson在中国最主要的推手,两者也是竞争不断。认知关怀给《财经》的数据是,WfO在70多家三甲医院正式落地运营;百洋方面称,截至2018年3月,WfO已覆盖65家医院和医疗机构。全球范围内,WfO覆盖了150多家医院。

Watson肿瘤认知包括WfO、WfG等六个产品。百洋科技和认知关怀代理销售WfO,百洋科技则为WfG在中国地区的独家分销商。WfG正在方案组建阶段阶段,还没大规模的使用。

3月,百洋科技与IBM共同宣布,将WfO的独家总代分销权战略合作协议由三年延长至八年,即百洋科技还可以选择别的机构进行分销。“如果只是三年,可能还在研发。”付刚说。

STAT报道称,全球范围内,根据提供的产品以及绑定的服务不同,Watson收费额度从1000元到8000元不等。

华松鸳称,国内Watson的收费是基于其服务内容,如不同级别的专家提供服务、不同配套的其它服务等,收取费用从一两千元到几万元不等。

许青介绍,在上海十院,如果指导会诊的有5到6位医生的多学科团队收费6000元;如果仅一二名医生,则收费2000元。

这也被视为Watson是附着在医生来收费。“沃森从来没有对患者开药,它只是一种辅助手段,不能代替医生决策。”华松鸳表示,Watson就像计算机一样,仅是医生的一个工具。

既然是医生的工具,为何患者来买单?“如果医院觉得IBM Watson能提升品牌,代患者买单也可以。”华松鸳称,IBM开发、杭州运营产品有成本,又有市场取向,总要有人买单。

而付刚认为,Watson的推广需要有一种“不赚钱”的心态。截至发稿,IBM未回应记者的采访。

一位业内人士告诉《财经》记者,百洋科技在IBM Watson的项目上至少亏损2亿元。华松鸳称,认知关怀现在有营收,但是是否盈利则不方便透露。

Watson没有经过监管部门审批,被很多医生视为最大的风险因素。“如果按照Watson推荐的方案,出了问题谁来负责?”一位三甲医院影像科主任向《财经》记者质疑道。

2017年2月,美国德克萨斯大学宣布关闭Watson合作项目;5月,风投公司Social Capital的创始人Chamath Palihapitiya 在 CNBC 上直言:Watson就是个笑话,IBM的专长其实是通过强大的营销和市场体系,以及信息不对称,让消费者为他们并不了解的服务买单。

“IBM是个科技公司,他们对自己的技术非常有信心。”付刚称,但具体到技术,向哪个方向去滋生、去演变,他们也不是那么有把握。

发表评论