在人工智能的眾多應(yīng)用領(lǐng)域中，醫(yī)療保健正逐漸成為一條充滿潛力的“黃金賽道”。文章分析了AI如何提升醫(yī)療服務(wù)效率、轉(zhuǎn)化研究成果為實(shí)際產(chǎn)品，并討論了AI醫(yī)療解決方案的落地形式、商業(yè)模式及其對(duì)市場(chǎng)的影響。

AI醫(yī)療，正處于一個(gè)即將爆發(fā)的拐點(diǎn)。

在最近的一項(xiàng)調(diào)查中，醫(yī)療行業(yè)70%的參與者正在考慮落地AI，其中四分之三在過去一年增加了IT投資，并預(yù)計(jì)這一趨勢(shì)將繼續(xù)下去。2024年，在籌集資金的醫(yī)療技術(shù)初創(chuàng)公司中，有近40%將人工智能技術(shù)應(yīng)用到業(yè)務(wù)中。

不久前，國(guó)外SaaS領(lǐng)域最專業(yè)的投資機(jī)構(gòu)Bessemer發(fā)布了一個(gè)AI醫(yī)療領(lǐng)域的研究報(bào)告。在這個(gè)研究報(bào)告中，Bessemer會(huì)分享其對(duì)以下問題的思考：

AI醫(yī)療行業(yè)爆發(fā)背后究竟有哪些因素的推動(dòng)？面對(duì)這一新興機(jī)遇，創(chuàng)業(yè)者和投資人又應(yīng)該去如何尋找商業(yè)機(jī)會(huì)？

一、AI醫(yī)療發(fā)展的三個(gè)機(jī)遇

第一，醫(yī)療保健產(chǎn)生了全球30%的數(shù)據(jù)，而且這些數(shù)據(jù)已經(jīng)被數(shù)字化。

據(jù)估計(jì)，醫(yī)療保健行業(yè)產(chǎn)生的數(shù)據(jù)占全球數(shù)據(jù)的30%，增速比金融、媒體領(lǐng)域還快。但醫(yī)院產(chǎn)生的數(shù)據(jù)中高達(dá)97%未被利用。這些數(shù)據(jù)可用于幫助改善甚至重塑醫(yī)療保健運(yùn)營(yíng)和患者護(hù)理。

也就是說，醫(yī)院擁有大量尚未開發(fā)的數(shù)據(jù)，經(jīng)營(yíng)效率仍然有很大的增長(zhǎng)空間。

到了2010年代，經(jīng)過數(shù)十年的過程和強(qiáng)有力的監(jiān)管推動(dòng)，醫(yī)療保健領(lǐng)域的大部分臨床數(shù)據(jù)終于通過HER（電子化人力資源管理）的采用實(shí)現(xiàn)了數(shù)字化。其中，臨床記錄（包括文本、圖像、實(shí)驗(yàn)室值）形式的大量數(shù)據(jù)變得可供人工智能機(jī)器讀取。

這為AI在金融領(lǐng)域的落地創(chuàng)造了條件。比如，Lenful是一個(gè)專注于藥房的工作流自動(dòng)化平臺(tái)，它通過將AI技術(shù)應(yīng)用于340B審計(jì)、文檔處理和庫存計(jì)劃以及事先授權(quán)任務(wù)中的客戶數(shù)據(jù)來釋放價(jià)值。

第二，AI正在提升醫(yī)療服務(wù)的效率。

經(jīng)過多年的發(fā)展，AI可以對(duì)患者的健康狀況進(jìn)行建模，從蛋白質(zhì)的功能一直到患者所屬的人群以及其此前就醫(yī)醫(yī)療服務(wù)的情況。

隨著供應(yīng)商采用新的分子檢測(cè)方法（例如單細(xì)胞測(cè)序）和能夠測(cè)量新健康信號(hào)的醫(yī)療設(shè)備，每天都有更多數(shù)據(jù)和新型數(shù)據(jù)可用。監(jiān)管正在將這些新的數(shù)據(jù)上傳到網(wǎng)絡(luò)。

如果能夠更有效利用這些數(shù)據(jù)，它們就能描繪出醫(yī)療保健的多維視圖，并用于開發(fā)AI產(chǎn)品和服務(wù)，以解決更廣泛的復(fù)雜生物醫(yī)學(xué)和醫(yī)療保健問題。新發(fā)現(xiàn)的結(jié)合和運(yùn)行多個(gè)數(shù)據(jù)集模型的能力為更多可能性打開了大門，而這些可能性的數(shù)量和范圍尚未完全了解。這是我們將醫(yī)療保健視為多模式AI開發(fā)和應(yīng)用“圣杯”的最大原因之一。

第三，AI醫(yī)療研究正在轉(zhuǎn)化為產(chǎn)品和服務(wù)。

自21世紀(jì)初開始，AI在醫(yī)療研究領(lǐng)域的應(yīng)用開始增加，從深度學(xué)習(xí)到現(xiàn)在的生成式AI。

在這個(gè)過程中，雖然取得了一些積極成果，但醫(yī)療機(jī)構(gòu)仍然沒有找到一種辦法將這些成果大規(guī)模落地。但現(xiàn)在變了，大模型出現(xiàn)讓AI應(yīng)用有了更多落地的可能性。

看看自2000年以來FDA批準(zhǔn)的AI/ML（人工智能和機(jī)器學(xué)習(xí)）設(shè)備數(shù)量的指數(shù)增長(zhǎng)，2024年批準(zhǔn)的設(shè)備數(shù)量將是2014年的30倍。

種種跡象顯示，現(xiàn)在已經(jīng)到了AI醫(yī)療領(lǐng)域發(fā)展的關(guān)鍵拐點(diǎn)。

二、三個(gè)關(guān)鍵假設(shè)

第一，落地形式-商業(yè)模式-市場(chǎng)契合度決定價(jià)值創(chuàng)造

AI解決方案的形式和公司的商業(yè)模式，會(huì)對(duì)可用的TAM（總目標(biāo)市場(chǎng)）和毛利率產(chǎn)生重大影響。我們所說的形式是指AI產(chǎn)品的落地方式（例如軟件、副駕駛、代理、服務(wù)、診斷、治療）。通過不同的商業(yè)模式處理相同工作流程的公司，可能會(huì)擁有高達(dá)25倍的TAM差異。

1）落地形式

從目前看，AI在醫(yī)療領(lǐng)域的落地方式主要有兩種：垂直人工智能模式和醫(yī)療保健AI特定模式。

其中，垂直人工智能模式包括：

• 人工智能軟件：一個(gè)具有豐富人工智能功能的平臺(tái)，可提高功能和用戶體驗(yàn)
• 副駕駛：支持人工智能的助手，與用戶一起工作，通過自動(dòng)執(zhí)行現(xiàn)有工作流程中的任務(wù)來提高工作效率
• 代理：以最少的人工干預(yù)執(zhí)行特定任務(wù)的自主或半自主系統(tǒng)
• 人工智能服務(wù)：傳統(tǒng)服務(wù)通過人工智能增強(qiáng)其效率、準(zhǔn)確性或用戶體驗(yàn)

而醫(yī)療保健AI特定模式又分為診斷和治療，這是醫(yī)療行業(yè)獨(dú)有的模式。

AI診斷通過現(xiàn)有或新模式支持或自動(dòng)識(shí)別疾?。ɡ?，視網(wǎng)膜成像 AI已應(yīng)用于心血管、代謝和神經(jīng)系統(tǒng)疾病的診斷），并且可以通過現(xiàn)金支付、保險(xiǎn)或企業(yè)合同報(bào)銷。

即使在要求更為嚴(yán)格的臨床診斷環(huán)節(jié)，也出現(xiàn)了一些AI診斷公司，包括心臟病學(xué)領(lǐng)域的Cleerly、神經(jīng)病學(xué)和心血管領(lǐng)域的Viz.ai 、眼科學(xué)領(lǐng)域的Digital Diagnostics和腫瘤學(xué)領(lǐng)域的Tempus。

另一種特定于醫(yī)療保健的方式是治療，即旨在緩解癥狀或治愈疾病的醫(yī)療方法。

AI在治療學(xué)中更常見的用例是協(xié)助藥物發(fā)現(xiàn)和開發(fā)。例如，Besseme投資的Seismic Therapeutic正在將機(jī)器學(xué)習(xí)和AI用于自身免疫性疾病的藥物發(fā)現(xiàn)和開發(fā)，以應(yīng)對(duì)減輕免疫原性等關(guān)鍵挑戰(zhàn)。

實(shí)際上，公司會(huì)將多種模式整合到一個(gè)綜合解決方案中。例如，Qventus通過軟件和基于代理的服務(wù)提供圍手術(shù)期優(yōu)化解決方案。

2）商業(yè)模式

AI產(chǎn)品的形態(tài)有助于確定最佳商業(yè)模式。雖然可以同時(shí)部署多種商業(yè)模式，但為了簡(jiǎn)單起見，我們分享兩種主要的商業(yè)模式架構(gòu)：基于使用情況和基于性能。

3）對(duì)TAM和毛利率的影響

為了說明方式和商業(yè)模式對(duì)公司TAM和毛利率的影響，我們使用了一個(gè)在眼科領(lǐng)域進(jìn)行創(chuàng)新的假設(shè)初創(chuàng)企業(yè)的例子。

舉個(gè)例子，美國(guó)大約有20,000名眼科醫(yī)生和50,000名驗(yàn)光師，每年拍攝1800萬張視網(wǎng)膜圖像，每年進(jìn)行700萬次眼部注射。2010年代，研究人員開發(fā)了一種使用視網(wǎng)膜圖像識(shí)別眼睛以外區(qū)域病變（例如糖尿病前兆）的方法。

我們假設(shè)的初創(chuàng)公司已經(jīng)創(chuàng)建了一種由這些方法進(jìn)化而來的AI解決方案。

根據(jù)方式和商業(yè)模式的不同，上面列出的TAM范圍從8400萬美元（對(duì)于采用按座位付費(fèi)SaaS 模式的副駕駛產(chǎn)品）到21億美元（對(duì)于采用基于使用量或“按服務(wù)收費(fèi)”定價(jià)模式的輔助眼部注射的AI服務(wù)）。

正如這個(gè)例子所強(qiáng)調(diào)的，如果單獨(dú)部署AI模型，通常無法充分發(fā)揮其潛在價(jià)值，并且可能給客戶應(yīng)用帶來困難。為了最大限度地獲取價(jià)值并推動(dòng)產(chǎn)品落地，公司應(yīng)該考慮垂直整合的業(yè)務(wù)模式，即利用AI來增強(qiáng)或重新構(gòu)想現(xiàn)有的工作流程，有效地滿足客戶的需求。這些垂直整合的方法不僅可以解決更全面的問題，還可以挖掘整個(gè)價(jià)值鏈中更大的收入來源，從而擴(kuò)大潛在的市場(chǎng)規(guī)模。

考慮以下有針對(duì)性的軟件解決方案及其垂直集成解決方案的示例：

放射學(xué)：AI優(yōu)先的放射學(xué)軟件產(chǎn)品與AI支持的放射學(xué)服務(wù)提供商優(yōu)化整個(gè)圖像采集和解釋工作流程

收入周期管理：AI優(yōu)先的編碼和計(jì)費(fèi)軟件與具有AI特性和功能的綜合收入周期管理服務(wù)

臨床試驗(yàn)：用于臨床試驗(yàn)招募和選址的AI優(yōu)先軟件與使用AI管理端到端試驗(yàn)招募和選址的全方位服務(wù)機(jī)構(gòu)

值得注意的是，模式和商業(yè)模式也會(huì)影響毛利率，更高的TAM和更健康的毛利率之間往往存在權(quán)衡。比如，雖然人工智能眼部注射服務(wù)的TAM幾乎是人工智能軟件產(chǎn)品的兩倍，但從歷史上看，SaaS的毛利率遠(yuǎn)高于醫(yī)療保健服務(wù)。但這一慣例正受到人工智能公司的挑戰(zhàn)，其中許多公司正在使用人工智能來提高基于服務(wù)的交付模式的效率。

第二，多模態(tài)是AI醫(yī)療的“圣杯”

由于醫(yī)療保健數(shù)據(jù)是多維的——涵蓋臨床記錄、醫(yī)學(xué)影像、音頻、視頻、患者報(bào)告的結(jié)果、可穿戴設(shè)備數(shù)據(jù)、時(shí)間序列信息、暴露數(shù)據(jù)、基因測(cè)序結(jié)果等，多模態(tài)技術(shù)將在AI醫(yī)療領(lǐng)域有更大的發(fā)揮空間。

現(xiàn)在已經(jīng)有AI公司推出多模態(tài)的AI產(chǎn)品。比如，Theator提供用于手術(shù)視頻分析和關(guān)鍵見解注釋的多模態(tài)AI產(chǎn)品，以及為放射科醫(yī)生提供AI診斷和文檔解決方案的RadAI。

當(dāng)豐富的生物醫(yī)學(xué)數(shù)據(jù)與人口層面的信息、運(yùn)營(yíng)洞察和財(cái)務(wù)指標(biāo)相結(jié)合時(shí)，人工智能不僅可以更早、更準(zhǔn)確地診斷疾病，還可以識(shí)別阻礙患者康復(fù)的因素以及增強(qiáng)醫(yī)療保健系統(tǒng)功能和效率的機(jī)會(huì)。

第三，需要垂直行業(yè)專用的基礎(chǔ)設(shè)施——而且要快

1）網(wǎng)絡(luò)安全和數(shù)據(jù)隱私

醫(yī)療數(shù)據(jù)是暗網(wǎng)上最受追捧的數(shù)據(jù)之一，而醫(yī)療機(jī)構(gòu)支持龐大且不斷擴(kuò)大的攻擊面，這使它們?nèi)菀资艿嚼账鬈浖?。盡管醫(yī)療行業(yè)迫切需要一流的網(wǎng)絡(luò)安全解決方案，但由于資源限制、技術(shù)過時(shí)和極其復(fù)雜，它在基礎(chǔ)設(shè)施的采用和強(qiáng)度方面已經(jīng)落后于其他行業(yè)。

人工智能解決方案的實(shí)施也可能帶來新的風(fēng)險(xiǎn)。人工智能可以擴(kuò)大現(xiàn)有的攻擊面并引入新類型的攻擊，例如注入攻擊，其中模型訓(xùn)練所用的數(shù)據(jù)會(huì)被識(shí)別。雖然我們看到一些初創(chuàng)公司正在努力填補(bǔ)這些空白，但基礎(chǔ)設(shè)施仍處于起步階段。

2）數(shù)據(jù)生成和管理

訓(xùn)練醫(yī)療保健AI模型需要大量高質(zhì)量數(shù)據(jù)，這些數(shù)據(jù)代表預(yù)期用例和人口特征。醫(yī)療保健系統(tǒng)內(nèi)現(xiàn)有活動(dòng)的“廢棄”數(shù)據(jù)本身可能不夠用。

近年來，一些有前景的醫(yī)療保健數(shù)據(jù)市場(chǎng)已經(jīng)出現(xiàn)，包括Protege、Gradient和Omny Health，但僅靠這些市場(chǎng)無法為每個(gè)AI模型提供數(shù)據(jù)。高質(zhì)量數(shù)據(jù)的數(shù)量也不是唯一的差距，還需要可擴(kuò)展的方法來對(duì)敏感患者數(shù)據(jù)進(jìn)行去識(shí)別化，并在征得患者同意的情況下大規(guī)模重新識(shí)別數(shù)據(jù)。

3）模型性能基準(zhǔn)測(cè)試

一個(gè)高性能的AI模型，對(duì)研究成果轉(zhuǎn)化為醫(yī)療保健產(chǎn)品至關(guān)重要。但現(xiàn)在醫(yī)療行業(yè)缺乏對(duì)模型能力的性能測(cè)試，盡管現(xiàn)在行業(yè)試圖讓ChatGPT參加美國(guó)醫(yī)師執(zhí)照考試，來評(píng)估其在醫(yī)療保健用例中的能力，但這并不能準(zhǔn)確衡量其落地的可行性。所以，醫(yī)療行業(yè)缺少一個(gè)對(duì)模型能力在行業(yè)應(yīng)用的評(píng)估體系。

4）模型監(jiān)控

由于數(shù)據(jù)或模型運(yùn)行環(huán)境的變化，AI模型的效果可能會(huì)不穩(wěn)定。這在實(shí)際應(yīng)用中很致命。例如，如果人工智能診斷出現(xiàn)錯(cuò)誤，影響的規(guī)?？赡苁菙?shù)千名患者。模型需要一個(gè)模型監(jiān)測(cè)的風(fēng)控體系，來實(shí)時(shí)評(píng)估模型的表現(xiàn)，進(jìn)而大大降低模型所帶來的風(fēng)險(xiǎn)。

5）治理

為了更有效和安全地使用AI醫(yī)療技術(shù)，組織內(nèi)需要有明確的負(fù)責(zé)人。這個(gè)人的職責(zé)是，了解AI在所有業(yè)務(wù)環(huán)節(jié)的應(yīng)用，并監(jiān)督和維護(hù)。

三、AI醫(yī)療投資的六大標(biāo)準(zhǔn)

在AI醫(yī)療領(lǐng)域，我們的投資標(biāo)準(zhǔn)主要涵蓋六個(gè)核心技術(shù)主題，分別是：

1. 交互系統(tǒng)：人工智能平臺(tái)或服務(wù)，支持用戶與人工智能算法之間進(jìn)行實(shí)時(shí)動(dòng)態(tài)交互，完成從臨床決策支持到患者參與和資源管理等各種醫(yī)療任務(wù)。
2. 多模式技術(shù)：集成和分析多種數(shù)據(jù)類型（如文本、圖像、音頻和傳感器數(shù)據(jù)）的人工智能系統(tǒng)，以提供見解并識(shí)別新模式。
3. 模擬：人工智能虛擬環(huán)境和預(yù)測(cè)模型，可復(fù)制復(fù)雜的醫(yī)療和操作場(chǎng)景，實(shí)現(xiàn)無風(fēng)險(xiǎn)培訓(xùn)、策略測(cè)試和結(jié)果預(yù)測(cè)。
4. 評(píng)估基礎(chǔ)設(shè)施：標(biāo)準(zhǔn)化框架、工具和方法，旨在評(píng)估人工智能算法在各種醫(yī)療應(yīng)用中的性能、安全性和倫理影響，以確?？煽啃院陀行浴?/li>
5. 傳感器或機(jī)器眼：先進(jìn)的成像、傳感和數(shù)據(jù)捕獲技術(shù)，可以檢測(cè)、分析和解釋醫(yī)療數(shù)據(jù)、操作數(shù)據(jù)或設(shè)備性能中的微小細(xì)節(jié)，通常超越人類的能力。
6. 專業(yè)基礎(chǔ)模型：專為醫(yī)療保健特定應(yīng)用而設(shè)計(jì)的人工智能系統(tǒng)，利用大型預(yù)先訓(xùn)練的模型來增強(qiáng)或自動(dòng)化臨床和行政環(huán)境中的專門任務(wù)，提高診斷、個(gè)性化治療、工作流程優(yōu)化和其他領(lǐng)域的準(zhǔn)確性、效率和可擴(kuò)展性。

雖然醫(yī)療保健市場(chǎng)可能比看上去要小，但仍然有有很多細(xì)分領(lǐng)域擁有10億美元以上的市場(chǎng)空間。我們將這些細(xì)分領(lǐng)域分為低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)：

正如預(yù)期的那樣，醫(yī)療保健領(lǐng)域AI解決方案的應(yīng)用曲線正從“低風(fēng)險(xiǎn)”轉(zhuǎn)向“高風(fēng)險(xiǎn)”，即從后臺(tái)轉(zhuǎn)向前臺(tái)和工作臺(tái)子垂直領(lǐng)域。抓住后一類機(jī)會(huì)的公司將不得不清除更多障礙才能進(jìn)入市場(chǎng)，并面臨買家更嚴(yán)格的審查?？紤]到漫長(zhǎng)的商業(yè)化周期，創(chuàng)始人應(yīng)該意識(shí)到資金消耗率和資本需求。

平臺(tái)潛力

Pitchbook 數(shù)據(jù)顯示，已有4,000多家美國(guó)醫(yī)療保健人工智能公司投入運(yùn)營(yíng)。然而，仔細(xì)觀察就會(huì)發(fā)現(xiàn)，形勢(shì)與我們之前看到的截然不同。

最值得注意的是，醫(yī)療行業(yè)的公司老板是經(jīng)驗(yàn)豐富的買單者，他們從過去的經(jīng)驗(yàn)中吸取了教訓(xùn)，不喜歡單點(diǎn)解決方案，更喜歡與現(xiàn)有流程無縫銜接的集成方法。我們預(yù)測(cè)，最成功的AI醫(yī)療公司將專注于基本工作流程上游產(chǎn)生大量有價(jià)值數(shù)據(jù)的關(guān)鍵節(jié)點(diǎn)。

通過掌握數(shù)據(jù)創(chuàng)建和工作流程啟動(dòng)的關(guān)鍵點(diǎn)，醫(yī)療保健AI平臺(tái)可以對(duì)一系列下游流程產(chǎn)生重大影響，并最終實(shí)現(xiàn)可觀的回報(bào)。這種方法有三方面的好處：

1.工作流程控制：平臺(tái)可以簡(jiǎn)化和優(yōu)化多個(gè)產(chǎn)業(yè)鏈玩家相的核心流程，并將人工智能驅(qū)動(dòng)的洞察力融入日常運(yùn)營(yíng)，以促進(jìn)整個(gè)醫(yī)療生態(tài)系統(tǒng)的標(biāo)準(zhǔn)化和最佳實(shí)踐的創(chuàng)建。這些變化可以大大減少跨利益相關(guān)者互動(dòng)和信息交換中的摩擦，從而實(shí)現(xiàn)更高效、更有效的醫(yī)療服務(wù)。

2.數(shù)據(jù)優(yōu)勢(shì)：通過與一個(gè)產(chǎn)業(yè)玩家建立數(shù)據(jù)密度，平臺(tái)可以與生態(tài)系統(tǒng)中上下游各方產(chǎn)生新的合作機(jī)會(huì)。通過捕獲獨(dú)特且難以復(fù)制的多樣化互補(bǔ)數(shù)據(jù)集，他們既能夠開發(fā)新穎的多模式解決方案來解決復(fù)雜的醫(yī)療保健問題，又能夠提高平臺(tái)的防御能力。

3.分銷：平臺(tái)可以利用現(xiàn)有的利益相關(guān)者關(guān)系來快速擴(kuò)大采用范圍。隨著越來越多的用戶為平臺(tái)做出貢獻(xiàn)并從中受益，強(qiáng)大的網(wǎng)絡(luò)效應(yīng)就會(huì)出現(xiàn)。這些平臺(tái)的中心地位還促進(jìn)了生態(tài)系統(tǒng)內(nèi)其他人工智能解決方案的交叉銷售，同時(shí)通過綜合的多利益相關(guān)者方法降低了客戶獲取成本。

例如，臨床文檔平臺(tái)Abridge將自己定位于患者與醫(yī)療服務(wù)提供者溝通的記錄系統(tǒng)。通過構(gòu)建對(duì)話數(shù)據(jù)，Abridge不僅簡(jiǎn)化了臨床工作流程，還創(chuàng)建了一個(gè)豐富的數(shù)據(jù)集，可以為從計(jì)費(fèi)到護(hù)理協(xié)調(diào)再到臨床試驗(yàn)等各種下游流程提供信息，從而為醫(yī)療生態(tài)系統(tǒng)內(nèi)的其他利益相關(guān)者提供價(jià)值奠定了基礎(chǔ)。

除了醫(yī)患對(duì)話之外，人工智能在醫(yī)療保健領(lǐng)域的其他戰(zhàn)略啟動(dòng)點(diǎn)還包括處方點(diǎn)、耐用醫(yī)療設(shè)備 (DME) 訂購(gòu)、醫(yī)生教育、證據(jù)生成、臨床試驗(yàn)方案設(shè)計(jì)以及生物樣本采集和儲(chǔ)存等。每個(gè)關(guān)鍵節(jié)點(diǎn)都有可能成為人工智能驅(qū)動(dòng)的創(chuàng)新和價(jià)值創(chuàng)造的場(chǎng)所，不僅對(duì)一家醫(yī)療保健人工智能公司如此，對(duì)許多公司也是如此。