Call Us: +07 554 332 322

contact@example.com

Mon - Fri 09:00 - 19:00

Sat and Sun - CLOSED

Blog

人工智慧醫療的商業化困局 | 人人都是產品經理

人工智慧醫療的商業化困局 | 人人都是產品經理

編輯導語:隨著現代醫學的不斷發展,在「互聯網+」、人工智慧等新技術帶動下,人工智慧醫療出現並且造福著廣大醫生和病人。但同時,人工智慧醫療也面臨著商業化困局。

為了能讓讀者們能快速的了解人工智慧醫療這個行業,對人工智慧醫療有個概念。所以在文章開篇我整理了一份AI在醫療領域的全景地圖,全景地圖內容包含了應用場景、應用價值、相關企業、政策解析、技術現狀相等等。

目前是1.0版本如果有遺漏或者有更好的建議可以掃描全景地圖的二維碼聯繫主編,一起共同完善。

人工智慧醫療的商業化困局

一、價值

當前AI在醫療領域的應用大部分都是在醫學影像行業,而它所帶來的最直觀的價值就是效率以及精準度十倍甚至是百倍的提升。

就以肺結節醫學影像為例,起最大的價值就是當醫生的工作量大的時候,對於3毫米以下的肺結節是比較難發現的,有了AI輔助之後,至少可以節約80%的重複性勞動,原來醫生進行篩查可能要花費大量的時間,現在只需要醫生在做一次把關即可,並且可以有效的降低誤診率。

AI醫療之所以在人工智慧行業將佔市場規模的五分之一,很大一部分是因為醫療具有廣泛的市場需求和多元業務趨向,擁有多元化的業務空間。

首先,對於數據來源比較全面,因為對接的是醫院脫敏數據,而且用戶群體相對比較清晰。像一般的影像醫生都可以快速入手,但是對於影像分析來說一般只是提供專家型的輔助作用,並不會直接給予醫學結果,最後的決策動作還是需要醫生來操作。

在醫療行業還有特別大的價值,就是它的數據有很強的擴展性,基本上能夠把深度學習做好,就可以擴展到其他的應用場景了,其實這樣就可以巧妙的解決初創企業後期的業務見頂問題。

人工智慧從本質上來說,就是運用技術來解決醫療問題。將有效的臨床醫學數據進行結構化,然後進行深度學習,在相同的醫學案例中找到對應的方案模型並給出標準,這種應用的成功案例也是非常多的。

其實在我們日常生活中就有很多AI醫療的場景了,比如醫院導診的機器人,它可以根據你的疼痛部位進行導診分診,再比如搜索引擎中的疾病解析以及解決路徑的匹配、搜索、問答、客服這些都是人工智慧應用層面的實例。

沒有是人工智慧解決不了的數據化流程,只不過人工智慧是在用高成本上去體現醫學價值。

關於AI醫療我們從技術的攻克談到應用場景,然後再從應用場景到用戶價值,再到現在的落地與商業化,剛開始兩年大家可能比較迷茫,但現在來看大部分企業都已經比較清楚客戶的需求,包括整個行業的邏輯和大方向,接下來的問題是如何加速商業化的腳步。

造血對於人工智慧,一直以來都是不小的難題。

二、困局與破局

其實,無論是知識圖譜、影像識別等實現了從以往的人工輔助向更為嚴謹的智能發展,人工智慧在醫療領域基本已經在市場上成型。

以人工智慧+醫院管理(CDSS)為例,CDSS是醫生在給患者看病時,運用AI技術將多張化驗單和檢查報告進行知識對比與聯繫,最後給予醫生一個診療建議,這實質上是一個多變數分析過程。

其實騰訊、阿里都做了不少的功夫在裡面,也落地了不少三甲醫院。但從目前醫院市場表現和評價來看,CDSS確實存在著一些問題。

不難發現,從醫學影像到醫院管理,再到醫藥研究。拋開「口碑」不看,它們共同體現出的「時間成本」問題更值得關注。

AI醫療其實一直以來都遇到了「時間成本」問題,即培養跨界協作認知的時間成本。其實最大的成本來自於人的認知時間,包括客戶和企業之間的認知、開發人員和醫療專家之間的認知,資本與市場之間的認知,之間的共通還需要一大段時間磨合。

目前最大的矛盾點就是資本已經對AI醫療失去了耐心,如何解決這個問題成為了行業發展的關鍵。

我們都知道在這幾年時間從某種程度上來說是醫療技術的一個前進,但是單純用學術先進的是沒有辦法建立產品或者商業模式的。資本要求的商業化核心是場景的落地問題,為了能夠讓AI醫療「軟著陸」的同時又能向資本交代清楚落地節奏,分段式發展是最好的方法。

正是因為人工智慧的是通過不斷優化演算法以及擴大場景來維繫整個行業的發展,隨著人工智慧的「燒錢」標籤越來越明顯,並且還未成熟適應市場,對於資本輸血的AI醫療來說,接下來的AI醫療創業者將背負更多壓力。

畢竟,目前的技術成熟度還未足夠,對接下來的人工只能所能帶來的拉動醫療行業作用會減弱。尤其是,在2B模式下。

事實上,如果AI醫療的企業們以及接下來的要進入到AI醫療的創業者們能夠儘快適應並做好分段式落地的模式,對於資本來說,這種分段式落地會變得有盼頭,所能實現的發展前景是極為可觀的。

將研發的過程中的,中間結果拿來商業化,做場景的擴展進行「軟著陸」,假大空的目標並不是長久之計。

短期內只要把醫療客戶服務好,比如真正做好幫助醫院實現就診流程自動化、極大地提高醫院管理效率這件事,比如說幫民營醫院精細化運營,或者將現有的技術介面開放,讓更多的企業或者機構來反哺技術的有效性,這就是AI醫療分段式發展要做到的事情。

並不是做了一個醫學影像,就把所有的疾病提前篩查都做了,就是成功的。

對於2B商業化而言,步驟分為四步,技術驗證、單業務樣板實驗、單業務市場驗證、複製模式,才是最穩妥的做法。

客觀來看,無論是商業化或可複製作為重點或亮點,都是無可厚非的操作。但如果落地之後的市場表現較為平平,用戶的評價或許會直接轉移到技術不成熟身上,則會對口碑形成消耗。快速落地這其實可以看作是對AI醫療口碑的一種消耗。

所以,對於接下來AI醫療如何商業化來說,如何在加速推動分段式發展的同時儘可能加快建立有效的數據閉環成為了最大的關鍵所在。同樣,把控好業務的邊界以及時間節奏,場景位置,也是人工智慧能夠商業化的核心。

#專欄作家#

羅福如,微信公眾號:HPM News,人人都是產品經理專欄作家。前海康博士聯合創始人兼產品總監,阿里高級產品專家。涉及智慧醫療領域需求產品化5年,致力於智慧醫療領域產品體驗設計以及新商業模式研究。

本文原創發佈於人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基於 CC0 協議

給作者打賞,鼓勵TA抓緊創作!