医疗

连心医疗CEO章桦:千亿肿瘤诊疗市场,医疗将成大数据下一个用武之地|爱分析访谈

智能诊疗,解放肿瘤专科医生不是梦

2017年09月15日
调研 | 李喆 撰写 | 辛颖
  • 医疗
  • 大数据
  • 智能诊疗
  • 医疗科技
  • AI 人工智能
  • 大数据医疗

人工智能在医疗行业潜力巨大,其中肿瘤医疗市场缺口明显

大数据和人工智能的下一波机会将出现在医疗行业,其中千亿级癌症诊疗,将是一个突破口,技术将解决一部分现有医疗资源分配不均衡的问题,并极大提升人效。

据国家癌症中心统计,中国现存肿瘤患者约为750万人,按人均年花费7万元,肿瘤治疗渗透率60%计算,中国肿瘤医疗服务市场规模约为3200亿元。其中,公立三级医院承担了超过80%肿瘤治疗任务,集中度极高,由于医疗资源相对匮乏,已超负荷运转,公立医院扩张受到政策约束,预期肿瘤治疗存在较大供需缺口。

肿瘤主要有三大治疗手段,药物(60%)、手术(25%)和放疗(15%)。药物对患者伤害比较大,手术对医生的依赖度过高,预计放疗治疗的占比会逐步提升至欧美相同水平(60%)。

传统放射治疗需要耗费医生较长的诊疗时间,如果智能医疗能够缩短靶区勾画和治疗方案制定过程的时间,医院配合设备购置,这将有效缓解现有医疗资源供需缺口,同时产生巨大的商业机会。

2013年,中国籍医学物理博士章桦正在加州大学圣地亚哥分校,进行高性能运算平台在肿瘤放射治疗的研究。硅谷蓬勃火热的创新氛围,以及计算机技术在医疗行业的前沿发展,坚定了他回国创业,让全球顶尖技术服务中国医疗的想法。

2016年3月,章桦在北京创立连心医疗(Linking Med),主攻肿瘤放疗的智能诊疗领域,成立半年内,即获得1200万元天使轮投资,并且于2017年7月完成数百万美元的A轮融资。

截止当前,连心医疗已申报与取得国家发明专利14项,合作申请省市自然科学基金24项,主要的业务合作医院8家。

医疗数据的采集和清洗过程难度高,智能诊疗现已实现高精准度智能靶区勾画

创立初期,连心医疗在数据源收集这一步上迈得尤为困难。

在中国,智能肿瘤诊疗的首要难点,在于医疗肿瘤科系统的信息化程度太低,基本依赖纸质单据,导致各环节之间无法交互;其次,医疗行业对数据源的多维度和连续性要求更高;第三,肿瘤行业拥有数据源的核心机构虽然集中度高,但进入门槛也很高;最后,数据清洗过程不仅耗时耗力,还需要相当的医疗专业知识储备支撑。

为解决以上问题,连心医疗一边收集、录入过去的各种纸质信息,一边通过给医院提供信息化系统,以支持高效的数据收集和整理。

现在,连心医疗的肿瘤影像智能分析技术,经过大量病例学习,已构成核心竞争力,现对外提供的产品主要有:肿瘤信息化OIS、肿瘤协作平台和科研平台。

肿瘤信息化OIS,是基础的医疗数据管理系统,也是目前连心医疗应用最广泛的产品,能够高效实现靶区勾画、多端同步交互、全周期患者信息展示、自定义角色权限控制和病例优化处理。

智能诊疗系统,已经能够实现精准度高达92%的智能靶区勾画,并能够提出治疗方案建议。原本每例患者医生需要耗费约两小时的诊疗时间,现已缩短至20-30分钟。

与连心医疗业务类似,在美国有肿瘤大数据公司Flatiron Health,2012年创立,致力于整合癌症相关的医疗大数据,为医院、药企和患者提供全方位的服务。Flatiron已经收集了美国超过30%的癌症患者的信息,在超过200家肿瘤治疗中心,有近2000位临床医生客户。截至目前,Flatiron Health已完成3.13亿美金融资,最新估值达到12亿美金。

那么,中国的智能医疗发展现状如何?正面临哪些挑战?近日,爱分析与连心医疗CEO章桦进行了访谈,现精选部分内容与各位分享。

智能诊疗,数据收集和清洗是门槛

爱分析:连心医疗主要解决的是医院哪些需求?

章桦:辅助诊疗,本质上还是解决中国医疗资源不均衡的问题。传统诊疗过程医生大概需要花费2小时,现在只要30分钟。

肿瘤科医生很难培养,而肿瘤放疗是流水线操作,每个人至少收5万块,肿瘤科盈利能力强, 所以如果能帮他们提高工作效率,医院的付费意愿很高。

爱分析:目前有哪些付费产品?产品如何定价?

章桦:主要靠给医院做管理平台,辅助诊疗的产品按病例进行收费,也就是按流量。

爱分析:如何给医生提供解决方案?

章桦:先通过医院积累的图像进行机器学习,然后建立AI模型。最后机器可以给医生提供肿瘤治疗的方案建议,医生再在方案的基础上做调整,AI可以显著提高诊疗效率。

爱分析:信息的录入由谁完成?

章桦:新的病人就诊时就通过系统直接录入了,过去没录入的数据都是我们用人工根据原始病例录入的。

爱分析:数据结构化处理如何完成?各家技术上有什么差异?

章桦:词句内容的结构化,是先做词法分析、词频分析,然后mapping,这项技术每家都类似。但是,图像分析和提供治疗方案是我们的核心技术,肿瘤治疗本身对图像的依赖性很强,我们的图像处理,可以自动获取图像上器官结构,并分析他们的变化。

爱分析:产品背后的模型都是连心自己做的?

章桦:我们目前和美国国立卫生研究院、哈佛大学等机构合作,已经获得授权许可,完成的模型是很靠谱的。做医疗还是要和顶尖机构合作,由有长期积累的专业人士去做核心算法。又因为优秀的算法同时也需要大量的数据,所以我们会长期合作。

爱分析:生成一个模型一般需要多少病例数据?

章桦:不同器官不一样,一般200例,有的器官偏差很大,所以我们也有模型是经过上千例学习后生成的。

爱分析:现在大概签了有多少家医院?

章桦:重要医院签了8家。

爱分析:数据获取成本占比大吗?未来会不会降低?

章桦:主要是进入医院的获客成本,技术成本相对有限,未来也不会有太大差异,主要还是看人。 如果国家队的企业入场,成本可能会好一些,但国家队也要花上百亿。

爱分析: 现在团队规模和结构如何?

章桦:50多人,研发占80%,其中算法研究和软件工程师各一半。此外,销售和实施的人都很少。

复合型人才和获客能力是成败关键

爱分析:大数据与医疗的结合,相比和其他行业结合有什么不一样?

章桦:医疗行业还是有特殊性的。我过去也和大多数人的想法一样,以为互联网就是做2C业务,但后来发现互联网2C产品的属性是高频的标品,比如外卖、打车,但医疗如果做2C就不符合。

互联网医疗的思路应该是,医疗行业谁的行为符合高频和标品?不是患者,是医生。但是医生本身不付费,是患者付费。那么,如何建立一个商业模式,通过医生的高频行为让患者买单?

我们可以推导一下:什么是能让医生高频使用的东西?它本质上应该是工具,而工具是一个结果,形成工具的过程本质还是数据。

现在从宏观的角度看,云计算的充分使用,才是互联网大数据变局的关键。云计算代表无限的存储能力和计算能力,承载了极大的扩展性,同时也带来的新商业模式。虽然我们的系统也和AI紧密相关,但我并不觉得本质上AI是关键。

爱分析:目前国内做医疗大数据的公司并不多,主要挑战是?

章桦:最大的挑战就是找不到相关复合型专家。目前这个领域太需要复合型人才,除了基本的技术积累和医疗知识,还需要有管理能力,能带团队。

另外一个痛点不是技术能力,是医院的环境太复杂。

爱分析:您提到很多次要找“复合型人才”,这是怎样的人?

章桦:专业上要懂AI,也要懂医疗。比如,大家都知道要收集数据,但他还要知道具体需要什么数据。什么数据能最快带来收入?什么科室?具体什么数据?

爱分析:如何看待连心医疗所在的市场空间?

章桦:总体说这是个几千亿的市场。全中国肿瘤患者每年新增大概450万人,还有去年的300万,总共大概750万,肿瘤一个放疗疗程最少5万,正常10万,高端一些20-30万,目前放疗在肿瘤解决方案中的占有率大概20-30%,还在持续升高。

比较三种治疗手段,手术治疗的市场就没法达到这个量级,开刀好不好全靠人练,很难在短时间规模化。化疗市场,因国家对药品的控制而整体衰减。与此同时,中国现在放疗的应用,跟美国相比还有巨大的成长空间。

我认为依赖于器械的东西是可以看涨的,因为最终我们可以通过AI、云计算和专家远程诊疗提供肿瘤治疗服务。

爱分析:放疗在整个肿瘤诊疗的占比如何?

章桦:大概只有20-30%,预计可以达到60%以上,主要还是医生不够。医生要确定肿瘤在哪,治疗方案怎么做,而现在AI能帮助决策后,医生的单位时间就能被解放,他们就能覆盖更多的病人。

爱分析:你觉得评价医疗大数据公司主要应该考虑哪些指标?

章桦:主要是数据、团队和获客能力。团队包括对技术,AI和医疗都懂的人,极其稀缺。获客主要就是搞定医院。

爱分析:获取大医院的合作是行业壁垒吗?

章桦:一定。农村包围城市的打法,在重度医疗行业是不靠谱的,齿科、大健康这些是可以的。

爱分析:距离医疗大数据的真正落地,大概要多久?

章桦:重点是要社保付费,不是医院,也不是病人。因为只有当所有实验成果能够证明“这项技术可以让医保少付钱”的时候,社保才会付费,这个证明至少要3-5年。