医疗，AI应用的下一条“黄金赛道”
医疗，AI应用的下一条“黄金赛道”
AI医疗正处于一个即将爆发的拐点。医疗保健行业产生了全球30%的数据，但高达97%的数据尚未被充分利用。随着AI技术的发展，这些数据将被用于改善医疗保健运营和患者护理。本文将深入探讨AI医疗的发展机遇、关键假设和投资标准，以及如何通过垂直整合的业务模式实现价值最大化。
AI医疗发展的三个机遇
1. 医疗数据的数字化
医疗保健行业产生的数据占全球数据的30%，增速甚至超过金融、媒体领域。然而，医院产生的数据中高达97%尚未被利用。随着电子健康记录（HER）的普及，临床记录（包括文本、图像、实验室值）等数据已实现数字化，为AI在医疗领域的应用创造了条件。
例如，Lenful是一家专注于药房的工作流自动化平台，通过将AI技术应用于340B审计、文档处理和库存计划以及事先授权任务中的客户数据来释放价值。
2. AI提升医疗服务效率
AI可以对患者的健康状况进行建模，从蛋白质的功能一直到患者所属的人群以及其此前就医医疗服务的情况。随着供应商采用新的分子检测方法（例如单细胞测序）和能够测量新健康信号的医疗设备，每天都有更多数据和新型数据可用。监管正在将这些新的数据上传到网络。 如果能够更有效利用这些数据，它们就能描绘出医疗保健的多维视图，并用于开发AI产品和服务，以解决更广泛的复杂生物医学和医疗保健问题。新发现的结合和运行多个数据集模型的能力为更多可能性打开了大门，而这些可能性的数量和范围尚未完全了解。这是我们将医疗保健视为多模式AI开发和应用“圣杯”的最大原因之一。
3. AI医疗研究的产品化
自21世纪初开始，AI在医疗研究领域的应用开始增加，从深度学习到现在的生成式AI。大模型的出现让AI应用有了更多落地的可能性。数据显示，2024年FDA批准的AI/ML设备数量将是2014年的30倍。
三个关键假设
1. 落地形式与商业模式的契合度决定价值创造
AI解决方案的形式和公司的商业模式，会对可用的TAM（总目标市场）和毛利率产生重大影响。落地形式包括人工智能软件、副驾驶、代理、服务、诊断、治疗等。商业模式则分为基于使用情况和基于性能两种。
以眼科领域为例，一个假设的初创企业创建了一种AI解决方案。根据方式和商业模式的不同，TAM范围从8400万美元到21亿美元不等。为了最大限度地获取价值并推动产品落地，公司应该考虑垂直整合的业务模式，即利用AI来增强或重新构想现有的工作流程，有效地满足客户的需求。
2. 多模态是AI医疗的“圣杯”
医疗保健数据是多维的，涵盖临床记录、医学影像、音频、视频、患者报告的结果、可穿戴设备数据、时间序列信息、暴露数据、基因测序结果等。多模态技术将在AI医疗领域有更大的发挥空间。例如，Theator提供用于手术视频分析和关键见解注释的多模态AI产品，RadAI为放射科医生提供AI诊断和文档解决方案。
3. 需要垂直行业专用的基础设施
医疗数据安全和隐私保护是重要议题。此外，训练医疗保健AI模型需要大量高质量数据，且需要可扩展的方法对敏感患者数据进行去识别化。目前，医疗行业缺乏对模型能力的性能测试体系，也没有完善的模型监控机制。
AI医疗投资的六大标准
在AI医疗领域，投资标准主要涵盖六个核心技术主题：交互系统、多模式技术、模拟、评估基础设施、传感器或机器眼、专业基础模型。
医疗保健市场虽然可能比看上去要小，但仍然有很多细分领域拥有10亿美元以上的市场空间。这些细分领域可以分为低风险和高风险。
平台潜力
医疗行业的公司老板更喜欢与现有流程无缝衔接的集成方法。最成功的AI医疗公司将专注于基本工作流程上游产生大量有价值数据的关键节点。通过掌握数据创建和工作流程启动的关键点，医疗保健AI平台可以对一系列下游流程产生重大影响，并最终实现可观的回报。
例如，临床文档平台Abridge将自己定位于患者与医疗服务提供者沟通的记录系统。通过构建对话数据，Abridge不仅简化了临床工作流程，还创建了一个丰富的数据集，可以为从计费到护理协调再到临床试验等各种下游流程提供信息，从而为医疗生态系统内的其他利益相关者提供价值奠定了基础。