医疗器械企业探索商业化模式

医疗器械是AI应用的重要领域之一，创新产品不断涌现。“灵活”的手术机器人、“聪明”的大模型、智能的医学影像设备……走进4月11日在上海拉开帷幕的第89届中国国际医疗器械博览会(简称“CMEF”)的现场，记者仿佛进入科幻小说中的医院场景。

随着AI在医疗器械领域的实践应用逐渐从场景探索走向商业化转化，AI研发投入和商业化的“剪刀差”成为企业不得不面对的荆棘。业内人士表示，在医疗领域AI应用的研发过程中，企业需要了解医生实际需求，解决临床痛点。从“AI+医疗”产业链看，上游的数据采集、处理和分析，中游的算法模型开发和优化，以及下游的医疗服务提供和市场推广，各个环节需要密切合作，形成有效的商业模式。

“AI+医疗”产品成关注焦点

4月11日至4月14日，主题为“创新科技，智领未来”的CMEF在上海举行。据悉，来自全球30余个国家和地区的近5000家品牌企业携数万款产品集中亮相。

4月11日，记者在现场采访了多位参展人员，“AI+医疗”产品成为现场关注的焦点。“我是做传统器械的，对AI应用不是特别了解，这次展会主要想看看前沿的技术。”一位正在联影集团展台参观的女士告诉记者。“我对AI在CT产品中的应用更感兴趣，据我了解，这类产品是目前卖的相对好一些的。”某医疗器械行业从业人员告诉记者。

据悉，在此次CMEF上，联影智能携医疗大模型、100余款AI应用和10余款AI解决方案等创新成果亮相。

医疗大模型方面，“‘多模态’是大模型技术发展的‘重头戏’。在医疗场景下，多模态信息的交叉融合，才能训练出一个‘真正懂得医疗场景’的大模型。”联影智能联席CEO沈定刚在接受中国证券报记者采访时表示，联影智能推出垂直医疗领域的大模型基座“uAI影智大模型”。区别于现有的大部分医疗大模型，uAI影智大模型作为基模型，可在文本、影像、混合模态产品开发上带来助力。

本次展会上，东软医疗推出多款AI驱动的智能化高端医疗设备，包括全球首台0.235秒超宽体CT、业界首款双能3.0T磁共振、全球首创一站式智慧导管室、中国首款180皮秒级PET/CT等。

“大规模、高质量的数据是‘AI+医疗’产品研发的核心要素之一。”东软医疗智慧影像软件研发中心总监马锐兵在接受中国证券报记者的采访时表示，“医院日常对患者进行诊断的过程中会产生大量的数据，这些数据沉淀在医疗机构里，我们可以帮助医院发挥这些数据的价值，例如我们所做的医疗专病数据管理平台，可以帮助医院建立针对某种疾病的多模态的数据管理的能力。”

此外，迈瑞医疗相关工作人员向记者介绍，公司基于临床场景，推出了MC系列全自动血细胞形态学分析仪、超声全栈式智能解决方案等。

应用空间广阔

近年来，随着人工智能技术快速迭代升级，“AI+医疗”步入发展快车道，药物发现和医学影像是AI应用最重要的两个领域。

沙利文大中华区生命科学事业部项目经理徐潮告诉记者，整体来看，目前“AI+医疗”产品研发的投入重点主要集中在辅助诊断与影像识别、智能医疗设备以及个性化医疗等方面。从细分领域来看，AI医学影像是近年来热门的应用领域，肺结节和眼底筛查是目前企业广泛布局的两个疾病领域。

谈及未来“AI+医疗”具备发展潜力的方向，马锐兵表示，一是个性化的医疗，即通过患者病史、检验数据、医学影像信息等综合起来，可能会得到更加精准的诊断，从而提供更有效的治疗方案。

二是疾病的早期筛检，人工智能可以通过分析影像变化，帮助在早期阶段发现疾病，例如，目前阿尔兹海默症还没有相对有效的治疗手段，但越早期发现，能够越早地进行干预，通过锻炼、饮食、药物等延缓阿尔兹海默症发病的时间。

三是多模态数据的融合，随着医疗大模型的快速发展，多模态的信息即影像和文本的结合，能够给AI辅助诊断带来更大的想象的空间。

国联证券分析师郑薇表示，在AI影像领域，未来有望不断扩大覆盖范围，包括眼科、超声科、病理科、皮肤科、脑电图室等。预计2030年我国AI医学影像市场规模将达923亿元。

平衡经济效益和研发投入

“AI+医疗”产品商业化过程中，AI研发投入和商业化的“剪刀差”成为企业不得不面对的荆棘。据业内人士介绍，自2020年1月，科亚医疗收获医疗器械三类证，标志着中国AI医疗器械进入商业化阶段。截至2023年6月30日，已有63款产品成功获得三类证书。越来越多III类证获批，也意味着行业的发展重心正从研发转向商业化落地。

“当前AI医疗产品确实面临着研发投入高与商业化落地难的困境，这主要是由于技术成熟度、商业模式、监管政策等多方面的因素造成的。”徐潮表示，首先，从商业模式的角度来看，AI医疗产品的研发和商业化需要构建完整的产业链，包括上游的数据采集、处理和分析，中游的算法模型开发和优化，以及下游的医疗服务提供和市场推广。在这个过程中，各个环节需要密切合作，形成有效的商业模式。

其次，技术方面的突破也是解决商业化落地难题的关键。当前，AI医疗产品需要在算法的准确性、稳定性和可靠性方面进行进一步的提升。此外，要加强数据治理和隐私保护技术的研究和应用，确保患者数据的安全和合规性。

再者，监管政策也是影响AI医疗产品商业化落地的重要因素。随着AI技术的快速发展，监管部门需要制定和完善相应的法律法规和标准规范，为AI医疗产品的商业化提供有力的制度保障。

从企业的角度看，如何破解“AI+医疗”场景的落地难问题？沈定刚表示，一方面是要跟医生紧密合作，了解临床需求的痛点。在实际中，或许会发生自己认为是非常好的AI应用，但是在临床上其实并不需要的情况。“我们会派产品经理广泛调研医院情况，并和相关科室主任沟通，了解实际需求，此外我们通过产学研医紧密合作，共同承担国家级重大项目，发现并解决多项临床痛点问题。”

马锐兵亦表示，以辅助诊断领域为例，目前AI辅助诊断相关产品提供的能力较为单一，通常只能看一种病，但是医生在看病的时候则是从异常中判断疾病类型。在该领域，很多AI厂商也在寻求差异化的生存之道，比如向辅助决策转型，在某种意义上也敲开另外一个市场的大门，在实践中从影像向临床科室拓展，发挥了更大的价值。

另一方面，“‘AI+医疗’领域迭代非常快，跟不上迭代速度，很容易被淘汰。对此，我们的研发策略就是做底座。所谓的底座，就是我们里面有很多的部件，把它给组合在一起，这样可以快速得到不同的应用，从而减少研发成本。而有了大模型以后，我们整个开发速度又提高了不少。”沈定刚称。