圖為第89屆中國國際醫療器械（春季）博覽會現場 主辦方供圖
醫療器械是AI應用的重要領域之一，創新産品不斷湧現。“靈活”的手術機器人、“聰明”的大模型、智能的醫學影像裝置……走進4月11日在上海拉開帷幕的第89屆中國國際醫療器械（春季）博覽會（簡稱“CMEF”）的現場，記者仿佛進入科幻小說中的醫院場景。
随着AI在醫療器械領域的實踐應用逐漸從場景探索走向商業化轉化，AI研發投入和商業化的“剪刀差”成為企業不得不面對的荊棘。業内人士表示，在醫療領域AI應用的研發過程中，企業需要了解醫生實際需求，解決臨床痛點。從“AI+醫療”産業鍊看，上遊的資料采集、處理和分析，中遊的算法模型開發和優化，以及下遊的醫療服務提供和市場推廣，各個環節需要密切合作，形成有效的商業模式。
“AI+醫療”産品成關注焦點
4月11日至4月14日，主題為“創新科技，智領未來”的CMEF在上海舉行。據悉，來自全球30餘個國家和地區的近5000家品牌企業攜數萬款産品集中亮相。
4月11日，記者在現場采訪了多位參展人員，“AI+醫療”産品成為現場關注的焦點。“我是做傳統器械的，對AI應用不是特别了解，這次展會主要想看看前沿的技術。”一位正在聯影集團展台參觀的女士告訴記者。“我對AI在CT産品中的應用更感興趣，據我了解，這類産品是目前賣的相對好一些的。”某醫療器械行業從業人員告訴記者。
據悉，在此次CMEF上，聯影智能攜醫療大模型、100餘款AI應用和10餘款AI解決方案等創新成果亮相。
醫療大模型方面，“‘多模态’是大模型技術發展的‘重頭戲’。在醫療場景下，多模态資訊的交叉融合，才能訓練出一個‘真正懂得醫療場景’的大模型。”聯影智能聯席CEO沈定剛在接受中國證券報記者采訪時表示，聯影智能推出垂直醫療領域的大模型基座“uAI影智大模型”。差別于現有的大部分醫療大模型，uAI影智大模型作為基模型，可在文本、影像、混合模态産品開發上帶來助力。
本次展會上，東軟醫療推出多款AI驅動的智能化高端醫療裝置，包括全球首台0.235秒超寬體CT、業界首款雙能3.0T磁共振、全球首創一站式智慧導管室、中國首款180皮秒級PET/CT等。
“大規模、高品質的資料是‘AI+醫療’産品研發的核心要素之一。”東軟醫療智慧影像軟體研發中心總監馬銳兵在接受中國證券報記者的采訪時表示，“醫院日常對患者進行診斷的過程中會産生大量的資料，這些資料沉澱在醫療機構裡，我們可以幫助醫院發揮這些資料的價值，例如我們所做的醫療專病資料管理平台，可以幫助醫院建立針對某種疾病的多模态的資料管理的能力。”
此外，邁瑞醫療相關從業人員向記者介紹，公司基于臨床場景，推出了MC系列全自動血細胞形态學分析儀（簡稱“AI閱片機”）、超聲全棧式智能解決方案等。
應用空間廣闊
近年來，随着人工智能技術快速疊代更新，“AI+醫療”步入發展快車道，藥物發現和醫學影像是AI應用最重要的兩個領域。
沙利文大中華區生命科學事業部項目經理徐潮告訴記者，整體來看，目前“AI+醫療”産品研發的投入重點主要集中在輔助診斷與影像識别、智能醫療裝置以及個性化醫療等方面。從細分領域來看，AI醫學影像是近年來熱門的應用領域，肺結節和眼底篩查是目前企業廣泛布局的兩個疾病領域。
談及未來“AI+醫療”具備發展潛力的方向，馬銳兵表示，一是個性化的醫療，即通過患者病史、檢驗資料、醫學影像資訊等綜合起來，可能會得到更加精準的診斷，進而提供更有效的治療方案。
二是疾病的早期篩檢，人工智能可以通過分析影像變化，幫助在早期階段發現疾病，例如，目前阿爾茲海默症還沒有相對有效的治療手段，但越早期發現，能夠越早地進行幹預，通過鍛煉、飲食、藥物等延緩阿爾茲海默症發病的時間。
三是多模态資料的融合，随着醫療大模型的快速發展，多模态的資訊即影像和文本的結合，能夠給AI輔助診斷帶來更大的想象的空間。
國聯證券分析師鄭薇表示，在AI影像領域，未來有望不斷擴大覆寫範圍，包括眼科、超聲科、病理科、皮膚科、腦電圖室等。預計2030年大陸AI醫學影像市場規模将達923億元。
平衡經濟效益和研發投入
“AI+醫療”産品商業化過程中，AI研發投入和商業化的“剪刀差”成為企業不得不面對的荊棘。據業内人士介紹，自2020年1月，科亞醫療收獲醫療器械三類證，标志着中國AI醫療器械進入商業化階段。截至2023年6月30日，已有63款産品成功獲得三類證書。越來越多III類證獲批，也意味着行業的發展重心正從研發轉向商業化落地。
“目前AI醫療産品确實面臨着研發投入高與商業化落地難的困境，這主要是由于技術成熟度、商業模式、監管政策等多方面的因素造成的。”徐潮表示，首先，從商業模式的角度來看，AI醫療産品的研發和商業化需要建構完整的産業鍊，包括上遊的資料采集、處理和分析，中遊的算法模型開發和優化，以及下遊的醫療服務提供和市場推廣。在這個過程中，各個環節需要密切合作，形成有效的商業模式。
其次，技術方面的突破也是解決商業化落地難題的關鍵。目前，AI醫療産品需要在算法的準确性、穩定性和可靠性方面進行進一步的提升。此外，要加強資料治理和隐私保護技術的研究和應用，確定患者資料的安全和合規性。
再者，監管政策也是影響AI醫療産品商業化落地的重要因素。随着AI技術的快速發展，監管部門需要制定和完善相應的法律法規和标準規範，為AI醫療産品的商業化提供有力的制度保障。
從企業的角度看，如何破解“AI+醫療”場景的落地難問題？沈定剛表示，一方面是要跟醫生緊密合作，了解臨床需求的痛點。在實際中，或許會發生自己認為是非常好的AI應用，但是在臨床上其實并不需要的情況。“我們會派産品經理廣泛調研醫院情況，并和相關科室主任溝通，了解實際需求，此外我們通過産學研醫緊密合作，共同承擔國家級重大項目，發現并解決多項臨床痛點問題。”
馬銳兵亦表示，以輔助診斷領域為例，目前AI輔助診斷相關産品提供的能力較為單一，通常隻能看一種病，但是醫生在看病的時候則是從異常中判斷疾病類型。在該領域，很多AI廠商也在尋求差異化的生存之道，比如向輔助決策轉型，在某種意義上也敲開另外一個市場的大門，在實踐中從影像向臨床科室拓展，發揮了更大的價值。
另一方面，“‘AI+醫療’領域疊代非常快，跟不上疊代速度，很容易被淘汰。對此，我們的研發政策就是做底座。所謂的底座，就是我們裡面有很多的部件，把它給組合在一起，這樣可以快速得到不同的應用，進而減少研發成本。而有了大模型以後，我們整個開發速度又提高了不少。”沈定剛稱。