当前位置:首页 > 体育 > 正文

企业多元化布局 AI医疗应用渐成气候

  • 体育
  • 2024-12-11 07:32:04
  • 357
摘要: ◎记者 张雪 2024年的医疗AI领域,随着大语言模型和生成式AI技术的快速发展,包括互联网医疗、医学影像、新药研发等在内的多场...

◎记者 张雪

2024年的医疗AI领域,随着大语言模型和生成式AI技术的快速发展,包括互联网医疗、医学影像、新药研发等在内的多场景中的AI技术都在释放出前所未有的价值。

行业人士普遍认为,“医疗+AI”前景广阔,无论患者还是医生,都将在这场科技革命中受益。

医疗成AI商业化落地的明确方向

进入2024年,AI在一级市场遇冷,但在医疗大模型细分赛道却偶尔传出融资动态消息。虽然投资人都在等待杀手级应用,但大模型厂商似乎达成普遍共识——医疗是AI商业化落地的明确方向。

不断释放的政策利好是行业火热的助推器。

近日,国家卫生健康委等部门联合发布《卫生健康行业人工智能应用场景参考指引》,涵盖了医疗服务管理、基层公卫服务、健康产业发展和医学教学科研四大类84种具体场景,力求全方位发挥AI的优势。国家医保局也在近日的新闻发布会上宣布,人工智能辅助诊断首次被纳入国家医保局立项指南。

AI医疗受热捧也得益于其强大的盈利能力。

以英伟达为例,此前公司透露,利用AI医疗领域的机会,公司来自医疗保健的收入已经超过10亿美元,而这一数字甚至有可能在未来达到数千亿美元。多家机构预测,“AI+医疗”市场规模将持续高速增长,到2032年将达到700亿美元。

AI医疗的落地,也为企业在资本市场上打开了更多可能性。

以英矽智能为例,今年9月,公司宣布其完全由AI辅助设计的全球首创(first-in-class)小分子药物ISM001-055在治疗特发性肺纤维化(IPF)的IIa期临床试验中取得了令人瞩目的积极结果。

作为一家拥有Ⅱ期临床数据成功的公司,英矽智能现在有了更多的上市选择。除了此前已经递交的港股上市申请,美国股市也成为一个潜在可行的选项。有投行分析师告诉记者,拥有Ⅱ期积极数据的生物科技公司通常会获得更高的估值。

从患者问诊到辅助诊断,从药物研发到医院管理,AI大模型正在全方位赋能医疗行业,也在资本市场频频掀起波澜。毫无疑问,AI大模型正在医疗领域掀起一场革命。

企业多元化布局仍需迎接挑战

在各方因素的加持下,中国的医疗AI也已掀起热潮。研究/医疗机构、高校、产业企业纷纷布局,并已成势。

近日,在医疗端,由清华大学智能产业研究院团队倾力打造的首家“AI医院”——Agent Hospital,正紧锣密鼓地进行内测,预计将于年底正式上线,并计划于明年上半年全面向公众开放。记者了解到,该“AI医院”内的AI医生目前可对300多种常见病和主要重大疾病开展高质量的诊断分析,AI医生还在持续训练中自我进化。

记者采访了解到,目前我国已发布超过30个医疗领域生成式AI大模型,应用场景覆盖患者问诊、医生助手、药物研发、健康科普等多个重要领域。医疗大模型行业在产品数量、市场规模、技术发展以及应用拓展等方面均呈现出快速的技术迭代和行业发展,也涌现了医渡科技、润达医疗、创业慧康等一批医疗大数据领域的领跑企业。从医疗行业供给端出发,医疗大模型的应用加快医生工作效率,提高医疗机构的行业竞争力。

在疾病诊断方面,AI可以通过深度学习和大数据分析,辅助医生更准确地诊断疾病。例如AI能够分析医疗影像,如X光片、CT扫描和MRI,检测肿瘤、病变等疾病,万东医疗、联影医疗、鹰瞳科技、迪安诊断、安必平等企业都是入局者。据记者不完全统计,截至2024年上半年,中国已有90多款人工智能医学影像辅助诊断软件获批NMPA三类医疗器械证,涵盖心血管疾病、肺部疾病等多个领域。近日,联影集团子公司联影智能研发的数字人uAI Avatar参展2024年北美放射学年会,医疗AI亦成为中国科技出海的新名片。

AI大模型在药物研发和临床试验中的应用同样引人注目。华为云与中国科学院上海药物研究所联合推出的盘古药物分子大模型,实现了针对小分子药物全流程的人工智能辅助药物设计。百度与北京市计算中心合作,利用百度飞桨螺旋桨PaddleHelix生物计算平台提供的文心生物计算大模型技术,对多年来积累的高质量“药物虚拟筛选数据库”的化合物进行了数据挖掘和过滤,显著提升了药物虚拟筛选的效率和准确性。

市场人士认为,AI医疗在中国应更有生根发芽的土壤。在新兴市场上,一家独大的格局尚未出现,有资格参与试水的企业众多,理应具备更强的嗅觉和应用前景。在中国,相对著名的AI医疗产品或是大体量公司自身分离出的一部分业务,例如科大讯飞子公司讯飞医疗;或是有较深行业背景的人创业而来,例如搜狗灵魂人物王小川的百川智能。正因如此,在一个分散的市场上,规模稍小的公司亦有实质性的机会,创业型公司的脚步更积极。

但是,AI制药、AI辅助生成电子病历、AI影像等领域已经出现重复、扎堆的迹象,而慢病治疗等投入大、产出慢的精准医疗领域还鲜少有产品在开发。在技术成熟度方面,医疗数据量大、连通性弱、容错率低、隐私性强等特点对算法的可解释性、算力规模性能以及数据的安全性也提出了更高的要求。

受访专家提醒称,尽管医疗大模型市场前景广阔,但在实际应用过程中同样面临多重挑战。并且,医疗不仅仅是技术的堆砌,更是人文关怀的体现。因此,在推动AI医疗发展的同时,更应强调“以人为本”的理念,将AI定位为医疗行业的辅助者和助推器,而非替代者。

发表评论