人工知能が医療分野に参入する機会と課題

人工知能 (AI) の概念が普及して以来、さまざまな産業分野への参入が加速しています。しかし、医療分野の複雑さを考えると、医療業界におけるAIの普及は必ずしもスムーズではなく、大規模なプラス成長を遂げているのは手術用ロボットのみであり、長年にわたる開発にもかかわらず、この分野全体は依然として未開発の状態にあります。初期市場が未成熟であり、真の商品化は困難です。

人工知能が医療分野に参入する分野別に分けると、医薬品の研究開発、診断と治療、画像認識、手術ロボット、健康管理などが主な分野となる。しかし、現実的な観点から見ると、医薬品の研究開発分野では一定の進展はあるものの、真の規模にはまだ一定の距離があり、診断・治療分野におけるツールとしての性質が強く、その役割も大きく変わってきている。医療においては情報ベースの役割のみを果たします。過去 5 年間で実際に市場を魅了した分野は、AI ソリューション (主に画像認識)、手術ロボット、健康管理です。

資本市場はこれらの分野に熱意を持っていますが、現時点で真の発展が期待できるのは手術用ロボットであり、戦略的変革がなければ、他の2分野は長期的に見ても商業的発展は難しいでしょう。 . スケール。

4 つの分析角度

これら 3 つは、規制属性、実用性、緊急性、持続可能性の 4 つの角度から分析できます。

まず、規制属性の観点から見ると、医療機器に基づいて規制ライセンスが取得されていますが、実際に医療機器や消耗品に依存してビジネスモデルを運営しているのは手術用ロボットのみであり、その他は医療機器に基づいて規制されています。ライセンスを取得していますが、実際には開発を医療機器自体に依存せず、医療情報化の院内および院外モデルを優先しています。画像認識は、院内の画像部門が情報機能を向上させるためにシステムを購入することに似ており、デジタル治療は、情報ソフトウェアを使用して院外で専門的なフォローアップやリハビリテーション管理を行うことに似ています。規制アクセスの観点から見ると、医療機器・消耗品モデルは顧客単価が高く成熟したビジネスモデルであるのに対し、専門情報ソフトウェアモデルは顧客単価が低く、市場規模の成長は量に依存する。院外の健康管理となると、ビジネスモデルの論理すら成立しない。

次に、実用的な観点から見ると、手術ロボットや画像認識は実用性が高く、ユーザーは購入ニーズが比較的明確な病院の部門が中心です。デジタル療法の有効性は試験でのみ証明されていますが、多くのユーザー層を獲得したことはないため、実用性には疑問があります。医師の処方箋が必要であり、主に院外のCエンド顧客を対象としているため、デジタル治療の利用シナリオは前二者のような緊急ニーズのシナリオを作ることができず、すべては本人の主観的な意志によってコントロールされます。 、持続力は弱いです。

第三に、緊急性は支払い能力と支払い意欲を決定します。緊急性が低いと支払い意欲も低くなり、その逆も同様です。支払い意思の観点から見ると、手術ロボットは緊急性が高く支払い意思も高いが、画像認識の緊急性は強くなく、デジタル治療はさらに緊急性が弱く支払い意思も低い。手頃な価格の観点から見ると、病院は機器を購入するための資金が最も豊富で、市場で最も受け入れられているのですが、手術用ロボットの販売が直面している課題は、手頃な価格よりも政策へのアクセスです。画像認識は画像部門に限定されており、資金も比較的限られているため、支払い能力は明らかに限られています。また、画像認識によるサービスは情報ソフトに近いため、顧客単価が上がりにくい。デジタル療法に関しては、消費者側の自己負担が常に大きな問題となっており、業界の商業化を促進するのは難しく、支払者に依存するしかないが、支払者は効果とコストを明確にする必要があるデジタル療法にはこれがないため、必要な規模で商業的利益を得ることが困難です。

最後にサステナビリティの観点から見ると、ビジネスモデルが顧客ニーズと決済能力を継続的に満たせるかが鍵となる 手術ロボットや画像認識は主に病院調達に依存しており、サステナビリティ能力は高いが、デジタル化Cエンドは自己資金で賄うため、安定した市場規模を得ることが難しく、持続性が弱い。

規模の課題

本質的に、画像認識は効率の面で医師の役に立ちますが、電子カルテなどのグローバル情報システムとは異なり、医療機関はローカルな効率を改善する強い緊急性を持っていません。 。したがって、医療機関の支払い意欲が高くないという前提の下では、画像認識製品の価格設定は専門の情報システムとしか比較できず、大病院の情報システムとの比較は困難である。需要が限られており、価格の改善が難しい市場環境において、画像認識の商用化は大きな限界に直面しています。

一方、画像認識は労働集約的なサービスであり、バイオマーカーの作成に多大な労力を必要とします。これにより、同社のコストが大幅に増加しました。収益 1 元あたりのコストは、はるかに高額です。 1元を超えると、そのようなビジネスモデルは継続的な資金調達によってのみサポートされます。従来のインターネット企業とは異なり、画像認識企業は完全な2B市場であり顧客単価が低いため、急速なスケールアップの可能性が低く、長期的な開発に資金を投じることが困難です。

手術ロボットの分野は比較的狭いですが、現在成熟しているのは主に腹腔、主に泌尿器科と一般外科です。整形外科の規模にはまだ時間がかかりますが、医師の悩みを解決できるため、数年間の市場開拓を経て、精度と効率が大幅に向上しました。顧客単価が高く、一部の分野では医療保険が適用されるため、手術ロボットは自費ユーザーの一定層が大幅に成長すると予想されます。

しかし、手術ロボット市場には依然として重要な国内ブランドがありません。現在、多くの製品ラインが開発および臨床試験中ですが、真に拡張可能な手術ロボット製品はまだ不足しています。手術ロボットは長期開発のビジネスモデルですが、病院市場での販路開拓は製品開発と密接に連携していないと、製品はあっても市場がないという状況が形成されやすく、長引くことになります。長年にわたって継続しており、キャッシュフローを生み出すことができず、常に資金調達が必要です。

健康管理分野における人工知能の主な現れは、デジタル療法です。デジタル療法は新しい製品ではなく、既存の製品を再パッケージ化したソフトウェアとハ​​ードウェアのモデルに近いものです。画像認識や手術ロボットとは異なり、デジタル治療はより個人指向です。人工知能の本質は効率とスキルを向上させ、コストを削減することですが、デジタル治療にはこれが反映されていません。デジタル治療法は慢性疾患や精神的健康状態を効果的に治療および管理できることが試験で実証されていますが、実際にはその実際の有効性には疑問が残ります。その結果、医療保険や商業保険は支払者として依然として非常に慎重であり、デジタル療法を直接カバーする意欲は非常に低く、急速な規模拡大の可能性は低くなります。

もちろん、デジタル療法における人工知能の主な利点はそのアルゴリズムにあり、ユーザー データを継続的に調整してアルゴリズムの精度を高め、ユーザーの健康レベルを向上させます。ただし、画像認識と同様に、より精度の高いアルゴリズムを開発するには、多大な人的投資と大量のサンプルが必要です。現在のデジタル療法は医薬品の研究開発モデルを採用しており、病院内の少人数のグループに対してのみ治験を実施している。このようなデジタルセラピー製品が発売されても、ユーザーの利用率や継続率は高くなく、リーダーであるペア・セラピューティクス社の実際の処方箋調剤率は50％、実際の処方箋支払率は25％にとどまっており、大きな制約が生じています。スケールする可能性があります。

したがって、ビジネスモデルの可能性から判断すると、ユーザーニーズの緊急性、支払い意欲と支払い能力、持続可能性が、将来的に真の発展を遂げられるかどうかを判断する鍵となります。市場動向から判断すると、手術ロボットのビジネスモデルは成熟しているが、技術力に左右され、将来の規模は技術の成熟度やコスト管理に依存する。画像認識に基づく AI ソリューションのビジネス モデルはまだ未熟であり、将来的に本当にスケールアップできるかどうかは、新たに絶対に必要なアプリケーション シナリオが見つかり、病院の支払い意欲が高まるかどうかにかかっています。デジタル療法にはまだ明確なビジネスモデルがなく、市場は引き続き開拓されるでしょう。 ????

以上が人工知能が医療分野に参入する機会と課題の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。