人工智慧進入醫療領域的機會與挑戰

自從人工智慧（AI）概念大熱之後，其進入各個產業領域的速度加快。不過，鑑於醫療領域的複雜性，AI在醫療產業的拓展並不順利，唯一獲得規模化的正向增長的是手術機器人，其他在經歷了多年的發展，整個領域仍屬於不成熟的早期市場，難以真正商業化。

如果按照人工智慧進入醫療的領域來區分，主要分類是藥物研發、診療、影像辨識、手術機器人和健康管理5大方向。但從實務來看，藥物研發領域雖有一些進展，但離真正規模化仍有一定距離，而診療領域的工具屬性更強，對醫療的作用只具備資訊化附屬的角色。真正在過去5年吸引市場的領域是AI解決方案（以影像識別為主）、手術機器人和健康管理這三大類。

 雖然資本市場熱捧這幾個領域，但從目前來看，真正有發展前景的還是手術機器人，如果沒有策略轉型，其他兩個領域即使在長期來看也難以在商業上規模化。

 分析的四個角度

 對這三者分析可以透過四個角度：監管屬性、實用性、迫切性和永續性。

首先，從監管屬性來看，都是按照醫療器械來獲得監管許可，但是只有手術機器人是真正依賴醫療器械和耗材來走通商業模式的，其他都是比照器械來獲得監管許可，但實際上並不是依靠醫療器材本身來獲得發展，而是更偏向醫療資訊化的院內和院外模式。影像辨識類似院內影像科購買系統進行資訊化能力提升，而數位療法則類似借助資訊化軟體進行專科的院外追蹤和復健管理。從監管准入角度來看，醫療器材和耗材模式是成熟商業模式，且客單價較高；而專科為導向的資訊化軟體模式的客單價較低，市場規模的成長依賴跑量。至於面向院外的健康管理則連商業模式的邏輯都無法成立。

其次，從實用性來看，手術機器人和影像辨識的實用性較強，使用者主要為醫院科室，有著較為明確的採購需求。而數位療法的療效目前只是在試驗中獲得了證明，但由於始終沒有獲得大基數的用戶，其實用性存疑。由於需要醫生開立處方且主要面向院外C端客戶，數位療法的使用場景無法像前兩者那樣創造出一個具有緊迫性的剛需場景，一切都掌握在個人的主觀意願上，可持續性偏弱。

再一次，迫切性決定支付能力和意願，迫切性低會導致支付意願低，反之就高。從支付意願來看，手術機器人的緊迫性較高，支付意願度較高，但影像辨識的緊迫性並不強，數位療法的緊迫性更弱，支付意願更低。從支付能力來看，醫院採購設備的資金最充足，市場接受度也最高，手術機器人的銷售面臨的挑戰是政策進入而不是支付能力。影像辨識僅限於影像科，經費相對有限，因此支付能力明顯受限。而且影像辨識提供的服務更類似資訊化軟體，難以提高客單價。至於數位療法，C端自費支付能力始終是個大問題，難以推動產業商業化，必須依賴支付方，但支付方需要看到明確的療效和成本控制，這點數位療法並不具備，也難以獲得商業化所需的規模。

最後，從永續性來看，商業模式能否持續滿足客戶需求和支付能力是關鍵，手術機器人和影像識別主要依賴醫院採購，可持續性能力較強，但數位療法依靠C端自費，難以獲得穩定的市場規模，可持續性較弱。

 規模化的挑戰

本質上來說，影像識別對醫生的幫助更多是效率上的，但與類似電子病歷等全局性的信息系統不同，醫療機構對局部效率提升的急迫性並不強。因此，在醫療機構的支付意願不強的前提下，影像辨識產品的定價只能類比專科化的資訊系統，難以與大型醫院資訊化系統比肩。在需求意願有限且定價難以提升的市場環境下，影像辨識的商業化面臨很大的限制。

而另一方面，影像辨識是一個重人力的服務，需要投入大量人力去做生物標誌物，這大幅度推高了公司的成本，每獲得1元收入所投入的成本要遠超過1元，這樣的商業模式只能依賴不斷融資支撐。與傳統網路公司不同，由於是完全2B的市場且客單價較低，影像辨識公司缺乏快速規模化的可能性，很難長期燒錢來發展。

而手術機器人面向的領域雖然較窄，目前成熟的主要是腹腔，以泌尿外科和普外科為主，骨科類的規模化仍需時日，但由於能夠解決醫生的痛點，大幅提高手術的精度和效率，在經過了數年的市場培育期之後，獲得了明顯的發展。由於客單價較高，擁有一定自費用戶的基礎，隨著部分地區健保納入之後，手術機器人將獲得明顯的成長。

但是，手術機器人市場仍然缺乏有體量的國產品牌。雖然目前有較多產品線在研發和臨床試驗，但真正能夠規模化的手術機器人產品仍較為匱乏。手術機器人是一個長週期發展的商業模式，但打開醫院市場的銷售管道必須緊密配合產品開發進行，否則很容易形成有產品而沒有市場的局面，並一拖多年，產生不了現金流，一直需要融資輸血。

而人工智慧在健康管理領域的體現主要是數位療法。數位療法並不是新產品，更多是採用了軟體加硬體的模式將原有的產品重新包裝。與影像辨識和手術機器人不同，數位療法更多是面向個人。人工智慧的本質是提高效率和技能並降低成本，但數位療法並沒有反映出這一點。雖然數位療法在試驗階段展示了其能夠對慢病或精神健康疾病進行有效治療和管理，但從實踐來看，其實際效果仍存疑。這導致健保和商保作為支付方仍然非常謹慎，直接去覆蓋數位療法的意願度非常低，降低了其快速規模化的可能性。

當然，人工智慧在數位療法上主要的優勢在其演算法，透過不斷調整用戶數據來推動演算法具備更精準，從而提高用戶的健康水平。但是，正如影像識別一樣，必須投入高人力，依靠大樣本才能開發出準確率更高的演算法。目前的數位療法卻採取藥品的研發模式，只是在院內對小規模人群進行試驗。當這樣的數位療法產品上市後，使用者的使用率和續約率並不高，作為頭部的Pear Therapeutics的處方實際調劑率只有50%，處方實際支付率只有25%，這極大的限制了其規模化的可能性。

因此，如果從商業模式的潛力來辨別，用戶需求的緊迫性、支付意願和能力以及可持續性是判斷其未來能否獲得真實發展的關鍵。從市場趨勢來看，手術機器人的商業模式已經成熟，但受制於技術的能力，未來的規模取決於技術成熟度和成本控制力。而以影像辨識為主的AI解決方案的商業模式仍不成熟，未來能否真正規模化受制於是否能找到新的剛需性應用場景和醫院的支付意願的提升。數位療法則還不存在清晰的商業模式，市場仍將繼續探索。 ????

以上是人工智慧進入醫療領域的機會與挑戰的詳細內容。更多資訊請關注PHP中文網其他相關文章！