第一批做AI影像的產品經理,不僅沒被裁員,還財務自由了?
今年的就業環境還是比較嚴峻的,傳統的產品經理在市場的大浪淘沙中,快要被沖上岸了,如果這個時候還不思悟,對于35歲這個門檻怕是很難再邁過去哦。下面請聽我娓娓道來。
誒,點進來的朋友是不是被標題給吸引了,要的就是對你的視覺沖擊力。雖然有點夸大了的成分,但不可否認的是AI正在慢慢地取代我們很多日常的工作。
“高燒咳嗽不斷,要判斷是不是肺炎,醫生是不是會給你開個肺部CT單?!?/p>
“乳房長時間腫脹疼痛,判斷是不是增生,結節,是不是要做個彩超。”
“頸部出現結節,并長時間伴有疼痛感,是不是也要做個彩超?”
影像在體檢、就醫過程中,越來越同我們息息相關。如果沒有這些醫療影像系統,讓我們提前發現,從而進行診斷干預,及早治療,那會不會我們病發的時候直接患癌晚期了?
所以今天,我想要跟大家先聊的是影像系統,而且還是結合了AI能力衍生的醫療AI影像。
一、醫療影像為什么是AI的主要切入場景?
其一,影像數據的逐年增長與專業人員不成比例。
在使用場景方面,醫學影像目前算是AI在醫療領域應用最多,最成熟,資本投入最多的場景。
我國一年醫學影像的檢查量超過75億人次,2023年我國醫學影像市場規模達到580億元,預計2024年有望超過620億元。
人口老齡化,疾病低齡化,龐大的檢查量帶來的是影像數據的都是ZB級別的增長。據IDC預測,2027年,全球產生的數據量將達到291ZB,而同期放射科醫生的年增長率僅為4%,形成較大的供給缺口。
專業人員的緊缺和患者數量越來越多,極容易造成誤診率偏高,從而引起主治醫生診療判斷,造成不必要的醫患糾紛。
其二,市面上大多數醫療AI影像應用都是從結節方面切入。
就拿肺結節來舉例:第一,肺癌在中國發病率肺癌發病率居首位;第二,肺結節的數據比較容易通過網絡找到。例如,LIDC-IDRI數據庫提供胸部醫學圖像文件(如CT、X光片)和對應的診斷結果病變標注。
有病人的地方就有江湖,有“錢”景的地方就有先驅者。醫療AI影像主要目標通過深度學習,達到病灶發現與標識、靶區勾畫等功能,幫助醫生更快發現隱藏病灶,輔助進行診斷治療工作。
對于醫生來說,“我只希望是有一個更精準、智能的工具,依托海量數據計算來輔助我能直接生成診斷依據,我只需要做一個復核及修改補充的動作。我想要的就是這么簡單,但我又不想復雜學習能滿足嗎?”
放射科醫生工作一天的內心OS歷程:
“怎么今天像過年一樣多人,我一天要說幾百遍“拍好了,可以離開了”
“雙手抓住儀器兩邊儀器扶手,把胸貼在上面,深呼吸后再慢慢呼氣”,
“我要挺住不能出錯,等下主任要扣我績效了”
“拿著微薄的工資,操著幾百上千萬的儀器,看錯了還會被家屬暴打,我圖個啥?是對醫院的愛嗎?”
………..
二、醫療AI影像成功的案例有哪些?
* 數坤科技、鷹瞳科技、推想醫療、深睿醫療及上海聯影目前算是國內AI醫療影像優秀企業代表,5大廠商共占國內AI醫療影像市場份額53%以上。
當然頭顱,乳腺,心血管,骨盆外科等其它領域也有比較大的投入,只是對我來說還沒學習了解到,不在此闡述。(我會在后面對這三家公司的產品進行深入分析)
三、醫療AI影像商業化變現路徑推演?
說到這,肯定會有人好奇,醫療AI影像砸了那么多時間,金錢和人力進去,公司現在到底賺不賺錢呢?他們是怎么賺錢的呢?這些醫療AI影像公司的商業模式是不是良性的?
醫療的本質是支持生命的自我修復,但是自我修復的過程其實是一門生意,公司的立根之本還是要通過產品或者資源互換形成持續的盈利模式。
問題來了,那醫療AI影像應該從怎么去做這塊的商業化應用變現呢?
- 我目前比較看好的模式就是“設備 + AI 的軟硬一體化+區塊鏈,硬件錄數據,AI直接出輔助診斷,區塊鏈云共享”這個解決方案。在此之前我想過建立第三方影像數據中心,同醫聯體進行合作,包括核心城市深耕,二三線城市授權本地代理商或者合作運營的(本地團隊出BD資源和運維,廠商提供設備軟件)模式。
- 布局基層醫療,彌補在基層醫療機構布局空白。鄉村醫療衛生機構和社區醫院等基層醫療機構作為醫療AI能夠發揮最大價值的地方。作為最接近居民小區的醫療診療機構,往往被很多人的忽視。國家一直推行的分級診療政策,倘若患者在基層醫院拍的片子,到三甲醫院就診可同步調閱;在三甲醫院做完診療,病歷信息也同步到基層醫院。
重新理解基層醫療,如果對基層醫療不了解,也可以點擊看看。
四、醫療AI影像現在入局還來得及嗎?
我個人認為對某部分公司是來得及(注意是某部分,不是all in噢,怎么分析自己是不是某部分呢?這里賣個關子,我相信你感興趣會找我的。)
我們都知道AI技術的出現和發展都需要經歷3個階段,技術的創新發展,技術的驗證,技術的大規模商業化應用,而應用才是最終決勝的關鍵因素。目前國際上領先發展的大模型以及早期國內投入研究的人工智能AI公司,目前更多是在語音,圖片,文章,影像中進行生成式應用,但是要想用AI來幫助完成工作和生活中的特定場景需要,這還遠遠不夠。此時入局正好站在巨人的肩膀前行,能讓自己少踩不少坑。
人工智能AI在圖像分割技術上目的是準確劃分人體重要器官和異常物體,例如肺部、結節、腫瘤等。它能夠幫助醫生清晰地標記出病變部位的確切位置,并確定其它重要特征,如大小、體積等。但是一定要基于你的Business Resources抓住垂直領域賽道,強強聯合(商務+技術),要做到小而美,并且能夠實現基于某個區域內實現全流程數據互聯互通,上鏈的商業模式閉環。因為真正的行業標準化,數據結構化,還有很長的路,誰都有機會成為那個某部分的Company。
最后,這是一項需要持續燒錢的行當,如果一年調整兩三次戰略方向的創業公司就很不適合了。中國的醫療體系是一個基層使用者和最終決策者有分離的市場,它有著一整套復雜的政策指引,采購流程、供銷流程和上線應用、培訓環節。醫院對技術要求很高,但是經費又抓得很死,創業公司既要懂醫療,也要懂AI,更要懂“人情世故”。
醫療AI影像的未來出路除了持續的技術創新和優化,滿足不斷增長的市場需求,同時也需要關注政策監管和倫理法律問題,以確保技術的健康發展和廣泛應用。沒有紅頭文件的政策扶持,很多創新都會猶如水中浮萍。
最后的最后,我們在這個醫療行業還是要持續的學習,醫療行業有一個好處就是“慢”,你可以觀察一下5年前的醫療資料到現在還可以用,醫療技術的影響甚至好幾十年,這就給我們沉淀的機會,沉淀能力是否一直能延續才是關鍵。不被淘汰的核心還是你做過足夠多的項目,你理解足夠多的行業基礎邏輯。
本文由 @林?;?原創發布于人人都是產品經理。未經作者許可,禁止轉載
題圖來自Unsplash,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務
- 目前還沒評論,等你發揮!