80億人民元を超える資金で医療AIは「V字カーブ」を描いている

[[373863]]

「人工知能は将来の生産性の中核である」という見解に疑問を抱く人はほとんどいません。ヒューマノイド コンピュータ システムの作成は非常に魅力的であるため、ほぼすべての業界が人工知能を使用して、自動化からインテリジェンスへの業界の変革を支援しようとしています。

医療分野でも同様です。人工知能はあまり普及していませんが、その背後にあるコンピュータービジョンや自然言語処理（NLP）などの技術は多くの進化を遂げており、それに伴う市場規模は拡大し続けています。 2020年のエッグシェル研究所の報告書「医療AIイノベーションの道と知恵：需要への回帰、価値の統合」では、医療人工知能のCAGRは過去5年間で40％を超え、2020年のアプリケーション市場規模は300億元に近づいていると指摘されています。

しかし、新興技術は、特に医療などの「遅い」分野では、急速な発展と商業化の遅れというジレンマに直面することがよくあります。ソフトウェアのセキュリティレビューと新旧技術の切り替えは、資本と企業の忍耐力を非常に要求します。そのため、低迷や停滞はよく見られる現象であり、医療用人工知能も例外ではありません。

転機は2020年半ばに訪れた。疫病により医療分野のほとんどの産業の発展が一時的に鈍化したが、病院も積極的に賢明な方法で再建するようになった。さらに、NMPA の承認により、画像 AI 実践者は自信を取り戻し、新しいインフラストラクチャによって人工知能がより広い市場にもたらされました。複数の関係者の推進により、医療用人工知能の開発は前進する準備ができています。

医療用人工知能の現在の発展状況を把握し、新年の展望を立てるために、約100社の人工知能企業からの関連データを処理し、分析しました。

記事全体は3つの部分に分かれています。

1. AI医療シナリオ成熟度評価

2. 資本の回収とAIヘッド集中効果

3. 潜在的軌道の外部化とAIの将来的発展

これら3つの視点から、2020年の医療人工知能の発展を明らかにしていきます。

AI医療シナリオ成熟度評価
医療業界では、人工知能のアプリケーションは主にコンピュータービジョンと自然意味処理に集中しています。 2つの基本技術をベースに、その応用範囲は10以上のシナリオにまで広がりました。数年にわたる発展を経て、各サブセクター間の違いはますます明らかになってきています。一部のセクターの企業は公聴会に合格し、株式公開の準備を進めていますが、一部のセクターは依然として需要に基づいて技術を模索し、再構築しようとしています。しかし、企業がどの道を選び、どの段階に達したとしても、人工知能を収益化することが難しいという医療分野における共通の問題は解決されておらず、今のところ大多数の企業は依然として利益を上げるのに苦労している。

スタートアップの発展段階の分析

• 医療画像

医用画像処理は、人工知能が医療分野に参入する出発点です。10年足らずの間に、200社を超える企業が放射線学、病理学、補助放射線療法のニーズを探り、製品の設計を開始しました。 2020年は病理と補助放射線治療の2つのシナリオに大きな変化はなかったが、放射線科におけるAIは長年悩まされてきた審査・承認段階を駆け抜け、「応用実装」から「実用化」へと移行した。

2020年1月、Coa MedicalのCT-FFR製品「Deep Pulse Score」は、最初に審査承認の束縛を打ち破り、医療AI医療機器として初のクラスIII認証を取得し、業務の重点を研究開発から価格カタログの開発と市場販売へと移行しました。 2月には、Lepu Medicalの「AI-ECGプラットフォーム」がNMPAの承認を受け、心臓関連AIにとって新たな勝利となった。 6月には、「補助診断」の定義にさらに沿った頭蓋内腫瘍のMR画像補助診断ソフトウェアが承認され、安徳医療知能がダークホースとして浮上した。 7月、AirdocとSilicon Intelligenceという2つのAI企業が大きな成功を収めた。今月、NMPAは「糖尿病網膜症眼底画像支援診断ソフトウェア」の登録証を2枚同時に発行した。

年末は、確立された医療画像 AI 企業にとって収穫の月です。 11月初旬、Sukun Technologyの冠状動脈CT血管造影画像血管狭窄補助トリアージソフトウェアが承認され、Infervision TechnologyとUnited Imaging Intelligenceもそれに続き、同日、それぞれ初の「AI+肺結節」登録証と初の「AI+骨折」登録証を取得した。 1か月後、神瑞医療も独自の「AI+肺結節」認証を取得し、2020年の医療人工知能は完璧な終焉を迎えました。

2020 医療 AI NMPA カテゴリー III 証明書承認ステータス

9 つの AI 製品の認証状況を詳しく見ると、肺結節、眼底、心電図などの高スループットのシナリオや、CTA、CT-FFR、脳 MR などの特定のニーズと豊富な潜在市場を持つシナリオが含まれていることがわかります。これは、製品の品質が十分に高ければ、審査と承認に合格することを意味しているようです。

しかし、2019年の人工知能医療機器イノベーション協力プラットフォームの計画と合わせて、CT肺、CT肝臓、CT骨折、脳MRI、心臓MRI、冠動脈CTA、心電図、眼科など、8つの主要な検査サンプルデータベースが構築されることが言及されています。CT-FFRを除く2020年に承認されたすべての製品は、これらのデータベースに属します。つまり、次の承認シナリオは、CT肝臓と心臓MRIから登場する可能性が高いということです。

また、NMPA のクラス III 証明書における AI 製品機能の説明は極めて慎重であり、製品の基本的な機能のみを述べ、「製品の結果のみに基づいて診断を行うことはできない」と強調していることも注目に値します。画像AIの使用を制限しても製品の売上には影響しないかもしれませんが、機能がどんどん追加されていく中で、後続の機能のセキュリティをどのように確保していくのでしょうか。現状から判断すると、AI画像処理の審査と承認プロセスには1年以上かかるため、人工知能ソフトウェアの更新をどのように承認するかが、関係者全員が議論しなければならない次の難題となるだろう。

• CDSS、ビッグデータ管理、音声入力

臨床意思決定支援システム（CDSS）、ビッグデータ管理（データマイニング、データガバナンスなどを含む）、音声入力はすべて、AIの介入により破壊的な進歩を遂げました。具体的には、NLP の開発により、研究者は膨大なデータ量と豊富なデータ次元を持つ医療データを管理するための効果的な手段を得られるだけでなく、医師と患者の間のインテリジェントなやり取りやデータ監視のためのより効果的な手段も得られます。 2020年の変化だけを見ても、CDSSトラックで政策が前進し、ビッグデータ管理や音声入力トラックの有力企業が上場を目指し始めています。

医療情報化は公立病院の業績評価の重要なツールです。電子カルテ、相互運用性、スマート病院サービスなどの評価により、病院に相応の要件が提示されています。三次公立病院の評価分析では、医療サービスの効率と品質、医薬品の合理的な使用、電子カルテレベルの格付けが重要なポイントとなります。したがって、CDSSの構築を通じて、医療サービスの効率と品質、医薬品の合理的な使用、電子カルテの改善などが効果的に促進されます。

2020年、CDSSの市場発展は依然として電子医療記録、相互運用性、スマート病院サービスなどの評価によって大きく推進されましたが、それを支援する新しい政策もありました。 7月30日、医療行政管理局は「単一疾患の品質管理と制御のさらなる強化に関する通知」を発行し、第1弾の36の疾患/手術の報告要件を強調しました。二級以上の病院は、2020年12月31日までに関連症例情報の再処理を完了する必要があります。このポリシーは、Huimei Technology や Senyi Intelligence などの専門 CDSS 製品サービス プロバイダーに新たな市場機会を提供します。

対照的に、ビッグデータ管理の発展は流行の恩恵を受けた。 CDC は、患者の EMR、電子健康コード、その他の情報を統合して分析することで、感染が疑われる患者やその患者と接触した人々を視覚的に追跡できます。 2020年初頭、北京ビッグデータメディカルが南京疾病予防管理センター向けに構築した疾病・監視早期警報システムは、現地病院のEMRと直接接続され、ビッグデータによる疾病管理を実現しました。

この疾病管理監視・早期警報システムは、ビッグデータと人工知能技術を応用して医療知識グラフのモデルを構築し、EMRを直接抽出して意味構造化し、人工知能を使用して知識ベースを照合して、EMRにCOVID-19などの感染症のキーワードが含まれているかどうかを判断します。人工知能によって疑わしい、または非常に疑わしいと判断されると、何らかの理由で病院側が報告漏れや報告遅れを起こさないように、疾病管理部門に報告されます。法定感染症40種に加え、各地域で認定された複数の感染症についても補完的に対応します。

この3つのトラックのうち、2つのAI企業は「企業収益性」を超えたステージ移行を試みています。雲智盛の医療事業は医療記録の品質管理と音声入力に注力しており、11月3日に科技創新委員会にIPO目論見書を提出した。易度雲は医療AIとビッグデータに注力する企業で、12月13日に香港証券取引所の公聴会を通過し、1月15日に香港で上場する予定である。

• 新薬開発

新薬の研究開発は近年急速に発展しており、COVID-19パンデミック後の製薬企業の機敏な開発に対する社会の新たな要求は、新薬の研究開発の発展をさらに促進しました。

流行が始まった当初、新型コロナウイルスに対する新薬の開発は明らかに非現実的であり、流行との戦いの主力であった旧薬は良好な治療効果を発揮できなかった。この現実が、AI+新薬開発の機会を提供した。

しかし、AIモデルと物理的思考の深い組み合わせだけが、医薬品開発のスピードと精度の要求を同時に満たすことができます。流行に直面して、最も直接的で効果的な医薬品スクリーニング戦略は、クラウドベースのスーパーコンピューティングを使用して物理化学アルゴリズムをサポートし、ウイルスモデルを構築し、構造から始めてAIを使用して、抗ウイルス活性を持つFDA承認の市販薬の検索を加速することです。

京泰科技を例に挙げると、同社は最先端の量子物理学薬物シミュレーションアルゴリズム、人工知能薬物発見プラットフォーム、複数のクラウドプラットフォームにわたるスーパーコンピューティングリソースを強力なサポートとして備えており、短期間で大量の高精度薬物シミュレーション計算を完了することができます。新型コロナウイルスに関する十分なデータが存在しない中、Jingtai Technologyは、入手可能な限られた情報に基づいて、ウイルスの重要な構造と感染メカニズムを分子レベルで研究し、感染を阻止して肺炎を治療する効果的な方法を見つけようとしています。

「人工知能の最大の利点は、何百万もの潜在的に活性な分子骨格をスクリーニングの出発点として利用することで、新薬の探索範囲を大幅に拡大できることです」と、Jingtai Technologyの主任科学者である張培宇博士はかつてArtery Networkに語った。「AIと計算化学を組み合わせ、複数の重要な特性を総合的に考慮して候補分子にスコアを付けることで、最も理想的で最も有望な化合物に段階的に近づき、開発を成功させることができます。」

開発段階の観点から見ると、新薬の研究開発に携わる企業は依然として大規模な投資を行っており、一定の商業的成果を上げています。純粋に B2B の性質上、新薬の研究開発はすべての開発段階を通過する最初のトラックになる可能性があります。

• その他のトラック

慢性疾患の管理は、インターネット医療の重要な部分であり、この流行から恩恵を受けた数少ない分野の一つです。医師と直接対面してコミュニケーションをとることができないため、より多くの患者がプラットフォームプログラムに参加しています。

この分野では、ミャオヘルスなどの企業が、健康リスク格付け管理プラットフォームや人工知能健康介入プラットフォームなど、医師と患者のための人工知能を中核とした慢性疾患管理プラットフォームを構築する傾向にあります。同社のHプラットフォームを例にとると、同プラットフォームのNLP健康知識グラフは、オリジナルの健康・医療データに対してインテリジェントな構造化クリーニングを実行し、17万人以上のユーザーの自律的な医療行動のラベルライブラリを形成するとともに、ユーザーの専門的な健康・医療ポートレートを構築し、主要な疾病や慢性疾患のリスク予測、異常指標警告、疾病指向警告、健康リスク項目警告などの健康データアプリケーションを実現します。

シナリオの成熟度の観点から見ると、AI慢性疾患管理企業はまだCエンドユーザーを蓄積している段階であり、主な支払者は明確ではありません。そのため、AI自体がその発展規模を制限するわけではないかもしれないが、関連企業は依然として積極的にビジネスモデルを模索する必要がある。

ハードウェア アクセラレーションは、医療 AI における稀少で小さいながらも美しい道です。 RSNA 2020では、医療画像AIに対する業界の注目も前年に比べて高まっています。焦点はもはや、医師に代わって画像の読み取りと分析を行うために AI を使用する方法ではなく、「舞台裏」に目を向け、画像の取得、データの再構築、ワークフローの最適化など、画像処理の上流にある AI 技術が臨床実践にもたらすことができる新たなブレークスルーに焦点を当てることにあります。

現在、GPSと少数のスタートアップ企業が関連技術の開発を進めており、これらの技術は臨床現場に本格的に応用されています。たとえば、Subtle Medical の SubtleMR は、人工知能技術を使用してすべての MR イメージング デバイスと互換性を持たせ、高品質の画像を取得する効率を向上させ、モーション アーティファクトを削減できます。SubtlePET は、ディープラーニング技術を使用して PET (陽電子放出断層撮影) イメージングを高速化し、放射線の危険性を軽減することで、病院やイメージング センターの PET スキャン速度を 4 倍に高めることができます。

対照的に、いくつかの新興技術の統合は少し混乱しているようです。例えば、VR/ARのAIは長年研究されてきましたが、まだ明らかな成果は出ていません。現在、VR関連の技術は主に高齢者のリハビリテーションや心理療法の分野で利用されていますが、AIの利用は少なく、まだ需要探索の段階にあります。

心理学や医療美容の分野は、C エンドに近い傾向があります。整形手術のシミュレーションや仮想オブジェクトなどのアプリケーションは、患者に新しい体験を提供することができます。 2つのトラックの特徴は、モデリングの精度と知能がユーザーの満足度を決定することです。既存のAIでは、人間の心理や美学を完全に理解することはできません。消費者が適切なスキンケア製品を選ぶよう促すために肌モニタリングに AI を使用するのは良い応用ですが、医療美容関連の AI の多くはまだあまり役に立たず、技術革新が必要です。

資本の回収とAIヘッド集中効果
2019年の医療AIの主要市場はやや静かで、年間を通じて40件の資金調達があり、総資金調達額はわずか38億9千万ドルでした。商業化が妨げられる中、研究開発に資金を投入する企業が増え、MICCAIなどのトップ会議に発表される中国の論文数は倍増した。

2020年のトレンドは2019年とは全く異なります。今年上半期の流行の影響を受け、多くの企業が大幅なコスト削減を行い、収益とコストの両方が減少しました。同年6月には医療AIが盛り上がりを見せ始め、上半期はあまり注目されていなかったAIが再び資本の支持を集め始めた。 2020年のAI医療融資は合計47回、金額は約84.8億人民元で、前年比118.0%増加しました。資金提供を受けた企業は市場で事業を開始しました。

2020年の各月の資金調達件数 2020年の医療AI向け公的資金調達一覧

縦に見ると、融資を受けた企業のほとんどが3年以上の営業歴を持っていることが簡単に分かります。Jitai Pharmaceuticalのような少数の新興企業は、大手AI新薬企業であるJingtai Technologyの戦略的サポートを受けています。さらに、シリーズ B 以上の資金調達件数が大幅に増加しており、これは特に医療画像処理分野で顕著です (合計 24 件の資金調達、そのうち 14 件がシリーズ B 以上)。

大手企業の資金調達は、業界トラックの資金調達データに大きな影響を与えています。9月には、Linker TechnologyがD+ラウンドで7億元、Taimei Medicalが12億元、Jingtai TechnologyがCラウンドで3億1880万ドルを調達しました。この3つの大手企業による3つの大規模な資金調達ラウンドは、医療AIトラック全体の資金調達額の半分を占めました。12月には、Shenrui MedicalがC+で数億元、Keya MedicalがDラウンドで3億元、Senyi IntelligenceがDラウンドで4億元、Sukun Technologyが6億元近くを調達し、それぞれのトラックの資金流入の大部分を支えました。

2020年の月々の融資額

2020年の医療AI向け公的資金一覧

上記のデータは、AI医療市場が明らかなヘッド集中効果を示していることを示しています。医療画像分野では、Sukun TechnologyやKeya Medicalなどの認定企業は年間複数回資金調達が可能ですが、多くの無認可企業や新興企業は資金援助を得るのが困難です。対照的に、医療情報技術産業は比較的集中度が低い。我が国の医療情報技術の現状は、各都市の医療品質と情報技術品質が差別化されているため、大手情報技術企業があらゆる地域に触手を伸ばすことができないためであると考えられる。この場合、それぞれの地域を理解している地元企業はチャンスをつかみ、目立つ可能性を秘めている。

しかし、医療画像化、医療情報化、新薬研究開発のいずれにしても、その構築の障壁はアルゴリズムだけでは解決できません。より重要なのは、肺結節AIの構築に必要な大量の医療データ、専門的な知識グラフ、新薬研究開発プラットフォームの蓄積です。これらの貴重な臨床データはどの企業にも属さないため、企業にとって最も強固な障壁となります。

よく聞かれる質問は、「医療 AI 分野はたくさんありますが、どれが最初に利益を上げるのでしょうか?」です。現在の開発プロセスから判断すると、誰も答えることができません。しかし、資本の行動を観察することで、何らかの手がかりを見つけることができるかもしれません。

資金調達リストから、新薬研究開発は資金調達件数が最も少ないものの、調達資金額が最も大きく、平均資金調達額（3億5,800万元）が最も高く、資金調達総額の50％以上を占めていることがわかります。医療画像処理は資金調達プロジェクトが最も多いものの、平均プロジェクト資金調達額が最も少なく（1億2,400万元）、医療情報技術トラック（1億3,000万元）よりわずかに低いです。

平均受注額で見ると、人工知能と情報技術は比較的明確です。単一の肺結節補助診断製品の価格はおおよそ50万～100万元の範囲で、PACSを含む病院全体のAI画像ソリューションは1000万元近くに達することがあります。専門CDSSの価格はおおよそ150万～300万元で、スマート病院建設計画は病院の規模に応じて数千万元に達することがあります。この2つのトラックのほとんどの企業の年間売上高は数万元で、数社は数億元に達することもあります。一方、新薬研究開発の各リンクにおけるサービスは多岐にわたり、潜在的な機会や利益に対して明確な価格をつけることは難しいが、製薬会社の上流企業として、その収益も比較的大きい。

潜在的軌道の外部化とAIの将来的発展
資金調達額と商業化の状況から判断すると、さまざまな医療 AI トラックは、異なる基盤技術に依存して、まったく異なる道を歩んできました。そこで、Artery Networkは棚卸し中に3つのトラックを分け、それぞれの産業チェーンの現状と突破の進捗状況を分析し、それぞれをまとめました。

• 医療画像

承認された医療用画像AI製品の数が増えるにつれて、ますます多くの医療機器CRO企業が画像AIを重要な事業領域として拡大し、差別化戦略を実行し始めています。

奥泰康を例に挙げましょう。奥泰康は業界で14年のプロジェクト経験を持つCRO企業として、医療機器と医薬品の臨床試験と登録サービスを500件以上完了しています。過去5年間で、30件以上のクラスIII医療機器登録証明書を取得し、15件の国家革新医療機器承認文書の申請に成功しました。 2017年以来、Aotaikangは人工知能（AI）分野に目を向け、この分野でCROサービスを迅速に開始しました。現在、中国で認証された9つのAI製品のうち、3つのCROサービスを引き受けており、件数と成功率で業界トップクラスとなっています。今後も、特に心血管・脳血管、神経介入、腫瘍学、整形外科、画像診断、形成外科の6つの主要分野において、革新的な医療機器とハイエンド医療機器CROサービスに注力していきます。

Aotaikangの創設者であるRao Yiwei氏はArtery.comに次のように語った。「2020年12月現在、AotaikangはKeya Medical、Shukun Technology、Yitu Technology、Inference Technology、Xingmai Technology、Huiyi Huiying、Ruixin Medicalなど、トップ20の医療用画像AI企業のほとんどにCROサービスを提供しており、その中でKeya MedicalとInference Technologyは最初の認定製品です。」

一般的に、単一製品の承認登録料は500万〜1000万です。イメージングAIの復活により、2021年のイメージングAIはより多くのCROプレーヤーを迎える可能性があります。

• 医療情報化

異種データの処理を効率化するために NLP のパフォーマンスを向上させる方法は、人工知能の研究者が解決に取り組んでいる問題です。人工知能モデル GPT-3 の登場により、大量のデータを使用して AI に学習させるという新しいアイデアが生まれました。しかし、GPT-3 の実用的な結果はまだ議論の余地があり、学者はその実用性をさらに検証する必要があります。

業界の方向性としては、スマート病院の建設は2021年も引き続き病院建設の焦点の一つとなるでしょう。 2020年の状況から判断すると、NLPベースの知識ベースは電子カルテやHISシステムに組み込まれており、大量の臨床データを収集した後、AIは革新的な病気の診断と治療法の創出に参加する可能性が高い。

• 新薬開発

12月、DeepMind社のAlphaFold2が「タンパク質の折り畳み予測」問題を解決しました。これは「AI+新薬」の最大のニュースと言えるでしょう。生物学界を50年以上悩ませてきたこの大問題は、AIによって解決されつつあります。

現代の医薬品のほとんどはタンパク質を標的としているため、医薬品の設計はほとんどの場合、タンパク質の構造に基づいて行われます。したがって、AI がタンパク質構造を正確かつスケーラブルに予測できれば、一部のクライオ電子顕微鏡、核磁気共鳴、または X 線構造発見に取って代わり、タンパク質発見の効率が大幅に向上し、対応するコストが削減されます。

しかし、タンパク質間相互作用の研究においては、従来の実装は依然として一定の利点を持っています。しかし、AI の発展により、デジタル コンピューティングは、機械知能がまだ手を付けていない分野で画期的な進歩を遂げることができるかもしれません。時が経てばわかるでしょう。

全体的に見ると、人工知能は流行後、完璧なV字カーブを描いています。それぞれの軌道が独自の方法で医療に力を与え、医療のあらゆる側面を一歩ずつ変えています。新年、医療分野のすべての探求者が「医療の遅さ」を理解し、夢を持ち続け、一貫性を保つことを願っています。