連心醫療CEO章樺：千億腫瘤診療市場，醫療將成大數據下一個用武之地｜愛分析訪談

調研 | 李喆

撰寫 | 辛穎

大數據和人工智慧的下一波機會將出現在醫療行業，其中千億級癌症診療，將是一個突破口，技術將解決一部分現有醫療資源分配不均衡的問題，並極大提升人效。

據國家癌症中心統計，現存腫瘤患者約為750萬人，按人均年花費7萬元，腫瘤治療滲透率60%計算，腫瘤醫療服務市場規模約為3200億元。其中，公立三級醫院承擔了超過80%腫瘤治療任務，集中度極高，由於醫療資源相對匱乏，已超負荷運轉，公立醫院擴張受到政策約束，預期腫瘤治療存在較大供需缺口。

腫瘤主要有三大治療手段，藥物（60%）、手術（25％）和放療（15%）。藥物對患者傷害比較大，手術對醫生的依賴度過高，預計放療治療的佔比會逐步提升至歐美相同水平（60%）。

傳統放射治療需要耗費醫生較長的診療時間，如果智能醫療能夠縮短靶區勾畫和治療方案制定過程的時間，醫院配合設備購置，這將有效緩解現有醫療資源供需缺口，同時產生巨大的商業機會。

2013年，籍醫學物理博士章樺正在加州大學聖地亞哥分校，進行高性能運算平台在腫瘤放射治療的研究。矽谷蓬勃火熱的創新氛圍，以及計算機技術在醫療行業的前沿發展，堅定了他回國創業，讓全球頂尖技術服務醫療的想法。

2016年3月，章樺在北京創立連心醫療（Linking Med），主攻腫瘤放療的智能診療領域，成立半年內，即獲得1200萬元天使輪投資，並且於2017年7月完成數百萬美元的A輪融資。

截止當前，連心醫療已申報與取得國家發明專利14項，合作申請省市自然科學基金24項，主要的業務合作醫院8家。

創立初期，連心醫療在數據源收集這一步上邁得尤為困難。

在，智能腫瘤診療的首要難點，在於醫療腫瘤科系統的信息化程度太低，基本依賴紙質單據，導致各環節之間無法交互；其次，醫療行業對數據源的多維度和連續性要求更高；第三，腫瘤行業擁有數據源的核心機構雖然集中度高，但進入門檻也很高；最後，數據清洗過程不僅耗時耗力，還需要相當的醫療專業知識儲備支撐。

為解決以上問題，連心醫療一邊收集、錄入過去的各種紙質信息，一邊通過給醫院提供信息化系統，以支持高效的數據收集和整理。

現在，連心醫療的腫瘤影像智能分析技術，經過大量病例學習，已構成核心競爭力，現對外提供的產品主要有：腫瘤信息化OIS、腫瘤協作平台和科研平台。

腫瘤信息化OIS，是基礎的醫療數據管理系統，也是目前連心醫療應用最廣泛的產品，能夠高效實現靶區勾畫、多端同步交互、全周期患者信息展示、自定義角色許可權控制和病例優化處理。

智能診療系統，已經能夠實現精準度高達92%的智能靶區勾畫，並能夠提出治療方案建議。原本每例患者醫生需要耗費約兩小時的診療時間，現已縮短至20-30分鐘。

與連心醫療業務類似，在美國有腫瘤大數據公司Flatiron Health，2012年創立，致力於整合癌症相關的醫療大數據，為醫院、葯企和患者提供全方位的服務。Flatiron已經收集了美國超過30%的癌症患者的信息，在超過200家腫瘤治療中心，有近2000位臨床醫生客戶。截至目前，Flatiron Health已完成3.13億美金融資，最新估值達到12億美金。

那麼，的智能醫療發展現狀如何？正面臨哪些挑戰？近日，愛分析與連心醫療CEO章樺進行了訪談，現精選部分內容與各位分享。

愛分析：連心醫療主要解決的是醫院哪些需求？

章樺：輔助診療，本質上還是解決醫療資源不均衡的問題。傳統診療過程醫生大概需要花費2小時，現在只要30分鐘。

腫瘤科醫生很難培養，而腫瘤放療是流水線操作，每個人至少收5萬塊，腫瘤科盈利能力強， 所以如果能幫他們提高工作效率，醫院的付費意願很高。

愛分析：目前有哪些付費產品？產品如何定價？

章樺：主要靠給醫院做管理平台，輔助診療的產品按病例進行收費，也就是按流量。

愛分析：如何給醫生提供解決方案？

章樺：先通過醫院積累的圖像進行機器學習，然後建立AI模型。最後機器可以給醫生提供腫瘤治療的方案建議，醫生再在方案的基礎上做調整，AI可以顯著提高診療效率。

愛分析：信息的錄入由誰完成？

章樺：新的病人就診時就通過系統直接錄入了，過去沒錄入的數據都是我們用人工根據原始病例錄入的。

愛分析：數據結構化處理如何完成？各家技術上有什麼差異？

章樺：詞句內容的結構化，是先做詞法分析、詞頻分析，然後mapping，這項技術每家都類似。但是，圖像分析和提供治療方案是我們的核心技術，腫瘤治療本身對圖像的依賴性很強，我們的圖像處理，可以自動獲取圖像上器官結構，並分析他們的變化。

愛分析：產品背後的模型都是連心自己做的？

章樺：我們目前和美國國立衛生研究院、哈佛大學等機構合作，已經獲得授權許可，完成的模型是很靠譜的。做醫療還是要和頂尖機構合作，由有長期積累的專業人士去做核心演算法。又因為優秀的演算法同時也需要大量的數據，所以我們會長期合作。

愛分析：生成一個模型一般需要多少病例數據？

章樺：不同器官不一樣，一般200例，有的器官偏差很大，所以我們也有模型是經過上千例學習後生成的。

愛分析：現在大概簽了有多少家醫院？

章樺：重要醫院簽了8家。

愛分析：數據獲取成本佔比大嗎？未來會不會降低？

章樺：主要是進入醫院的獲客成本，技術成本相對有限，未來也不會有太大差異，主要還是看人。 如果國家隊的企業入場，成本可能會好一些，但國家隊也要花上百億。

愛分析： 現在團隊規模和結構如何？

章樺：50多人，研發佔80%，其中演算法研究和軟體工程師各一半。此外，銷售和實施的人都很少。

愛分析：大數據與醫療的結合，相比和其他行業結合有什麼不一樣？

章樺：醫療行業還是有特殊性的。我過去也和大多數人的想法一樣，以為互聯網就是做2C業務，但後來發現互聯網2C產品的屬性是高頻的標品，比如外賣、打車，但醫療如果做2C就不符合。

互聯網醫療的思路應該是，醫療行業誰的行為符合高頻和標品？不是患者，是醫生。但是醫生本身不付費，是患者付費。那麼，如何建立一個商業模式，通過醫生的高頻行為讓患者買單？

我們可以推導一下：什麼是能讓醫生高頻使用的東西？它本質上應該是工具，而工具是一個結果，形成工具的過程本質還是數據。

現在從宏觀的角度看，雲計算的充分使用，才是互聯網大數據變局的關鍵。雲計算代表無限的存儲能力和計算能力，承載了極大的擴展性，同時也帶來的新商業模式。雖然我們的系統也和AI緊密相關，但我並不覺得本質上AI是關鍵。

愛分析：目前國內做醫療大數據的公司並不多，主要挑戰是？

章樺：最大的挑戰就是找不到相關複合型專家。目前這個領域太需要複合型人才，除了基本的技術積累和醫療知識，還需要有管理能力，能帶團隊。

另外一個痛點不是技術能力，是醫院的環境太複雜。

愛分析：您提到很多次要找「複合型人才」，這是怎樣的人？

章樺：專業上要懂AI，也要懂醫療。比如，大家都知道要收集數據，但他還要知道具體需要什麼數據。什麼數據能最快帶來收入？什麼科室？具體什麼數據？

愛分析：如何看待連心醫療所在的市場空間？

章樺：總體說這是個幾千億的市場。全腫瘤患者每年新增大概450萬人，還有去年的300萬，總共大概750萬，腫瘤一個放療療程最少5萬，正常10萬，高端一些20-30萬，目前放療在腫瘤解決方案中的佔有率大概20-30%，還在持續升高。

比較三種治療手段，手術治療的市場就沒法達到這個量級，開刀好不好全靠人練，很難在短時間規模化。化療市場，因國家對藥品的控制而整體衰減。與此同時，現在放療的應用，跟美國相比還有巨大的成長空間。

我認為依賴於器械的東西是可以看漲的，因為最終我們可以通過AI、雲計算和專家遠程診療提供腫瘤治療服務。

愛分析：放療在整個腫瘤診療的佔比如何？

章樺：大概只有20-30%，預計可以達到60%以上，主要還是醫生不夠。醫生要確定腫瘤在哪，治療方案怎麼做，而現在AI能幫助決策后，醫生的單位時間就能被解放，他們就能覆蓋更多的病人。

愛分析：你覺得評價醫療大數據公司主要應該考慮哪些指標？

章樺：主要是數據、團隊和獲客能力。團隊包括對技術，AI和醫療都懂的人，極其稀缺。獲客主要就是搞定醫院。

愛分析：獲取大醫院的合作是行業壁壘嗎？

章樺：一定。農村包圍城市的打法，在重度醫療行業是不靠譜的，齒科、大健康這些是可以的。

愛分析：距離醫療大數據的真正落地，大概要多久？

章樺：重點是要社保付費，不是醫院，也不是病人。因為只有當所有實驗成果能夠證明「這項技術可以讓醫保少付錢」的時候，社保才會付費，這個證明至少要3-5年。

新龍榜

新龍榜TOP125

新金融

互聯網金融TOP100 | 互聯網金融TOP50

互聯網保險TOP35 | 消費金融TOP25

財富管理TOP42 | 投資機構TOP30

互聯網支付TOP20 | 虎鯨榜TOP50

互聯網保險TOP25 | 互金概念股TOP30

創富人物榜TOP50 | 影響力50人

企業服務

企業服務TOP100 | 企業服務TOP50

大數據TOP72 | B2B電商TOP50

雲服務TOP50 | 網路安全TOP30

大數據影響力50人 | B2B電商影響力50人

其它

出行服務TOP50

人工智慧TOP50

教育科技TOP50

語言教育TOP20

移動醫療TOP30

汽配維修TOP20

家居家裝TOP36

新零售TOP100

幼教TOP35

Adobe | Salesforce | 阿里雲

AWS | Atlassian | Tableau

Cloudera | Palantir | Zendesk

Hubspot | WeWork | MircoStrategy

金山雲 王育林訪談 | Hortonworks

360企業安全調研 吳雲坤訪談

UCloud調研 季昕華訪談 | 樂視雲

TalkingData調研 崔曉波訪談

紛享銷客 羅旭訪談 | 北森

國雙科技調研 祁國晟訪談

容聯雲通訊 | 秒針 | 銷售易

圖森互聯 | 數據堂 | 星環科技

MuleSoft | 明略數據 吳明輝訪談

Sensoro 趙東煒訪談