智能醫(yī)療的河該如何“蹚”？

又一IT巨頭要“蹚”數(shù)字醫(yī)療這條河。2021年12月20日，甲骨文公司（Oracle）宣布以283億美元收購電子醫(yī)療記錄公司塞納（Cerner Corp.），創(chuàng)下甲骨文公司收購史上最高金額。此前有消息稱，Cerner的潛在買家還包括微軟、谷歌。

醫(yī)療與生命科技數(shù)字化正在打開新想象力，吸引眾IT巨頭爭相布局。2019年11月，谷歌以21億美元收購可穿戴設(shè)備公司Fitbit，該公司擁有大量用戶的健康數(shù)據(jù)。2021年4月，微軟以197億美元現(xiàn)金收購智能語音識別廠商N(yùn)uance公司，Nuance的AI解決方案被全球90％的醫(yī)院所采用。

醫(yī)療健康充滿魔力吸引眾IT巨頭前赴后繼，也讓很多IT廠商遭遇滑鐵盧。2021年年初，有媒體傳出IBM正在考慮出售其健康業(yè)務(wù)（Watson Health）。2021年8月，谷歌宣布解散健康部門。種種信息昭示，未來將是生命科技數(shù)字化的黃金十年。而生命科技數(shù)字化對于IT巨頭來說，不是要不要做，而是應(yīng)該如何做的問題。

數(shù)字醫(yī)療公司“洛陽紙貴”

甲骨文花283億美元買下塞納，讓這家總部位于美國密蘇里州堪薩斯城的軟件公司一夜成焦點。塞納是美國最大的電子病歷系統(tǒng)供應(yīng)商，創(chuàng)立于1979年，目前占據(jù)全球電子病歷系統(tǒng)超過20%的市場份額。

其實將病人病歷數(shù)字化并不是什么新鮮系統(tǒng)，美國醫(yī)療機(jī)構(gòu)自20世紀(jì)初開始將病人病歷數(shù)字化，目前美國幾乎所有的醫(yī)療機(jī)構(gòu)均已部署了電子病歷系統(tǒng)，市場趨于飽和，甲骨文之所以搶購塞納，杭州醫(yī)策科技有限公司CEO王曉梅認(rèn)為：“甲骨文意在獲得塞納身上的健康數(shù)據(jù)業(yè)務(wù)。”

在電子病歷系統(tǒng)業(yè)務(wù)成長緩慢之后，塞納一直在尋找新的增長點。2021年4月，塞納以3.75億美元收購了Kantar Group健康事業(yè)部，塞納將自身的數(shù)據(jù)業(yè)務(wù)和Kantar Group的生命科學(xué)數(shù)據(jù)業(yè)務(wù)進(jìn)行了整合，全力聚焦真實世界的數(shù)據(jù)解決方案和研究服務(wù)，面向生命科學(xué)機(jī)構(gòu)提供臨床試驗服務(wù)。

對于塞納的價值，北京石油化工學(xué)院人工智能研究院教授、中華預(yù)防醫(yī)學(xué)會健康風(fēng)險評估與控制專業(yè)委員會委員趙邑新表達(dá)了與王曉梅相同的觀點，將病人病歷數(shù)字化，IT企業(yè)已經(jīng)耕耘了幾十年，并不是什么新業(yè)務(wù)，塞納希望轉(zhuǎn)型盤活這些健康數(shù)據(jù)資產(chǎn)，向健康數(shù)據(jù)服務(wù)推進(jìn)，但目前只公布了目標(biāo)，并沒有透露出達(dá)成這些目標(biāo)的實現(xiàn)路徑。

業(yè)內(nèi)資深人士坦言，在國外，電子病歷是醫(yī)療數(shù)據(jù)的核心。基于電子病歷系統(tǒng)，全部醫(yī)療機(jī)構(gòu)采用標(biāo)準(zhǔn)化臨床術(shù)語，有利于數(shù)據(jù)采集的結(jié)構(gòu)化，為醫(yī)療人工智能的開發(fā)提供基石。塞納被關(guān)注，意味著AI在精準(zhǔn)醫(yī)療和健康管理的價值與潛力，獲得了更大、更明確的認(rèn)可。

目前塞納市值約為230億美元，交易額為283億美元，或許有人覺得甲骨文買貴了，“但根據(jù)典型的收購溢價計算，交易價為283億美元是合理價格。”業(yè)內(nèi)資深人士認(rèn)為。

醫(yī)療數(shù)字化是未來的朝陽產(chǎn)業(yè)，而這一輪醫(yī)療數(shù)字化的焦點之一是數(shù)字化助力新藥研發(fā)。僅僅從新藥研發(fā)來看，沙利文聯(lián)合頭豹研究院發(fā)布的一份報告顯示，全球藥物研發(fā)市場持續(xù)增長，2020年規(guī)模為1915億美元（約合人民幣1.24萬億元），預(yù)計2023年達(dá)2168億美元，這是一個巨大的市場。基于這樣的共識，這幾年數(shù)字醫(yī)療領(lǐng)域的并購金額呈現(xiàn)“水漲船高”的態(tài)勢。

5年前，看好醫(yī)療健康數(shù)字化的IBM一年之內(nèi)收購了4家數(shù)字醫(yī)療公司，其中最貴的一家Truven價格也僅為26億美元。到2021年，數(shù)字醫(yī)療機(jī)構(gòu)的并購案成交價便屢創(chuàng)新高了：2021年年初，微軟對Nuance公司的收購金額為197億美元，在微軟收購歷史上金額排名第二；甲骨文283億美元收購塞納，創(chuàng)下甲骨文收購歷史上的最高金額。事實上，不僅是塞納的價格高漲，包括塞納競爭對手的價格也居高不下，2021年11月22日，塞納的競爭對手Athenahealth以170億美元的價格將公司售賣給了兩家私募基金公司。這進(jìn)一步佐證了資本和市場對于具有云計算能力的健康醫(yī)療公司的狂熱追捧。

資本嗅覺靈敏，一旦某一領(lǐng)域“洛陽紙貴”，就意味著該領(lǐng)域風(fēng)要起來。路透社援引的一份數(shù)據(jù)報告稱，以科技和醫(yī)療保健行業(yè)為首的并購規(guī)模在2021年首次超過5萬億美元。紅衫資本全球執(zhí)行合伙人沈南鵬認(rèn)為，未來10年健康醫(yī)療將演變成為細(xì)胞、基因和生物工程技術(shù)驅(qū)動的領(lǐng)域，目前中美醫(yī)療健康創(chuàng)新正處于爆發(fā)前夜。當(dāng)21世紀(jì)又一個十年勾勒產(chǎn)業(yè)未來藍(lán)圖的時候，科技巨頭希望從醫(yī)療健康、生命科學(xué)層面找到新的發(fā)展著力點。

甲骨文能否消化塞納

甲骨文買塞納很好理解，雖然作為數(shù)據(jù)庫市場的老大，甲骨文的地位一直無人能撼動，但最近幾年甲骨文云轉(zhuǎn)型的速度明顯慢了，需要更強(qiáng)勁的增長引擎。

收下塞納，能給甲骨文帶來“一石三鳥”效應(yīng)：一是帶來新營收和新利潤。塞納是全美排名第一的電子病歷系統(tǒng)供應(yīng)商，全球90%的醫(yī)療機(jī)構(gòu)都采用其系統(tǒng)。二是能給甲骨文帶來大量的醫(yī)療數(shù)據(jù)。一直以來塞納使用自己的數(shù)據(jù)中心存儲醫(yī)療保健數(shù)據(jù)，2019年，塞納與亞馬遜AWS合作，通過云計算的方式為醫(yī)療公司提供醫(yī)療數(shù)據(jù)服務(wù)，甲骨文收購成功后，可從塞納獲取大量健康醫(yī)療數(shù)據(jù)。三是將甲骨文帶到醫(yī)療健康和生命科技數(shù)字化這個大市場。

對于收購塞納帶來的多方收益，甲骨文首席執(zhí)行官薩弗拉·卡茨（Safra Catz）在收購的官宣新聞稿中直言不諱：“我們預(yù)計，在交易結(jié)束后的第一個完整財政年度，此次收購將在非公認(rèn)會計原則的基礎(chǔ)上立即增加甲骨文的收益，并在第二個財政年度及其后對收益做出更大貢獻(xiàn)。醫(yī)療保健是世界上最大、最重要的垂直市場，去年僅在美國就有3.8萬億美元的市場規(guī)模。隨著我們將業(yè)務(wù)擴(kuò)展到世界上更多的國家，Cerner將成為未來數(shù)年巨大的額外收入增長引擎。”

看起來一石三鳥的收購，但業(yè)界和資本界都沒有給予甲骨文“買漲”的評級。在甲骨文宣布收購塞納之后，美國三大評級機(jī)構(gòu)均表示，如果甲骨文提高收購交易的杠桿率，他們可能會下調(diào)甲骨文的信用評級。負(fù)債率的提升是下調(diào)信用評級的一個原因，另一個原因是來自戰(zhàn)略層面偏離的擔(dān)憂。有分析師表示，該收購可能會使甲骨文公司失去重心，它并不像企業(yè)SaaS、數(shù)據(jù)庫和云計算那樣具有戰(zhàn)略意義。

再一個方面的擔(dān)心則是甲骨文無法“消化”塞納，數(shù)字醫(yī)療的河水并不好“蹚”。盡管甲骨文是收購公司的老手，買下了包括Sun、People soft等巨頭，而且此前甲骨文已經(jīng)在數(shù)字醫(yī)療領(lǐng)域進(jìn)行了幾樁收購，但業(yè)界并不認(rèn)為甲骨文進(jìn)入數(shù)字醫(yī)療領(lǐng)域能夠比別的IT巨頭更幸運(yùn)。

智能醫(yī)療，水很深

就像趙邑新所言，藍(lán)圖是美好的，究竟如何實現(xiàn)才是最難的。每一個進(jìn)軍醫(yī)療健康數(shù)字化的IT巨頭，哪一個不是滿懷期待、信心滿滿。為什么雄心勃勃的谷歌醫(yī)療健康事業(yè)部會在去年關(guān)閉，為什么IBM寄予厚望的健康部門也屢屢被傳要賣？在中國，不少AI創(chuàng)業(yè)公司都曾對AI賦能醫(yī)療健康信心滿滿，但也都在最近或是關(guān)停了相關(guān)業(yè)務(wù)或是縮小了預(yù)期。醫(yī)療健康的數(shù)字化、智能化，水到底有多深，又到底難在哪里？

其一，醫(yī)療是高門檻、高監(jiān)管行業(yè)，對安全要求嚴(yán)苛，非醫(yī)療行業(yè)的人很難了解。趙邑新說：“很多醫(yī)療數(shù)字化的創(chuàng)業(yè)公司之所以失敗，就是因為對醫(yī)療行業(yè)缺乏基本的認(rèn)知，也缺少對行業(yè)基本的敬畏。”

王曉梅創(chuàng)業(yè)之前曾在IBM全球工作20多年，親歷過IBM的多次收購，她對于醫(yī)療領(lǐng)域的創(chuàng)業(yè)以及并購有深刻感受，并對IT公司通過收購來提升業(yè)務(wù)競爭力保持審慎的態(tài)度。“醫(yī)療健康智能化，是‘醫(yī)工融合’，一定是醫(yī)學(xué)排在第一位，而工程學(xué)和人工智能排在其后，必須真正由懂醫(yī)的人主導(dǎo)才有可能把這件事情做成。甲骨文收下塞納之后應(yīng)該讓其獨(dú)立運(yùn)營，讓專業(yè)的人做專業(yè)的事更容易讓并購成功。”王曉梅說。

IBM是IT公司中最先大舉進(jìn)軍醫(yī)療領(lǐng)域的先鋒，王曉梅認(rèn)為IBM對醫(yī)療數(shù)據(jù)公司的并購與甲骨文買塞納不同：IBM就像是想開面包店，有了面包師，但沒有面粉，于是去市場上買面粉，IBM 購買的面粉是醫(yī)療數(shù)據(jù)公司；而甲骨文則是想開面包店，既沒有面包師也沒有面粉，于是直接把面包師、面粉統(tǒng)統(tǒng)買過來。

其二，醫(yī)療行業(yè)是一個長周期、長鏈條的復(fù)雜系統(tǒng)，需要長期投入和耐心。醫(yī)療領(lǐng)域規(guī)則特殊，如果涉及診斷治療，則必須滿足相應(yīng)的監(jiān)管要求，獲得相應(yīng)的認(rèn)證，這個過程并無捷徑，且時間和投入都相當(dāng)巨大。根據(jù)業(yè)內(nèi)人士介紹，從注冊檢驗到最終注冊審評最快也需要1年多，如果不幸卡在臨床試驗環(huán)節(jié)，獲批所需時間甚至可能會被拉長到3年左右，甚至還會面臨項目流產(chǎn)、打水漂。

最近，Paige公司的數(shù)字病理AI產(chǎn)品獲美國食品和藥物管理局（FDA）批準(zhǔn)，這是第一個獲FDA批準(zhǔn)臨床級的用于前列腺癌檢測的人工智能解決方案，它能夠獲得FDA批準(zhǔn)在AI醫(yī)療業(yè)界引起很大反響。Paige聯(lián)合創(chuàng)始人兼首席科學(xué)家Thomas J.Fuchs坦言，這個成果是他們10多年工作的結(jié)晶。這個案例從一個側(cè)面證實了開發(fā)臨床級AI產(chǎn)品的時間代價。

IBM大中華區(qū)Watson醫(yī)療總經(jīng)理李少春表示，醫(yī)療系統(tǒng)非常復(fù)雜，鏈條長且參與方眾多，涉及制藥、醫(yī)生、醫(yī)院、患者、保險等很多層面，很多新參與者往往對這個行業(yè)的風(fēng)險之大、周期之長缺乏足夠判斷，其結(jié)果是欣然而來失望而歸。所以選擇從哪一環(huán)節(jié)切入，又如何參與到醫(yī)療健康的大產(chǎn)業(yè)鏈條中，需要足夠的產(chǎn)業(yè)智慧和足夠的耐心。

就連谷歌這樣的IT巨頭，都會因為大舉投入、短期內(nèi)營收不及預(yù)期而不得不“關(guān)停并轉(zhuǎn)”。醫(yī)療行業(yè)的特殊性、長周期、復(fù)雜性，對于強(qiáng)調(diào)快速迭代，要求高投入高回報的IT公司來說，或許需要重新評估投入產(chǎn)出比和商業(yè)模型。

其三，業(yè)界高估了人工智能的賦能能力與融入速度。業(yè)內(nèi)資深人士認(rèn)為，目前AI的技術(shù)與能力對于醫(yī)療與健康的賦能低于預(yù)期，而且其進(jìn)入和融入行業(yè)的速度也低于預(yù)期。

目前AI在醫(yī)療領(lǐng)域中落地的應(yīng)用場景主要包括醫(yī)學(xué)影像、智能診療、智能導(dǎo)診、智能語音、健康管理、病例分析、醫(yī)院管理、新藥研發(fā)和醫(yī)療機(jī)器人等，其中在醫(yī)學(xué)影像中的應(yīng)用最為廣泛，是人工智能在醫(yī)療領(lǐng)域最熱門的方向，但在實際應(yīng)用過程中仍存在一定挑戰(zhàn)。比如，數(shù)據(jù)獲取及數(shù)據(jù)標(biāo)注問題，以及缺乏行業(yè)標(biāo)準(zhǔn)、注冊審批缺乏指導(dǎo)原則、技術(shù)創(chuàng)新難等問題。

AI賦能能力和進(jìn)入速度低于預(yù)期的原因很多，其中數(shù)據(jù)缺乏是影響AI能力提升的一個關(guān)鍵。AI醫(yī)療資深人士認(rèn)為，加速推進(jìn)醫(yī)療健康的數(shù)字化，目前的焦點不應(yīng)該是AI而應(yīng)該是數(shù)據(jù)。為什么現(xiàn)在大量的IT公司要購買有醫(yī)療數(shù)據(jù)的公司，為什么要買“面粉”？是因為現(xiàn)在很多從臨床拿出來的數(shù)據(jù)并不能用，需要將大量的數(shù)據(jù)結(jié)構(gòu)化。

另一個原因是醫(yī)生排斥。思勤醫(yī)療創(chuàng)始人兼首席執(zhí)行官茅矛是美國FDA批準(zhǔn)的乳腺癌診斷試劑盒MammaPrint （世界上第一個多變量檢測方法）的發(fā)明人之一，他認(rèn)為這一代醫(yī)生成長時的培訓(xùn)和帶教體系的習(xí)慣，會天然排斥AI， 可能一次診斷有誤就直接否定AI，間接影響了AI醫(yī)療產(chǎn)品的發(fā)展。或許在數(shù)字世界里成長起來的下一代醫(yī)生群體，對AI的接受度會高一些。

武漢協(xié)和醫(yī)院智能醫(yī)學(xué)研究室主任葉哲偉認(rèn)為，新一代信息技術(shù)橫向融入醫(yī)學(xué)領(lǐng)域形成了智能醫(yī)學(xué)，醫(yī)工交叉融合讓醫(yī)學(xué)獲得巨大提升，但我國醫(yī)學(xué)學(xué)生的教育模式缺乏對理工科方面交叉學(xué)科知識體系的培養(yǎng)。醫(yī)學(xué)學(xué)生往往缺乏跨平臺、跨專業(yè)的接受能力和解決問題的能力。新型醫(yī)工交叉的智能醫(yī)學(xué)要成為醫(yī)院中常規(guī)場景，還有一段相對漫長的道路。首先面臨的挑戰(zhàn)是臨床醫(yī)師的認(rèn)可度和使用能力，臨床醫(yī)師作為一線醫(yī)療的實施者，對這些新型應(yīng)用模式的認(rèn)可度和使用能力決定了臨床應(yīng)用的規(guī)模。同時，智能醫(yī)學(xué)類產(chǎn)品的安全性、合法性以及權(quán)責(zé)認(rèn)定歸屬等問題同樣是嚴(yán)峻的挑戰(zhàn)。

AI與生命科學(xué)需要“壁壘”

生命科學(xué)與智能技術(shù)的融合將開啟一個新時代，但每一個新時代的開啟從來不是一帆風(fēng)順，要想看見隧道盡頭的曙光，需要更多的信息技術(shù)智慧，需要更多的努力、堅持和探索，也需要商業(yè)成功實現(xiàn)的鼓勵。

AI助力新藥研發(fā)被視為最快釋放巨大潛能的賽道。葉哲偉表示，傳統(tǒng)醫(yī)藥研發(fā)、疫苗研發(fā)往往需要經(jīng)過數(shù)十年的基礎(chǔ)研發(fā)、動物實驗、臨床實驗方能投入使用，耗時久并且成本巨大。借助AI、網(wǎng)絡(luò)藥理學(xué)技術(shù)，可以對人類疾病潛在治療靶點、藥物結(jié)合位點、新藥物合成時的成分構(gòu)成、老藥物的潛在作用療效做出快速預(yù)測，從而快速為醫(yī)藥研發(fā)提供方向，極大縮短了基礎(chǔ)研發(fā)的周期。AI可以使醫(yī)藥研發(fā)跳過“試錯”階段，有針對性、有目標(biāo)性地推進(jìn)，節(jié)省時間也節(jié)約經(jīng)濟(jì)成本。目前AI介入后研發(fā)出新藥的療效和穩(wěn)定性仍然不足，但相信未來會成為領(lǐng)域內(nèi)主要熱點方向之一。李少春認(rèn)為創(chuàng)新藥的研發(fā)將在未來產(chǎn)生巨大變革。為此他特別提及了IBM不久前推出的云端新化學(xué)實驗室“RoboRXN”，這個將人工智能模型、云端計算平臺和機(jī)器人結(jié)合的實驗室，可以幫助科學(xué)家在家就能設(shè)計并合成新分子、新化合物。據(jù)統(tǒng)計，“RoboRNX”的正確率達(dá)90%，目前已經(jīng)為1.5萬名使用者提供超過76萬份機(jī)器學(xué)習(xí)的化學(xué)反應(yīng)預(yù)測。傳統(tǒng)模式下，從新藥和新材料發(fā)現(xiàn)到最終進(jìn)入市場，平均需要10年，“RoboRNX”對縮短新藥研發(fā)的時間成本，是一個較有效率的范本。

關(guān)于未來，王曉梅看好“病理人工智能”賽道，其中病理診斷是一項大量依賴經(jīng)驗學(xué)的復(fù)雜工作，更是醫(yī)學(xué)的金標(biāo)準(zhǔn)，需要醫(yī)生具有非常豐富的專業(yè)知識和經(jīng)驗，而且即使具有專業(yè)經(jīng)驗的醫(yī)生，也容易忽略不易察覺的細(xì)節(jié)從而導(dǎo)致診斷的偏差。而將AI引入病理的研究，通過學(xué)習(xí)細(xì)胞病理、組織病理、免疫組化病理，或者分子病理的特征，不斷完善病理診斷的智能體系，是解決讀片效率以及診斷準(zhǔn)確值的很好辦法，也是解決全世界病理醫(yī)生嚴(yán)重短缺的最行之有效的一種科技手段。

在更多更大范圍破壁人工智能與生命科學(xué)的通道，正在成為越來越多IT人的共識。中國工程院外籍院士張亞勤近期表示：“做計算機(jī)的人、做人工智能的人和做生物生命科學(xué)的人是完全不同的專業(yè)領(lǐng)域，這些領(lǐng)域一直是沒有共同語言的，人也好，使用的體系也好，方式也好，都是不一樣的，我們希望可以把這些領(lǐng)域打通，我們把這叫做破壁計劃。“

責(zé)任編輯：Rex_08