快捷导航 
时间：2024-04-14 16:28:31来源：中国证券报
“当前AI医疗产品确实面临着研发投入高与商业化落地难的困境，融易新媒体消息，这主要是由于技术成熟度、商业模式、监管政策等多方面的因素造成的。”徐潮表示，首先，从商业模式的角度来看，AI医疗产品的研发和商业化需要构建全面的产业链，包括上游的数据采集、处理和分析，中游的算法模型开发和优化，以及下游的医疗服务提供和市场推广。在这个过程中，各个环节需要密切合作，形成有效的商业模式。
其次，技术方面的突破也是解决商业化落地难题的关键。当前，AI医疗产品需要在算法的准确性、稳定性和可靠性方面进行进一步的提升。此外，要加强数据治理和隐私保护技术的研究和应用，确保患者数据的安全和合规性。
再者，监管政策也是影响AI医疗产品商业化落地的重要因素。随着AI技术的快速发展，监管部门需要制定和完善相应的法律法规和标准规范，为AI医疗产品的商业化提供有力的制度保障。
从企业的角度看，如何破解“AI+医疗”场景的落地难问题？沈定刚表示，一方面是要跟医生紧密合作，了解临床需求的痛点。在实际中，或许会发生自己认为是非常好的AI应用，但是在临床上其实并不需要的情况。“我们会派产品经理广泛调研医院情况，并和相关科室主任沟通，了解实际需求，此外我们通过产学研医紧密合作，共同承担国家级重大项目，发现并解决多项临床痛点问题。”
马锐兵亦表示，以辅助诊断领域为例，目前AI辅助诊断相关产品提供的能力较为单一，通常只能看一种病，但是医生在看病的时候则是从异常中判断疾病类型。在该领域，很多AI厂商也在寻求差异化的生存之道，比如向辅助决策转型，在某种意义上也敲开另外一个市场的大门，在实践中从影像向临床科室拓展，发挥了更大的价值。
另一方面，“‘AI+医疗’领域迭代非常快，跟不上迭代速度，很容易遭淘汰。对此，我们的研发策略就是做底座。所谓的底座，就是我们里面有很多的部件，把它给组合在一起，这样可以快速得到不同的应用，从而减少研发成本。而有了大模型以后，我们整个开发速度又提高了不少。”沈定刚称。
