思想领袖

拓展新的医疗市场:医疗人工智能日益增长的影响

mm
将 Unite.AI 添加到您在 Google 上的首选来源

人们通常会将人工智能在医学领域的应用与检测医学影像中的异常、分析检查结果以及辅助医生作出诊断联系起来。但近来,我不断看到越来越多远超这些应用范围的发展,它们也在挑战我们对医疗技术所能实现之事的认识。其中一些构想极为大胆,其潜在影响可能远远超出医疗保健领域,波及我们生活中的其他领域,并催生尚不存在的新技术、商业模式乃至市场。

罕见病为何正成为医疗初创公司的关注焦点

近来我一直关注的领域中,最有意思的之一是药物发现,也就是利用计算方法和人工智能寻找并研发新的药物化合物。DeepMind 在 AlphaFold 方面的工作极大推动了这一领域的发展。其数据库收录了逾 2 亿个预测的蛋白质结构,为研究人员提供了丰富的信息,助力他们探索潜在的分子相互作用,也为专注于特定疾病的初创公司开辟了新的机会。

假设有人想创办一家初创公司,为某个相对罕见的疾病研发疗法,而这种疾病只影响特定年龄段中一小部分女性。首先要问的是:既然可以针对常见得多的疾病,为何要选择如此有限的市场?不过,即使将全球人口范围缩小到这一特定群体,潜在患者仍可能有数千人。如果患者需要每天服用这种疗法所用的药物,持续十年或终身,那么即使患者群体相对较小,也可能构成一个规模可观的市场。

一家具有商业可行性的制药企业未必需要数千万名客户。当然,从估算潜在市场到实现实际营收,两者之间还存在巨大差距,其中包括研究、临床试验、生产和监管审批等成本。尽管如此,初创公司仍可以专注于一种尚未得到充分满足的疾病需求,并围绕这一疾病建立完整的研究项目。

例如,总部位于美国的生物技术公司 Recursion Pharmaceuticals 正在研发由人工智能驱动的疗法,针对医疗需求尚未得到充分满足的疾病。该公司的一种在研药物REC-4881针对家族性腺瘤性息肉病。这是一种罕见的遗传性疾病,估计影响美国及欧洲五个主要国家共 50,000 人。该公司报告称,1b/2 期试验结果令人鼓舞,其中包括患者异常组织增生有所减少。

虚拟实验室:一种新型商业模式

要找到一种能够靶向与特定疾病相关蛋白质的分子,确实是一项挑战。这需要筛选大量化合物,找出能够与目标蛋白质结合、改变其活性或影响相关生物过程的化合物。起作用的不只是化学组成,每个分子的三维结构也对这些相互作用的发生方式至关重要。

在实体实验室中测试所有可能的组合,实际上是不可能的。即使资金充足,要完成如此大量的实验也会耗时过久。因此,部分研究流程正转向虚拟环境:研究人员利用计算模型和模拟来预测分子相互作用,并筛选出最有希望进入后续测试的化合物。这种方法减少了在实验室中所需的实验数量,但预测结果仍须通过实体测试加以验证。

围绕这些技术,正在涌现出由采用不同商业模式的初创公司构成的完整生态系统。有些公司构建分子模拟基础设施,并向制药公司和研究团队提供使用。另一些公司则利用现有工具研发自己的候选药物。这是一个有趣的例子,说明单项技术进步如何在市场的多个层面创造商业机会。只要一家公司开发的技术能为其他研发者带来价值,即使它从未将自有药物推向市场,也能建立商业上成功的业务。

Isomorphic Labs 就是一个很好的例子,该公司开发用于药物发现和分子设计的人工智能技术。该公司已与 Novartis 和 Eli Lilly 建立研究合作关系,并于 2025 年扩大了与 Novartis 的合作,将合作范围扩展至更多药物发现项目。这说明,用于发现和设计分子的技术本身就可以成为企业与大型制药公司合作的业务基础。

二十分钟制成个性化药片

一些初创公司正在进一步拓展药物发现的理念。我最近遇到一个团队,他们正在研发与皮肤癌相关的技术。他们希望识别罹患该疾病的遗传易感因素,并探索从 DNA 层面进行治疗的方法。他们没有为广泛的患者群体研发药物,而是在研究能否根据个人的遗传特征量身定制疗法。

创始人们描绘了一幅极具雄心的未来图景。想象一下,你走进一家诊所,提供唾液样本,然后由设备分析你的DNA,为你制备专门设计的药物。在他们的设想中,有朝一日,整个过程可能只需大约20分钟,费用低至100美元。当然,这目前仍只是技术上的愿景,并非现有的医疗服务;要将其变为现实,还必须克服巨大的科学、制造和监管挑战。

不过,这样的交流也让我们看到,医疗领域创业者的雄心正在发生多大变化。他们不再只是改进现有的诊断流程,而是在思考,治疗方法的研发过程本身能否彻底重新设计。计算技术的进步促使创始人重新审视那些数十年来几乎未曾改变的流程,这一点让我觉得十分有意思。

为什么外科机器人初创公司往往以被收购为目标

计算技术让小团队能够在药物发现领域探索海量可能性,而外科机器人则需要完全不同层级的资源。要构建能够执行外科手术的系统,需要高水平的机械工程、精准的运动控制、广泛的测试,以及进入临床环境的机会。开发一款可靠的手术机器人臂可能需要10到15年,而每安装一套系统的成本可能高达数百万美元。潜在客户群体也有限,制造商还必须提供多年的维护和技术支持。对小型初创公司而言,这使外科机器人业务成为一项极其复杂且资本密集的事业。

因此,一些团队会围绕最终被大型医疗技术公司收购来制定策略。他们的目标是开发出有说服力的技术概念,并展示其潜力。举例来说,一家初创公司可能会制造一款原型机器人臂,使其能够在医疗模拟人身上执行某些操作,尽管它离真正用于患者手术还相差甚远。与此同时,团队会积极与投资者接洽、参加行业会议,并与潜在的企业买家建立关系;我们与Scryon合作开展医疗行业活动时,经常能看到这种情况。从本质上说,他们试图在技术成为成熟产品之前,先出售它所蕴含的前景。

起初,我觉得这种做法相当奇怪。如果无意亲自将医疗设备推向市场,为什么还要开发它?但这背后有其商业逻辑。一个小团队可能拥有优秀的工程师和有前景的创意,却缺乏多年测试所需的资源、进入医院的渠道,以及规模化生产的能力。大型企业可以通过在相对早期收购这家初创公司,为其提供这些基础条件。

这一策略说明,小团队与大型企业能够相辅相成:一方专注于开发和测试新想法,另一方则拥有将其转化为可行医疗产品所需的资源。公司的规模也不一定能反映其技术背后工作的复杂程度。 

我曾通过Keymakr的项目亲身见证这一点;我们曾与从小型初创公司到全球领先医疗设备制造商之一的各类开发者合作。无论公司规模大小,这些项目都需要投入大量细致工作来改进算法、准备医疗数据集,并依据临床要求核验标注的准确性。 

超越最初的构想

任何一家研究特定生物机制的公司,未来都有可能开发出一种技术,彻底改变与之毫不相关的行业。这将产生深远影响,甚至可能大幅延长人类寿命,并彻底改变我们所熟知的社会。

也许,这正是当今医疗初创公司最令我着迷之处。在人工智能的助力下,小团队正着手应对一些直到最近还需要大型企业投入资源才能解决的挑战,而且他们往往会采用出人意料的切入角度。这些想法中有许多永远不会付诸实践,但创业者不一定需要事先知道,一项成功的技术最终可能创造多大的市场。有时,只有在解决了最初的科学难题之后,最有意思的机遇才会浮现。

Michael Abramov 是 Scryon 的创始人 & CEO,拥有 15 年以上的软件工程和计算机视觉 AI 系统经验,致力于构建企业级标注工具。

Michael 最初的职业是软件工程师和 R&D 经理,负责构建可扩展的数据系统并管理跨职能的工程团队。直至 2025 年,他担任数据标注服务公司 Keymakr 的首席执行官,在此期间他开创了有人类参与的工作流程(human-in-the-loop)、先进的质量保证系统以及定制工具,以满足大规模计算机视觉和自主系统数据需求。

他拥有计算机科学学士学位,并具备工程和创意艺术背景,以多学科视角解决复杂问题。Michael 活跃于技术创新、战略产品领导和实际影响的交叉点,推动自主系统和智能自动化的下一前沿。