Экосистема Digital Pathology не будет поддерживать поставщиков искусственного интеллекта (ИИ) на неопределенный срок. Так как же инвесторам и партнерам следует различать игроков на сегодняшнем рынке?
В настоящее время существует множество поставщиков, разрабатывающих свои собственные продукты в экосистеме искусственного интеллекта для цифровой патологии (ДП), и рынок просто не готов поддерживать работу каждого поставщика бесконечно. Консолидация уже началась — обратите внимание на недавние приобретения Crosscope и KeenEye , однако в ближайшие несколько лет все еще ожидаются новые участники, что сохраняет рынок перенаселенным.
Несколько поставщиков также в настоящее время ищут инвестиции и партнерские отношения для дальнейшего развития своего бизнеса. Поэтому третьим сторонам может быть непросто ориентироваться в экосистеме искусственного интеллекта и успешно различать поставщиков значимым образом.
Компания Signify Research недавно опубликовала подробный обзор искусственного интеллекта в цифровой патологии « Служба рыночной разведки цифровой патологии – мир – 2023 », второй результат своей службы рыночной аналитики. Ниже приводится выдержка из некоторых ключевых результатов этого исследования, которые могут оказаться полезными для потенциальных заинтересованных сторон, желающих инвестировать свое время, деньги и репутацию в DP AI.
В конечном счете, вопрос, на который я хочу ответить от имени этих заинтересованных сторон, заключается в следующем: как заинтересованные стороны могут гарантировать, что они инвестируют в решение, которое будет успешным?
Поймите, как поставщик планирует подходить к своей экосистеме
Рисунок 1
На приведенной выше диаграмме кратко представлены многие типы поставщиков, которые в настоящее время разрабатывают свои собственные алгоритмы DP AI. Обратите внимание, что многие из них уже имеют партнерские отношения друг с другом, и некоторые из них более активны, чем другие.
Одной из ключевых тенденций, движущих сегодня общий рынок DP, является совместимость . Лаборатории не хотят быть привязаны/ограничены одним или избранной группой поставщиков. Они хотят иметь возможность выбирать любые лучшие в своем классе продукты по мере необходимости.
Таким образом, каждому разработчику ИИ необходимо будет принять важное решение при коммерциализации своих продуктов:
• Будут ли они интегрироваться с другими сторонними платформами? И будет ли эта стратегия осуществляться стратегически или на разовой основе?
•Или поставщик решит разработать собственную платформу для размещения собственных и сторонних алгоритмов?
Оба подхода имеют свои сильные и слабые стороны, однако ясно то, что невозможно двигаться вперед, опираясь на одного поставщика как на изолированную систему.
В этой связи я бы посоветовал потенциальным инвесторам внимательно изучить партнерские стратегии своих потенциальных инвестиций, поскольку ключом к успешному алгоритму является его как можно более широкая доступность.
Понимание типов поставщиков и их сильных и слабых сторон.
Как видно на рисунке 1 , я разделил экосистему примерно на восемь типов поставщиков, каждый из которых имеет свои сильные и слабые стороны, возможности и угрозы. В таблице они кратко описаны и показано относительное влияние каждого из них на рынок ИИ DP в течение следующих нескольких лет.
Как показано в таблице выше, каждый тип поставщиков имеет уникальные преимущества и потенциальные недостатки, обусловленные его опытом.
Хотя некоторые границы между типами поставщиков стираются по мере развития рынка (например, действующие специалисты по искусственному интеллекту/специалисты по анализу изображений, разрабатывающие программное обеспечение для управления изображениями), каждый из них будет формировать свою стратегию на основе своих сильных сторон.
Чтобы тщательно оценить поставщика, инвесторы и партнеры должны понимать нюансы истории каждой компании и быть информированными о том, как каждая из них будет использовать свои сильные стороны и смягчать любые недостатки, чтобы выиграть возможности у аналогичных конкурентов и других типов поставщиков.
Понимание географических нюансов
Другие факторы, которые могут повлиять на способность компании успешно коммерциализировать свою продукцию, включают ее местоположение; как упоминалось в последнем выводе, не все географические рынки предлагают равные возможности. Некоторые регионы уже гораздо более оцифрованы, чем другие, и поэтому вероятность внедрения ИИ по своей сути выше. Итак, я призываю вас спросить:
•Какие рынки являются ключевыми для стратегии ранней коммерциализации вашего партнера?
• Примет ли их внутренний рынок отечественный опыт в области искусственного интеллекта?
•Находится ли поставщик на рынке, где ожидается стагнация роста в ближайшие пять лет?
Если последний вопрос верен, то необходимо иметь четкую стратегию коммерциализации на международном уровне, а также доказательства того, что поставщик понимает свои основные целевые рынки.
Некоторые клиенты, например, в Азии, обычно предпочитают комплексные покупки для консолидации расходов. Поэтому автономные поставщики ИИ могут испытывать трудности с коммерциализацией в этих регионах, и для решения этой проблемы им необходимо иметь план партнерства/развития.
В конце концов, не всегда качество продукта определяет успех компании.
Установите и подтвердите ценность продукта
Этот момент, пожалуй, наиболее очевиден, однако из-за сложности патологической диагностики и огромного количества алгоритмов и продуктов, представленных сегодня на рынке, дифференциация между продуктами может оказаться самой сложной задачей.
Самый простой способ оценить коммерческие перспективы продукта — это, конечно же, поговорить с его пользователями. Однако это не всегда возможно.
Ниже вкратце представлены некоторые из основных типов продуктов, доступных сегодня, и некоторые мои мысли о соответствующих возможностях.
1. ИИ для контроля качества. Он может быть встроен в сканер или использоваться в качестве искусственного интеллекта для поддержки принятия решений в качестве проверки качества второго считывания (QC) для диагностики. Хотя контроль качества сканеров, скорее всего, имеет наибольший потенциал для широкого распространения на рынке (значительная выгода может быть получена за счет отсутствия необходимости повторного сканирования слайдов), он также весьма вероятно станет коммерциализированным продуктом. Поэтому автономные поставщики подвергаются более высокому риску, поскольку поставщики сканеров, скорее всего, также будут самостоятельно разрабатывать эти возможности, которые будут точно настроены для их сканеров и будут иметь конкурентоспособную цену.
ИИ для второго чтения, напротив, нацелен на тонкий вход в клиническую лабораторию, призванный облегчить беспокойство патологоанатомов. Не полагаясь на алгоритм диагностики, а вместо этого используя его как двойной взгляд, патологоанатомы могут избежать необходимости проверять работу друг друга и лучше узнать возможности ИИ. Поэтому крайне важно, чтобы эти решения как можно меньше нарушали рабочий процесс патологоанатома, пока не будет сделано предупреждение.
2. ИИ для клинической диагностики. На современном рынке доступно множество различных типов растворов, ориентированных на гематоксилин и эозин (H&E), иммуногистохимию (ИГХ) и другие типы окрашенных предметных стекол. Рак молочной железы и простаты, безусловно, являются наиболее распространенными показаниями, и важно точно понимать, чем программное обеспечение поставщика отличается от программного обеспечения конкурентов. Почему они решили разработать их, несмотря на конкуренцию? Что будет дальше и почему? Является ли процесс разработки разовым или планируется совместно с партнерами?
Прежде всего, ИИ должен дополнять рабочий процесс патологоанатомов. Если патологоанатом может взглянуть на слайд и получить ту же информацию, которую демонстрирует продукт ИИ, какую пользу это действительно принесет? Решения должны быть комплексными и охватывать достаточную часть рабочего процесса, чтобы изменить повседневную рабочую нагрузку человека. Широта
программного обеспечения и выбор также по своей сути связаны с этим, но это придет со временем.
3. ИИ для разработки/исследования биомаркеров. Многие поставщики ИИ совместно с фармацевтическими компаниями участвуют в проектах по разработке новых биомаркеров для персонализированной медицины. Эти проекты часто предполагают определенную плату за капитальные затраты (CapEx) для поддержки бизнеса до тех пор, пока не будет разработан обмен данными о соответствии (CDx). Разработка может занять много времени, но бизнес, если он будет работать хорошо, будет поддерживаться доходами от партнерских отношений. Прибыльные роялти/цены, основанные на объеме, появятся, как только будет разработан достаточный продукт. Вполне вероятно, что такие поставщики увидят наибольший рост в течение следующих пяти лет, поскольку компании, работающие в области медико-биологических наук, расширят свои инициативы в области цифровой патологии.
Каждый тип продуктов, перечисленных выше, имеет множество подтипов, больше, чем можно охватить в рамках одной статьи. Однако, подводя итог, я бы посоветовал потенциальным заинтересованным сторонам внимательно подумать, заключается ли уникальное преимущество поставщика в его продукте — чем ИИ отличается от того, что уже предлагается? И имеет ли эта разница значение для патологоанатомов?
Одним из золотых билетов в отрасли станут проверочные исследования, ориентированные на диагностическую и академическую ценность. Некоторые, такие как Ibex Medical Analytics и Paige, уже участвуют в крупных исследованиях, в то время как другим еще предстоит пройти годы, чтобы заявить, что у них есть доказательства.
Вы можете подождать, пока поставщики достигнут этой стадии зрелости, меньше рисковать и меньше зарабатывать, или выбрать выход на рынок на более раннем этапе и потенциально заработать больше в течение более длительного периода.
Подводя итог, можно сказать, что экосистема искусственного интеллекта (ИИ) в области цифровых патологий невероятно сложна, как и ее дисциплина, и для того, чтобы посторонний человек действительно мог разумно инвестировать в рынок, ему необходимо потратить значительное время на достаточно детальное понимание экосистемы.
Имоджен Фитт присоединилась к компании Signify в 2018 году в составе ИТ-отдела здравоохранения. С момента прихода в команду Фитт изучал рынки оборудования и программного обеспечения для визуализации молочной железы, включая маммографию, ABUS и обычное УЗИ молочной железы в глобальном масштабе, а также новейшие технологии.