本文系基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。
号称“AI医疗第一股”的鹰瞳科技(HK:02251),IPO消息传出时,人们最为期待的可能就是翻看其营收和利润。但结果实则差强人意:以2021H1为例,近5千万的营收、60%多的毛利率、75%的亏损率。
对此,先抛出我们观察的结论:
一、鹰瞳提供的辅助诊断服务并不直接作用在“眼睛生意”中,无论对于医生还是就诊者,这种需求有待持续认证;
二、其看似生意模式是S2B2C,赚的是C端就诊者的问诊费,实际上它最终要赚的可能是医保的钱。但是否能够纳入医保呢?现在还回答不了这个问题。
三、竞争壁垒有限,当前的护城河主要在于在三类医疗器械上的准入时间优势。
基于这些认识,鹰瞳科技要在商业化的道路上取得成功(显著的业绩增长),市场还需要冷静观察。
01
鹰瞳的理想国
鹰瞳科技的业务内容并不复杂。如上图显示,鹰瞳提供的产品服务是为眼科医生提供患者的眼底影像分析报告,辅助医生做病理诊断。
为此,鹰瞳一方面结合市面上的主流眼底相机厂商(目前大概50多家)的设备做硬件端的改进,使眼底成像通过照片的形式传输到云端以供算法分析;另一方面,鹰瞳拥有370万张真实的视网膜影像和相应的多模态数据,结合眼科理论医学、合作医生临床经验、新的学术论文等内容开发的病理特征算法,分析硬件端传送的视网膜影像后,给医生出具相应结果报告(例如包含55种病症的健康风险评估报告)。
这就是鹰瞳软硬一体的眼底影像诊断解决方案供应商的逻辑。
除此之外,针对更为细分的糖尿病视网膜病变的诊断,鹰瞳在上述的业务逻辑上,将硬件设备环节由兼容改造方案改为代加工贴牌方案,通过采购第三方眼底相机、原材料等组合产品的形式,推出了Airdoc-AIFUNDUS(1．0)。
该产品也是国内唯一一个得到国家药监局关于三类医疗器械批准的产品,已经有1年的商业化进程,取得了国内约200家医院(三甲医院和二甲医院)的初步购买意向。
按照鹰瞳的细分产品储备,Airdoc-AIFUNDUS(2．0)和Airdoc-AIFUNDUS(3．0)已经处在临床试验阶段,分别对应高血压性眼疾、黄斑病变、病理性近视等。此外,还有多个独立产品如青光眼检测、白内障检测(第二类医疗器械)也即将进入商业化阶段等等。
一句话,围绕眼疾的大部分常见病症鹰瞳的产品都在逐步囊括中,规划的很全很美丽。
在商业变现上,鹰瞳采取SaMD(Software as a Medical Device,软件即医疗设备)模式,按处理的报告份数收费。
以Airdoc-AIFUNDUS(1．0)产品为例,其已经提供给国内23家医院及3家社区诊所。其中按照安徽省发布的定价指引,安徽省两家医院将单次眼底影像分析的价格设定为140元-160元,由医院向就诊者收取;而鹰瞳向机构收取的费用大概为单次40元-70元,批量采购价则为30元-60元。以此为参考,健康风险评估报告或也类似。
从营收数据看,目前鹰瞳主要业务仍然聚焦健康风险评估业务。Airdoc-AIFUNDUS(1．0)处于商业化初期。未来这部分业务可能会逐渐增长。
事实上,相对于医院招标采购的模式,这种类分润模式在市场推广上有一定的优势,如果随着鹰瞳产品病理种类的增加,鹰瞳貌似能够打造一个庞大且持续的现金流生意,这也是鹰瞳给市场讲述的一个“理想国”。
02
眼科诊断市场的现状
支撑这一理想国的理由有很多,包括眼疾患者的潜在人群十分庞大(包括糖尿病患者、高血压人群、病变时近视等)、医务资源紧张、医生误诊漏诊率居高不下等。其中,最为重要的一点是,鹰瞳提供的软硬一体化眼底诊断解决方案在精准度上,可能有一定的优势。
其招股书中披露的信息显示,以Airdoc-AIFUNDUS(1．0)为例,在拥有1000入组患者的临床试验中,取得了91．75%的灵敏度和93．1%的特异度,这两方面的优势比较显著,也意味着其准确度接近85%。
不过,诊断实验评估中一般包含五个重要指标:敏感度、特异度、准确度、阳性预测值和阴性预测值,所以总体上的诊断精确度需要综合考虑各指标结果,所以Airdoc-AIFUNDUS(1．0)的综合诊断效果可能还有待进一步明示。
但一个不争的事实是,医生(或者更准确地讲是全科医生)确实存在诊断精准度的客观瓶颈。
一个普遍存在的客观问题,病理诊断的准确率。可能跟医学技术的发展并不相关。有调查结果显示,从上世纪60年代开始我国即便在诊断技术快速发展的背景下,临床误诊率依然徘徊在30%上下,基本没什么变化,其中门诊误诊率高达50%;
另一份近年中国医学会的误诊数据资料显示,中国临床医疗每年的误诊人数约为5700万人,总误诊率为27．8%,其中,器官异位误诊率为60%,恶性肿瘤平均误诊率为40%,如鼻咽癌、白血病、胰腺癌等,肝结核、胃结核等肺外结核的平均误诊率也在40%以上。
美国本土权威机构的调查也发现,美国各大医院也始终面临着高误诊率的威胁,医生临床误诊率为15%-45%。
可见,病理诊断的高误诊率在全球主要国家都是普遍存在的问题,大概都在30%上下。另外,漏诊情况也是类似的存在,概率很可能要高于误诊率。大数法则告诉我们,这不太可能只是一个巧合。
但是,医生可能会告诉你,眼科的病理诊断的误诊率要大大低于上述的数字,原因在于眼球的生物特性,视网膜是人体中唯一一个能以非侵入方式直接观测血管和神经细胞的部位,而血管及神经细胞的变化可以作为多种慢性病的指标。
换句话说,一位5-10年经验的专科医生(包括5年的本科教育和1-2年的医院实习),能够通过基本的眼科设备准确观测到眼疾的各种病变特征。事实上,在医生眼中,眼科门诊是医院门诊体系中相对简单的一类,一位眼科医生基本在2分钟左右就能够检查出就诊者是否有眼健康问题。
大家看下图就能够大致理解这位医生话,因为眼球出现病症还是比较明显的。相较而言,那些关于心、肺、肝、肾的问诊,去医院的第一件事或许就是拍摄影像。
03
商业逻辑合理吗?
接着上述医生的视角继续,马上发现会有两个问题冒出来——价格和效率。
事实上,如果辅助问诊的服务便宜,也是会有比较大的市场需求的,但是140元-170元的费用能够吸引就诊者吗?要知道同仁医院的眼科主任挂号费60元,医保还能够返40元,而其他地方的医院挂号费只有十几元而已。
并且,在北京医疗资源如此紧张的城市,同仁医院眼科挂号量仍然充足,那么又会有多少问诊者会选择AI影像辅助诊断服务呢?
在医生眼里,如果AI影像辅助诊断真的能够大幅提升诊断效率,那也有推广的理由。然而这其中除了诊断精度之外,医患关系的顾虑也会桎梏效率问题,医生才是诊断的最终负责人,所以哪怕是AI出具了辅助诊断报告,恐怕医生还是得身体力行一遍,这样流程反而增加了一道。
但话又说回来,AI影像辅助诊断也并不是不能够在医院体系跑通,但需要医保的介入,如果其能够进入医保目录,并且报销后的价格低于门诊挂号费,那么医院也就有了推广的商业动力。
除了医院渠道之外,社区门诊、体检中心、保险、视觉中心等渠道又能否跑通呢?其实这个问题可以换另一个问题来解答,那就是人们会在什么情况下开始关注眼健康情况。
一些现象或许能够回答这个问题:同仁医院应该是全国最好的眼科医院,门诊挂号的人的最大需求居然是配镜;爱尔眼科则基本是免费(或2元的工本费)提供眼科检查并出具眼健康报告,之后才是眼治疗和配镜的商业转化;真正因为眼疾病变去问诊的,病理特征的确定性很可能已经非常明显,他们看眼科的目的不是得到一份初级的诊断报告,而是寻求医生的治疗。
一个现实问题是,虽然眼睛是人与世界的窗口,但人们对眼睛的健康意识还非常薄弱。当然,反过来也能够说鹰瞳的商业潜力非常大,但这个潜力释放的过程很可能会非常漫长。
04
投资者须规避“拔苗助长”效应
这两年多时间里,在“AI+医疗”的大赛道中资本活动甚为活跃,一方面是受到互联网推荐算法、深度学习技术的个别商业应用的大显身手,另一方面是“电动车+自动驾驶”行业的强劲势头的带动,当然还有全球疫情对医疗健康体系的洗礼。
根据相关数据,2020年AI+医疗已占人工智能市场的18．9%,到2025年人工智能应用市场总值将达1270亿美元,其中人工智能在医疗行业的应用将占市场规模的1/5,即250亿美元。
而国内AI+医学影像产品和公司不断涌现,2020年至今,国内AI+医疗领域共发生了89起融资,金额达到175亿元人民币,其中医学影像约占总融资数的1/3。目前国内AI+医学影像公司数量超100家,部分医学影像产品正处于医院试用阶段,集中在肺结核、眼底、乳腺癌、宫颈癌等领域。
不得不说,鹰瞳在眼科领域商业化进程稍微领先的情况下,其资金化进度已大大超出了同领域的其他公司,在2020到2021上半年的一年半时间里融资5个亿,加上公司此前发展的融资金额再对应上市的70亿市值,就这一两年的资本市场回报率而言,获利俨然算是丰厚。
但AI落地到眼科问诊中真能爆发出应有的那般威力吗?简言之,无论是培养医生还是医疗诊断,均是非标作业,所以工业化、流水化、标准化的产业逻辑一直没有完全改造医患之间的作业流程。而看似为非标而生的AI,实质也是算法标准化的创造结果,370万眼底样本能否跑通14亿人、28亿个非标眼底的病变特征呢?
我国有关隐私数据保护及信息安全的监管越来越严苛,《个人信息保护法》也在今年11月1日生效,眼底生理特征的唯一性跟指纹、人脸一样,是非常敏感的个人隐私数据。法律要求眼底数据将只能存储在医疗机构内,鹰瞳的AI算法天然需要更多的样本量,如果相应数据问题得不到妥善解决,AI的光环注定将褪去。
另外还有一个问题需要点明的是,“算法+眼底照片数据”的商业逻辑,与此前各种基于深度学习的暴力搜索、检测技术并无二致,属于成熟技术的行业应用,技术壁垒相对有限。同时,涉及的硬件产品也难言有特别门槛。通常来看,很容易招致充分竞争的行业,利润率水平上限较低。
以上,就目前“AI+”改造(或赋能)行业的概念而言,绘制的故事宏大且美丽,落地的过程往往不及预期。在还未用业绩兑付预期以及商业逻辑面临种种可预期考验的背景下,动辄“XX第一股”的故事有点讲过头了。
