TAIROA 

中文 | English

  產業動態
加速自動化系統的發展,微軟推出可構建自主機器人的新平臺
目標中國?傳日本擬管制次世代技術出口,含 AI / 機器人
紐時:微型機器人正在路上
ROS 2.0 給台灣一張進軍全球機器人市場的門票
老舊設備無痛升級物聯網,實用又實惠的「智慧貼紙」讓中小企業看見工業 4.0 新方向
縮短自動化技術落差,Universal Robots 增設全球機器人培訓中心
NVIDIA 攜手科技部強化台灣自駕車生態系 引領產業再升級
影/我跪了!波士頓動力新一代輪型機器人Handle 變大力士舉 13.6 公斤箱子
【2019 年圖靈獎】最偉大人工智慧三巨頭:少了這些研究,深度學習就掰掰了
三菱電機第二屆台灣e-F@ctory Alliance大會冠蓋雲集
東佑達與YAMAHA聯手! 台日自動化服務網路布建
智慧城市最重要一環!台灣「智慧醫療」發展到什麼程度了?
OpenAI 重組加速融資之路 OpenAI 用強化學習訓練機器手臂
醫美 AI 的商業邏輯
德國尖端科技公司「雄克」 台灣新址開幕,展示機器人創新領域!
日本政府推安全法則,送道路送貨機器人上路
2019工業互聯網峰會
和成導入工研院二代水龍頭研磨機器人 調機工時從1天縮短為1小時
為了要打造一台可以跟真人辯論的 AI 電腦, IBM 的技術挑戰是什麼?
新商機來了!日企開發醫療機器人將問世 挑戰「達文西」

文章列表

醫美 AI 的商業邏輯

【原文:《醫美AI的商業邏輯》,作者:劉思思,智慧機器人網編輯整理】


文、圖/雷鋒網
 
電腦視覺、人工智慧、大資料......吳博身上的標籤,似乎通通與醫美產業無關。而如今,僅用了一年時間,他已和將近400家醫美產業機構建立了合作關係。
 
2017年,這位理工男經過對行業需求分析後,集結了人工智慧領域20多位博士和醫學領域專家,創立了主要服務醫療健康及美容機構的醫療科技公司宜遠智慧。
 
創始團隊包括原騰訊 TEG 的 A I專家、原天源迪科技術班底、清華精儀系的硬體專家以及 CFDA 器械認證法規專家。
 
吳博曾經的導師唐遠炎教授、皮膚科專家劉曉明教授、化工專家池永貴教授等也組成外部顧問團為其助陣。隨著公司業務的推進,吳博發現,皮膚檢測相關AI介面,成為了公司最受歡迎的服務。
 
「這也讓我們感覺詫異。畢竟與健康相關的圖像分析裡,腦部核磁、腫瘤CT的AI分析更像『聖杯』」吳博感慨道。
 
於是2018年,宜遠智慧推出了 PaaS 形式的AI開放平臺(api.yimei.ai),側重對面部皮膚圖像進行 AI 分析,主要服務從皮膚病到生活美容再到整形的醫美產業機構。
 
「公司的定位是醫療健康 AI 服務商,這個定位一直未變。只是打法因時因勢發生了變化。」吳博介紹。
 
雷鋒網瞭解到,目前宜遠智慧 AI 開放平臺有大約50個介面,能對面部皮膚從近60個維度進行分析,接入的客戶有將近400家。算上新增的細分介面,面部皮膚及整形美容級的特徵維度將擴大到100以上。

醫療行業AI診斷落地難

逐漸成熟的人工智慧技術和政策紅利造就了醫療 AI 的火熱,在多個細分領域, AI 醫療呈現勃勃的發展態勢。
 
「從西醫體系來看,檢測已經成為醫療服務的標準入口了。看病前檢查、拍片、化驗等占到醫療環節收費大概百分之二十到三十。 AI 影像其實就是想為醫生分擔這部分工作。」吳博說道。
 
醫療天然的行業屬性,決定了它是“人命關天”的特性。同時,醫療行業門檻高、監管嚴格、產品落地週期長,也變成了 AI 醫療企業面臨的普遍問題。
 
「AI 醫療影像市場前景確實很大,但是規管嚴、週期長。單就 CFDA 認證這塊,不說三類,就二類認證一般也要花上一年時間,而且這才是萬裡長征第一步。」

吳博表示,宜遠智能團隊偏互聯網背景。在互聯網行業,產品上線週期通常是七天到半個月。而在醫療領域,產品動輒就是幾年的審批週期,這讓團隊感到落地推進不易。

萬億市場驅動產品定位

隨著近年來皮膚疾病數量不斷增加,消費者對外貌要求提高,不論是出於日常護理皮膚的需求,還是針對皮膚疾病進行早期干預,皮膚精確檢測已經變成了人類追求美麗、維護健康的重要環節。
 
據行業資料統計,2017—2018年,美業消費總量達8500億,醫美產業就業人員總數為2700萬,機構總數突破250萬,美業市場規模達1.3萬億,年增速達到15.1%。
 
但吳博認為,目前中國醫美產業軟硬體AI程度還較低。此前美圖曾預告將要推出測膚 API 平臺,但吳博認為其僅具備手機端面部皮膚分析介面,不能對接專業級分析儀,同時缺少皮膚病、整形美容科的專業介面。
 
聚焦萬億級美業市場中龐大的商用客戶,宜遠智慧構建了 ToB 的 AI 開放平臺,主打皮膚病、生活美容、醫美整形三大相關領域。通過運用 AI 能力去服務軟硬體合作方,提供雲端 AI 支持。

「通過 AI 開放平臺賦能給其他合作方。有任何想做測膚 APP 、小程式業務的,不用操心 AI 這個領域,他放心去做行銷,做市場。」
 
據雷鋒網(公眾號:雷鋒網)瞭解,宜遠智慧 AI 平臺擁有膚質檢測、面部微特徵、畫像管理系統、精准推薦等 AI 介面,針對皮膚多維度健康狀況,可以給出精准量化的科學建議。

盈利模式主要分為兩種,一是對外 API 平台叫用的營收;二是幫助合作方完成除了開放平臺以外的其他增值服務。

「目前平臺接入的客戶大概有四百個。我們今年的目標是擴大被使用量,爭取做到盈利。」
 
吳博介紹,目前宜遠智慧合作方主要有四類:第一類是醫學背景比較強的互聯網醫療平臺,依託平臺自有流量導流;第二類是化妝品行業的生產商、銷售商,會在品牌旗艦店增加 AI 分析入口;第三類是硬體合作方;第四是諸如美容院一類的美業管理系統供應商。

AI 演算法訓練需要大量臨床資料做支撐。據吳博介紹,宜遠智慧演算法資料有多種來源,演算法訓練可分為兩個階段。

在冷開機階段,宜遠智慧和皮膚管理中心、皮膚專科醫院等形成合作,基於數十萬高清及精標資料建模。到第二階段,平臺已經形成千萬級數據增長、模型增強的良性自迴圈。

吳博表示,面部皮膚、放射影像分析,都有多目標(多病種)的特點。平臺演算法訓練除了遵循機器學習的經典步驟以外,在訓練面部皮膚多達上百種學習目標時,“分而治之”為核心任務特製模型的做法尤為必要。

另外,由於 AI 模型要對外提供 API ,面臨模型需要盡可能優化、精簡,還要能處理公眾服務資料來源更多變異特例的情形。為此宜遠智慧還研發了一套自有的目標檢測框架,並在《人工智慧》雜誌上發表。

「API 平臺資料、演算法打磨好,做好樣板,才有利於我們口碑傳播。目前我們已經有接近四百家客戶,後續會互聯網方式推廣。」吳博說道。

技術挑戰與未來軟硬體聯動

利用 AI 進行皮膚分析,不少人認為人臉識別四小龍可以分分鐘解決。吳博不以為然,他認為這些獨角獸們並不能滿足醫美客戶的需求。原因在於,皮膚檢測處在一個非常細分的業務領域。

吳博介紹,安防、零售、金融領域的人臉識別技術更像是單目標任務,聚焦於回答 A 是不是 A(1:1)或者能不能找到 A(1:N)。
而面部皮膚分析是多目標群組合任務,用戶會關心面部皮膚有無疾恙、黑眼圈屬於哪種類型、斑點的種類及大小變化、面部畸形的程度等上百種問題。

加上皮膚病的譜系廣,有大概兩千多種。每一種分析要做好,都需要AI建模,而單個需求的難度就和人臉識別不相上下。

「為什麼這麼說呢?舉個例子,即使沒有專業訓練,靠人眼分辨做人臉識別的水準也有95%,但識別黑眼圈的四種分類,或者對鮑曼醫生皮膚16分型的判別,平常人遠沒有95%的水準。」吳博說。

對於 AI 賦能美業,除了AI皮膚分析技術難度較高以外,吳博表示目前行業標準還未統一。

「現在全國大概百萬家美容院,檢測儀器持有量也就二三十萬台,被我們AI改造的皮膚檢測儀的出貨量也只在兩三萬台水準,普及率還不夠。另外這個行業它沒有醫療領域的強制性,也沒有醫療領域足夠的權威性,從業者水準參差不齊的情況比較嚴重。所以行業空白和天花板都還是挺大挺高的。」
 
據雷鋒網瞭解,對於宜遠智慧下一步計畫,吳博介紹目前在研的產品包括更自助、更傻瓜式的一鍵生成系統。

「我們將推出一鍵生成測膚小程式的模組,將 API 的使用門檻降低,使得 AI 平民化、產品上線快速化。目前我們在研的產品有類似 Google 的 AutoML 模組,可使醫療健康及美業有興趣對機器學習、深度學習自助體驗,完成資料整理、標注、自動建模、反覆運算的全AI流程。」
 
對於人工智慧在醫美產業領域的落地,吳博認為, AI 皮膚檢測已經到了需要技術、硬體、消費者意識等齊頭並進的階段。單單 AI 技術做得再好,也沒有辦法很好地識別圖像,落地服務機構。

「零零星星能看到一些國際大品牌在做類似這個事情,但目前開放式平臺都還在路上。像我們這樣比較專注於提供基礎 AI 服務的還很少。未來 AI 皮膚檢測普及,還是需要軟硬體廠商以及消費者的共同努力。」吳博說道。

醫美 AI 的商業邏輯
▲醫美AI的商業邏輯 。(圖/翻攝自雷鋒網)



取材自:智慧機器人網 (2019/03/14)
https://www.limitlessiq.com/news/post/view/id/8964/



發表回應

您的名字:


您的Email:


回應:


請輸入下方圖片內的文字(點擊圖片兩下可更換圖片,大小寫不拘)
圖形驗證碼