TAIROA 

中文 | English

  產業動態
5G技術快速發展 六面向改善醫療平台的升級和轉型
廣達結盟德商 攻協作機器人
一年收購三家科技公司,麥當勞不賣漢堡改做 AI 了?
桃捷廠區自駕車接駁啟動 引頸盼試車牌駛入開放道路
4 年投入 50 億美元,微軟的 IoT 野心實現得怎樣了?
(重要公告)勞動部職安署機器人停止適用公告
亞馬遜 Scout 自駕送貨機器人在加州開始送貨
完成300台機聯網佈建 「變色龍」工業聯網閘道器透過DIY模式降低導入門檻
思覺失調與阿茲海默檢測不再扎針 榮總AI嘉惠腦部科學
職安署檢送指定工業用機器人列入源頭管理作業協調會 會議紀錄
勞動部職業安全衛生署召開指定工業用機器人(含機器人系統)及金屬材料加工用鋸機(含圓盤鋸、帶鋸等)列入源頭管理作業協調會議紀錄
台灣擁有發展 AI 強大能量與優勢!AppWorks 告訴你 AI 新創可以把握的 3 大機會
日經亞洲300強出爐 科技股領軍 貿易戰爭議存隱憂
所羅門榮獲 Vision Systems Design 2019 創新獎金獎
國家產業創新獎/助產業一臂之力 機器人為水五金聚落改頭換面
上銀卓永財交棒 長子卓文恒接董事長
產創條例10-1條三讀 投資智慧機械、5G得抵減營所稅
腦瘤位置與大小20秒一把抓 臺北榮總AI系統助力精準判讀
(政令宣導)公告指定工業用機器人(含機器人系統)及金屬材料加工用鋸機(含圓盤鋸、帶鋸等)為職業安全衛生法第七條第一項所稱中央主管機關指定之機械及設備(如附件),並自中華民國一百零八年九月一日生效。
經濟部補助 AI 晶片計畫,打造 AI 產業應用新商機

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