최근 국민의료보험청이 발표한 '방사선 검진 가격사업 구축을 위한 가이드라인(시범)'은 업계에서 큰 관심을 받고 있는 영상AI 사업모델을 명확하게 정의하고 있다. 이 가이드라인은 방사선 검사 항목의 가격을 표준화하고 환자의 재정적 부담 증가를 피하면서 임상 적용에서 인공지능 보조 진단의 촉진을 지원하는 것을 목표로 합니다. Downcodes의 편집자는 이 정책에 대한 심층적인 해석을 제공하고 그것이 이미징 AI 산업에 미치는 영향을 분석할 것입니다.
국민의료보험청은 지난 11월 20일, 현행 방사선 검진 사업을 통합·표준화할 뿐만 아니라 영상AI 비즈니스 모델을 정의한 '방사선 검진 가격 사업 확립을 위한 지침(시범)'을 발표했다.
정책해석 기사에서는 “인공지능 기술은 임상 현장에서 어느 정도 진단을 보조하거나 효율성을 높이는 역할을 하지만 아직 의사의 진단을 대체할 수는 없다”고 지적했다. 보조진단의 유효성을 판단하기 어려운 상황에서, 해당 진단항목에 대한 검사비용을 징수한 후 인공지능 진단만을 환자에게 추가로 청구하는 것은 적절하지 않습니다.
이에, 사업수립지침에서는 인공지능 진단의 임상 적용을 지원하고 환자의 추가 부담을 방지하기 위해 방사선학적 주요 검사 항목에 '인공지능 진단' 확대 항목을 일률적으로 마련했다. 즉, 보조진단에 인공지능을 활용하는 병원에서는 주품목과 동일한 가격을 청구하지만 주품목의 2배는 청구하지 않는다는 것이다. "
쉽게 말하면 국민의료보험청은 영상AI를 임상에 광범위하게 적용하는 것을 지원하지만, 병원이 AI 활용 비용을 환자에게 전가하는 것을 허용하지 않는다는 것이다.
새로운 정책에 직면한 이미징 AI 실무자들은 엇갈린 감정을 갖고 있습니다. 다행스럽게도 국가의료보험국에서는 AI가 임상 현장에 기여한 바를 공식적으로 인정하고 관련 당사자들에게 AI 활용 사실을 알렸습니다. 하지만 AI 도입이 병원에 직접적인 이익을 가져다주지 못하는 상황에서 주어진 새로운 정책이 영상 AI 산업의 수익을 뒷받침하기에 충분할까 걱정도 된다.
영상AI 개발 초기 단계에서 의료AI 스타트업이 설정한 루트는 시장접근, 가격접근, 의료보험접근을 차례로 거쳐 독자적인 의료기기 제품을 형성할 것으로 기대하고, 궁극적으로 환자에게 정기적인 지불을 달성하여 폐쇄 루프를 생성합니다. 솔루션은 병원에 이식됩니다.
예를 들어 미국의 Digital Diagnostics에서는 당뇨병성 망막증을 1회당 55달러(2022년 데이터, 아래 동일)로 분석하고, Viz.AI는 큰 혈관 막힘 검사를 1회당 1,040달러로 분석합니다. 국내 모든 이미징 AI.
이 길을 따라 Keya Medical 및 Eagle Eye Technology와 같은 회사는 제품이 Class III 인증을 획득한 후 가격 접근 및 의료 보험 접근을 대규모로 홍보하기 시작했습니다. 지난 몇 년 동안 관련 제품은 10개 이상의 성 및 시에서 성공적으로 가격표에 등록되어 이론적으로 환자가 직접 지불할 수 있게 되었습니다. 그러나 의료 보험의 더 중요한 측면에서 어려움을 겪었습니다. 일부 영역에서만 기본적인 의료에만 진출해 있으며, 보험금 지급 범위는 결코 넓지 않습니다.
이 경로가 실패하는 데에는 여러 가지 이유가 있습니다. 지난 몇 년 동안 기업, 정부, 규제 기관이 공동으로 병원 가격과 지불 모델을 홍보했지만 전반적으로 충분히 활성화되지 않았습니다.
한편, 의료보험 접근에 대한 대규모 가격 접근 및 지불 모델 검증은 기업이 구현하기 위해 많은 인력과 물적 자원을 소비해야 하지만 달성된 결과가 해당 제품이 상당한 상용화 결과를 달성할 것이라고 보장할 수 없기 때문에 제약이 있습니다. 발전 속도.
반면, 가격접근과 의료보험접근은 공공재와 유사하여 전자에 투자하고 후자에 무임승차할 가능성이 있기 때문에 관련 연구에 먼저 투자하는 기업은 단계적 접근을 숨기는 경향이 있다. 이로 인해 산업 전체의 발전 속도가 제한되고, 단일 제품에 대한 반복 연구로 이어지기 쉽습니다.
오늘날 새로운 정책의 도입으로 인해 AI를 의료 보험을 통해 정기적으로 지급받기 위한 독립적인 제품으로 이미지화하려는 꿈은 의심할 여지 없이 산산조각이 났습니다.
비록 상업적 실현을 위한 중요한 이론적 경로가 상실되었지만, 뉴딜은 이미징 AI 기업의 수익성에 큰 부정적인 영향을 미치지는 않았지만, 오히려 이미징 AI 기업의 장기적인 발전 방향을 지적했습니다.
먼저 정책의 영향에 대해 이야기해 보겠습니다. 현 단계에서는 이미징 AI 기업의 수익이 의료보험과 거의 관련이 없다. 그들은 주로 인수 또는 SaaS 모델로 병원에 이미징 AI를 판매하기 위한 입찰에 의존합니다. 또한 의료 영상은 항상 논문 출력의 중요한 소스였습니다. 많은 병원과 의사는 관련 과학 연구 결과의 출력 양과 품질을 향상시키기 위해 AI 회사와 협력할 의향이 있습니다.
또한 영상장비 제조사와 협력해 장비 제조사에 직접 비용을 지불하는 것도 의료AI 기업이 수익을 낼 수 있는 중요한 방법이다. 이는 상생 협력입니다. 영상 장비 회사는 지능형 알고리즘 라이선스를 통해 대량의 애플리케이션을 신속하게 확보할 수 있어 자체 제품의 경쟁력을 효과적으로 향상시킬 수 있습니다. 또한 병원은 영상 AI 회사의 수익을 높이기 위해 영상 장비 제조업체의 플랫폼에서 알고리즘을 직접 호출하는 것을 선호합니다. 초기에는 United Imaging Group이 다양한 시나리오의 이미징 문제를 극복하기 위해 United Imaging Intelligence를 구체적으로 설립했으며, 이후에는 GE Healthcare 및 Philips Healthcare와 같은 다국적 기업도 설립하여 가장 완벽한 제품을 갖춘 최대 이미징 AI 회사 중 하나가 되었습니다. 다수의 고품질 파트너를 포함한 중국의 AI 생태계.
이러한 다양한 방식을 통해 이미징 AI 기업들은 수많은 병원에 이미징 AI를 구현해 의료보험 지원 없이도 수억 달러의 매출을 달성했다.
이미징 AI 기업의 주요 수입원
AI 이미징을 위한 정책 지침에 대해 이야기해보겠습니다. 기사에는 “인공지능 진단의 임상적 적용을 지원한다”고 언급했는데, 이는 사실상 인공지능의 임상적 적용을 긍정하는 것이다. 실제로 우리나라 일부 병원에서는 영상 AI 관련 서비스에 대해 별도의 프로젝트를 진행한 바 있다. 병원이 영상AI를 보조진단에 활용한 후 수익의 일부를 AI 성과에 대한 보상으로 배분해 영상AI 기업에 서비스를 제공할 수 있다.
예를 들어, 산둥성은 AI 충전 설계에 많은 혁신적인 작업을 수행했으며, 일부 병원에서는 AI를 사용하여 조기 암 검진 CT 스캔을 수행하며, 여기에는 인공지능 검진 지원 비용 50위안이 포함됩니다. (의료보험은 지급에 참여하지 않습니다.)
하지만 이미지AI 기업이 새로운 정책 도입으로 인한 혜택을 단기적으로 체감하기 어렵다는 점도 주목해야 한다. 현재 성과배분 방식으로 AI 비용을 지불하는 병원은 드물고, 검사 대상도 상당히 제한적이다. 따라서 소규모 실험이 대규모로 시행되려면 수년이 걸릴 수 있으며, 새로운 결제시스템 구축을 촉진하기 위해서는 보다 세련된 정책이 필요하다.
또한, 의료보험 사건의 지급 경로가 차단된 이후 영상AI 기업은 병원과 영상장비 업체를 지급자로 더욱 의존하게 될 전망이다. 고압의료반부패로 인해 2024년 상반기 병원 의료기기 조달 총액이 거의 절반 수준으로 줄었고, 자기공명영상·CT 낙찰금액도 지난해 같은 기간의 60%에 그쳤다. . 이런 상황에서 산업체인 상류에 있는 영상 장비 제조업체가 직면한 압력은 중류에 있는 영상 AI 기업에 직접 전달될 것이며, 후자의 매출은 장비 조달 수요가 풀리기 전에 일정 규모의 감소를 겪게 될 것이다.
국민의료보험청은 기사 말미에서 “사업수립지침에서는 기능적 위치를 반영하기 위해 방사선학적 검사 주요 항목에 ‘인공지능 진단’ 확대 항목을 일률적으로 배치한다”고 지적했다. 비용을 늘리는 대신 품질과 효율성을 높이는 인공지능 기술입니다. ”
이 문장은 이미징 AI에만 적용되는 것이 아니라 의료산업의 다양한 인공지능에도 적용될 수 있다.
2022년 후난 의료보험국이 발행한 "수술용 로봇 지원 운영 체제의 사용 및 요금 규제에 관한 고시"는 수술용 로봇의 형태와 가격을 정책 지침의 형태로 통일했습니다. 그 본질은 합리적인 의료 보험을 보장하는 것입니다. 지출과 합리적인 환자 지출을 전제로 관련 시장의 질서 있는 발전을 안내 하고 기업과 병원이 간단한 소프트웨어의 도움으로 항목을 청구하는 것을 방지합니다.
요즘 '방사선 검사 가격 프로젝트 확립을 위한 지침(시험)' 도입도 같은 목적을 갖고 있다. AI가 병원의 품질과 효율성을 향상하고 증감을 가져올 수 있을 것으로 기대된다. 그리고 의료시스템 전체에 자신의 가치를 반영하세요.
두 가지 정책을 결합해 보면, 포뮬러가 AI를 독립 제품이나 독립 제품의 판매 포인트로 사용하는 기업을 지원하지 않고 대신 장비와 시스템의 도구로 사용될 수 있기를 바라는 점을 쉽게 찾을 수 있습니다. 자동차 산업의 자동 네비게이션이나 산업 산업의 품질 관리 부분에서 더 큰 가치를 지원합니다.
실제로 소위 '헤드 이미징 AI 기업'은 오랫동안 '이미징 AI'라는 꼬리표를 떼어내고 고도로 지능적인 하드웨어나 시스템을 설계하며 완전한 의료기기 기업, 의료 IT 기업으로 거듭났다.
Shenrui Medical은 의료 IT 분야에서 많은 성과를 거두었습니다. 빅모델 등장 이후 병원 데이터 관리에 주력해 데이터 수집, 관리, 데이터 라벨링 전 과정을 포괄하는 멀티모달 데이터 관리 엔진과 멀티모달 대형 언어 모델, 이미지 등을 구축했다. 일반 모델 및 다중 모드 대형 모델 모달 AI 엔진은 전체주기 거버넌스 기능 개방, 데이터 서비스 사용자 정의 기능 개방 및 다중 모드 AI 모델링 기능 개방과 같은 다양한 형태의 다중 기능 개방 모델을 제공합니다.
또한 병원에 시급히 필요한 데이터 자산 솔루션을 위해 Shenrui Medical은 AI를 통합하여 스마트 관리, 스마트 과학 연구, 스마트 임상, AI 혁신 센터 및 기타 시나리오를 의료 기관에 제공하여 자산 관리 관련 스마트 제품과 서비스를 제공합니다. 서비스.
의료기기 분야에서는 슈쿤테크놀로지와 인퍼메디칼이 계획을 세우고 있다. 슈쿤테크놀로지는 AI를 기반으로 '튜링 브레인(Turing Brain)', '튜링 AR(Turing AR)' 등 네이티브 초음파 하드웨어 장비를 독자적으로 개발해 초음파 진단과 치료 과정에서 모든 장기 정보를 수집할 수 있을 뿐만 아니라 이를 반영하는 지능형 알고리즘을 구현했다. 또한 의사의 경험을 최적화하고 의사가 임상 실습에서 "두 번째 화면"을 사용하는 것을 방지합니다.
Shukun Technology의 관점에서 소프트웨어와 하드웨어의 통합적 협업은 사용자 경험의 재구성이며, AI가 계속해서 기술의 경계를 뛰어넘는 핵심이기도 합니다. 미래에는 하드웨어의 모든 부분이 산업 시대에서 AI 시대로 옮겨갈 것이며, 의사와 장비 간의 상호 작용의 모든 단계, 매 순간이 AI의 지원을 받게 될 것입니다.
Infer Medical은 수술 로봇 트랙에 진입했으며 이미징 AI를 하드웨어에 깊이 통합했습니다. 예를 들어, 회사가 자체 개발한 AI 내비게이션 로봇인 'Longdianjing® 천자 수술 로봇'에는 자기 내비게이션 안내를 기반으로 하는 AI 지능형 기술 지원이 추가됩니다. 지능형 알고리즘을 활용하면 완전 자동 조직 병변 식별 및 재구성을 달성하고 자동 수술 경로 계획, 천자 안내 및 절제 후 평가를 추가로 수행하여 의사가 경피 천자 수술을 보다 정확하고 신속하게 완료할 수 있도록 효과적으로 지원할 수 있을 것으로 추측됩니다. .
현시점에서 기존 이미징 AI 기업들은 모두 자체 가치 재구성을 완료했다. 구시대의 종말은 AI 기업에게 새로운 시대의 도래를 의미한다.
국민의료보험청의 새로운 정책은 영상AI 산업의 발전 방향을 제시했다. 비록 단기적으로는 일부 어려움에 직면할 수 있지만, 장기적으로 영상AI 기업은 병원과의 협력을 통해 여전히 넓은 전망을 갖고 있다. 및 이미징 장비 제조업체와 자체 비즈니스 모델 개발 전망을 변화시킵니다. 앞으로 이미징 AI는 더 이상 독립적인 제품이 아닌 의료 장비 및 시스템에 통합되어 의료 효율성과 품질을 향상시킬 것입니다.