Рейтинг стартапов искусственного интеллекта: перспективы для здравоохранения России DOI: 10.29188/2712-9217-2021-7-3-32-41

5740

ВВЕДЕНИЕ

Развитие информационных технологий не могло обойти стороной такую важную сферу человеческой жизни как медицина. По итогам 2020 года совокупная сумма глобального венчурного финансирования в сфере IT-медицины превысила $ 80 млрд (рис. 1).

Рис. 1 Динамика инвестиций в продукты цифрового здравоохранения 2016–2020 гг., по данным CB Insights, $ млн
Fig. 1. Dynamics of investments in digital health products in 2016-2020, according to CB Insights, $ million 

Большую часть этих денег аккумулировали компании из США, Великобритании и Китая. Среди наиболее активно развивающихся направлений оказались технологии искусственного интеллекта, телемедицина, аналитика данных.

По итогам 2020 г. в России в развитие программных продуктов для медицины и здравоохранения, использующих технологии искусственного интеллекта, было инвестировано порядка 541 млн. руб., причем по сравнению с 2019 г. инвестиции увеличились в 1,35 раза. Всего на данный момент известно о порядка 30 компаний, предлагающих различные продукты в этой сфере. В 2021 году Всемирная Организация Здравоохранения (ВОЗ) опубликовала глобальную стратегию в области цифрового здравоохранения на 2020–2025 гг., в которой определила значимость цифрового сегмента области здравоохранения и необходимость трансформации и модернизации современных методов, включая аналитику, хранение данных и прогнозирование рисков, в целях улучшения качества оказания медицинской помощи [1].

Цифровые технологии являются важным компонентом и средством создания устойчивых систем здравоохранения и всеобщего охвата населения услугами. С целью реализации потенциала системы здравоохранения, инициативы в области цифрового здравоохранения должны быть частью более широких потребностей медицины и руководствоваться надежной стратегией, которая объединяет лидерские, финансовые, организационные, человеческие и технологические ресурсы и используется в качестве фундамента всей системы здравоохранения, обеспечивая координацию цикла оказания медицинской помощи. Подобные инициативы должны осуществляться посредством включения в работу сильных аналитических и управленческих структур. Стратегия должна предусматривать подход, который будет работать со множеством приоритетов здравоохранения, подкрепленных стандартами и архитектурой, обеспечивающей такую интеграцию и стандартизацию всех данных.

Учитывая принятую в 2019 г. национальную стратегию развития искусственного интеллекта и робототехники в Российской федерации и готовящийся к запуску федеральный проект «Искусственный интеллект», а также активное изучение и пробную апробацию данных продуктов в сфере здравоохранения, аналитики и эксперты рынка предполагают, что в 2021 г. будет дальнейшее увеличение внимания к этой сфере, включая появление новых стартапов и привлечение новых инвестиций [2]. В этой связи мы решили составить список самых перспективных ИИ-стартапов для здравоохранения нашей страны.

Настоящее исследование составлено для оценки российского рынка ИИ стартапов в области здравоохранения и оценки их потенциала.

МАТЕРИАЛЫ И МЕТОДЫ

Дизайн исследования

Чтобы определить адекватную оценку ИИ-стартапов в здравоохранении, для включения в исследование был проведен поиск в релевантных источниках, включая Ассоциацию «Национальная база медицинских знаний», венчурные фонды, СМИ и другие источники. По каждому найденному сервису был проведен патентный поиск для определения наличия собственных разработок с последующей оценкой. В качестве конечной точки были выбраны самые перспективные ИИ-стартапы, реализующие деятельность на территории Российской Федерации и не находящиеся в стагнации. По итогам поиска был выбран 21 стартап (табл. 1).

Таблица 1. Критерии оценки показателей по группам в зависимости от характеристик показателей продуктов
Table 1. Criteria for evaluating indicators by groups depending on the characteristics of the indicators of products

Примечание: **информация о юридическом лице, зарегистрированном на территории РФ отсутствует
Note: ** there is no information about a legal entity registered on the territory of the Russian Federation

После подбора стартапов каждый включенный продукт был проверен в соответствии с разработанными критериями оценки перспективности продукции.

Методика оценки рейтинга

Для расчета рейтинга был сформулирован ряд объективных показателей, представленных в таблице 2.

Таблица 2. Критерии оценки показателей по группам в зависимости от характеристик показателей продуктов
Table 2. Criteria for evaluating indicators by groups depending on the characteristics of the indicators of products

Для оценки стартапов по каждой группе показателей была подсчитана сумма баллов участников. Затем был подсчитан итоговый результат с учетом веса группы (критерия ценности в области здравоохранения). Итоговая оценка проводилась исходя из комплексной оценки показателей по следующей формуле:

К1*0,4 + К2*0,3 + К3*0,1 + К4*0,2

РЕЗУЛЬТАТЫ

Согласно данным аналитических компаний, на сегодняшний день выделено 3 основных сектора рынка в области здравоохранения, напрямую связанных с ИИ:

1. Прогнозная аналитика
2. Анализ изображений
3. Цифровая диагностика

По данным изданий Meticulous, Mordor Intelligence и Grand View Research размер рынка на 2026-2027 гг. прогнозной аналитики, анализа изображений и цифровой диагностики составит 28,6, 5,16 и 3 млрд долларов США соответственно [3-5]. При этом, согласно статистическим данным, прогнозная аналитика является наиболее востребованной, однако конкуренция, по сравнению с другими секторами, не такая острая и поэтому шансов успешного развития на этом рынке больше [6-8]. Стоит отметить, что на сегодняшний день во всем мире в секторе прогнозной аналитики работает менее 50 компаний, тогда как в секторе анализа изображений их более 270, включая стартапы, только в Европе [9-13]. Подобная тенденция сохраняется и на территории РФ. Во время проведения поиска из сегмента предиктивной аналитики выделили только 1 компанию, имеющую коммерческий продукт, тогда как из сектора анализа изображений выделили 11 компаний, из сектора цифровой диагностики – 10.

Согласно критериям по перспективам компании составлена таблица 3.

Таблица 3. К1. Оценка показателей перспективы компаний
Table 3. K1. Assessment of the indicators of companies' prospects

Исходя из данных становится понятно, что большинство компаний нацелены на сегменты B2B и B2G. Тем не менее только 2 продукта направленны на B2C сегмент. К тому же только 10 компаний из 21 являются резидентами Сколково [14-18].

Согласно оценке текущего развития компаний суммарная выручка всех компаний за 2020 г. составила 352 млн руб. При этом только 4 компании зарегистрировали собственную продукцию в реестре отечественного ПО и только 4 компании имеют на сегодняшний день суммарно 7 РУ (табл. 4).

Таблица 4. Перечень РУ, выданных на ИИ-системы для здравоохранения в РФ
Table 4. List of registration certificates issued for AI systems for healthcare in the Russian Federation

Наличие патентов имеется только у 4 компаний (всего 6 патентов). При этом из 21 компании только 5 принимали участие в отраслевых конкурсах за период 2019–2020 гг. При этом в отраслевых конкурсах наибольшее количество награждений имеет Webiomed, Botkin.AI и Цельс. Сводные данные представлены в таблице 5.

Таблица 5. К2. Текущие результаты развития продукции компаний
Table 5. K2. Current results of product development of companies

Примечания: ** релевантная информация отсутствует; Общая сумма выручки и других финансовых показателей за 2020 г. Всех компаний составила 352,286 млн. Руб.; Итоговый балл по группе определен как сумма баллов по показателю + факт наличия РУ
Notes: ** no relevant information is available; The total amount of proceeds and other financial indicators for 2020 of all companies amounted to 352.286 million rubles; The final score for the group is defined as the sum of the scores for the indicator + the fact of the presence of RI

Поскольку в компетенциях команды не проводилась оценка качества менеджмента, за основу определения качества разработки брали количество научных публикаций, опубликованных сотрудниками компании и их наукометрические индексы – показатель, определяющий опыт и вовлеченность сотрудника в работу. Общее количество научных публикаций, тематикой которых являлась непосредственно деятельность компании составило 33 публикации на 4 компании. При этом только у сотрудников 6 компаний выявлены наукометрические индексы. Это говорит о том, что практически четверть компаний из представленных имеют в штате сотрудников, занимающихся непосредственно наукой и имеющих под собой исследовательский опыт, который применяется непосредственно в разработке продукции. По показателям привлечения инвестиций лидерами из представленного перечня компаний являются Botkin.AI, UNIM и Webiomed. При этом эти компании являются лидерами соответствующих сегментов рынка ИИ здравоохранения в РФ.

Таблица 6. Оценка показателей КЗ и К4. Компетенции команды и инвестиционная оценка
Table 6. Assessment of indicators K3 and K4. Team competencies and investment appraisal

Примечания: ** релевантная информация отсутствует; * – индекс Хирша определен по данным сотрудников компании согласно данным Научной электронной библиотеки
Notes: ** no relevant information is available; The total amount of proceeds and other financial indicators for 2020 of all companies to 352.286 million rubles; The final score for the group is defined as the sum of the scores for the indicator + the fact of the presence of RI

ВЫВОДЫ

В современных реалиях система здравоохранения стремится к переходу к работе, основанной на ценностях, с упором на положительные результаты для пациентов и обязательным снижением затрат, в то время как важнейшими факторами, способствующими достижению задач по оптимизации, является качественная адаптация работы всей системы в целом. За последние годы в основу любой оптимизации ставят в первую очередь грамотный менеджмент, независимо от сегмента рынка. Основанная на машинном обучении работа с большими данными позволяет нивелировать экономические потери во многих сферах, в том числе и в здравоохранении. Представленные сегменты рынка ИИ в здравоохранении, такие как прогнозивная аналитика, анализ изображений и цифровая диагностика на сегодняшний день являются трендами, способствующими оптимизации работы всей медицины, начиная от оценки лабораторных показателей и заканчивая анализом загруженности медицинских учреждений.

Исходя из проведенной работы авторы исследования изучили 21 значимый ИИ-стартап, способствующий повышению качества работы медицины в целом. Исходя из проведенной оценки описанная продукция компании учтена по 4 основным критериям:

• Перспективы компании
• Текущие результаты развития продукции и компании
• Компетентность команды
• Инвестиционная оценка

Исходя из проведенного анализа составлен итоговый рейтинг Российских ИИ-стартапов (табл. 7).

Таким образом в топ-10 вошли компании всех сегментов рынка ИИ в здравоохранении. При этом первое место занимает проект Webiomed, представляющий сектор предиктивной аналитики, второе и третье места занимают компании, предлагающие продукции в области анализа изображений – Botkin.AI и Цельс соответственно. Стоит отметить, что, согласно разработанным критериям, представители сегмента цифровой диагностики находятся лишь на 8 и 9 местах. Такая позиция обусловлена в первую очередь слабыми позициями по текущим результатам, а также недостаточной научно-исследовательской деятельностью сотрудников компании.

Исходя из проведенного анализа становится понятно, что на сегодняшний день наиболее перспективной компанией, представляющей сегмент ИИ в здравоохранении, является компания Webiomed и её инструменты предикативной аналитики. При этом учитывая аналитические прогнозы размера рынка наблюдается перспектива сегмента предиктивного анализа, по сравнению с сегментами анализа изображений цифровой диагностики (размер рынка на 2026– 2027 гг.) прогнозной аналитики, анализа изображений и цифровой диагностики – 28,6, 5,16 и 3 млрд долларов США соответственно.

Таблица 7. Итоговые результаты по сводной оценки ИИ-стартапов в здравоохранении
Table 7. The final results of the consolidated assessment of AI startups in Healthcare

Примечания: Расчетное число баллов оценивалось по формуле К1*0,4 + К2*0,3 + К3*0,1 + К4*0,2
Notes: The estimated number of points was estimated according to the formula K1 * 0.4 + K2*0.3 + K3*0.1 + K4*0.2

ЛИТЕРАТУРА

1. ВОЗ: Проект глобальной стратегии в области цифрового здравоохранения на 2020–2025 гг. [Электронный ресурс]. URL: https://www.who.int/docs/default-source/documents/200067-draft-globalstr.... [VOZ: Proekt globalnoy strategii v oblasti tsifrovogo zdravoohraneniya na 2020– 2025 gg. [Elektronnyiy resurs]. URL: https://www.who.int/docs/defaultsource/documents/200067-draft-global-str... 24-ru.pdf?sfvrsn=e9d760b3_2. (in Russian)].

2. Федеральный проект «Искусственный интеллект». [Электронный ресурс]. URL: https://www.economy.gov.ru/material/directions/tehnologicheskoe_razvitie.... [Federalnyiy proekt «Iskusstvennyiy intellekt». [Elektronnyiy resurs]. URL: https://www.economy.gov.ru/material/directions/tehnologicheskoe_razvitie.... (in Russian)].

3. Size M.V.M. Share & Trends Analysis Report. URL: https://www.grandviewresearch. com/industry-analysis/cloud-computing-industry. Accessed 2020;30.

4. Ai image recognition market – growth, trends, Covid-19 impact, and forecasts 2021 – 2026. URL: https://www.mordorintelligence.com/industry-reports/ai-image-recognition... Accessed 2020.

5. Healthcare Analytics Market by Type (Predictive, Prescriptive), Component (Hardware, Software, and Services), Delivery Mode (Cloud), Application (Clinical, RC M, Claims, Fraud, Risk, PHM), End user (Payer, Provider) and Geography – Global Forecast to 2027. URL: https://www.meticulousresearch.com/product/healthcare-analytics-market-3995. Accessed 2020.

6. Rehman A., Naz S., Razzak I. Leveraging big data analytics in healthcare enhancement: trends, challenges and opportunities. Multimedia Systems 2021;1-33.

7. Galetsi P., Katsaliaki K., Kumar S. Big data analytics in health sector: Theoretical framework, techniques and prospects. International Journal of Information Management 2020(50):206-216.

8. Venkatram K., Geetha M. A. Review on big data & analytics–concepts, philosophy, process and applications. Cybernetics and Information Technologies 2017;17(2):3-27.

9. Sanders D., Burton D. A., Protti D. The healthcare analytics adoption model: A framework and roadmap. Health Catalyst 2013;30.

10. Islam M.S., Hasan M.M., Wang X., Germack H.D., Md Alam N.E. A systematic review on healthcare analytics: application and theoretical perspective of data mining. Healthcare. Multidisciplinary Digital Publishing Institute 2018;6(2):54.

11. Johri P. Vitality of big data analytics in healthcare department. International Conference on Infocom Technologies and Unmanned Systems (Trends and Future Directions) (ICTUS). IEEE, 2017;669-673 с.

12. Jiang F., Jiang Y., Zhi H., Dong Y., Li H., Ma S. Artificial intelligence in healthcare: past, present and future. Stroke and vascular neurology 2017(2):4.

13. Lysaght T., Lim H.Y., Xafis V., Ngiam K.Y. AI-assisted decision-making in healthcare. Asian Bioethics Review 2019;11(3):299-314.

14. Куракова Н.Г., Цветкова Л.А., Черченко О.В. Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте. Врач и информационные технологии 2020(2). [Kurakova N.G., Tsvetkova L.A., Cherchenko O.V. Tehnologii iskusstvennogo intellekta v meditsine i zdravoohranenii: pozitsii Rossii na globalnom patentnom i publikatsionnom landshafte. Vrach i informatsionnyie tehnologii = Information technologies for the Physician 2020(2). (in Russian)].

15. Алпатов А.П., Прокопчук Ю.А., Костра В.В. Госпитальные информационные системы: архитектура, модели, решения. Днепропетровск: УГХТУ, 2005. [Alpatov A.P., Prokopchuk Yu.A., Kostra V.V. Gospitalnyie informatsionnyie sistemyi: arhitektura, modeli, resheniya. Dnepropetrovsk: UGHTU, 2005. (in Russian)].

16. Гусев А.В. Медицинские информационные системы: состояние, уровень использования и тенденции. Врач и информационные технологии 2011(3). [Gusev A.V. Meditsinskie informatsionnyie sistemyi: sostoyanie, uroven ispolzovaniya i tendentsii. Vrach i informatsionnyie tehnologii = Information technologies for the Physician 2011(3). (in Russian)].

17. Гулиева И.Ф., Рюмина Е.В., Гулиев Я.И. Медицинские информационные системы: затраты и выгоды. Врач и информационные технологии 2009(3). [Gulieva I.F., Ryumina E.V., Guliev Ya.I. Meditsinskie informatsionnyie sistemyi: zatratyi i vyigodyi. Vrach i informatsionnyie tehnologii = Information technologies for the Physician 2009(3). (in Russian)].

18. Мирошников И.С. Об иных информационных системах и подключении частных медицинских организаций к ЕГИСЗ. Главный Врач Юга России 2021;4(79):35-35. [Miroshnikov I.S. Ob inyih informatsionnyih sistemah i podklyuchenii chastnyih meditsinskih organizatsiy k EGISZ. Glavnyiy Vrach Yuga Rossii = Chief doctor of the south of Russia 2021;4(79):35-35. (in Russian)].