Бизнес казусът за сърдечна диагностика с изкуствен интелект: Какво всъщност е необходимо за изграждането и доставката

Това е стратегическо допълнение към нашата статия „ Диагностика с изкуствен интелект на сърдечно-съдовата система: Инженерингът зад интерпретацията на ЕКГ с клинично ниво “. Ако сте изпълнителен директор, ръководител на продукт или основател, който обмисля програма за сърдечен изкуствен интелект, пазари, изграждане/закупуване/партньорство, регулаторни разходи, времеви рамки, започнете оттук. Ако сте инженерният или клиничният ръководител, който определя какво всъщност изисква „клиничното ниво“, техническият придружител е за вас.

Сърдечният ИИ е една от малкото категории клиничен ИИ, където технологията е зряла, клиничните случаи на употреба са добре дефинирани, регулаторният път е установен и е демонстрирано значимо съответствие между продукта и пазара. Това е и категория, в която повечето програми се провалят, не по отношение на модела, а на събирането на данни, регулаторната тежест, клиничното приемане или възстановяването на разходите.

Тази статия е за бизнес реалността, извлечена от изграждането на сърдечно-диагностичната система на KARDI AI от концепцията до устройството клас IIa с маркировка CE.

Защо сърдечният изкуствен интелект е реален пазар в момента

Интерпретацията на ЕКГ е диагностичният тест с най-голям обем данни в медицината. Повечето ЕКГ се интерпретират от некардиолози, лекари от спешна помощ, интернисти, общопрактикуващи лекари, медицински сестри и повечето от тези интерпретации биха могли да бъдат подобрени чрез софтуерно асистирано триаж. Клиничната стойност на по-бързото откриване на STEMI, по-ранното откриване на предсърдно мъждене и намаляването на пропуснатите проводни нарушения е добре установена, с измеримо въздействие върху резултатите при пациентите.

Пазарната структура има три трайни двигателя на търсенето: недостиг на клиницисти (особено в кардиологията и спешната медицина), растеж на обема (застаряващо население, разширен скрининг) и формализиране на четенето с помощта на изкуствен интелект като признат стандарт за грижа в основните насоки.

Какво означава това от търговска гледна точка: купувачи на сърдечно-съдов изкуствен интелект съществуват, бюджетът съществува и предложението за клинична стойност не е необходимо да се измисля. Конкурентният въпрос е дали вашият конкретен продукт печели, а не дали категорията е реална.

Категорията не е съвсем нова. На пазара се предлагат множество продукти за сърдечен изкуствен интелект с маркировка CE и одобрени от FDA. Болничните системи започнаха да стандартизират платформите си. Новите участници трябва да се диференцират по защитим вектор. Обикновено това е покритие на състоянията, дълбочина на интеграция, производителност при редки, но критични състояния или съответствие на работния процес, вместо да се конкурират единствено по отношение на точността на изходното ниво.

Където се концентрира стойността

Три продуктови форми доминират в търговския сектор на сърдечния изкуствен интелект.

Триаж и приоритизиране в клиничния работен процес. Изкуственият интелект маркира високосериозни находки (STEMI, животозастрашаващи аритмии) за незабавен преглед от лекар и премахва приоритета на нормалните записи. Купувачът е болница или болнична мрежа. Ценността е пропускателна способност и намаляване на пропуснатите диагнози. Циклите на продажби са дълги (12–24 месеца), размерите на сделките са значими, а стабилността на сделката е висока след интегриране.

Подкрепа при вземане на решения на мястото на грижа. Изкуственият интелект предоставя интерпретация в реално време, наред с показанията на кардиолога, използвана като второ мнение или за извеждане на открития, които човек може да е пропуснал. Продава се на болници и все по-често на амбулаторни кардиологични практики. Техническото изискване е по-малък размер на сделките, но по-голям обем, и директна интеграция на работния процес със съществуващите ЕКГ колички.

Скрининг в голям мащаб (първична медицинска помощ, трудова медицина, дистанционни грижи). Изкуственият интелект интерпретира ЕКГ в неспециализирани условия, като маркира случаи, които се нуждаят от насочване. Купувачите включват платци, големи мрежи за първична медицинска помощ, платформи за телездраве и корпоративни уелнес програми. Тук доминират носими продукти с един електрод, а не 12-канални системи.

Стратегическият въпрос за нов участник: на коя форма служи вашият продукт и съответстват ли вашите данни, модел и клинични доказателства на тази форма? Продуктите за сърдечен изкуствен интелект, които се опитват да обслужват и трите, обикновено не служат добре на никого.

Истинският стратегически въпрос: Защитата от данни

Качеството на алгоритъма е по-малко важно, отколкото повечето екипи смятат, а обемът на данните е по-важен.

Публикуваните изследвания върху архитектурите на ЕКГ моделите са се обединили. Два екипа със сходни инженерни възможности и сходни архитектури ще създадат модели с подобна производителност. Различаващият фактор са данните: колко ЕКГ апарата, от колко доставчици на оборудване, в колко клинични условия, с какво качество на етикета.

Изграждането на KARDI AI изискваше стотици хиляди собствени ЕКГ записи от клинични партньори от множество доставчици и контексти на здравни грижи. Този набор от данни е продуктът, както и моделът. И това е активът, който е най-труден за възпроизвеждане. Партньорствата за клинични данни отнемат години, изискват институционално доверие и зависят от реципрочната стойност за партньора.

Следват три стратегически последици. Времето за генериране на данни е ограничението за гейтинг, а не времето за моделиране: екип със силни инженерни умения и слаби клинични взаимоотношения ще произведе по-лош продукт от екип със средни инженерни умения и силни клинични взаимоотношения, всеки път. Първите 18 месеца от програма за сърдечен изкуствен интелект трябва да бъдат непропорционално инвестирани в партньорства за клинични данни, одобрено от ERB събиране на данни и инфраструктура за етикетиране – компаниите, които инвестират недостатъчно тук, предлагат модел, който се представя добре в сравнение с другите технологични организации, но се деградира в реални условия. А публичните набори от данни са полезни за създаване на прототипи, неприложими като основа за продукт с маркировка CE. Третирайте ги като скеле, а не като фундамент.

Ето защо „купуване на стартъп за сърдечен ИИ“ е по-често срещан път от „изграждане на сърдечен ИИ в рамките на утвърден медицински технологичен гигант“. Данните и клиничните взаимоотношения са трудни за стартиране в организация, ръководена от хардуер; придобиването ви отвежда до целта по-бързо от вътрешното изграждане.

Изграждане срещу покупка срещу партньорство

Медицинските технологични компании, които разглеждат сърдечно-съдовия изкуствен интелект, се разделят на три категории.

Изграждане вътрешно. Реалистично, когато компанията вече притежава хардуерната платформа за ЕКГ и има клинични данни, произтичащи от съществуващи внедрявания. Интеграцията на хардуер и софтуер се превръща в ров. Рискът е, че вътрешните възможности за машинно обучение рядко са достатъчно силни в първия ден и наемането на персонал е бавно. Реалистичен график от началото до получаване на маркировка CE: 36–48 месеца. Реалистични разходи: 15–30 милиона евро+ в зависимост от стратегията за събиране на данни и броя на служителите.

Придобиване. Най-бързият път за хардуерно ориентирана медицинска технологична компания, която иска да добави изкуствен интелект към платформа. Изплащането е значително - успешни стартиращи компании за сърдечен изкуствен интелект с продукти с маркировка CE и клинична тракция се търгуват на стратегически премии - но придобиването съкращава времето за пускане на пазара с над 24 месеца. Рискът от интеграция е най-големият скрит разход.

Партньор. Лицензиране в стил OEM, при което медицинска технологична компания вгражда диагностика на външен доставчик на изкуствен интелект в своята хардуерна платформа. Най-нисък предварителен ангажимент, най-бързо време за пускане на пазара, най-слаба защитимост. Доставчикът разполага с данните, регулаторния файл и възможността да смени хардуерните си партньори. Полезно за бързо търговско покритие; слабо като дългосрочна стратегическа позиция.

Правилният отговор зависи от това дали изкуственият интелект е функция на вашата платформа или стратегически актив. Повечето медицински технологични компании, които са третирали изкуствения интелект като функция през 2020-22 г., сега го третират като стратегически и откриват, че е трябвало да започнат да изграждат защитен ров от данни по-рано.

Времева рамка и реалност на разходите

Реалистични числа за програма с изкуствен интелект за сърдечни заболявания, насочена едновременно към маркировката CE и одобрението в САЩ, започвайки от нула:

• Месеци 0–9 обхващат партньорства за събиране на данни, одобрения от IRB и настройка на процесите за етикетиране. Броят на служителите е 4–6 (клиничен ръководител, ръководител машинно обучение, инженер по данни, ръководител регулаторен отдел, 1–2 инженери по машинно обучение). Разходи в този прозорец: 1,2–3 милиона евро.
• Месеци 9–24 обхващат разработване на модел, предварителна обработка, вътрешна валидация и валидация на множество обекти. Броят на служителите се увеличава до 8–12. Разходи през този прозорец: 2,5–6 милиона евро.
• Месеци 24–36 обхващат регулаторна документация, клинична оценка, оценка на използваемостта, подаване на документи към нотифициран орган и отговаряне на въпроси. Разходи през този период: 2–4 милиона евро плюс 0,5–1 милион евро за регулаторни такси и такси към нотифициран орган.
• Месеци 36–42 обхващат маркировката CE, пускането на пазара, установяването на следпродажбено наблюдение и подаването на документи към FDA, протичащи паралелно през втората половина на годината. Разходи: 1,3–3 милиона евро, включително пускането на пазара.

Общо до CE маркировка: 36–42 месеца, 8–20 милиона евро, за компания, започваща от нулата. По-бързо и по-евтино, ако съществува свързана платформа, срещу която да се амортизира; по-бавно и по-скъпо, ако партньорствата за данни са слаби или регулаторните органи нямат достатъчно ресурси.

Най-често срещаният „убиец“ на времевата линия е недостатъчното бюджетиране на фазата на регулаторна документация. Екипите рутинно изразходват 80% от усилията си за модела и откриват, че имат шест месеца писане на регулаторни документи, които не са планирали. Бюджетирането на регулаторни документи е приблизително 25% от общите усилия за програмата.

Най-често срещаният убиец на разходи е лошата стратегия за данни. Екипите, които разчитат прекомерно на публични данни, харчат спестяванията десетократно за влошено клинично представяне и произтичащите от това неуспехи при валидирането.

Проблемът с клиничното приемане (където повечето продукти спират)

Одобрението не е приемане. Сърдечен изкуствен интелект с маркировка CE и одобрен от FDA, който постига 95% точност при валидирането си, все още може да се провали търговски поради три проблема с приемането.

Умора от аларми. Фалшиво положителните резултати подкопават доверието на клиницистите по-бързо от фалшиво отрицателните. Система, която сигнализира твърде агресивно, се игнорира в рамките на седмици. След като клиницистите се научат да отхвърлят алармите, продуктът е мъртъв в тази институция. Калибрирането и стратегията за прагове не са инженерна тънкост. Това е търговски въпрос.

Трясък в работния процес. Сърдечният изкуствен интелект, който изисква от клиницистите да влизат в отделна система, да променят работния си процес за отчитане или да се борят с EMR, се отхвърля при приемането. Техническата интеграция с ЕКГ колички, PACS и EMR определя търговските резултати повече от точността на модела. Циклите на продажбите често зависят от това дали ИТ интеграцията отнема седмици или месеци.

Изграждане на доверие. Клиницистите трябва да разберат защо моделът е маркирал това, което е маркирал. Модели, които генерират карти на вниманието или обясними резултати, се възприемат по-бързо от непрозрачните модели, дори при малко по-ниска точност на бенчмарка. Това не е регулаторен въпрос; това е търговски въпрос. Клиницистите, които не могат да видят разсъжденията на модела, не променят поведението си въз основа на него.

Изводът: управлението на клиничните продукти, работата по вписването на изкуствения интелект в съществуващите клинични работни процеси по начин, който клиницистите реално използват, е втората най-недоинвестирана способност в стартиращите компании за сърдечен изкуствен интелект, след партньорствата за данни. Компаниите, които използват този ресурс, значително по-бързо преминават от одобрението до приходите.

Възстановяване на разходи: Въпросът, който повечето програми избягват, докато не стане твърде късно

CE маркировката и одобрението от FDA ви позволяват да продавате. Възстановяването на разходите определя дали някой купува в голям мащаб.

Ландшафтът на възстановяването на разходите за интерпретация на ЕКГ с помощта на изкуствен интелект е хетерогенен и се развива. В ЕС възстановяването на разходите се извършва по държави и до голяма степен е скрито в съществуващите диагностични кодове; болниците плащат от оперативните бюджети, а кодовете за директно възстановяване на разходите чрез изкуствен интелект са рядкост и се появяват. В САЩ CMS NTAP (плащане за допълнителни технологии) и специалните CPT кодове за диагностика с помощта на изкуствен интелект бавно се разширяват. Сърдечните продукти с изкуствен интелект с документирани данни за резултатите имат реален път на развитие; продуктите без него нямат.

План за пускане на пазара на сърдечно-съдов изкуствен интелект без изрична стратегия за възстановяване на разходите е план за неопределено време, който работи в малък мащаб и се проваля в голям. Програми, които вграждат доказателства за резултатите в клинична оценка от първия ден, се позиционират за възстановяване на разходите пет години по-късно. Програми, които не го правят, не могат.

Дългосрочна защитимост

Как изглежда един защитим продукт с изкуствен интелект за сърдечна дейност през 2030 г.? Пет сложни неща.

Мащаб и обхват на данните, които конкурентите не могат да възпроизведат без 3+ години клинично партньорство. Непрекъснато актуализирани модели в рамките на PCCP, където всеки цикъл на преобучение засилва предимството на данните, вместо да задейства ново регулаторно подаване. Дълбока интеграция на работния процес с инсталирани хардуерни бази за ЕКГ, която създава разходи за превключване. Доказателства за резултатите, свързващи подпомогнатите от изкуствен интелект показания с измерима полза за пациента - единственото доказателство, което в крайна сметка води до възстановяване на разходите, приемане от платеца и трайни клинични предпочитания. Взаимоотношения между марката и клиничната практика, които правят вашия продукт по подразбиране в дадена категория (кардиологични отделения, резидентури по спешна медицина, специализации по кардиология).

Сами по себе си моделите не са трайни конкурентни предимства в сърдечния изкуствен интелект. Възможностите за машинно обучение са се превърнали в комерсиализация. Данните, регулаторната позиция, клиничната интеграция и доказателствата за резултатите са това, което се натрупва с течение на времето.

Където Законът за изкуствения интелект и PCCP променят математическия анализ

Две регулаторни промени преоформят бизнес казуса със сърдечния изкуствен интелект.

Законът на ЕС за изкуствения интелект (ИИ) добавя слой за съответствие към MDR за високорискови ИИ системи, включително сърдечна диагностика. Програмите, насочени към стартирането в ЕС след 2026 г., са изправени пред изисквания за документация и управление, които не са съществували за продуктите с ИИ от първо поколение за сърдечни заболявания. Цената е реална; стратегическото значение е, че утвърдените участници, които вече са преминали MDR, имат ценово предимство пред новите участници, които трябва да преминат и двата режима едновременно.

Рамката на FDA за предварително определен план за контрол на промените (PCCP) , формализирана през 2024 г., позволява на компаниите предварително да разрешават специфични видове актуализации на моделите. За програми за сърдечен изкуствен интелект, които планират непрекъснато подобрение след пускането им в експлоатация, PCCP може драстично да намали регулаторните разходи през целия жизнен цикъл на програмата. Стратегическото значение: PCCP вече е конкурентен лост, а не просто функция за съответствие. Компания, която доставя месечни подобрения на моделите в рамките на PCCP пакет, изпреварва конкурент, който доставя ежегодно с пълни повторни подавания.

И двете промени са в полза на програми, които третират регулаторната стратегия като основна компетентност от самото начало, и в неравностойно положение са програми, които я утвърждават късно.

Какво бихме направили различно с поглед назад

Обобщение на наученото, докато изграждахме KARDI AI, по ред на въздействие:

• Похарчете повече за партньорства за клинични данни и качество на етикетите в месеците 0-12. Всичко надолу по веригата става по-лесно, когато това е правилно.
• Ресурсирайте писането на регулаторни документи паралелно с разработването на модела, а не след него. Отнасяйте се към техническото досие като към продукт, защото от регулаторна гледна точка то е такъв.
• Изградете инфраструктурата за постмаркетингов мониторинг преди пускането на пазара, а не след това. Преоборудването ѝ струва повече от правилното ѝ изграждане.
• Планирайте обхвата на PCCP преди подаване. Цената за връщане към предефиниране на обхвата на промените след маркировката CE е значителна.
• Инвестирайте сериозно в управлението на клиничните продукти — работата по интеграция на работния процес, която определя дали продуктът действително се използва след закупуването му.
• Изградете ясна стратегия за възстановяване на разходите през първата година. Данните за резултатите трябва да бъдат включени в клиничната оценка от самото начало, а не да се събират със задна дата.

Където се вписва Vector Labs

Работим с медицински технологични компании по програми за сърдечен изкуствен интелект в три аспекта: определяне на обхвата (решения за изграждане/покупка/партньорство и проектиране на програмата), техническа проверка (оценка на програми в процес на разработка или цели за придобиване) и инженерно изпълнение (инфраструктура от данни, тръбопроводи за машинно обучение, поддръжка на регулаторна документация).

Ако обмисляте програма за сърдечен изкуствен интелект, вътрешно или като придобиване, и искате да проверите плана спрямо наученото от нас при изграждането на сърдечна диагностика клас IIa с маркировка CE, свържете се с vector-labs.ai.

За инженерната реалност зад този стратегически поглед – архитектури на модели, предварителна обработка, валидиране, етикетиране, калибриране и регулаторен технически файл – съпътстващата техническа статия е тук .