回顧高科技公司勇闖醫療領域聖母峰的血淚史
緣起
前陣子在 Netflix 上看了一部紀錄片，名叫「勇闖世界14高峰：挑戰不可能」[1]。1986年第一位爬完14座高峰的義大利登山家 Reinhold Andreas Messner 共花了16年的時間才完成，因為每攀登一座高山，通常要準備兩個月以上的時間，其間可能還常因天候因素而被迫延期 [2]。劇中主要描述來自尼泊爾的寧斯，計畫在七個月內，爬完世界14座高峰，這消息聽在其他登山好手耳裡，根本就是不可能的任務。
看完後，除了對主角寧斯做這件事的決心與毅力致上最高敬意，更敬佩其充份準備與團隊合作，讓這件不可能的事變可能。
近年來，各大高科技公司都嘗試踏進醫療領域，試著用自己的專業來協助解決醫療領域遇到的各式各樣的問題，但大多鎩羽而歸。所以本文試著幫大家整理近年來各大公司在醫療領域的發展與進程，希望能協助大家在準備進入醫療領域或己經進入這市場的人少走些冤枉路。
大型公司
1997年 IBM 超級電腦 Deep Blue 戰勝了國際象棋世界冠軍卡斯帕羅夫（Garry Kimovich Kasparov）[3]、2011 年IBM Watson 贏得 Jeopardy! 比賽[4]和2017年 唯一打敗 AlphaGo 的人類棋士李世乭，近期以「人類無法擊敗 AI」為由宣布退休 [5]。看起來，高科技公司開發的系統都可以比人類還厲害，所以應該在醫療領域也不例外才是。以下為大家介紹幾個著名的案例：
IBM Watson
藉著 2011 年IBM Watson 贏得 Jeopardy! 比賽，其隔年即大張旗鼓地宣告進入癌症領域，並於 2013 年與 MD Anderson癌症中心進行合作 [6]，在中國也成功進入了21家三甲醫院的診療系統，有 Watson 做助手的協和醫院專家組也讚揚Watson的診斷全面、效率高。短短幾秒內，IBM Watson便能基於超過300種以上高等級醫學期刊文獻、250本以上醫療書籍、1500萬頁論文數據研究和MSKCC臨床最佳實踐推薦治療方案。Watson Health 團隊曾高達到過1萬人的規模 [9]，面對如此大的投資，也不得不增加其產品的功能與拉高市場的預期。
然而，2017年 MD Anderson 宣布專案終結並向IBM支付3,900萬美元賠款。據悉，研究5年之後，雙方沒有開發出一個可以用在病人身上的工具，技術只能用在實驗性測試中，沒辦法投入使用 [7]。主要的評論是：「過度樂觀、誇大宣傳」。甚至，Watson 經常提出不準確的醫療建議，因為在給出意見的過程和底層技術上存在嚴重的問題[8]。2021年初，因為一直無法盈利，IBM己傳出考慮出售旗下智慧醫療Watson Health業務。
Google Health
2018年 Google成立 Google Health，合併了DeepMind旗下的健康部門DeepMind Health和負責 Streams 醫療APP的團隊 [8]。再加上從全美最好的成人專科醫院蓋辛格醫療中心挖來了David Feinberg就任主管，業界普遍認為其加入能讓Google在醫療健康領域如虎添翼。
然而，直至2021年，Google與醫療AI相關的業務沒有做起來，其 2021Q1季度財報顯示，包括人工智慧DeepMind、智慧醫療Verily在內的創新業務仍然處於虧損狀態，所以進行了組織重組 [9]。另外，糖尿病視網膜病變篩檢一直是 Google Health 對醫療AI重點宣傳的核心。發表在美國醫學會期刊上的研究顯示，AI演算法在這一研究中起到的作用極大，使得這一工具的準確率達到了90%，理論上幾秒就能出「足以和眼科專家的診斷結果相媲美」的結果。然而，這工具在實際應用卻出現了水土不服的情況。2020年，Google與泰國公共衛生部門合作，在泰國的十多間所診所安裝了這一工具。由於演算法對檢查照片的要求極高，導致準確率不如預期 [10]。
亞馬遜、波克夏和摩根大通合資的醫療保健公司 Haven
2018年，一間由貝佐斯（Jeff Bezos）、巴菲特（Warren Buffett）和傑米戴蒙（Jamie Dimon）合資的公司 Haven ，旨在提供低廉且優質的醫療服務和保險給三間公司的員工和家屬，並進一步把服務對象拓展至所有美國企業 [11]。亞馬遜、波克夏．海瑟威和摩根大通三間公司在世界各地共有150萬名員工，許多投資人當時應該認為，光是三間公司就有這麼多的「顧客」數量，肯定足以撼動產業。所以，當 Haven 一成立，其他醫療公司的股票馬上暴跌。當時，許多投資人相信，三巨頭注資，加上亞馬遜的「破壞式創新力」，醫療產業肯定會變得不一樣。
然而，在 2021年2月底，這家公司默默解散。The Wall Street Journal 分析 這三間公司都很有野心 [12]，目標也一致，但因為執行不同步，優先順序不同，最終導致失敗 。Kaiser Family Foundation執行副總裁 Larry Levitt 指出失敗的主因是：
現行健康照護和保險業者佔據很多市場槓桿，因此只靠控制成本是沒有用的。
Amazon
多年來，亞馬遜一直想打進健康照護業。它2008年買下郵購藥店Pillpack，2019年推出的遠距醫療服務Amazon Care，當時服務對象僅限西雅圖總部及其周邊地區員工，為試驗性計畫，該內容包括線上照護訪查、免費線上醫療諮詢，以及付費預約到府看診與接種疫苗，自此之後，Amazon Care 逐漸拓展成初級照護服務，並於 2021年2月將在全美地區推出 Amazon Care 遠端醫療服務 [13]。
然而，經歷3年的嘗試，Amazon 宣佈將於 2022年底結束 Amazon Care 服務 [14]。不過，主要原因不是要退出醫療市場，而是因為大型企業客戶覺得 Amazon Care 功能不完整，所以其花了 39 億美元收購遠距醫療業務的醫療集團 One Medical，因此收掉 Amazon Care。
小結
因為我沒有實際參與這些公司的執行過程，只能根據目前收集到的相關報導來觀察，可能跟實際狀況會有點偏頗。不過，可以歸納出一些共同的現象：
- 因為是大公司，所以一開始一定投入大量資源；
- 因為是大公司，所以目標設定一定要夠遠大；
- 因為是大公司，所以無法像新創一樣小步快跑；
所以成也大公司，敗也大公司。因為大多公司本業都很賺，所以投入醫療領域若用跟其它領域相同的投資績效標準來看，最後一定就會直接砍光、直接收掉。
新創公司
大家都知道所有新創可以活超過五年的不超過 1 %。圖二是 2018 年 CB Insights 收集 101 家新創失敗的原因 [15]，前三高的原因分別是：「未針對痛點解決問題」、「資金不足」和「團隊專業不對」。
哈佛商學院的知名教授Tom Eisenmann，在「 Why Startups Fail」一書中 [16]，分別列出創業早期與晚期的三大失敗模式：
創業早期的三大失敗模式：
- 神點子，豬隊友。
- 起跑失誤。
- 假陽性。創業晚期的三大失敗模式：
- 速度陷阱。
- 缺少援助。
- 必須一再創造奇蹟。
在這篇「盤點中國2015年231家融資A輪的新創企業死亡原因」[25]一文中 ，提到當時2014年中國移動醫療市場規模為28.4億元，預計2015年從事醫療O2O領域的企業將達到42.3億元，其中，移動醫療和醫療保健呈集中爆發式發展。不過，卻在 2016 年死了一堆新創，死亡企業多以健康管理為主，從事該領域的企業較多，不利於形成競爭優勢，一旦沒有巨頭注資，很容易被行業淘汰。
這幾年剛好參與新創，所以可以近身觀察多家醫療領域的新創是如何開疆闢土、殺出一條血路的。看到上述的每個失敗原因，腦中可以聯想到某幾家新創。老實說，醫療領域的新創遇到的問題跟其它領域「幾乎」沒有什麼不同。唯一不同的地方是：
醫療領域水很深，若要進這領域必須要有「熟人」帶路，才能少走點冤枉路。
這裡講的熟人是在多家醫療機構服務過的醫生、在大藥廠待過的人或在醫療場域打拼過多年的人。
另外要知道的一件事：
每間醫療機構都是聖母峰，都是一樣難攻頂！
沒有所謂「攻進第一間醫療機構，第二間就會簡單很多。」這件事，因為每間醫療機構的流程或設備都不太一樣，醫生的專長也不太一樣，導致甚至「同一間醫療機構中，每個 PI (山頭) 都是聖母峰！」
當然，有方法可以同時進攻個山頭，唯一的方法就是取得 Certification （如「FDA Cleared / Approval」）和採用國際標準（如 ISO 13485， IEC 62304），但這些申請除了需花費不少的人力、資金，更重要的是「時間」。而新創最缺的就是「資金」和「時間」了。
另外，投資人或醫療機構在看新創時，也會非常注意一點：
團隊中有沒有「醫生」背景的「全職」人員！
因為有全職的醫生背景成員在，就比較不會犯了前面 CB Insights 提到的第一項「未針對痛點解決問題」和第三項「團隊專業不對」失敗的原因。當然，還是有沒有醫生背景的新創也闖出一片天的例子，只是「血統純正」是個很現實的條件，尤其聽那些在醫療體系待過的人最常抱怨的事就是這點。
自身案例
十多年前還在趨勢科技服務時，因當時的垃圾郵件攻擊手法開始改變，所以我們利用 Suffix Tree Clustering 的演算法來找出新的垃圾郵件攻擊，再用 Suffix Automata 來有效率地主動過濾每一封電子郵件是否為此攻擊 [17]。當時遇到若攻擊太過分散，則偵測效率不佳的問題，原因是出在建 Suffix Tree 會需要很多的記憶體，所以當時就在思考如何有效率地建出 Distrubed Suffix Tree，這樣就可以提升偵測的效能。只是後來部門的目標換到其它專案上，所以這件事就一直擺在心中。
當你手上有鐵搥時，你會自認為對方的問題都是釘子。
當 2015 年投身進基因體大數據時，就一直在想如何用 Distrubed Suffix Tree 來解決基因體上的問題。直到2017年如何將 Next-Generation Sequencing 的 short reads 還原成如第三代定序的 Long Reads，以便協助偵測結構型變異的問題。那時美國也有幾家公司試圖提供解決方案，有些成功被併購，如 Spiral Genetics [18]。所以那時開始投入，花了近 2 年的時間，前後演算法的部分改了十多個版本，共戰死三位工程師，到第四位才成功做出來，那時期間常常在洗澡時想演算法，常常洗到一半才問自己：「咦，我的頭髮洗了沒？」想出一個解決方法就可以高興個半天，但馬上被跑出來的實際效能打臉而苦惱好幾天，這樣週而復始地過了好幾個月，最後終於成功解出來，並找到好幾個當時連 Human Reference Genome 都還沒有答案的序列，最後也將其 Open Source [19] 並將論文放到 BioRxiv 上 [20] 。
老實說，那段期間是最辛苦的，但也是最幸福的。只是最後回來看這個過程發生了那些錯誤，參考上述 CB Insights 提出 20 項常犯的錯誤有：
Product Mistimed
老實說，這個技術可以發揮價值的時間點是在 2017 年，當我們 2019 年才做出來時，雖然比 Spiral Genetics 的結果來得好，但時機己經過了。為什麼時機己經過了呢？就會連結到下一點：
Get Outcompted
我們設定的使用場景是 NGS 的資料，主要是那時第三代定序不但太貴而且錯誤率太高，非常不好用。但第三代定序廠商持續進步，不但正確率提升不好，價錢也慢慢降下來了。反觀我們受制於 NGS 短序列的先天限制，一些 重要的 repeated regions 反而無法解好，就漸漸地失去市場競爭力了。
這就如同娛樂新聞中常會聽到某男星出來道歉地說：
「我犯了全天下『男人』都會犯的錯。」
而我也必須在此摸著良心地承認：
我犯了全天下「新創」都會犯的錯。
希望大家盡量不要再重蹈覆轍，順順利利往 IPO 或 M&A 之路邁進。基因型優先的精準醫療 (Genotype-First Precision Medicine) 非常仰賴生物資訊 (Bioinformatics) 這邊的能量。然而，生物資訊在目前的市場上普遍被認為應該是免費送的，就如同三十多年前大家買電腦送軟體的情況，而目前是買定序送分析。所以如何翻轉現況，創造出「有價的生物資訊」需要大家一起努力，目前觀察到的有「法規」、「資安」、「正確性」、「規模化」、「成本優化」等方向可帶給客戶的新價值，創造出「有價」的空間。
有坑別再踩
台大醫院智慧醫療中心副主任李建璋分享他的觀察[21]：
為什麼AI醫療容易失敗？
最大原因可能在「資料」。
很多新創一進醫療這個領域，就急急忙忙地趕快去「找資料」，而「資料」大部分都在醫療機構，所以為了能拿到資料而免費幫醫療機構做事。到頭來，最後的成果所有權是誰的？醫院誰要出錢？能不能商業化？
建議新創不要一開始就做免錢的，當然，「策略性合作」又是另當別論，只是到最後，每個案子都是「策略性合作」，意味著每個案子都收不到錢就是了。那我們該怎麼做才好呢？
Geoffrey A.Moore 所寫的《跨越鴻溝》（Crossing the Chasm）一書中提到：高科技企業因為某項產品而失敗的根本原因是沒能跨越市場中的「鴻溝」。要想破除失敗的詛咒，必須做到認識鴻溝。在主流市場之前，還有一個早期市場（Early market），而高科技企業的早期市場和主流市場之間存在著一條巨大的「鴻溝」[23]。也就是醫療機構也有所謂的早期市場和主流市場，新創要做的事是找出那些醫療機構是屬於早期市場使用者，這完全取決於制度和人。各醫療機構的制度是比較不會變動的，通常私立醫院比公立醫院在制度上來得彈性。所以比較重要的是找到早期使用者，包含 Innovators 和 Early Adopters。
有些醫生使用 AI，但有些不用； 有些醫生相信基因檢測，有些不信；有些骨科醫生推薦維骨力，有些說你是「恐估力」才去吃；有些婦產科醫生認為流產和免疫有關，有些認為不是。
新創找 early adopters 就如同找另一伴一樣，大家的價值觀和目標必須一致，才有機會走下去。千萬記得：
強求的愛情不會長久！
本文提到每位醫生都是聖母峰並沒有任何不敬之意，反而是想凸顯在每位病人的心中，醫生就像聖母峰一樣，希望能治療他們的疾病和保祐他們的健康，因為聖母峰是尼泊爾人的精神支柱，是神聖的、是他們宗教的一部分。
最後，想對目前還在醫療領域打拼的每一個人致上最高敬意，因為你們正在攀爬你們心中的聖母峰。
參考資料
[1] https://www.netflix.com/title/81464765
[2] https://udn.com/umedia/story/12760/5941366
[3] https://www.techapple.com/archives/26438
[4] https://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html
[5] https://buzzorange.com/techorange/2019/11/29/sedol-lee-retire/
[6] https://www.gushiciku.cn/pl/aFzN/zh-tw
[7] https://www.bnext.com.tw/article/45393/ibm-watson-meet-its-obstacles
[8] https://buzzorange.com/techorange/2018/07/30/ai-ibm-watson-give-wrong-medical-suggest-that-may-kill-people/
[9] https://www.businessweekly.com.tw/business/blog/3006961
[10] https://www.qbitai.com/2021/06/25353.html
[11] https://www.businessweekly.com.tw/international/blog/3005122
[12] https://www.wsj.com/articles/amazon-berkshire-hathaway-jpmorgan-end-health-care-venture-haven-11609784367
[13] https://www.inside.com.tw/article/26628-amazon-care-health
[14] https://geneonline.news/amazon-care-scrapped-telehealth/
[15] https://startupsventurecapital.com/the-top-20-reasons-startups-fail-e37097d973d4
[16] https://today.line.me/tw/v2/article/NvnWZm8
[17] https://patents.google.com/patent/US8424091
[18] https://www.geekwire.com/2017/sg-news/
[19] https://github.com/atgenomix/connectedreads
[20] https://www.biorxiv.org/content/10.1101/776807v2.abstract
[21] https://edge.aif.tw/ai-in-healthcare-fail/
[22]https://lh6.googleusercontent.com/voUAsFnv2v6pFYhqk29I8pmhoLcFnZaYVrYS1LSMJvoXJKUCfZ6GecdcCYVRpJ0ocLasGzVV53GpLgyNBfo1yI1N_XhLfIjZTdIRy17WNOoaJp9wuhQV56g1CaZrxvne2SDHIeeC=s0
[23] https://www.pmtone.com/crossing-the-chasm/
[24] https://moviereviewtoday.com/14-peaks-review-netflix/
[25] https://meet.bnext.com.tw/articles/view/39271
