企业纷纷下水 “AI+医疗”的门槛为何还是这么难迈

　　一、人工智能正在颠覆性的改造传统医疗

　　2017年初，世界癌症日（2月4日），IBMWatson医生第一次在中国“出诊”，仅用10秒就开出了癌症处方。这不仅引发舆论热潮，更振奋的是这让我们看到了人工智能正在颠覆性的改造传统医疗。

　　IBMWatson可以在17秒内阅读3469本医学专著、24.8万篇论文，69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内可以迅速成为肿瘤专家，拥有更强大脑的癌症专家。在印度，Watson医生为一名已经无药可救的癌症晚期患者找到了诊断方案；在日本，Watson医生只花了10分钟就确诊了一例罕见白血病。

　　二、“人工智能（AI）+医疗”市场蛋糕巨大；阿里、腾讯、百度、科大讯飞、华大基因等都纷纷下赌入局

　　有关数据显示，预计到2025年，人工智能应用市场总值将达到1270亿美元。其中，医疗行业将占市场规模的五分之一，即254亿美元，千亿级人民币市场规模。2013-2017年，AI（人工智能）+医疗”各领域共发生融资事件241起。国外“AI（人工智能）+医疗”投资分布最大的在健康管理，其次是新医药和新技术发现，第三是病历分析，最后是医疗影像；在国内，医疗影像投资占比47%，硬件占近30%，健康管理占6%。

　　中国企业2010年后，已开始迅速布局医疗人工智能领域；2010年也是我国医疗人工智能领域创业分水岭，此前每年出现的这类新创公司数量极少。2014和2015年出现创业高峰，两年内共有52家公司成立；截止2017年7月31日，我国医疗人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武汉等一、二线城市，其中北京、上海、深圳三城集中了97家公司，占全部公司的76%左右。

　　泰山汇研究院数据，截止至2017年10月9日，国内医疗人工智能公司累积融资额已超过260亿人民币，融资公司共114家。国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、百度、科大讯飞、华大基因；海外主要有IBM、Google、苹果、微软、亚马逊等。

　　三、人工智能为何在中国医疗领域势不可挡？

　　人工智能在医疗方面的需求主要基于几个客观现实：一方面是优质医疗资源供给不足，成本高，医生培养周期长，误诊率高，疾病谱变化快，技术日新月异；另一方面，随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高，医疗服务需求持续增加。

　　以医生资源为例，我国目前培养医生的模式是“5+3”，5年医学专业本科教育，再加3年住院医师规范化培训，结业考试合格者才具备医生从业资格……8年的大浪淘沙，真正坚持下来的优秀医生人数有限。

　　人工智能的核心能力实际上是人类自身已拥有的能力，但与人类相比，最大优势在于计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。因此，在医疗领域它将从这三方面产生巨大颠覆：

　　第一，提高医疗机构和医生的工作效率，减少不必要的人力成本；第二，提早预测疾病风险，发现重大疾病，提前预防，以减少后续不必要的更大医疗支出；第三，方便医生管理看护患者，也方便患者自我健康和疾病的管理，让自查自诊等成为可能，将医疗延伸到院外，前置到院前，同样缓解医疗资源的紧张，降低医疗成本。

　　四、人工智能（AI）+医疗，四种主流模式应用

　　从全球创业公司实践的情况来看，AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他，其中以四种模式为主流。

　　第一、AI+辅助诊疗，即将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。在AI+辅助诊疗的应用中，IBMWatson是目前最成熟的案例。目前IBMWatson已部署在美国多家医院提供辅助诊疗的服务，服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。

　　第二、AI+医学影像，是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。

　　贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，与病理学家的分析结合在一起时，它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。

　　第三、AI+药物挖掘，是指将深度学习技术应用于药物临床前研究，达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟，AI可以对药物活性、安全性和副作用进行预测。借助深度学习，在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前，已经涌现出多家AI技术主导的药物研发企业。

　　第四、是AI+健康管理。目前从全球AI+医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

　　五、医疗AI创业、投资关卡重重，门槛难迈

　　虽然医疗人工智能是不可逆转的发展潮流，但我们也要清醒地看到，中国人工智能整体发展水平与发达国家相比仍存在不小差距，在前沿基础理论、关键性技术、产业基础平台、人才队伍和监管体系等方方面面都亟待创立和完善。

　　对所有行业企业投资者而言，医疗人工智能目前遇到不少发展阻力和确定性因素：

　　首先，数据根基不牢成软肋。人工智能的发展研究是基于海量的大数据，医学影像、医疗病例、基因突变、诊断病例、术后跟踪、健康行为等广泛的数据内容是医疗AI行业应用的前提。以Watson健康为例，它并不仅是一个技术，也包括泛数据的积累，从数据准备、模型建立、优化到最终应用于业务场景，再收集更多数据，周而复始、循环往复，完成深度学习的复杂任务。

　　中国医院体系，以公立医院为主，已建立了规范的业务流程，如果将人工智能新添到现今的医院流程中，势必会打破原有规则、体系，这将需要极强整合力与智慧。不仅如此，数据拥有者不共享、不互通数据，或者贡献数据后恐不能获得公平回报，都是目前亟待探讨的现实难题，虽不关乎技术，但直抵核心。数据质量问题也令人堪忧，目前，尽管第三方电子病历数据企业手握大量数据，但因数据质量不高，数据分散而很难挖掘出有价值的信息。

　　其次，如何与医院深入交融。只有软件打动医院管理层，在院长眼中能实现标准化和控费目标，才有望认可其价值，拍板引进。管理层在宏观层面，更关心医院效率、控费、医疗质量等能为医院创造价值的项目，而医生在乎地是效率和节省时间，让科研产出、临床产出更高效。对于投资人，如果投资的软件、服务、药品等叫好不叫座，损失自然是真金白银、时间成本。

　　最后，投资人的忧虑。综合考量人工智能（AI）+医疗这件事，存在着诸多问题，远近难辨、真假难分。例如：有没有伪需求的可能，场景频次、支付的意愿，这些都是落地应用的致命之处。

　　商业角度需要解决问题的流程是产品落地、商业模式落地、盈利能力落地。产品落地需要真实需求和技术能力实现。接下来是商业模式的落地，测试收入流水与规模复制收入。最后盈利能力的落地，但目前还未有非常完善的盈利模式，AI医疗领域的创业者都还在不断尝试。

　　方正证券产业金融部董事医疗产业投资并购负责人姜天骄告知笔者：“一个资本风口的耐心周期大约两年，前两年需求确认、技术实现，过两三年测试收入流水、规模复制，再过两三年产生净利润、延伸盈利模式，这样的项目才是资本推崇的成功项目，显然AI医疗难以这样推进。”

　　六、尾语：

　　我们期待“看病难、看病贵”成为过去式，至少寻常百姓可以看得起病，相对完善的医疗服务。马云说的“医院不改变，我们就改变医院”，很是激荡人心，但真正的改变也非旦夕之功。

　　我们希冀在资本与政府的共同驱动下，人工智能带领着医疗创业者不断尝试连接技术、数据、设备、人等等，不断试错，不断拓荒、不断迭代，重整架构。让大数据、人工智能，通过医疗生态重构真正造福寻常百姓。当然，AI医疗的基础终归是商业服务，最终还要回归商业本质的思考，在物竞天择中，没有成功的企业，只有时代的企业。