一、人工智能正在顛覆性的改造傳統(tǒng)醫(yī)療
2017年初，世界癌癥日（2月4日），IBM Watson醫(yī)生第一次在中國“出診”，僅用10秒就開出了癌癥處方。這不僅引發(fā)輿論熱潮，更振奮的是這讓我們看到了人工智能正在顛覆性的改造傳統(tǒng)醫(yī)療。
IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學專著、24.8萬篇論文，69種治療方案、61540次試驗數(shù)據(jù)、10.6萬份臨床報告。通過海量汲取醫(yī)學知識，包括300多份醫(yī)學期刊、200多種教科書及近1000萬頁文字，IBM Watson在短時間內(nèi)可以迅速成為腫瘤專家，擁有更強大腦的癌癥專家。在印度，Watson醫(yī)生為一名已經(jīng)無藥可救的癌癥晚期患者找到了診斷方案；在日本，Watson醫(yī)生只花了10分鐘就確診了一例罕見白血病。
二、“人工智能（AI）+醫(yī)療”市場蛋糕巨大；阿里、騰訊、百度、科大訊飛、華大基因等都紛紛下賭入局
有關(guān)數(shù)據(jù)顯示，預計到2025年，人工智能應用市場總值將達到1270億美元。其中，醫(yī)療行業(yè)將占市場規(guī)模的五分之一，即254億美元，千億級人民幣市場規(guī)模。2013-2017年，AI（人工智能）+醫(yī)療”各領(lǐng)域共發(fā)生融資事件241起。國外“AI（人工智能）+醫(yī)療”投資分布最大的在健康管理，其次是新醫(yī)藥和新技術(shù)發(fā)現(xiàn)，第三是病歷分析，最后是醫(yī)療影像；在國內(nèi)，醫(yī)療影像投資占比47%，硬件占近30%，健康管理占6%。
中國企業(yè)2010年后，已開始迅速布局醫(yī)療人工智能領(lǐng)域；2010年也是我國醫(yī)療人工智能領(lǐng)域創(chuàng)業(yè)分水嶺，此前每年出現(xiàn)的這類新創(chuàng)公司數(shù)量極少。2014和2015年出現(xiàn)創(chuàng)業(yè)高峰，兩年內(nèi)共有52家公司成立；截止2017年7月31日，我國醫(yī)療人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武漢等一、二線城市，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。
泰山匯研究院數(shù)據(jù)，截止至2017年10月9日，國內(nèi)醫(yī)療人工智能公司累積融資額已超過260億人民幣，融資公司共114家。國內(nèi)在醫(yī)療人工智能布局的企業(yè)主要有阿里巴巴、騰訊、百度、科大訊飛、華大基因；海外主要有IBM、Google、蘋果、微軟、亞馬遜等。
三、人工智能為何在中國醫(yī)療領(lǐng)域勢不可擋？
人工智能在醫(yī)療方面的需求主要基于幾個客觀現(xiàn)實：一方面是優(yōu)質(zhì)醫(yī)療資源供給不足，成本高，醫(yī)生培養(yǎng)周期長，誤診率高，疾病譜變化快，技術(shù)日新月異；另一方面，隨著人口老齡化加劇、慢性疾病增長、對健康重視程度提高，醫(yī)療服務(wù)需求持續(xù)增加。
以醫(yī)生資源為例，我國目前培養(yǎng)醫(yī)生的模式是“5+3”，5年醫(yī)學專業(yè)本科教育，再加3年住院醫(yī)師規(guī)范化培訓，結(jié)業(yè)考試合格者才具備醫(yī)生從業(yè)資格……8年的大浪淘沙，真正堅持下來的優(yōu)秀醫(yī)生人數(shù)有限。
人工智能的核心能力實際上是人類自身已擁有的能力，但與人類相比，最大優(yōu)勢在于計算能力的高效，尤其在數(shù)據(jù)密集型、知識密集型、腦力勞動密集型行業(yè)領(lǐng)域。因此，在醫(yī)療領(lǐng)域它將從這三方面產(chǎn)生巨大顛覆：
第一，提高醫(yī)療機構(gòu)和醫(yī)生的工作效率，減少不必要的人力成本；第二，提早預測疾病風險，發(fā)現(xiàn)重大疾病，提前預防，以減少后續(xù)不必要的更大醫(yī)療支出；第三，方便醫(yī)生管理看護患者，也方便患者自我健康和疾病的管理，讓自查自診等成為可能，將醫(yī)療延伸到院外，前置到院前，同樣緩解醫(yī)療資源的緊張，降低醫(yī)療成本。
四、人工智能（AI）+醫(yī)療，四種主流模式應用
從全球創(chuàng)業(yè)公司實踐的情況來看，AI+醫(yī)療的具體應用包括洞察與風險管理、醫(yī)學研究、醫(yī)學影像與診斷、生活方式管理與監(jiān)督、精神健康、護理、急救室與醫(yī)院管理、藥物挖掘、虛擬助理、可穿戴設(shè)備以及其他，其中以四種模式為主流。
第一、AI+輔助診療，即將人工智能技術(shù)用于輔助診療中，讓計算機“學習”專家醫(yī)生的醫(yī)療知識，模擬醫(yī)生的思維和診斷推理，從而給出可靠診斷和治療方案。在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。目前IBM Watson已部署在美國多家醫(yī)院提供輔助診療的服務(wù)，服務(wù)的病種包括乳腺癌、肺癌、結(jié)腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。
第二、AI+醫(yī)學影像，是將人工智能技術(shù)具體應用在醫(yī)學影像的診斷上，主要分為兩部分：一是圖像識別，應用于感知環(huán)節(jié)，其主要目的是將影像這類非機構(gòu)化數(shù)據(jù)進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環(huán)節(jié)，是AI應用的最核心環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡(luò)進行深度學習訓練，促使其掌握“診斷”的能力。
貝斯以色列女執(zhí)事醫(yī)學中心（BIDMC）與哈佛醫(yī)學院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%，與病理學家的分析結(jié)合在一起時，它的診斷準確率可以高達99.5%。國內(nèi)的DeepCare對于乳腺癌細胞識別的準確率也達到了92%。
第三、AI+藥物挖掘，是指將深度學習技術(shù)應用于藥物臨床前研究，達到快速、準確地挖掘和篩選合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。通過計算機模擬，AI可以對藥物活性、安全性和副作用進行預測。借助深度學習，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領(lǐng)域取得了新突破。目前，已經(jīng)涌現(xiàn)出多家AI技術(shù)主導的藥物研發(fā)企業(yè)。
第四、是AI+健康管理。目前從全球AI+醫(yī)療創(chuàng)業(yè)公司來看，主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫(yī)學的健康管理。
五、醫(yī)療AI創(chuàng)業(yè)、投資關(guān)卡重重，門檻難邁
雖然醫(yī)療人工智能是不可逆轉(zhuǎn)的發(fā)展潮流，但我們也要清醒地看到，中國人工智能整體發(fā)展水平與發(fā)達國家相比仍存在不小差距，在前沿基礎(chǔ)理論、關(guān)鍵性技術(shù)、產(chǎn)業(yè)基礎(chǔ)平臺、人才隊伍和監(jiān)管體系等方方面面都亟待創(chuàng)立和完善。
對所有行業(yè)企業(yè)投資者而言，醫(yī)療人工智能目前遇到不少發(fā)展阻力和確定性因素：
首先，數(shù)據(jù)根基不牢成軟肋。人工智能的發(fā)展研究是基于海量的大數(shù)據(jù)，醫(yī)學影像、醫(yī)療病例、基因突變、診斷病例、術(shù)后跟蹤、健康行為等廣泛的數(shù)據(jù)內(nèi)容是醫(yī)療AI行業(yè)應用的前提。以Watson健康為例，它并不僅是一個技術(shù)，也包括泛數(shù)據(jù)的積累，從數(shù)據(jù)準備、模型建立、優(yōu)化到最終應用于業(yè)務(wù)場景，再收集更多數(shù)據(jù)，周而復始、循環(huán)往復，完成深度學習的復雜任務(wù)。
中國醫(yī)院體系，以公立醫(yī)院為主，已建立了規(guī)范的業(yè)務(wù)流程，如果將人工智能新添到現(xiàn)今的醫(yī)院流程中，勢必會打破原有規(guī)則、體系，這將需要極強整合力與智慧。不僅如此，數(shù)據(jù)擁有者不共享、不互通數(shù)據(jù)，或者貢獻數(shù)據(jù)后恐不能獲得公平回報，都是目前亟待探討的現(xiàn)實難題，雖不關(guān)乎技術(shù)，但直抵核心。數(shù)據(jù)質(zhì)量問題也令人堪憂，目前，盡管第三方電子病歷數(shù)據(jù)企業(yè)手握大量數(shù)據(jù)，但因數(shù)據(jù)質(zhì)量不高，數(shù)據(jù)分散而很難挖掘出有價值的信息。
其次，如何與醫(yī)院深入交融。只有軟件打動醫(yī)院管理層，在院長眼中能實現(xiàn)標準化和控費目標，才有望認可其價值，拍板引進。管理層在宏觀層面，更關(guān)心醫(yī)院效率、控費、醫(yī)療質(zhì)量等能為醫(yī)院創(chuàng)造價值的項目，而醫(yī)生在乎地是效率和節(jié)省時間，讓科研產(chǎn)出、臨床產(chǎn)出更高效。對于投資人，如果投資的軟件、服務(wù)、藥品等叫好不叫座，損失自然是真金白銀、時間成本。
最后，投資人的憂慮。綜合考量人工智能（AI）+醫(yī)療這件事，存在著諸多問題，遠近難辨、真假難分。例如：有沒有偽需求的可能，場景頻次、支付的意愿，這些都是落地應用的致命之處。
商業(yè)角度需要解決問題的流程是產(chǎn)品落地、商業(yè)模式落地、盈利能力落地。產(chǎn)品落地需要真實需求和技術(shù)能力實現(xiàn)。接下來是商業(yè)模式的落地，測試收入流水與規(guī)模復制收入。最后盈利能力的落地，但目前還未有非常完善的盈利模式，AI醫(yī)療領(lǐng)域的創(chuàng)業(yè)者都還在不斷嘗試。
方正證券產(chǎn)業(yè)金融部董事醫(yī)療產(chǎn)業(yè)投資并購負責人姜天驕告知筆者：“一個資本風口的耐心周期大約兩年，前兩年需求確認、技術(shù)實現(xiàn)，過兩三年測試收入流水、規(guī)模復制，再過兩三年產(chǎn)生凈利潤、延伸盈利模式，這樣的項目才是資本推崇的成功項目，顯然AI醫(yī)療難以這樣推進。”
六、尾語：
我們期待“看病難、看病貴”成為過去式，至少尋常百姓可以看得起病，相對完善的醫(yī)療服務(wù)。馬云說的“醫(yī)院不改變，我們就改變醫(yī)院”，很是激蕩人心，但真正的改變也非旦夕之功。
我們希冀在資本與政府的共同驅(qū)動下，人工智能帶領(lǐng)著醫(yī)療創(chuàng)業(yè)者不斷嘗試連接技術(shù)、數(shù)據(jù)、設(shè)備、人等等，不斷試錯，不斷拓荒、不斷迭代，重整架構(gòu)。讓大數(shù)據(jù)、人工智能，通過醫(yī)療生態(tài)重構(gòu)真正造福尋常百姓。當然，AI醫(yī)療的基礎(chǔ)終歸是商業(yè)服務(wù)，最終還要回歸商業(yè)本質(zhì)的思考，在物競天擇中，沒有成功的企業(yè)，只有時代的企業(yè)。
第三十四屆CIO班招生
國際CIO認證培訓
首席數(shù)據(jù)官（CDO）認證培訓
責編：yulina
免責聲明：本網(wǎng)站（http://www.www.gypb.net/）內(nèi)容主要來自原創(chuàng)、合作媒體供稿和第三方投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
本網(wǎng)站刊載的所有內(nèi)容（包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等）版權(quán)歸原作者所有。任何單位或個人認為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，請及時通知本站，予以刪除。
搶沙發(fā)
