759
機器人
人工智能 醫療：資本熱，商業難
2017年伊始，所有的投融資本已經趨於十分穩健的趨勢。對於之前的創業紅利，可以說是一去不複返了。互聯網創業已經不是風口上的豬，隨隨便便就能被資本吹漲。初創公司倒閉潮也紛遝而至。
但有個產業在投融的寒冬中卻迎來爆發。那就是人工智能+醫療。據每日金融了解，在過去的半年裏，百度、阿裏、穀歌、微軟、蘋果等科技巨頭均不遺餘力地布局醫療人工智能，特征是注重技術、巨資先行、頻繁收購、攻克領域遍布產業鏈各環節。
上個月，阿裏健康宣布聯合萬裏雲醫學影像中心發布醫療人工智能係統Doctor You，該係統包括臨床醫學科研診斷平台、醫療輔助檢測引擎、醫師能力培訓係統等。加上阿裏在今年3月推出ET醫療大腦、早在2014年就推出的“未來醫院”計劃，阿裏在醫療AI領域的滲透不斷深入。
百度則在2010年就開始涉足醫療行業，在掛號、醫院服務等方麵都有布局。宣布裁撤醫療事業部之後，百度將重心轉移到醫療人工智能，此前已推出百度醫療大腦。
騰訊又在不久前的互聯網峰會上發布了“覓影”。正式進軍人工智能醫療行業。
BAT先後進場讓國內醫療人工智能熱鬧非凡，每日金融認為，中國人工智能+醫療的巨頭戰役已經打響。
而就在昨天，醫療器械公司安翰醫療宣布獲得大中投資、軟銀中國資本、優勢資本、虔盛投資、厚新健投、同晟資本6家投資機構1億美元。據了解，用於安翰醫療市場版圖開拓及新產品線研發，其中就包括許多醫療界人士關注的，膠囊胃鏡機器人。
那麼，為何巨頭們在人工智能醫療方麵的投入如此闊綽，又是什麼讓資本們紛紛涉足智能醫療行業呢，我們來看一組數據。
埃森哲谘詢在《人工智能：醫療領域嶄新的神經係統》中預言未來10年的趨勢，認為與健康相關的AI市場將以40%的複合年增長率快速發展。另一份報告更是大膽提出預測：在2017年至2024年間，醫療影像、診斷、個性化AI助手、藥物開發和基因等領域的市場總值有望達100億美元。
這也就解釋了為什麼如此多的巨頭和資本都希望往智能醫療這個領域上擠了。
每日金融了解到，醫療人工智能公司從1998年的3家增長到2016年的36家，2017年的不完全統計，目前國內可統計的醫學人工智能公司達到144家。
從應用方向和解決問題劃分，醫療人工智能分為三類：基礎層，包括海量數據、算法框架和存儲與計算能力；技術層，感知智能、認知智能，包括自然語言處理、圖象識別等；應用層，包括藥物研發、輔助診療、健康管理、醫療機器人、可穿戴設備、虛擬助手等。
目前國內公司涉及的方向主要有：醫學影像（25家）、智能機器人（9家）、虛擬助手（5家）、藥物研發（3家）、輔助診療（41家）、健康管理（37家）、語音交互（8家）、信息化管理（25家）、其他（3家）。
在各細分領域，投融資情況也不一樣。“國內共有93筆融資記錄，57筆披露了金額，其中輔助診療獲投最多，為20.6億。”楊紅飛表示，其後依次為語音交互（13.2億）、醫學影像（11.6億），健康管理（11.3億），信息化管理（4.5億），“但目前投資智能醫療機器人、藥物研發和虛擬助手是很少的。”其中投資增長最快的時段為2013年到2016年，與全球的步調一致。並且，A輪B輪融資金額較大，大多處於初創階段，資本活躍度較高；行業集中度較低，尚未形成壟斷或者出現‘獨角獸’，尚未形成既定格局。但2016年總共投了25.8億，這個領域比傳統項目要貴，其實資本對人工智能的投資是毫不吝嗇的。”
那麼，人工智能+醫療是否就是智能時代的新寵呢？
其實不然。實現人工智能+醫療，醫療大數據往往是詬病的重點，其內容不外乎數據獲取難和貴、數據質量差。
據每日金融了解，湘雅二院皮膚科主治醫師尹恒主抓該院與丁香園、大拿科技合作的皮膚科人工智能診斷係統，在推出初期的模型之後，依舊感歎，皮膚病的圖像資源是比較容易獲取，其他科室需要借助很多影像資料。但是係統需要搜集龐大、海量的皮膚病資源數據庫，一家醫院很難做到那麼大量的采集，需要花費大量財力物力和人力。
騰訊架構平台部高級工程師顏克洲在做乳腺癌病理圖像識別項目，他遇到的數據問題來自於醫生的習慣。“我們更需要波片掃描的數據，這個數據非常少，它需要把整個波片全部數字化，但是這個機器現在很多醫院沒有普及，很多醫生也比較抵觸使用這樣的機器，他們從醫學院開始接觸到的訓練都是使用顯微鏡。”
中山大學附屬腫瘤醫院院長助理在某個業內學術交流會上也表示，因為醫院現在建了大大小小的多個信息係統，但是信息沒有做到很好的互聯互通，實際上是分散的。
相比之下，歐美國家擁有完整的醫療數據電子化流程，但最終的結果是數據入口被巨頭占據，購買數據的成本不低。以IBM沃森為例，2015年，IBM並購了三家醫療大數據公司Phytel、Explorys和Merge Healthcare。去年2月，IBM又花了26億美元收購健康大數據公司Truven Health Analytics。至此，IBM在不到一年的時間裏投入40億美元獲取數據。
解決了數據難題，醫療人工智能開始邁入產業化，這一領域國內的審批和監管還處於空白階段。
業內人士直言：“未來是根據醫療器械、係統還是其他的方式進行監管還沒有定論。國內已經在臨床使用的產品基本都是打擦邊球，借鑒臨床同類項目的收費標準進行定價，也很難開出一個比較高的價格。”
在人工智能+醫療這一塊，雖然在巨頭競賽和投融機構的推動下，有了實質性的進展，但就真正投入商業化應用而言，每日金融認為，還是有諸多的痛點有待擊破。而從醫療改革的層麵來說，智能醫療投融熱也必定推升較高的商業成本，這與我國醫療的公益性本質或多或少背道而馳，高昂的診療成本又需要誰來買單呢？
最後更新：2017-08-23 10:37:05