资本在风口的鼓吹下往往伴随着"虚火"，火势燎原之后，留给AI医疗的想象空间还有多少？
“AI医疗在2016年下半年到2017年上半年达到顶峰，包括企业的数量和投资的数额，这种情况在2017年下半年开始发生变化，企业数量出现断层式减少，投资数量减少的同时单笔投资额变大。”亿欧智库分析师尚鞅告诉健康界，整个市场已经冷却下来了，投资逐渐变得更加谨慎。
2014年以来，AI医疗逐步被纳入新一代人工智能发展规划的重点，加上“互联网+医疗” 海量数据支撑、资本对医疗人工智能的青睐，使得国内医疗人工智能领域涌现出一批创业公司，BAT等巨头也纷纷在该领域勾勒版图。
目前AI医疗已走出实验室，逐步落地商业化，但是这仅停留在辅助诊断阶段，还远远没有达到改变医疗模式的程度，从资本、技术、商业模式以及政策等多方面来看，AI医疗未来的发展机遇与挑战并存。
医疗影像半边天 市场格局初现
国内AI医疗热潮始于医学影像领域，初期以肺癌早筛和糖尿病视网膜病变筛查较常见，随着技术的革新和应用场景的深入，各家公司的发展思路和重点相继发生变化。以深睿医疗为例，在肺癌早筛产品推出后，陆续开展胸部疾病、神经系统、乳腺癌等方向的产品研发，向综合影像AI平台方向发展。
截至目前，医学影像在医疗数据总量中占比约80%，包括CT、核磁、超声、病理、内窥镜、眼底等，因而医学影像的数据处理相关产业潜力备受市场各方追捧。2017年至今，医学影像AI领域的大部分公司，业务都涉及AI辅助诊断肺结节项目，公布的检测准确率普遍在90%以上，而且这个数值越来越高。同时，一些创业公司也迅速获得融资，2017年甚至被业内称为AI影像“肺结节年”。
除了医学影像，亿欧智库的研究报告显示，目前AI医疗主要有八大应用场景：
1.虚拟助理：语音电子病历、智能导诊、智能问诊、推荐用药；
2.医学影像：病灶识别与标注、三维重建、靶区自动勾画与自适应放疗；
4.疾病风险预测：基因测序与检测服务、预测癌症、白血病等重大疾病；
5.药物挖掘：新药研发、老药新用、药物筛选、药物副作用预测、跟踪研究；
7.医院管理：病历结构化、分级诊疗、DRGs智能系统、专家系统；
8.辅助医学研究平台：线上科研平台提供GPU计算、算法框架、数据分析等服务。
目前，国内资本多布局虚拟助手、医疗影像、医用机器人、智能健康管理四个领域。华大基因、科大讯飞等具备技术优势和资源整合实力的科技巨头，也纷纷以医疗影像为突破口布局医疗人工智能领域，在技术和产品上不断取得快速发展。
一举一动均引发市场关注的BAT同样在布局。百度医疗大脑是一个人工智能辅助诊疗系统，也是百度大脑最早落地应用的大脑分支，未来计划是打造成开放的医疗智能平台；阿里则基于云计算，打造阿里云ET医疗大脑，目前已经具备多项医疗能力，主要包括疾病特征图像识别、医生语音工作助手、医院内重急症预警三大业务模块，未来阿里云 ET 医疗大脑希望在患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域承担医生助手的角色；腾讯则在全方位“买买买”的同时，于2017年8月落地了自己的AI医学影像产品--腾讯觅影。
发展至今，AI医疗行业头部创业公司逐渐形成，资本也在不断聚集加注，各公司基本完成B轮融资，累积吸金逾亿元，在医疗资源获取、数据积累、品牌打造等方面都具备一定优势，AI医疗市场格局初现。
落地模式待考 后来者想象空间并不多
“2018年，会有一大批AI医疗企业要么死去，要么转型。”尚鞅分析认为，融资青黄不接、技术迭代的瓶颈，以及商业模式断裂，任一因素都可能成为压死"靠技术吃饭"的初创企业的最后一根稻草。
企业前期打"技术牌，拓展人工智能技术和应用的边界，而下半场应和产业结合，转向打"产品牌"，利用AI提高生产效率，实现模式落地，优化产品实现商业价值最大化。
不过，目前来看，商业化推广仍有障碍。思必驰CMO龙梦竹在4月10日的鲸准产业价值峰会上，阐述了当前AI医疗所面临的三方面问题：
1.底层技术的瓶颈限制，包括医疗数据来源、数量和质量的限制；
2.整个产品的创造力，产品打磨的局限；
3.包括C端消费者、B端用户在内的客户接受能力和商务服务能力的限制。
业内的共识是，AI的发展由“数据+算法+计算能力”三个要素推动，按照著名的火箭理论，如果把AI当作火箭，数据就是火箭的燃料，计算能力即引擎，算法则是引擎的控制器。巧妇难为无米之炊，如何获取高质量的数据是大部分人工智能医疗企业共同面临的问题。与其他应用领域的数据不同，医疗数据种类繁杂，标准不统一，而且质量参差不齐，患者的电子病历数据很难保证完全准确同步，这也是导致模型不完善的重要原因。
与此同时，医疗人工智能无法彻底避免的错误和漏洞，会影响人们对其信任度和接受程度，而信任度的培养是一个曲折的过程。在产品达到一定成熟程度以前，面临市场推广的风险。“集成性的产品商业化落地可能会比较直接、快速，云端的产品通过市场教育，周期比较长，但是后劲比较足。”图玛深维创始人兼CEO钟昕在鲸准产业价值峰会上如是说。“了解需求很重要，产品要符合诊断流程、医生的实际工作需求，这样才更容易被接受和进一步推广。”
除此之外，凡用于临床的医疗人工智能产品，都需要经过CFDA认证。不过，CFDA认可创新性诊断软件的进展缓慢，注册和审批周期长，对于多数企业来讲时间成本较高。而且从监管层面来看，人工智能刚刚应用于医疗健康领域，一些监管政策还有待明确。
据麦肯锡全球研究所预测，大面积使用人工智能诊断疾病可能不会太快发生，即使早已入局的巨头们，也不过是入门级水平，不过这并不妨碍AI的成功渗入，成为医疗的底层技术，就像之前的IT技术一样。在实际应用尚未成熟之时，资本在风口的鼓吹下往往伴随着“虚火”，火势燎原之后，留给AI医疗的想象空间，还需要稳健的模式和理性的市场来验证。
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#AI医疗#
46
#企业#
34
vv不好不坏哼哼唧唧
66