獵云注：隨著社會進步和人們健康意識的漸漸覺醒，人口老齡化問題的加劇以及語音和圖像識別技術(shù)的發(fā)展，AI+醫(yī)療成為了眼下最熱門的投資領(lǐng)域。作為投資界“新寵”的AI醫(yī)療，究竟是指什么？發(fā)展狀況如何？本文將對AI醫(yī)療概念、國內(nèi)外公司融資狀況、應用場景等方面對AI醫(yī)療進行盤點，并分析AI行業(yè)現(xiàn)狀及目前所面臨的困境。
 

隨著社會進步和人們健康意識的漸漸覺醒，人口老齡化問題的加劇以及語音和圖像識別技術(shù)的發(fā)展，AI+醫(yī)療成為了眼下最熱門的投資領(lǐng)域。
 

作為投資界“新寵”的AI醫(yī)療，究竟是指什么？發(fā)展狀況如何？
 

本文將對AI醫(yī)療概念、國內(nèi)外公司融資狀況、應用場景等方面對AI醫(yī)療進行盤點，并分析AI行業(yè)現(xiàn)狀及目前所面臨的困境。
 

2016年的3月，谷歌的AlphaGo以4：1的成績戰(zhàn)勝了世界圍棋冠軍李世石，在全球范圍內(nèi)引爆了人工智能。
 

隨后BAT紛紛入局，而它們之間角逐的一個重要領(lǐng)域就是AI醫(yī)療。
 

據(jù)湯姆路透數(shù)據(jù)顯示，僅2017年上半年，中國企業(yè)在包括生物制藥和醫(yī)療器械領(lǐng)域在內(nèi)的跨境并購交易數(shù)量達4253起，相比2014年增長了30倍。
 

而目前，深創(chuàng)投、IDG資本等在內(nèi)的前十家中國頂級風險投資機構(gòu)中，有七家已經(jīng)出手醫(yī)療健康行業(yè)。
 

近日，有報道稱，推想科技已于2018年2月獲得襄禾資本、尚珹基金、元生資本、紅杉資本、啟明創(chuàng)投投資的3億元新一輪融資。
 

這是推想科技2016年2月獲得1250萬天使輪融資以來，兩年內(nèi)的第四次融資。而包括強生、微軟等在內(nèi)的企業(yè)也在陸續(xù)入場。
 

AI醫(yī)療是什么
 

據(jù)鯨準數(shù)據(jù)中心的《行業(yè)字典：一張圖看AI醫(yī)療》顯示，AI醫(yī)療是以互聯(lián)網(wǎng)為依托，通過基礎(chǔ)設施的搭建及數(shù)據(jù)的收集，將人工智能技術(shù)及大數(shù)據(jù)服務應用于醫(yī)療行業(yè)中，提升醫(yī)療行業(yè)的診斷效率及服務質(zhì)量，更好的解決醫(yī)療資源短缺、人口老齡化的問題。
 

Al醫(yī)療主要體現(xiàn)在三個方面，涉及多個領(lǐng)域，其定義的金字塔如下：
 

基礎(chǔ)層：通過軟硬件的基礎(chǔ)設施，收集用戶、藥物及病理數(shù)據(jù)，并使數(shù)據(jù)互通互聯(lián)，為人工智能的應用提供支持與可能。
 

技術(shù)層：通過語音/語義識別、計算機視覺技術(shù)，對非結(jié)構(gòu)化數(shù)據(jù)進行分析提煉。“學習”大量病理學數(shù)據(jù)文本，使其掌握問答、判斷、預警、實施的能力。
 

應用層：是指人工智能與不同細分領(lǐng)域的結(jié)合，以解決醫(yī)療行業(yè)中的某種業(yè)務需求，如智能診斷、藥物研發(fā)、智能健康管理、智能語音等醫(yī)療場景。
 

AI醫(yī)療公司融資狀況
 

下圖是根據(jù)公開資料不完全整理，從公司的成立時間、企業(yè)類型、融資情況及金額、輪次（A輪以后）等方面對國內(nèi)外AI醫(yī)療融資現(xiàn)狀進行了總結(jié)。
 

從投資方來看，其中不乏像紅杉資本，經(jīng)緯中國，啟明創(chuàng)投，真格基金這些老牌GP。這說明人工智能醫(yī)療行業(yè)依舊受到資本的追捧。
 

1. AI醫(yī)療融資輪次整理
 

根據(jù)已披露融資情況的創(chuàng)業(yè)公司得知，目前，A輪之后AI醫(yī)療獲融資的公司約16家，其中大部分處于A+輪和B輪，速度最快的公司已獲戰(zhàn)略投資。
 

2. AI醫(yī)療公司創(chuàng)立時間

從成立時間上看，國內(nèi)AI醫(yī)療公司集中成立于2012年和2016年，在2017年紛紛獲得大額融資的影像AI公司，大多在2016年成立。
 

AI醫(yī)療的應用場景
 

隨著醫(yī)療人工智能的發(fā)展，其應用場景正逐步多元化。

醫(yī)療的定義和范疇已經(jīng)不再只是疾病治療，而是擴展到了藥品、保健、生物技術(shù)等醫(yī)療的各個領(lǐng)域。
 

根據(jù)相關(guān)資料顯示，總體上應用場景主要集中在以下四方面：
 

1、輔助診療

目前，AI正在迅速融入基層社區(qū)?！癆I+輔助診療”，就是將人工智能技術(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。
 

通過已學習的醫(yī)學知識推理判斷疾病原因與發(fā)展趨勢，形成治療方案 。輔助診療場景目前是醫(yī)療領(lǐng)域中最重要也是最核心的場景。
 

2、醫(yī)學影像

醫(yī)學影像在醫(yī)療 AI 領(lǐng)域技術(shù)成熟度最高，有望最先實現(xiàn)商業(yè)化。
 

據(jù)動脈網(wǎng)蛋殼研究院發(fā)布“人工智能+醫(yī)療技術(shù)成熟度分布曲線”，“AI+醫(yī)療影像”在醫(yī)療領(lǐng)域成熟度最高，在曲線上處于過高期望的峰值位置。
 

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：圖像識別和深度學習。
 

圖像識別主要應用于人工智能的感知環(huán)節(jié)，其主要目的是將醫(yī)學影像的數(shù)據(jù)進行分析，獲取一 些有意義的信息。
 

深度學習主要應用于人工智能學習和分析環(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)絡進行深度學習訓練，促使其掌握 “ 診斷 ” 的能力 。
 

3、藥物研發(fā)

AI＋藥物研發(fā)也是人工智能在醫(yī)學健康領(lǐng)域的主要模式。
 

它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，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，人工智能可以對藥物活性 、安全性和副作用進行預測 。
 

據(jù)稱，人工智能在新藥研發(fā)上的應用主要可以是兩個階段：一個是新藥發(fā)現(xiàn)階段，另一個是臨床試驗階段，
 

4、健康管理

AI智能設備可通過個人健康檔案數(shù)據(jù)分析建立個性化健康管理方案。
 

同時通過了解用戶飲食習慣、鍛煉周期、睡眠習慣等個人生活習慣，經(jīng)過數(shù)據(jù)處理，對用戶整體狀態(tài)給予評估，并建議個性化健康管理方案，輔助健康管理人員幫助用戶規(guī)劃日常健康安排，進行健康干預等。
 

據(jù)悉，目前AI醫(yī)療的健康管理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)學的健康管理幾方面 。
 

其中，風險識別就是通過獲取并運用AI進行分析，識別疾病發(fā)生的風險及提供降低風 險的措施；

虛擬護士就是運用AI技術(shù)，以 “ 護士” 身份了 解病人飲食習慣、鍛煉周期、服藥習慣等個人生活習 慣，進行數(shù)據(jù)分析并評估病人整體狀態(tài) ，協(xié)助規(guī)劃日常生活；
 

精神健康管理運用AI技術(shù)從語言 、表情 、聲音等數(shù)據(jù)切入，對個體進行情感識別 ； 健康干預是運用AI對用戶體征數(shù)據(jù)進行分析，定制、健康管理計劃。
 

AI醫(yī)療面臨的問題

盡管“AI+醫(yī)療”已經(jīng)火遍全球，但其應用落地還面臨著一些問題。
 

1、數(shù)據(jù)總量與質(zhì)量問題

與其他應用領(lǐng)域的數(shù)據(jù)不同，醫(yī)療數(shù)據(jù)種類繁雜，標準不統(tǒng)一，并且質(zhì)量參差不齊。病人的電子病歷數(shù)據(jù)很難保證完全正確同步。
 

此外，由于機器學習所用到的數(shù)據(jù)是訓練學習模型的教材，因而教材的質(zhì)量最終決定了學習的成果，人工智能需要在人的監(jiān)督下完成智能學習 ，人工標識成為其提升的重要保證。
 

但現(xiàn)階段的數(shù)據(jù)，不論是從總量還是標記數(shù)量上來說，都還遠遠不夠。 如果靠人工對數(shù)據(jù)進行標記，又需耗費量人力 。
 

同時，如何獲取高質(zhì)量的教材是大部分人工智能醫(yī)療企業(yè)共同面臨的問題。
 

2、病人的隱私問題

部分患者表示并不愿意將自己的病癥被公開或者用于醫(yī)療研究，因而醫(yī)療數(shù)據(jù)的分享也受到了阻礙。

數(shù)據(jù)分享雖促進了科學研究的進程，但是涉及隱私的問題也尤為重要。
 

在訓練模型和數(shù)據(jù)預處理之前，患者隱私保護需要引起高度重視，患者隱私保護不容有失。
 

3、觀念問題

隨著社會的發(fā)展，醫(yī)療越來越成為備受關(guān)注的領(lǐng)域，但人工智能帶我們走向的又是一個既讓人神往又畏懼的未來。
 

基于人文倫理的傳統(tǒng)觀念影響，許多人很難相信人工智能可以比人類做得更好，接受人工智能醫(yī)療這一事實的過程可能比想象的要長。
 

4、監(jiān)管問題

訓練人工智能的數(shù)據(jù)從哪里來？
 

最龐大的醫(yī)療數(shù)據(jù)儲存地必然是醫(yī)療機構(gòu)，但這種涉及到患者隱私的高度敏感問題，也必然是政策高度監(jiān)管的地帶。
 

醫(yī)療技術(shù)監(jiān)督管理是衛(wèi)生監(jiān)督體系的主要組成部門，而人工智能剛剛應用到醫(yī)療領(lǐng)域，很多監(jiān)管政策還沒有制定。
 

目前對于人工智能健康醫(yī)療大數(shù)據(jù)和算法的使用監(jiān)管，相較英美和澳大利亞等國家而言，我國的法規(guī)還有一些差距需要補足。
 

從投融資的角度來看，目前AI醫(yī)療整體依舊處于非常早期的階段。無論是風口還是泡沫，在未來，AI+醫(yī)療還仍有很長的路要走。

來源：騰訊創(chuàng)業(yè)