【财经】AI+医疗：怎样做好一只被风吹上天的猪？
李钢 徐鼎梁/文
人工智能在医疗领域被资源的风吹上九尺云霄 ，然而 ，历史永远没有只吹一直的风 ，重复演出着居高摔重的戏码 ，怎样做好一只被风吹上天的猪可能也是一种至关主要的生涯之道。
焦点是 ，这阵风的实质是深度学习看法为人工智能在医疗领域带来的商业化落地时机 ，焦点是深度学习和商业化；现在中国对美国风向的追随效应显着 ，但数据优势下 ，AI的未来在中国。
最火热的AI+医学影像领域很快会遭遇融资瓶颈 ，变现仍是生死关 ，建议提前做好准备；而AI+新药研发将成为下一个热门。
强科学属性下 ，数据是最有价值的
现在所提及的AI+医疗 ，着实是在谈 ，深度学习要领的泛起 ，为人工智能在医疗领域带来的商业化落地时机。要害词在“深度学习”和“商业化”。
这种界说或许能够对读者在目今声势赫赫挂着医疗AI大旗的公司里区分出李逵和李鬼有所资助——事实并不是每一家能够通过盘算机的输入与输出运算出一些效果的公司都是我们现在要谈的人工智能 ，虽然他们都会这么宣称。创业者在风中也应该对自己有清晰的熟悉 ，对未来有准确的定位和目的——被误吹起来的猪总是最先落地。
以2015年为分水岭 ，之前都在谈论“移动医疗” ，年后默默地被替换成“数字医疗” ，直到现在“人工智能”的泛起。这种转变勾勒出了最近十年来医疗信息化领域依次进场的三阵风：移动医疗—大数据—人工智能。
这三阵风 ，并不是简朴的资源轮流炒作 ，其背后工业生长的逻辑是异常清晰的。但不得不认可 ，已往122cc太阳集成游戏熟悉可能走过一些弯路。
移动医疗兴起之初 ，资源市场更倾向于视其为一场移动互联手艺带来的商业模式立异 ，就像ebay和淘宝把生意从线下搬到线上。然而 ，事实最终并未能很快复制TMT移动化的生长与绚烂 ，风很快就停了。究其缘故原由 ，医疗领域有着更强的科学属性和更弱的商业属性 ，与电商、娱乐等强商业属性差别。
强科学属性下 ，数据才是这个领域最有价值的部分。大数据工业分为三个环节 ，数据网络、数据结构化和数据挖掘。移动医疗解决的是数据网络的问题 ，人工智能则提供数据挖掘的强有力工具。风就沿着数据这条工业化路径吹了下来。链条中数据网络和结构化都是低附加值的部分 ，而数据挖掘才是爆发最终价值的一步。当工业还停留在低附加值阶段 ，没有获得令人知足的商业回报即是顺理成章的事了。
若是人工智能手艺能够突破应用关 ，整条工业链都将因此重新焕发出重大价值——然而 ，站在现在这个时点上 ，我们都还在起劲实验和期待效果。
海内的风口 ，怎么找
关于中国的创业者和投资人而言 ，一切似乎可以变得相对简朴一些。从移动医疗到人工智能 ，美国的领头羊效应显着 ，中国的行业起步可能比美国平均晚2年－3年 ，虽然这个差别在逐步缩短（但趋势衰退时则反应迅速得多）。从几个案例能够说明这一问题。
线上问诊领域 ，美国领先者Teladoc建设于2002年 ，在2011年获KPCB的1800万美元投资；同年 ，在中国 ，春雨医生建设 ，获蓝驰创投300万美元投资 ，到2014年获得万万美元级别投资。
医生预约领域 ，美国领先者Zocdoc建设于2007年 ，2010年中拿到1500万美元投资。也是在2010年 ，在中国 ，挂号网建设 ，并在年底获得2200万美元投资。
肿瘤大数据领域 ，美国领先者Flatiron Health建设于2012年 ，于2014年获得1.3亿美元投资。在中国 ，新屿科技、思派网络和零氪科技在2013年－2014年间逐次建设 ，并在2016年前后划分获得凌驾万万美元投资。
在AI于医学影像的应用领域 ，2015年IBM以10亿美元收购医疗影像公司Merge Healthcare ，并入同年建设的Watson Health care ，使用Merge公司拥有的海量图像数据举行深度学习 ，成为AI+医学影像的标记性事务。而2017年海内纷纷获得大额融资的影像AI公司 ，大多在2016年建设。
以上 ，不难看出美国对中国保存显着树模效应。这降低了海内创业者和投资人在选择偏向上的难度——只需要紧盯美国市场 ，一旦某一领域首次泛起万万美元级别融资 ，那么这个偏向在未来几年内很可能成为海内风口。
最大的挑战来自于新手艺与模式在中国可能泛起的水土不平。中国的社保制度、商业包管生长阶段、医院治理方法与利益分派机制都是中国独吞的商业化障碍。
不过 ，AI工业恒久来看是手艺驱动性的行业 ，需要足够多的数据作为支持 ，生齿与数据中国得天独厚 ，这是中国爆发后发优势的决议性基础。未来 ，不但是海内AI创业汹涌澎拜 ，更多国际化的实力都会往中国做聚焦 ，带来手艺的输入和潜在的跨国相助时机。
移除点击此处添加图片说明文字
（AI工业恒久来看是手艺驱动性的行业 ，需要足够多的数据作为支持 ，生齿与数据中国得天独厚 ，这是中国爆发后发优势的决议性基础。图/视觉中国）
站在风中的中国投资人 ，在想什么？
随着移动医疗到人工智能的风起风落 ，我们时刻感受着中国投资人的情绪波动 ，或许有资格来谈论一些视察。
视察一 ，影像已然成为AI在医疗领域落地的主要突破口。资金率先集中在影像应用领域 ，在2017年该领域纷纷涌现亿元左右融资 ，进入B轮规模。医疗的其他应用领域主要依赖于手艺生长和数据积累的速率。
资源风向吹出了影像领域的三大派别 ，第一 ，算法驱动型。这一类公司的主要特点是大多建设于2016年及以后 ，首创人往往是海归 ，对深度学习的最新手艺具有充分相识 ，试图搭建一支跨学科团队 ，把这种最新手艺应用于医疗领域。他们能够通过一直的训练与调解 ，去平衡准确度和假阳性率 ，字斟句酌以知足用户需求。
第二 ，数据驱动型。这一类公司的主要特点是首创人大多来自古板影像归档和通讯系统（PACS）行业 ，或者大型影像装备的署理商和维修商。他们以为 ，中国与美国一个很大的区别在于 ，中国的数据孤岛征象并未在移动医疗时代获得有用解决 ，以是影像数据的泉源在海内依然足以成为壁垒。以是他们往往在云PACS角度切入 ，先通过毗连医院获得一连获取数据的能力 ，再搭建团队涉足人工智能剖析。其优点在于 ，相识医生需求 ，也明确在医院做事要掌握的标准和要领 ，这注定了他们未来商业化落地会有越发扎实的基础。
第三 ，资源驱动型。标记性代表是IBM ，在中国则是BAT这样的巨头。它们拥有所有创业者所无法相比的资源优势——成熟的人才团队 ，足够的社会、品牌资源 ，更主要的是有源源一直的资金支持 ，可以随时有能力开启“买买买”模式 ，遇到竞争随时可以开启免费战略甚至大额津贴。IBM和BAT的强势进场让整个生态圈都面临重大压力 ，也让不少投资人因此对这个领域避而远之。
虽有三种派别 ，然而由于深度学习焦点算法的开源性 ，以及数据获取现实并非完全一块铁板 ，在短期内 ，算法也好 ，数据也罢 ，谁都无法迅速构建起足够有用的壁垒 ，这才导致了目今强烈的同质竞争。
我们预期 ，未来一年到两年资金将迅速在头部公司集结 ，这将迫使业内每一家公司 ，必需至少在某一方面证实自己的先进性才华驻足 ，剩下的企业只能在竞争中走向湮灭。而巨头的进入 ，必会加速行业洗牌和整合。这对行业并非坏事 ，为投资人也提供了一种潜在退出的渠道。
视察二 ，变现依然会是最终大考 ，资源耐心有限 ，行业加入者马上就要面临“C轮死”魔咒的挑战。
当细分行业龙头融资纷纷都抵达亿元级别后 ，这些领先企业融资最难题的阶段已近在眼前 ，而它们是否能够战胜“C轮死”的魔咒 ，将对行业的风口一连性爆发决议性影响。
这个难题阶段泛起的一定性 ，是投资人的偏好漫衍决议的。在中国的一级市场 ，机构南北极化正在愈演愈烈：或者选择早期项目 ，小金额、广撒网、博概率 ，走孵化蹊径；或者选择成熟项目 ，有利润、谈对赌、博上市 ，走Pre IPO蹊径。这两条蹊径 ，并不需要过多的手艺钻研判断和深入的行业明确 ，就能够让机构获得相对清静的回报 ，这是近年来市场对资源回报的高要求与行业慢增添属性 ，私募基金爆炸式生长与真正优异的投资人才匮乏 ，这两大基础矛盾爆发的一定效果。
现在 ，AI+医疗影像的龙头公司已经飞到两条蹊径中心的谁人重大缺口之中。在这个阶段 ，对危害偏好较高的VC而言 ，公司需要的融资额已经凌驾它们能够投资的体量；而关于较概略量的PE而言 ，AI+影像依然处于商业化的探索阶段 ，没有亮眼的财务数字却顶着极高的估值 ，着实无法下手。这样的状态下 ，可选择的领投契构将被迅速缩小到少少数资金雄厚 ，对前沿手艺有一定判断 ，敢于引领时代潮流作出决议的出资人。这样的机构不会凌驾30家。
资源永远是逐利的 ，与情怀无关 ，并且他们的耐心往往有限。首创人务须要重视变现这个问题 ，必需有清晰的解决要领和思绪。没有解决商业化难题的企业永远是没有同党的猪 ，风停就会非死即伤。
视察三 ，TMT领域的投资人是影像+AI领域的主要结构者 ，而医疗领域投资人态度显着趋于守旧。长周期基金或工业资源加入能力更强。
要战胜融资的瓶颈 ，找对投资人就变得异常主要。在这一波AI+影像的热潮中 ，我们看到了一个很是显着的趋势。
差别于几年前移动医疗大热之时 ，种种专注于医疗的投资团队都脱手一再 ，但在这一轮AI的狂欢里 ，少了这些团队的身影。我们看到只有少少数案例是医疗团队主导 ，绝大大都投资来自于基金内部TMT团队的推动。这点发明让我们初时十分惊讶 ，但细细想来并不希奇。
关于扎根于医疗这一相对古板行业的投资人而言 ，在头脑模式上本就有重大挑战 ，需要从古板医疗的长周期慢生长纪律切换到类TMT的短周期指数增添头脑。移动医疗热潮是他们第一次转变的实验 ，但不幸的是最终大部分人为此交了学费——移动医疗热度断崖式瓦解的泉源 ，恰恰就是无法解决变现与盈利问题 ，至今还在艰难求生。凄切的教训让医疗领域投资人都变得趋于守旧 ，而TMT恰恰对变现的容忍度更高 ，且幸运的是 ，影像需要的医疗专业性有限——若是未来AI+新药研发领域 ，可能就无法指望TMT领域投资人了。
之外 ，我们展望在前商业化阶段能在这个领域投出大额资金的 ，尚有至少两类机构可以思量：一类是退出压力较小的长存续期基金或长青基金；二类是从协同性出发思量问题的工业内战略投资人。
视察四 ，AI+新药研发部分 ，很可能成为下一个爆发点。
AI在影像领域商业化尚不清朗 ，新药研发领域的AI应用 ，很可能厥后居上。2016年12月 ，辉瑞与 IBM Watson Health签署协议 ，将Watson的超等盘算能力用于其研发新型抗癌药中；美国创业公司Atomwise通过IBM超等盘算机剖析数据库 ，使用深度学习神经网络剖析化合物的构效关系 ，一周时间就发明了抗击埃博拉病毒的潜在药物 ，比古板药物研发节约数年时间。
药物研发的商业化路径也更清晰 ，乐成研发新药或转让或售卖均可获得动辄上亿美元的回报。中国特有的商业危害和政策危害在新药研发上的影响相较影像小得多。并且 ，新药研发的科学性和逻辑性更强 ，敌手艺的要求更高 ，但也更纯粹 ，有利于加入者通过手艺建设有用壁垒。
总之 ，AI+医疗风口能一连多久很难展望 ，这会是一场长期战 ，在风的起升下降中 ，活下来比什么都主要。
（作者李钢为122cc太阳集成游戏资源康健工业组联席认真人、徐鼎梁为康健工业组副总裁 ，编辑：王�。�
（本文首刊于2018年2月5日出书的《财经》杂志）
媒体问询
-
中国
郭邦晖（女士）
电话：+86 (10) 8519 2080
传真：+86 (10) 8519 2078
扫描二维码关注122cc太阳集成游戏微信公众号
京公网安备 11010102004518号