智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
今年以來，醫療AI的投融資非常熱，就像前兩年的互聯網醫療、醫療熱一樣，很多創業者及資本涌入其中，也有很多聲音與質疑。比如醫療AI到底是不是一陣風？AI+還是+AI？技術重要還是場景重要？2B還是2C？
自2016年初起，道彤投資就開始了醫療AI布局，先后投資了蘭丁醫學及“腦醫生”等公司，其中蘭丁醫學主要從事宮頸癌的病理篩查，“腦醫生”主要從事腦部影像的輔助診斷。道彤投資還在持續布局醫療AI，近期也將完成一個新項目的投資。在這個過程中，道彤投資也思考了關于醫療AI的種種問題：
1、醫療AI是不是一個長期賽道？
醫療AI現在這么熱，有它的道理。我們看到，無論是語音識別、人臉識別，還是自動駕駛，AI的發展都會有一個由淺入深、從基礎到應用的過程，一步步從簡單勞動深入到復雜勞動。技術與環境已日趨成熟，AI人才的瓶頸在兩三年后也會逐步得到緩解。
醫療AI當下從影像病理切入，也有它的道理，因為這個相對簡單和成熟，不像沃森機器人，那個要做的事難度太大，所以也有很多質疑。道彤投資在布局時，也是先布局了蘭丁醫學后布局了“腦醫生”項目，因為“腦醫生”從事的是中樞神經系統的輔助診斷，這個技術難度更大，進入壁壘更高。蘭丁醫學做得相對較早，正逐步成功商業化，目前領跑病理AI企業。
市場上也有一種擔心，醫療AI會不會像互聯網醫療那樣，一陣風就過去？互聯網醫療之所以一陣風，一是絕大多數場景不靠譜，沒有從根本上解決醫療資源供給問題，中國的醫療市場總體是醫療資源供給不足；二是互聯網醫療不同于其他互聯網應用，受到比較嚴格的政策管制，注定有一個政策博弈到逐步接受的過程，不會一蹴而就。
不同于互聯網醫療，醫療AI解決的是醫療資源供給瓶頸的問題，值得長期布局。單就醫療AI在影像、病理等方向上的應用來說，肯定會不斷向前，不斷迭代，能夠從事診斷的廣度及精度都會提升。在新藥研發、營養膳食、基因檢測、疾病診斷與治療方面，也會有更多應用。
另一個問題是估值。醫療AI估值怎么談？業界傳說早期基本看創始團隊的學術背景，我想這個階段已經過去，譬如說影像AI領域還沒啟動的公司，很大概率擠不上這個賽道了。那么第二輪、第三輪怎么估？我們會看其商業化的合作陣地，形成的樣本數量，以及形成了多少產品化的東西。但再往后，又會是不一樣的邏輯，那時可能會更關注產品形成的收入與行業口碑。
2、“AI+”還是“+AI”？
也有投資圈的同行不看好醫療AI，認為AI只是個算法，一個技術，沒有獨立的運營門檻。你可以把它理解成一個功能模塊或插件，加載在應用上，比如加載在GPS這三大巨頭的影像設備上，或者PACS廠商的系統上。當然，這些廠商們也可以自己獨立開發。
這樣的質疑，讓我想起了三四年前另一個熱門的爭論——“互聯網+”還是“+互聯網”，后來我們看到，凡是傳統產業“+互聯網”的鮮有大成功，幾乎都被“互聯網+”殺得片甲不留。
我們還可以再往前看一些，當移動互聯網出來時，也有人爭論是互聯網的移動化還是會自成體系，今天我們都看到移動互聯網自成生態。想明白這個問題后，再回答到底是“AI+”還是“+AI”時？我想答案已經很明了。
一個傳統廠商，比如PACS廠商，進入這個領域，盡管會有局部優勢，但也要從頭去搭一個算法團隊，并且他們做的事往往是給以前的產品增加一個功能，并不是公司的主戰略，更不太可能成為顛覆舊生態的新生態。我們看到大公司的內部創新總是很容易受到制約，真正成功的極少。
所以醫療AI大的生態，一定不是大公司里長出來的，而是從創業公司里打出來的。數百家公司里殺出幾十家，幾十家又不斷整合，醫院陣地與地域的整合，胸腹部、腦部、消化道等不同影像診斷技術的整合，甚至是影像、病理檢驗、病歷、單病種智能診斷的整合，終成為三五家大公司，醫療智能化診斷系統集成商。那時，他們可以賣產品、賣服務，做遠程診斷，想象一下這個市場是多么巨大！等到那時，對傳統產業的顛覆或是影響可能又是另一種形式。
以并不遙遠的語音技術為例，語音技術并不是手機廠商做出來后裝進手機里的，而是專門的語音識別公司做的。人臉識別技術亦是同樣，也并不是傳統安防公司做出來的。
3、技術重要還是場景重要？
前一段時間，我還看到有投資人說，醫療AI的技術不重要，場景才重要。真的嗎？這話也對，也不對。我們也經歷過這樣的誤區，一度認為只有場景重要。
以Echo音響為例，它成功的一個重要因素是抓到了一個特定的美國式場景，跟美國人生活的融入度很高。很多AI公司的成功都在于找到了一個很好的場景，包括網絡鑒黃。失敗則是場景抓錯了，沒有抓到用戶真正的需求。
醫療AI亦要抓對場景，這是眼下重要的事。因為當下技術的重要性還沒法得以顯現，就像大學生和小學生同時比賽做四則混合運算，看不出區別。或者說互聯網發展早期，大家都能做個網站，但不是每個網站都能應付雙十一的并發。
這樣來說，短期看場景很重要，沒有場景落地能力，都活不到發揮技術的那天。但長期來看，技術能力也很重要。就像你還用筆在計算時，別人已用計算機。我們已經看到一些公司，只用一個月就把其他創業公司半年做的事做完了。越往后去，這種技術能力差異越重要。長期來看，能夠沖出來的公司一定是技術上有持續續航能力的公司。
另一個常見的誤解是數據，很多企業認為能夠占有數據就可以了，但占有數據與可持續占有數據是有區別的。初期時，你跟醫院、廠商的科研合作，都不是排他的，而未來商業合作，都是排他的。目前跑得快的公司，已開始在各醫院跑馬圈地部署服務器了。
4、是2B還是2C？
短期來看，肯定是2B，長期來看，2C也有很大機會。就像電腦，初是賣給公司，后來則是進入到家庭，醫療AI也會經歷由醫院到家庭的過程。
今天的病人，還很難獲取病歷資料，但影像資料已經很容易獲取，只是病人拿到片子后不知道給誰看。未來病人拿到片子，如果攝片的機構不能提供令其滿意的診斷服務，就可以自己選擇用哪家醫療AI商的服務。作為AI技術服務公司，不需要完全自建影像中心以形成閉環，就像電商公司無需都自建物流。同樣，這些第三方影像提供商，也不需要自己再去組建這樣一只醫療團隊。所以，我們拉長時間軸，從未來十年二十年往回看，就會明白到底是2B還是2C。
回到當下，2B時代，怎樣讓自己的產品進入到醫院？我們要看看這里的利益相關方，醫生是使用者，他們肯定不希望被機器替代，但是普通的影像醫生也不是購買行為的決策者。決策者是院長、科室主任，想想他們有什么動力引入醫療AI，是降低成本，還是降低誤診率？
從這個角度想，2B產品的競爭力在哪里？技術固然重要，但不是重要。95%的準確率與90%的準確率，這個差異并不是醫院為關心的，也很難去驗證。醫院更在乎的會是相關方的利益和安全性。
所以初期，重要的是有渠道說服決策者讓你的產品先進去，渠道優勢也是我們在投資時所看重的。我們也希望道彤在醫療服務領域的資源優勢能夠幫到我們投資的醫療AI企業訊速地進入陣地、占領陣地。
5.、醫療AI會替代醫生嗎？
盡管醫療AI的目標是替代部分醫生的工作，但就現狀來看，影像等資料不能作為獨立診斷的依據，對于醫生它只是個參考，并且還需要醫生的幫助來提升它的性能，就像用戶為導航糾偏一樣。但未來，隨著醫療AI技術的發展，其能夠結合的內容也將越來越多，替代的能力越來越強。
一個孩子學步時搖搖晃晃步履蹣跚，我們能說他長大了連路走不穩嗎？可以肯定的說，不管是否愿意，醫技人員及影像醫生的部分工作未來都會被替代，技術洪流是不可阻擋的。一兩年內，可能還有一些小波折，但五年十年，一定會。
至于收費問題，比較復雜，不僅涉及到醫院的態度，還涉及到衛計委、醫保、發改委等政府部門的意見，初期的商業化產品也有一個不斷完善的過程。從目前各級政府大力推進人工智能的積極態度來看，我們有理由樂觀預期，在不久的將來，逐步會有一些更明朗的解決方案。
(原標題：醫療AI：新瓶裝舊酒or舊瓶裝新酒？)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
