歷史沒有只吹不停的風，反復表演著居高摔重的戲碼，AI+醫(yī)療也概莫能外。這是一場持久戰(zhàn)，活下來比什么都重要。
人工智能在醫(yī)療領(lǐng)域被資本的風吹上九尺云霄，然而，歷史永遠沒有只吹不停的風，反復表演著居高摔重的戲碼，如何做好一只被風吹上天的豬可能也是一種至關(guān)重要的生存之道。
核心是，這陣風的實質(zhì)是深度學習概念為人工智能在醫(yī)療領(lǐng)域帶來的商業(yè)化落地機會，核心是深度學習和商業(yè)化;目前中國對美國風向的跟從效應明顯，但數(shù)據(jù)優(yōu)勢下，AI的未來在中國。
最火熱的AI+醫(yī)學影像領(lǐng)域很快會遭遇融資瓶頸，變現(xiàn)仍是生死關(guān)，建議提前做好準備;而AI+新藥研發(fā)將成為下一個熱點。
強科學屬性下，數(shù)據(jù)是最有價值的
現(xiàn)在所提及的AI+醫(yī)療，其實是在談，深度學習方法的出現(xiàn)，為人工智能在醫(yī)療領(lǐng)域帶來的商業(yè)化落地機會。關(guān)鍵詞在“深度學習”和“商業(yè)化”。
這種定義或許能夠?qū)ψx者在當前浩浩蕩蕩掛著醫(yī)療AI大旗的公司里區(qū)分出李逵和李鬼有所幫助——畢竟并不是每一家能夠通過計算機的輸入與輸出運算出一些結(jié)果的公司都是我們現(xiàn)在要談的人工智能，雖然他們都會這么宣稱。創(chuàng)業(yè)者在風中也應該對自己有清晰的認識，對未來有正確的定位和目標——被誤吹起來的豬總是最先落地。
以2015年為分水嶺，之前都在談論“移動醫(yī)療”，年后默默地被替換成“數(shù)字醫(yī)療”，直到現(xiàn)在“人工智能”的出現(xiàn)。這種轉(zhuǎn)變勾勒出了最近十年來醫(yī)療信息化領(lǐng)域依次出場的三陣風：移動醫(yī)療—大數(shù)據(jù)—人工智能。
這三陣風，并不是簡單的資本輪流炒作，其背后產(chǎn)業(yè)發(fā)展的邏輯是異常清晰的。但不得不承認，過去我們的認識可能走過一些彎路。
移動醫(yī)療興起之初，資本市場更傾向于視其為一場移動互聯(lián)技術(shù)帶來的商業(yè)模式創(chuàng)新，就像ebay和淘寶把交易從線下搬到線上。然而，香港服務器租用，事實最終并未能很快復制TMT移動化的發(fā)展與輝煌，風很快就停了。究其原因，醫(yī)療領(lǐng)域有著更強的科學屬性和更弱的商業(yè)屬性，與電商、娛樂等強商業(yè)屬性不同。
強科學屬性下，數(shù)據(jù)才是這個領(lǐng)域最有價值的部分。大數(shù)據(jù)產(chǎn)業(yè)分為三個環(huán)節(jié)，數(shù)據(jù)收集、數(shù)據(jù)結(jié)構(gòu)化和數(shù)據(jù)挖掘。移動醫(yī)療解決的是數(shù)據(jù)收集的問題，人工智能則提供數(shù)據(jù)挖掘的強有力工具。風就沿著數(shù)據(jù)這條產(chǎn)業(yè)化路徑吹了下來。鏈條中數(shù)據(jù)收集和結(jié)構(gòu)化都是低附加值的部分，而數(shù)據(jù)挖掘才是產(chǎn)生最終價值的一步。當產(chǎn)業(yè)還停留在低附加值階段，沒有獲得令人滿意的商業(yè)回報便是順理成章的事了。
如果人工智能技術(shù)能夠突破應用關(guān)，整條產(chǎn)業(yè)鏈都將因此重新煥發(fā)出巨大價值——然而，站在現(xiàn)在這個時點上，我們都還在積極嘗試和等待結(jié)果。
國內(nèi)的風口，怎么找
對于中國的創(chuàng)業(yè)者和投資人而言，一切似乎可以變得相對簡單一些。從移動醫(yī)療到人工智能，美國的領(lǐng)頭羊效應明顯，中國的行業(yè)起步可能比美國平均晚2年-3年，當然這個差距在逐步縮短(但趨勢衰退時則反應靈敏得多)。從幾個案例能夠說明這一問題。
線上問診領(lǐng)域，美國領(lǐng)先者Teladoc成立于2002年，在2011年獲KPCB的1800萬美元投資;同年，在中國，春雨醫(yī)生成立，獲藍馳創(chuàng)投300萬美元投資，到2014年獲得千萬美元級別投資。
醫(yī)生預約領(lǐng)域，美國領(lǐng)先者Zocdoc成立于2007年，2010年中拿到1500萬美元投資。也是在2010年，在中國，掛號網(wǎng)成立，并在年底獲得2200萬美元投資。
腫瘤大數(shù)據(jù)領(lǐng)域，美國領(lǐng)先者Flatiron Health成立于2012年，于2014年獲得1.3億美元投資。在中國，新嶼科技、思派網(wǎng)絡(luò)和零氪科技在2013年-2014年間逐次成立，并在2016年前后分別獲得超過千萬美元投資。
在AI于醫(yī)學影像的應用領(lǐng)域，2015年IBM以10億美元收購醫(yī)療影像公司Merge Healthcare，并入同年成立的Watson Health care，利用Merge公司擁有的海量圖像數(shù)據(jù)進行深度學習，成為AI+醫(yī)學影像的標志性事件。而2017年國內(nèi)紛紛獲得大額融資的影像AI公司，大多在2016年成立。
以上，不難看出美國對中國存在明顯示范效應。這降低了國內(nèi)創(chuàng)業(yè)者和投資人在選擇方向上的難度——只需要緊盯美國市場，一旦某一領(lǐng)域首次出現(xiàn)千萬美元級別融資，那么這個方向在未來幾年內(nèi)很可能成為國內(nèi)風口。
最大的挑戰(zhàn)來自于新技術(shù)與模式在中國可能出現(xiàn)的水土不服。中國的社保制度、商業(yè)保險發(fā)展階段、醫(yī)院管理方式與利益分配機制都是中國獨有的商業(yè)化障礙。
