400-123-4321
人(rén)工智能一(yī / yì ／yí)直很火，但在(zài)全世界範圍内的(de)引爆，發生在(zài)2016年的(de)3月，谷歌的(de)AlphaGo以(yǐ)4：1的(de)成績戰勝了(le／liǎo)世界圍棋冠軍李世石。一(yī / yì ／yí)個(gè)月後，中國(guó)的(de)BAT巨頭不(bù)再潛水，開始了(le／liǎo)動作，他(tā)們在(zài)人(rén)工智能領域的(de)一(yī / yì ／yí)個(gè)非常重要(yào / yāo)的(de)角力場便是(shì)“AI醫療“。
2016年4月，騰訊等機構以(yǐ)10億人(rén)民币投資碳雲智能；2016年10月，百度對外發布了(le／liǎo)“百度醫療大(dà)腦”，宣布正式進軍AI醫療；2017年3月，阿裏雲發布“ET醫療大(dà)腦”宣布正式進入醫療AI領域。
作爲(wéi / wèi)壓垮中國(guó)人(rén)民的(de)三座大(dà)山之(zhī)一(yī / yì ／yí)——醫療，是(shì)目前人(rén)工智能各應用領域中最熱門的(de)賽道(dào)。人(rén)工智能在(zài)醫療領域的(de)應用門檻最高，最難突破，但也(yě)最具想象力，所以(yǐ)資本和(hé / huò)BAT們對這(zhè)座大(dà)山發起了(le／liǎo)一(yī / yì ／yí)輪又一(yī / yì ／yí)輪的(de)攻勢。針對以(yǐ)醫療爲(wéi / wèi)重點的(de)AI創業公司從五年前的(de)不(bù)足20家上(shàng)升至現在(zài)的(de)120多家，但大(dà)多停留在(zài)“to VC”階段，整個(gè)資本圈都在(zài)等待，AI醫療能夠真正講出(chū)“To B To C”的(de)商業模式。
鲸準數據中心清洗了(le／liǎo)整個(gè)AI醫療從2013到(dào)2017年的(de)241起國(guó)内融資事件，本文用資本布局時(shí)間線去描述AI醫療行業現狀，最後通過鲸準上(shàng)的(de)投資人(rén)行爲(wéi / wèi)，去發現AI醫療的(de)下一(yī / yì ／yí)個(gè)行業熱點。
AI醫療是(shì)以(yǐ)互聯網爲(wéi / wèi)依托，通過基礎設施的(de)搭建及數據的(de)收集，将人(rén)工智能技術及大(dà)數據服務應用于(yú)醫療行業中，提升醫療行業的(de)診斷效率及服務質量，更好的(de)解決醫療資源短缺、人(rén)口老齡化的(de)問題。
基礎層：通過軟硬件的(de)基礎設施，收集用戶、藥物及病理數據，并使數據互通互聯，爲(wéi / wèi)人(rén)工智能的(de)應用提供支持與可能。
技術層：通過語音/語義識别、計算機視覺技術，對非結構化數據進行分析提煉。“學習”大(dà)量病理學數據文本，使其掌握問答、判斷、預警、實施的(de)能力。
應用層：是(shì)指人(rén)工智能與不(bù)同細分領域的(de)結合，以(yǐ)解決醫療行業中的(de)某種業務需求，如智能診斷、藥物研發、智能健康管理、智能語音等醫療場景。
回顧13年-17年數據，從2015年開始，基礎層熱度明顯下滑，而(ér)資本開始紛紛進入應用層。2017上(shàng)半年AI醫療發生融資數量46起，下面是(shì)應用層各維度融資情況。
經統計，從13年到(dào)17年上(shàng)半年，應用層8個(gè)細分領域共發生融資事件86起。國(guó)内資本多布局虛拟助手、醫療影像、醫用機器人(rén)、智能健康管理四個(gè)領域，其中醫療影像成爲(wéi / wèi)資本密集的(de)陣地(dì / de)，占比最高達到(dào)31%，位居第一(yī / yì ／yí)。
從細分領域融資數量圖看出(chū)，醫療影像占比較多，爲(wéi / wèi)什麽會發生這(zhè)樣的(de)狀況？影像具有4V性（volume數量、variety多樣性、velocity速度、veracity真實性），4V的(de)屬性更适合其AI的(de)發展。
國(guó)内AI醫療應用公司起步較晚，由細分領域融資數量分布看出(chū)智能診斷領域占比60%。整體上(shàng)智能診斷還處于(yú)初期，目前沒有大(dà)規模商用。對于(yú)優質數據的(de)提取、數據的(de)結構化及建模、患者語言的(de)訓練都是(shì)目前需要(yào / yāo)跨越的(de)障礙。
醫用機器人(rén)的(de)實際應用主要(yào / yāo)集中在(zài)外科手術領域。機器人(rén)在(zài)手術上(shàng)的(de)準确性、可靠性和(hé / huò)精确性上(shàng)大(dà)大(dà)超過了(le／liǎo)外科醫生，機器人(rén)技術已經在(zài)醫療領域得到(dào)了(le／liǎo)長足的(de)發展，并取得很好的(de)臨床效果。
根據鲸準中心标簽熱度算法統計，有關于(yú)AI醫療的(de)标簽：深度學習、計算機視覺、AI醫療、智能診斷、醫療影像、自然語言處理、AI芯片、醫療大(dà)數據關注度有較大(dà)提升。
1、政策推動
AI政策持續利好。2017年7月國(guó)務院剛印發《新一(yī / yì ／yí)代人(rén)工智能發展規劃的(de)通知》，明确提出(chū)“到(dào)2020年人(rén)工智能總體技術和(hé / huò)應用與世界先進水平同步 ”。
醫療政策持續利好。2016年國(guó)務院發布《關于(yú)促進醫藥産業健康發展的(de)指導意見》，明确提出(chū)開展智能醫療服務。
2、國(guó)情推動
社會進步和(hé / huò)人(rén)們健康意識的(de)漸漸覺醒，人(rén)口老齡化問題的(de)加劇；病患多、醫生少；醫務人(rén)員培養成本過高；藥物研發周期長、費用高；醫生診斷不(bù)容犯錯。3、技術推動
語音和(hé / huò)圖像識别技術目前已達到(dào)商業化高度。 從2012年的(de)ImageNet大(dà)賽一(yī / yì ／yí)直到(dào)現在(zài)，深度學習在(zài)圖像的(de)分類與識别上(shàng)已經取得了(le／liǎo)非常大(dà)的(de)進展。在(zài)醫療影像領域目前對某些病理 圖片的(de)識别準确率已超過90%，用于(yú)輔助醫生診斷已不(bù)成問題。區别于(yú)機器學習，需要(yào / yāo)給出(chū)特定規則後才能進行。而(ér)深度學習則可自由生成多層“網絡”（深度神經網絡）。 在(zài)深度學習之(zhī)前，大(dà)約在(zài)90年代，就(jiù)已有很多人(rén)做計算機輔助診斷（CAD）。之(zhī)前神經網絡做不(bù)深，現在(zài)有了(le／liǎo)新型計算機和(hé / huò)深度學習之(zhī)後，可以(yǐ)實現很深的(de)網絡。舉例“乳腺钼靶腫塊判讀”。
三大(dà)AI技術基石：深度學習算法+計算能力+大(dà)數據，爲(wéi / wèi)AI融入醫療奠定基礎。
4、設備驅動
電子(zǐ)膠片的(de)普及；POCT及智能可穿戴設備公司初具規模，大(dà)量設備及膠片投入使用，形成龐大(dà)的(de)用戶病理數據，爲(wéi / wèi)構建醫療大(dà)腦奠定基礎。
5、基礎設施驅動
根據CHIMA的(de)數據統計，顯示早在(zài)2015年9月，超過60%的(de)醫院都已完成醫院管理信息系統（hmis）的(de)全面搭建。以(yǐ)“EMR”爲(wéi / wèi)核心的(de)CIS成爲(wéi / wèi)建設重點。
1、加快基層醫療機構的(de)信息化建設，加速區域信息化集成布局。
2、數據獲取能力的(de)提升、算法的(de)改進、人(rén)工智能技術的(de)創新。
3、逐步完善底層核心知識圖譜。
鲸準預測可拓展領域：AI+精神疾病管理、AI+精準診斷、AI+精準治療、AI制藥等。
轉載36氪：http://36kr.com/p/5090544.html
