王戈

人工智能的走紅，Google阿爾法狗起到很大的作用。深度學習、深度神經(jīng)網(wǎng)絡(luò)也是近期開始成為媒體熱門話題。

AI的應用的場景，隨著近年的發(fā)展，在不同細分領(lǐng)域都有落地的部分，如金融科技、手術(shù)機器人、人臉識別、醫(yī)療服務(wù)機器人等。從圖右看全球AI在精準營銷、醫(yī)療健康、BI投資最集中的，原因有三有數(shù)據(jù)源、后續(xù)能發(fā)展成為閉環(huán)、存在大幅度的增長的可能性。

從醫(yī)療行業(yè)與人工智能結(jié)合來說，可以從過去和現(xiàn)在、未來的時間維度對比來看，過去我們根據(jù)醫(yī)生提供產(chǎn)品來看病看，現(xiàn)在的患者需求是體現(xiàn)個性化服務(wù)，實時性和導向性要求比較高。在目前醫(yī)療資源供不應求的背景下，醫(yī)生壓力非常大，用人工智能進一步提高醫(yī)療的精準率，對減輕醫(yī)療的負擔有很大的幫助。在過去幾年隨著算法的進步和數(shù)據(jù)儲存成本大幅度的下降，人工智能變得可行，未來在好的模型驅(qū)動下人工智能可以貼近現(xiàn)實應用，讓醫(yī)生實實在在得到有效幫助。

結(jié)合國科嘉和過往在這個領(lǐng)域經(jīng)驗，和大家分享一下AI+醫(yī)療的代表應用場景和代表企業(yè)，第一是AI教學，比如教學過程中像醫(yī)科大學做心臟結(jié)構(gòu)教學，可以用AI、VR技術(shù)提供服務(wù)；第二是指研究方面，在美國研究公司已經(jīng)跑出來進行藥物篩選基本布局，幫助藥廠人員降低研發(fā)成本，這部分本身很有價值，在對市場大小上業(yè)內(nèi)有不同看法；第三是終身護理，這部分也是現(xiàn)在多個創(chuàng)業(yè)企業(yè)在做的，離實際應用比較近，包括在機器上用人工智能，做服務(wù)機器人，特別是在康復機器人和醫(yī)學學科特殊場景這部分進展非常快；第四是治療方面，比如我們投資的連心醫(yī)療，IBM的沃森，比人精準的識別能力，特別是在城鄉(xiāng)差異化很大，分級診療并不很完備情況下，能對二三線城市的醫(yī)療起到明顯作用；第五是健康管理，還搭配可穿戴設(shè)備對接慢病管理，比如腦卒中康復有一些布局；第六是早期分析。

醫(yī)療AI應用和大數(shù)據(jù)應用也是經(jīng)過幾個大的波浪，從目前情況來看，我們把它分成三層：應用層、技術(shù)層、基礎(chǔ)層。從我們現(xiàn)在看的來講基礎(chǔ)層架構(gòu)是全球化，像IBM等其他主要的玩家都是大的布局，這一部分介入或者我們創(chuàng)業(yè)者、投入來講并不多，原因是巨頭集中在這里，把門檻拉的很高，通用級的平臺一般門檻比較高；第二是技術(shù)層，例如大家經(jīng)?？吹降纳疃葘W習、自然語言處理、語音語義理解，更主要的是在醫(yī)療行業(yè)本身能夠形成壁壘，盡管這個壁壘是強壁壘還是弱壁壘可以進一步探討，但毫無疑問這是機會。

從我們來看應用層是今年、明年、后年未來很大的發(fā)展方向，在每個場景垂直細分的領(lǐng)域，有一些冒出新公司容易的地方。從醫(yī)療輔助機器人一直到虛擬助手、工作流程優(yōu)化、甚至搜索醫(yī)療保險、反欺詐這個部分在中國不下十家公司都在進行布局，這一塊形成很多細分的跑道，我們認為都有機會。

我們下面看一下在整個醫(yī)療跑道布置的巨頭公司，大家看大的布局，不太建議一般的創(chuàng)新公司參與，全世界巨頭的公司瓜分，IBM、Google、百度、Microsoft，門檻很高。全球創(chuàng)業(yè)公司的分布大概分如下幾類：

以病患數(shù)據(jù)與風險分析為例，這是現(xiàn)在最多的企業(yè)聚集的領(lǐng)域，因為病患數(shù)據(jù)長期有效，而且經(jīng)過不斷積累會越來越大，但這個領(lǐng)域存在一個大的問題，從我們看來，病患數(shù)據(jù)和風險分析這一塊數(shù)據(jù)源是最根本的問題?，F(xiàn)在很多企業(yè)說我有數(shù)據(jù)源，但仔細細分有很大的問題，原因在于數(shù)據(jù)本身來講是不是結(jié)構(gòu)化數(shù)據(jù)，即便在美國病歷結(jié)構(gòu)化也不是很高。在國內(nèi)各個科室雖然一直提倡標準化，但實際上很難統(tǒng)一的，另外還存在的問題是數(shù)據(jù)拿來的合法性，坦率里講沒有很好的辦法解決醫(yī)療數(shù)據(jù)的合法性，盡管網(wǎng)信辦出了一些文件，在實際上數(shù)據(jù)的穩(wěn)定性、合法性是重要的因素。其他領(lǐng)域由于時間關(guān)系不展開多講。

回到國內(nèi)，講一講國內(nèi)跑到前面的所有公司，醫(yī)療大數(shù)據(jù)比如連心醫(yī)療，連心醫(yī)療是我們?nèi)ツ晖顿Y，在醫(yī)療影像學、放射規(guī)劃跑的比較快，其他創(chuàng)業(yè)企業(yè)各有各的優(yōu)勢。機構(gòu)信息化方面包括趣醫(yī)網(wǎng)、騰龍數(shù)據(jù)等。醫(yī)學影像類幾大公司本身也并購國內(nèi)的一些企業(yè)，過去一年大概看醫(yī)療影像學領(lǐng)域跟醫(yī)療影像學數(shù)據(jù)包括三維建模不下20個，但是做的好比較少見，在技術(shù)上有一定的門檻。其他有醫(yī)藥研發(fā)類、健康管理、基因測序。

基因測序比如華大基因已經(jīng)上市了，大家可以看到：干的苦活基本封閉了，沒有太多機會，現(xiàn)在在云端，基于大數(shù)據(jù)的應用，比如基因數(shù)據(jù)的圖譜加工是投資機構(gòu)關(guān)注的比較多的領(lǐng)域，例如碳云科技，估值已經(jīng)40、50億。整體來講基礎(chǔ)設(shè)施上的創(chuàng)業(yè)空間已經(jīng)很少，后續(xù)的基因數(shù)據(jù)分析、基因編輯、下一步針對癌癥治療，在今年到明年都是投資熱點。

我們認為后續(xù)的AI+醫(yī)療領(lǐng)域的投資機會，重點關(guān)注的地方：

第一是醫(yī)療影像。數(shù)據(jù)源產(chǎn)生非常重要，如果沒有TB量數(shù)據(jù)的話，人工智能都不行，沒有足夠的標簽談何人工智能，接著還要找標桿，沒有100個頂級醫(yī)生做樣本的對比、對照，其實不能形成公司。判斷一個創(chuàng)業(yè)公司在這個跑道行不行，看里邊醫(yī)學人員有沒有，數(shù)據(jù)有沒有。識別技術(shù)已經(jīng)比較成熟，核心問題在于打標記后邊算法和建模。

第二輔助醫(yī)療現(xiàn)在機會比較大。

第三藥物挖掘，原來我們10年前藥物上有個“雙十”一十年十億美元一個藥物。現(xiàn)在新藥研發(fā)投入還是越來越高，10億美元不夠了，這個情況下醫(yī)療大數(shù)據(jù)包括藥庫、化學庫等可以大幅度降低前端的投入。

第四健康管理也是勢在必行，現(xiàn)在很分散最主要的非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)健康管理不成熟，后續(xù)包括診療、包括健康小屋形成分級診療，和大醫(yī)院掛鉤容易形成閉環(huán)。

國科嘉和是中國科學院直屬的基金，在對投資核心要素的要求上跟我們的偏好有關(guān)系。我們偏好技術(shù)，我們不擅長模式型創(chuàng)業(yè)公司。我們第一關(guān)注數(shù)據(jù)源，沒有大量數(shù)據(jù)源和標簽的話很難；第二關(guān)注計算能力，算法和計算成本是我們關(guān)注的要素，這些關(guān)聯(lián)起來可以知道公司建多大核；第三個框架和算法，任何技術(shù)不可能從石頭縫蹦出來，一定有積累，但是在框架和算法一定在醫(yī)學、在醫(yī)院里邊出。如何真正理解應用場景，需要與技術(shù)方面的專家結(jié)合，原來單一計算或者單一的規(guī)劃很難駕馭現(xiàn)在復雜的醫(yī)學應用。

在人工智能+醫(yī)療這一領(lǐng)域我認為會出很多世界級的項目和大的獨角獸企業(yè)，人工智能最容易突破現(xiàn)有布局。國科嘉和基金傾向于投資工程類技術(shù)和應用類技術(shù)，我們很有信心，我們利用應用層牽引，利用未來三到五年積累，希望建立個大系統(tǒng)。同時在應用層，以應用層為主反向拉動創(chuàng)意。我們也看重生態(tài)圈的結(jié)合，整個生態(tài)圈才是人工智能+醫(yī)療最終的方向。endprint