傳統的醫學是建立在解剖和化學（有機化學、生物化學等）兩大基礎學科之上，但隨著科技的不斷進步，單純醫學專業知識對行業發展的推動力持續減弱。未來的醫療行業將伴隨醫學與工程科學的結合（即醫工結合）而向前發展。

在醫工結合的大背景下，AI對醫療產業的滲透，正在越來越深刻，并不斷創造新的應用場景和商業機會。當AI遇上醫療，醫生與患者是否能從這項技術中真正獲益？AI醫療公司打算如何商業化落地？人工智能在醫療領域被資本的風吹上九尺云霄，投資機構到底如何看待這場狂歡？

針對上述問題，必杰進行了深入的觀察和研究，并精心收集和整理一些專家學者的演講及報告。我們嘗試從醫院、AI公司、投資者等多個維度去解讀“AI+醫療領域的發展現狀及未來趨勢”，希望能對您有所啟發。

本文主要觀點如下：

從醫院角度出發：

①、目前國內AI+醫療存在研發與應用障礙：研發缺乏有效數據，應用沒有反復的臨床實驗進行支撐；

②、政府最新出臺的AI類醫療產品評價監管政策尚需要時間去進行驗證；

③、醫療臨床現場對AI最大的需求是改變基層醫療公共服務能力，本質還是好醫生稀缺。

從AI醫療公司角度出發：

①、針對慢性病和傳染病的智能預測，以及針對影像科醫生的智能篩查有望最先實現商業化落地；

②、現階段，AI不是替代醫生，而是成為醫生、尤其是基層醫生的診療好幫手。AI的目標不是自動駕駛，而是成為好的導航系統。

從投資機構角度出發：

①、在AI+醫療領域，美國的領頭羊效應明顯，未來發展方向可以緊盯美國市場；

②、影像篩查已然成為AI在醫療領域落地的主要突破口，AI+新藥研發很可能成為下一個爆發點；

③、當細分行業龍頭融資達到億元級別時，必須要考慮解決商業化難題。

醫療行業究竟需要什么樣的AI

節選自胡盛壽院士在BT領袖峰會上的分享，經必杰咨詢編輯

智慧醫療，離我們很近，也很遠

過去幾年中，智慧醫療成為發表最重要論文的領域；美國FDA已經審批通過12個泛AI醫療產品進入臨床；蘋果、百度、阿里等大量的企業紛紛踏入這個行業。智慧醫療似乎離我們很近，但是我們要看到另外一面：它離臨床應用還有很遠的距離。

以智慧醫療先驅Watson為例，其腫瘤診斷技術在jeopardy節目上打敗人類，2016年Watson診斷罕見白血病只花了十分鐘，2018年Watson的股價持續下跌，健康部門裁員70%。

在智慧醫療領域，一方面是工具初步得到了認可，一方面是產業自身發展艱難，形成了很大的反差。中國的情況也是一樣，醫療人工智能產業雷聲大雨點小，落地非常困難。到目前為止，國內還沒有一款真正的智慧醫療的產品通過了FDA的認證，用于到臨床。

產業鏈條中的三個重要環節

智慧醫療的產業鏈條中包括三個非常重要的環節：一是研發；二是應用；三是評價監管。從研發到應用，應用反過來促進研發，而評價監管始終貫穿研發到應用的全生命周期。

智慧醫療研發的核心是對數據的要求。Watson與MSK腫瘤中心專家合作四年，完成60萬份臨床病例標注，現在還有專家不斷更新數據。但數據的完整性和真實性在我們國家是堪憂的。

應用需要反復的臨床實驗去確定：什么是正確的使用？這個產品的合理使用范圍？應用的流程和路徑應該怎么樣確定？如何建立檢測手段和標準？只有解決了這些問題，才能促進產品真正實現健康、有效率的應用。

在評價監管上，今年8月份發布的《醫療器械分類目錄》新設泛AI類產品注冊：不給出結論診斷的按照二類醫療器械管理；能提供明確診斷，對其風險進行相對比較高的識別，把它列為三類醫療器械。但這到底適不適合我們國家的現狀？是不是正確審批的途徑？現在需要打一個問號。

現場需求：改變基層醫療公共服務能力

大家都知道大醫院人滿為患，但基層醫生其實可以診斷大部分的常見病，我們如何提升基層醫生的服務能力，還是對基層全科醫生進行培訓嗎？需要多久才能把家庭醫生、基層醫生培養成讓患者相信的醫生呢？

傳統的路顯然是有很多問號或是走不通，我們需要借助人工智能。比如說中國的高血壓患者已經超過3個多億，難道所有的高血壓病人都需要到大醫院的門診就診嗎？

我們如果利用人工智能收集①高血壓藥物、患者個人信息、家庭信息、遺傳背景信息，②大量臨床實踐積累起來的《指南》，③對治療本身判斷效果得出的數據。把這三類數據集成，建立一個高血壓智能醫生，它的治療效果難道還不不過大醫院的高血壓主任嗎？在現場需求層面上講，這樣的人工智能在改變基層醫療公共服務能力方面是大有可為的。

AI是醫療領域的導航系統

節選自平安醫療科技智能公共健康部總經理李響在2018年WISE大會上的分享，經必杰咨詢編輯

以平安醫療科技為例，其在AI+醫療方面，主要開展了智能疾病預測、智能影像篩查，智能輔助診療等業務。

智能疾病預測

在智能疾病預測上，中國有3億的慢性病患者，同時傳染病的防控也面臨非常嚴峻的形勢。平安首先是采用深度學習和集成學習技術來構建模型，預測性能相對傳統方法有明顯的提升。僅有疾病預測對于實際的應用是不夠的，醫生更需要知道怎么去預防這些疾病。之后，平安又基于一些大數據分析，挖掘出來很多風險因素，并進行一一標注。

智能影像篩查

在智能影像篩查上，中國的影像科醫生平均一天要看上百個病人的片子，工作壓力非常大，因此這一塊人工智能也是大有作為的。此外，相對于基因、病理等的數據，獲取醫學影像數據更容易一些，且本身就是結構數字化的，加之原來就有一些公開的標注數據集，所以一大批創業公司蜂擁進入影像領域。

智能輔助診療

在智能輔助診療上，中國三分之二的醫療服務是發生在基層的。但由于基層醫生的能力相對有限，容易產生了一些漏診、誤診的情況。平安建立了五大知識庫，包括藥品庫、疾病庫、處方庫、風險因子庫和醫療資源庫。并將知識之間建立關聯，構建最大的中文醫學知識圖譜，形成一個完整的知識體系。現在整個平臺涵蓋了50萬的概念，500萬個關系。

AI是醫療領域的導航系統

在平安看來，AI做的不是醫療領域的自動駕駛，而是導航。我們基于醫學知識圖譜，也就是我們的地圖，建議醫生應該怎樣預防、診斷和治療比較好，但是車究竟怎么開，還是要醫生來做最終的決定。

AI+醫療投資的機會與風險

節選自易凱資本在《財經》雜志上的分享，經必杰咨詢編輯

站在風中的中國AI+醫療

對于中國的創業者和投資人而言，一切似乎可以變得相對簡單一些。在AI+醫療領域，美國的領頭羊效應明顯，中國的行業起步可能比美國平均晚2年－3年。

這降低了國內創業者和投資人在選擇方向上的難度——只需要緊盯美國市場，一旦某一領域首次出現千萬美元級別融資，那么這個方向在未來幾年內很可能成為國內風口。

AI+醫療是技術驅動型行業，需要足夠多的數據作為支撐，中國在人口與數據上得天獨厚，這是中國產生后發優勢的決定性基礎。

未來，不僅是國內AI創業風起云涌，更多國際化的力量都會往中國做聚焦，帶來技術的輸入和潛在的跨國合作機會。

對AI+醫療的三個觀察

隨著人工智能的風起云涌，易凱資本發現如下觀察：

觀察一，影像已然成為AI在醫療領域落地的主要突破口。資金率先集中在影像應用領域，在2017年該領域紛紛涌現億元左右融資，進入B輪規模。

觀察二，變現依然會是終極大考。當細分行業龍頭融資紛紛都達到億元級別后，這些領先企業融資最困難的階段已近在眼前。資本永遠是逐利的，而且耐心往往有限。沒有解決商業化難題的企業就意味著還沒有長出翅膀，風停就會非死即傷。

觀察三，AI+新藥研發很可能成為下一個爆發點。藥物研發的商業化路徑更加清晰，成功研發新藥或轉讓或售賣均可獲得動輒上億美元的回報。同時，新藥研發的科學性和邏輯性更強，對技術的要求更高，但也更純粹，有利于參與者通過技術建立有效壁壘。

結語：AI將賦能海量智慧醫療診斷基礎平臺，逐漸演變為社會的基礎能力

美國未來科學家EricTopol曾說，“未來的醫療不光是醫生一個人做決定，肯定要有社會、家屬，特別是病人要自主的參與到治療過程中來，這個時候要給他提供信息的平臺，應該是非常尊重人的工具。”

必杰認為，AI給未來醫療提供的最大附加值應該是：打破門檻，讓患者、家庭、社會等多方共同參與進來，最終實現人性關懷。

可以預計的是，隨著產業鏈條更多相關方的積極參與，部分實用化的AI技術如疾病預防、影像結果分析將賦能海量智慧醫療診斷基礎平臺，并逐步演變為社會的基礎能力。該領域也將成長出若干個提供這種基礎能力的平臺化公司。

與此同時，技術至上的探索型企業也將繼續研究生命的奧秘，用顛覆式創新改變現有診療手法，為人類健康而不斷奮斗。