TMT观察网_独特视角观察TMT行业

火爆的同時，醫療人工智能從研發、落地到產業化都布滿痛點。國內的醫院“信息孤島”使得醫療數據這一門檻長期高佇，醫療大數據獲取難和貴、數據質量差，成為被吐槽的重點，也直接影響技術研發和落地。

醫療AI（人工智能）實在太火爆了。

騰訊覓影的首次登臺亮相附帶一絲玩味。在騰訊打造的見面會上，前1小時55分鐘主要是條條闡述騰訊在“互聯網+”領域的成就，臨近最后五分鐘，人工智能四個字經由麥克風闖進大眾耳膜，騰訊覓影終得露面。

對于這樣的登場，騰訊“互聯網+”醫療負責人常佳向21世紀經濟報道記者表示：“本身覓影的牽頭部門是騰訊互聯網+事業部，強調的是在真實場景中解決用戶問題，沒有刻意以某個技術為主線去推進工作。”

露面時間雖短，信息量卻極大。這是騰訊首個應用在醫學領域的人工智能產品，聚合了騰訊內部包括AI Lab、優圖實驗室等多個團隊的技術，最成熟的食管癌智能篩查系統實驗室準確率能達90%。同時，騰訊還宣布成立人工智能醫學影像聯合實驗室，中山大學附屬腫瘤醫院（廣東省食管癌研究所）、廣東省第二人民醫院、深圳市南山區人民醫院成為首批合作醫院。

高調出手的不只是騰訊。在過去的半年里， 百度 、阿里、 谷歌、 微軟 、 蘋果 等科技巨頭均不遺余力地布局醫療人工智能，特征是注重技術、巨資先行、頻繁收購、攻克領域遍布產業鏈各環節。

同時進場的還有各色創業者和醫療機構，他們往往通過融資支撐研發甚至生存，主要集中在醫療影像診斷、虛擬醫生助手、醫療大數據等商業化變現快的領域，部分依靠獨家技術獲得大額融資的創業者也在嘗試破壁基礎科研。

火爆的同時，醫療人工智能從研發、落地到產業化都布滿痛點。國內的醫院“信息孤島”使得醫療數據這一門檻長期高佇，直接影響技術研發和落地。產業化層面則面臨行業監管空白、未建立配套審批體系等問題。醫療人工智能究竟是虛火一場還是方興未艾，依舊需要撥開重重迷霧。

騰訊入局

騰訊覓影包含6個人工智能系統，涉及疾病包括食管癌、肺癌、糖網病、宮頸癌和乳腺癌，早期食管癌智能篩查系統最為成熟，屬于醫學影像識別。據悉，該系統篩查一個內鏡檢查用時不到4秒，現已進入臨床前實驗階段。

對于食管癌早篩的意義，中山大學醫院管理處處長、廣東省食管癌研究所所長傅劍華教授指出，早期的食管癌內鏡治療手術后3-5天就可以出院，手術費用僅為后期食管癌治療費用的三分之一，術后并發癥也很少。“但是由于缺乏足夠的認知和有效的早期篩查手段，目前我國早期食管癌檢出率低于10%。”

常佳則認為：“醫療領域面臨基層醫生偏少的問題，很多病種相對不常見，醫生學習周期也比較長。所以在早期篩查以及更多類似的醫療領域，人工智能應該享有比較大的發展機會。”

21世紀經濟報道記者了解到，科技企業和醫療機構的合作中，科技企業一般扮演技術提供方的角色，醫療機構則提供醫療數據，搭建完備的臨床路徑、流程、疾病診斷的知識庫、圖像繼續采集的系統等，在開發過程中雙方的結合程度直接影響最終的成果。

在此次牽手三家醫院之前，騰訊在醫療領域經常出手“買買買”，醫療人工智能領域也不例外。例如去年用基因大數據進行數字化 生命 管理的碳云智能完成近10億元的A輪融資，騰訊為主要投資方之一；今年三月美國基因巨頭Illumina創辦的癌癥早篩公司Grail宣布獲9億美元融資B輪融資，也出現了騰訊跟投的身影。

但親自推出醫療人工智能產品尚屬首次。“其實醫療領域非常難啃，醫療系統太過復雜。”常佳直言，“騰訊從來不提顛覆醫療，我們是連接醫療，在開放體系之下，我們會投資非常多公司。但我們發現有一些騰訊的基礎能力是沒有辦法完全脫離開的，我們也需要底層能力。”

上個月月底，騰訊宣布啟動人工智能加速器，在技術層面將連接來自騰訊AI Lab、優圖、騰訊云等的能力，提供超過20項人工智能技術。

目前騰訊內部各個人工智能團隊各有側重點：優圖實驗室專注于機器學習、模式識別和認知技術的研究，成果已在天天P圖等產品中應用；微信AI團隊主攻語音識別、模式識別，核心應用是提供微信中語音輸入轉文字的方式；AI Lab主要圍繞圖像識別、語音識別、自然語言處理和機器學習4個方向進行研究。

此次與醫院建立聯合實驗室后，騰訊覓影將繼續聚合使用這些圖像識別、深度學習等技術。“人工智能是屬于基層技術能力開放的一種，也意味著我們開始走向了跟醫學比較深度的結合。之前我們布局的醫保支付、用戶服務、微信公眾號都是處于大眾、醫院服務領域，這個生態會起到一個長期的戰略支撐作用。”常佳說。

巨頭競賽

相比騰訊，百度和阿里的醫療人工智能成果早已面世。

就在上個月，阿里健康宣布聯合萬里云醫學影像中心發布醫療人工智能系統Doctor You，該系統包括臨床醫學科研診斷平臺、醫療輔助檢測引擎、醫師能力培訓系統等。加上阿里在今年3月推出ET醫療大腦、早在2014年就推出的“未來醫院”計劃，阿里在醫療AI領域的滲透不斷深入。

百度則在2010年就開始涉足醫療行業，在掛號、醫院服務等方面都有布局。宣布裁撤醫療事業部之后，百度將重心轉移到醫療人工智能，此前已推出百度醫療大腦。百度云合作伙伴總經理李政告訴21世紀經濟報道記者：“現在還在埋頭苦干階段。”

BAT先后進場讓國內醫療人工智能熱鬧非凡，但業內普遍認為中外在這一領域的技術鴻溝還很長很深。高特佳執行合伙人湯衡的點評一語中的：“醫療人工智能在基礎研究和技術層面取得突破，并且開始商業探索的基本都是國外的企業。”

大拿科技產品總監金路補充道：“國際上有很多公開的數據庫。人工智能熱起來以后，醫療領域的公開數據庫越來越多，這對進行基礎研究的技術公司是非常好的，可以快速地形成自己的技術，或者驗證原先的技術移到醫療領域能不能做出成果。這些基礎研發一般都是科技巨頭在做，外國企業做得早一點。”

據了解，人工智能在醫療領域的應用主要包括：輔助診療、醫學影像、藥物挖掘、健康管理、急救室和醫院管理、可穿戴設備、營養管理、虛擬助手等。其產業鏈主要包括基礎層、技術層、應用層，每個層面的進入門檻、核心優勢都不一樣，參與者、投資機會和回報也不盡相同。

其中，基礎層主要由幾家科技巨頭布局，包括 IBM 、谷歌、微軟、 亞馬遜 、阿里、百度等。巨頭們一般選擇計算量需求較大的領域切入，這類企業基本屬于高投入、高回報。

技術層是人工智能大生態系統的基礎設施，需要有一定規模的工程團隊，與行業結合，形成解決方案或通用技術平臺。或者算法、框架及工具較多，形成算法工具平臺、開發者生態平臺，這類企業適合中長期投資布局。

這兩個層面典型的案例是IBM的沃森腫瘤機器人，已經實現商業化并在一年前進駐中國醫院。不過，湯衡指出：“基礎研發的周期本來就很長，想要真正用起來還要跟行業深度結合。沃森現在是醫療人工智能走得最前的產品，但也處于一個技術成長的階段，無法跟臨床醫生媲美。其他企業的研發成果就更早期。”

應用層則是在應用場景變現的渠道，據不完全統計，目前全球共有90多家醫療人工智能創業公司分布在應用層、技術層。應用類型包括醫療行業解決方案、醫療行業應用平臺，競爭更加激烈，商業變現也來得更快。

今年1月，總部位于美國舊金山的Arterys 宣布旗下產品Arterys Cardio DL獲得FDA批準，用于分析心臟核磁共振圖像，這是FDA批準的第一個用于臨床的醫療人工智能產品。

金路認為：“將技術真正地運用到醫療領域是需要對行業深度理解，很多技術在實驗室或者是比賽中驗證是超越人類的，但到了臨床，患者的疾病問題更復雜，應用場景更復雜。這個是中小企業的機會，更加機動靈活的應對變化并修改。”

商業化難題

風風火火進場的玩家聚集在一起，醫療大數據往往是吐槽的重點，吐槽的內容不外乎數據獲取難和貴、數據質量差。

湘雅二院皮膚科主治醫師尹恒主抓該院與丁香園、大拿科技合作的皮膚科人工智能診斷系統，在推出初期的模型之后，尹恒依舊感嘆：“皮膚病的圖像資源是比較容易獲取，其他科室需要借助很多影像資料。但是系統需要搜集龐大、海量的皮膚病資源數據庫，一家醫院很難做到那么大量的采集，需要花費大量財力物力和人力。”

騰訊架構平臺部高級工程師顏克洲在做乳腺癌病理圖像識別項目，他遇到的數據問題來自于醫生的習慣。“我們更需要波片掃描的數據，這個數據非常少，它需要把整個波片全部數字化，但是這個機器現在很多醫院沒有普及，很多醫生也比較抵觸使用這樣的機器，他們從醫學院開始接觸到的訓練都是使用顯微鏡。”

醫療數據對于人工智能而言等同于維系生存和成長的主食，有了數據才能訓練人工智能機器，應用轉化也需要跟臨床數據相對接。對于國內企業而言，獲取數據的渠道主要是跟公立三甲醫院合作。此時，醫院與醫院的數據沒有實現互聯互通就成了主要的絆腳石。

湯衡指出：“中國醫院都有私有云，各個私有云都是獨立的，數據不共享。現在有一部分數據被互聯網掛號平臺占據，但數量少，數據質量達不到醫療研發級別。也有企業幫醫院做系統對接然后抓取數據，一般是有選擇性的抓取，無法獲得完整版的數據資源。”

相比之下，歐美國家擁有完整的醫療數據電子化流程，但最終的結果是數據入口被巨頭占據，購買數據的成本不低。以IBM沃森為例，2015年，IBM并購了三家醫療大數據公司Phytel、Explorys和Merge Healthcare。去年2月，IBM又花了26億美元收購健康大數據公司Truven Health Analytics。至此，IBM在不到一年的時間里投入40億美元獲取數據。

解決了數據難題，醫療人工智能開始邁入產業化，這一領域國內的審批和監管還處于空白階段。

湯衡直言：“未來是根據醫療器械、系統還是其他的方式進行監管還沒有定論。國內已經在臨床使用的產品基本都是打擦邊球，借鑒臨床同類項目的收費標準進行定價，也很難開出一個比較高的價格。”

美國的做法是，美國FDA在今年5月正式組建了一個由軟件工程師和開發人員、AI技術和云計算專家等組成的新部門，專門致力于數字化醫療和AI技術審評，制定審批、監管的規范和標準。

另外，美國五大科技巨頭（Google， Facebook ，Amazon，IBM，Microsoft）聯合成立了AI合作組織，以保障行業在未來能夠安全、透明、合理地發展。

“其實監管我覺得不用擔心，只要出來一個對臨床有用產品，就一定能夠獲批使用。”金路認為，“現在的問題還是國內有一些概念性的技術在推出，但是能落地的少之又少。”

商業模式更是有待探索。湯衡認為，現階段應用層面的醫療人工智能企業商業模式創新已經遭遇瓶頸期，基本依靠篩查服務、分析報告來變現，后期的技術升級、數據積累是否能夠帶來一些質變還需要驗證。

“看了很多項目，但是投的很少，很多項目都是盈利不多甚至虧損的。項目的估值也都比較高，因為現在是個風口，很多資本都想投出一個成功的項目來做到市場龍頭。”他說。