截至目前，中國存在100多家醫療人工智能公司，并增長迅猛，資本對醫療AI青睞有加，投資毫不吝嗇，但真正可用于臨床的尚未出現，諸多瓶頸一時難以突破。

    “移動互聯網時代持續不了多長時間，去年我就說移動互聯網時代已經過去，AI時代到來了。”7月5日，百度董事長兼CEO李彥宏在首屆百度AI開發者大會（Create 2017）上表示。

    每年都會有資本和市場追逐的幾個關鍵詞，今年，人工智能從Alpha Go戰柯潔、無人駕駛、語音識別等逐漸燒熱到醫療領域。

    從醫療AI布局方面看，IBM持續開發Watson Health，這是一種可代替醫生為病人診斷的系統，先后收購了Explorys、Truven；Google收購DeepMind成立DeepMind health，與英國NHS、皇家自由意愿合作開發輔助決策、視覺疾病機器學習；微軟發布醫健計劃Hanvoer，輔助精準用藥、精準治療；阿里發布ET醫療大腦；騰訊投資碳云智能、思派網絡等醫療人工智能公司；百度宣布要做醫療大腦等。全球的互聯網巨頭們一家都沒落下。

    醫療AI尚處早期

    在AI開發者大會上，百度并未提及目前在醫療領域的應用和布局，相比其他家，百度在醫療領域的進展伴隨著一路質疑。

    百度在被曝醫療競價排名及“魏則西事件”后，面對輿論的洶涌質疑，李彥宏曾回應要“徹底整改”；緊接著被曝醫療事業部被裁撤；去年10月11日，百度正式發布人工智能在醫療領域內的最新成果，即百度醫療大腦。

    按照百度的說法，醫療大腦計劃打造成開放的醫療智能平臺。“百度醫療大腦包括復診、自診、導診。”日前，在第二屆“中國光谷”國際生物健康產業博覽會“醫療大數據與醫學人工智能高峰論壇”上，百度醫療大腦實驗室主任范偉介紹了最新進展，“核心是一個推理的網絡，數據來源于病歷、書本和診療指南；技術涉及實體識別、語義理解、搜索技術、深度學習/貝葉斯網絡、圖像處理、語音識別等，對醫療數據進行結構化處理。”據稱，目的是在患者就診過程中收集、分類、處理病人的癥狀描述，提高基層醫療資源利用率。

    從目前進展來看，百度醫療大腦顯然還處在很早期的階段。

    而人工智能在醫療的應用遠不止于此，除BAT外，國內醫療人工智能公司較國外起步晚，但近三年來增長迅速，創業公司層出不窮。

    火石創造CEO 楊紅飛發布的《醫學人工智能產業圖譜和投資趨勢分析》報告顯示，中國已經成為全球領先的AI研發中心，國內企業主要分布在北京、廣州和長三角地區。

    數據生成和共享的速度迅速增加，也是醫療人工智能發展的動力。據IDC預測，到2020年醫療數據量將達40萬億GB，是2010年的30倍，但其中80%為非結構化數據。

    “從創業業態來看，目前中國擁有最好的機遇環境。”楊紅飛表示，除人口老齡化帶來的需求量、醫療資源供需不平衡、數據基礎大、人才儲備以外，國家政策給予很大支持，“到目前為止，與醫學人工智能、大數據相關的政策超過80個，在政策推動的方向上，一定存在機會。”

    投資毫不吝嗇

    根據上述報告，醫療人工智能公司從1998年的3家增長到2016年的36家，2017年的不完全統計，目前國內可統計的醫學人工智能公司達到144家。

    從應用方向和解決問題劃分，醫療人工智能分為三類：基礎層，包括海量數據、算法框架和存儲與計算能力；技術層，感知智能、認知智能，包括自然語言處理、圖象識別等；應用層，包括藥物研發、輔助診療、健康管理、醫療機器人、可穿戴設備、虛擬助手等。

    目前國內公司涉及的方向主要有：醫學影像（25家）、智能機器人（9家）、虛擬助手（5家）、藥物研發（3家）、輔助診療（41家）、健康管理（37家）、語音交互（8家）、信息化管理（25家）、其他（3家）。

    在各細分領域，投融資情況也不一樣。“國內共有93筆融資記錄，57筆披露了金額，其中輔助診療獲投最多，為20.6億。”楊紅飛表示，其后依次為語音交互（13.2億）、醫學影像（11.6億），健康管理（11.3億），信息化管理（4.5億），“但目前投資智能醫療機器人、藥物研發和虛擬助手是很少的。”其中投資增長最快的時段為2013年到2016年，與全球的步調一致。

   “并且，A輪B輪融資金額較大，大多處于初創階段，資本活躍度較高；行業集中度較低，尚未形成壟斷或者出現‘獨角獸’，尚未形成既定格局。”楊紅飛認為，“但2016年總共投了25.8億，這個領域比傳統項目要貴，其實資本對人工智能的投資是毫不吝嗇的。”

    瓶頸遍地

    丁香園創始人李天天在會上展示了丁香園與中南大學湘雅二院、大拿科技三方合作的AI輔助診斷皮膚病應用，“不可能把所有皮膚病都做到，我們只選了紅斑狼瘡。”

    李天天表示，第一階段幫助建立疾病采集及解讀；第二是處方建議及醫學建議；第三做醫生管理和患者教育。“現在還處在第一階段，因為準確性沒有達到想象的高度，因此需要不斷調整算法。”

    李天天的體會是，醫療人工智能診斷好做，治療難做；圖片好做，文本難做；垂直好做，綜合難做；影像和病理醫生可能會“被優化”；不必局限診療環節；技術需要服務體系支撐，實現商業閉環。

    蘭丁醫學創始人兼CEO孫小蓉詳細介紹了，利用人工智能在大規模宮頸疾病診斷中的應用，“公司的細胞DNA定量分析儀、間歇性氣壓血栓等主要產品獲得了美國FDA認證受理。”孫小蓉表示，原理是利用人工智能的方式讓機器深度學習，達到早期癌細胞檢測自動化、智能化、標準化、網絡化，以實現腫瘤早期診斷。

    但資本和市場活躍的背后，醫療人工更多的是問題和局限。

    “一是技術瓶頸，目前計算機不能應付復雜環境，無法處理模糊的、連續的、不完美的數據，認知層面的知識表達、信息補足瓶頸仍待突破。”平安創投董事總經理張江認為，數據缺失、缺乏統一標準、醫患不信任、監管空白都制約發展，“醫療人工智能尚處于早期，仍存在著較多技術壁壘尚未突破，實際應用尚存在不確定性，目前亦無清晰的盈利模式，買單方不明確。”

    AIRDOC創始人兼CEO張大磊表示，“數據標注的問題應引起重視，大多數人覺得做人工智能是在寫算法，實際上80%的時間都是在做數據預處理工作，且醫療行業的標注，往往不能通過非專業的人去做，這是一個瓶頸。”

    他表示，其次是數據質量，“醫生是高度個性化的，非技術結果如果處理不好，很可能產生數據污染。”

    第三則是交互問題。“總體來說，病人和醫生交互環節越多，算法各方面的質量越差。”如中醫的望聞問切都可以稱為交互環節，在處理這些過程的數據時，丟失的信息會對結果判斷產生影響。“如果大家要做人工智能，做醫生和病人交互越少的環節越好。比如某個環節醫生不需要見病人也可以作出判斷，這是最好的，因為算法可控。”

    相對應的，目前市場應用最多的是影像領域，AI幫助醫生更快、更準確地讀取病人影像數據，以做出更精確的診斷，楊紅飛表示，“影像輔助診斷結合病理分析的準確率高達99.5%，市場空間巨大，融資金額達到30多億，創業公司活躍度最高。”

   此外，張大磊指出，“監管發展與技術發展還存在巨大的鴻溝。從認識它到最后被接受、相應支付體系完善、醫保介入，還需要很長過程。”