我們提出蝴蝶結產業模型和產業技術成熟度曲線，真實還原醫療人工智慧產業

動脈網·蛋殼研究院2017年重磅作品——《2017醫療大數據和人工智慧產業報告》已經在9月16日醫療健康大數據與人工智慧產業實踐論壇發布。

該報告全文共10萬字， 由蛋殼研究院歷時一月，查閱超百萬字的資料、採訪數10家人工智慧公司高層後整理而成。

這是動脈網有史以來最為系統地對人工智慧醫療領域做出的一次梳理，詳細講述了醫療大數據和人工智慧企業的底層技術、醫療人工智慧九個細分領域、醫療人工智慧企業現狀等，並搜集了超過60家國內外企業案例。

同時，動脈網·蛋殼研究院嘗試用自己的方法論，來客觀描述人工智慧+ 醫療各細分領域的發展狀況。我們對目前海內外一共193家醫療人工智慧企業的投融資做出了梳理，並首次繪製了人工智慧醫療細分領域的技術成熟度曲線供業內人士參考。

對象界定：本報告的研究對象為全球範圍內醫療健康領域的人工智慧企業，判斷企業是否屬於人工智慧企業的標準為企業業務流程中是否使用到一種或多種人工智慧演算法。

數據來源：本報告信息基於於行業人士訪談、動脈網資料庫、Crunchbase、學術文獻以及相關產業報告。動脈網蛋殼研究院未對現有或提供給動脈網研究院的此信息做獨立驗證，且不就此類信息的準確性或完整性作任何明示或默示的陳述和保證。本報告中包含的分析和結論均基於上述信息。

研究方法：本次研究採用案頭研究與田野調查同步進行的方法，以人工智慧技術發展及實現形式為主線，探討技術發展的外延產業發展，試圖描繪當人工智慧這一關鍵技術逐漸演進，經濟運行模式發生改變，行業重新域定的過程。

主要研究成果：

人工智慧已經經歷兩次低谷，正在走上第三波浪潮

算力演算法齊備，人工智慧+醫療等待醫療大數據引爆

醫療數據獲得途徑多樣，有待國家出台法規規範數據使用

中國人工智慧學術研究全球領先

人工智慧人才供需嚴重不平衡

單個細分領域聚集效應明顯

人工智慧+醫療創業門檻升至百萬

繪製醫療大數據和人工智慧領域蝴蝶結產業模型

繪製人工智慧+醫療技術成熟度曲線

蝴蝶結產業模型

醫療大數據是因健康活動而產生的數據，從出生、免疫、體檢、門診、住院和其他活動所產生的數據來源，可以將數據劃分為三類，分別為電子健康檔案資料庫、電子病歷資料庫和全員人口個案資料庫。

人口資料庫：主要包含人口信息，數據來源於各大部門（衛計委、公安、民政、統計、人力社保、教育等）交互共享。

健康檔案資料庫：主要包含定期或不定期的健康體檢記錄、衛生服務過程中的各種服務記錄、藥店藥房數據、專題健康、公共衛生數據或疾病調查記錄。數據來源於體檢機構、醫院和基層。

電子病歷資料庫：主要包含醫院診斷治療全過程原始記錄，數據來源於醫院，其商業化價值最高。

除了傳統的以上三個來源之外，醫療大數據還包含通過「物聯網」所收集的數據——醫療器械收集的健康數據，APP、遠程監控、感測器提供的健康物聯網連續臨床數據。雲端的臨床數據讓醫生可以方便地獲得遠在100公里外的病人信息，也可以和其他醫生進行遠程協助。

醫療大數據的價值取決於使用者和應用場景。如果從使用對象來看，健康醫療大數據的應用主要包含三個對象。

一是為醫生服務。提高他們的診療行為，優化診療決策。

二是為醫院的管理者服務。幫助他們進行成本核算，輔助醫院決策。

三是為患者服務。通過建立健康模型，結合患者基因組學數據，醫院就能針對不同疾病建立疾病預測模型和干預方案，為患者提供健康行為指導。

這些醫療大數據彙集到企業之後，通過人工智慧參與和結合，充分利用起來。醫療大數據服務成為醫療人工智慧的數據入口，在底層硬體和軟體的支持下，在政策和資本的引導下，最後實現to B和to C的服務輸出。

區塊鏈、機器學習、物聯網和其他大數據分析領域融合成無縫、可互操作和可信任的強大工具，為醫療行業帶來各種頗具可行性的意見，並確保高質量的患者護理服務。

通過人工智慧和醫療大數據的蝴蝶結模型結合起來，我們可以重新想像醫學。

例如，計算機可以通過影像、基因組、實驗室、健康史和其他數據來預測病人可能出現的藥物不良事件、中風或心臟病發作風險；分析構成單個患者疾病的數千個數據點，預測疾病軌跡，並進行針對性治療；使用複雜的分析方法來監測早產兒的心率，發現細微的變化，這可能預示著感染的發生；大數據的應用讓醫院可以自動生成圖形化量表和監測結果，讓醫護團隊能有更多的時間專註於病人的護理。

以上這些都不是未來的幻想，而是現實。

人工智慧+醫療技術成熟度曲線

從人工智慧+醫療企業的投融資數據可以看出來，這個領域已經開始蓬勃發展。早期的人工智慧初創公司主要負責基礎研究，搭建人工智慧學習平台進行演算法及演算法框架等。在研究成果出來不久，隨即被大公司收購。比如Deepmind和Wit.ai。

第二波的人工智慧企業負責技術層面的研究，在語音識別、圖像識別等領域提升準確度。第三波的人工智慧企業，則開始在各領域的應用層面推出產品。

而人工智慧+醫療企業的蓬勃發展，也正是說明了人工智慧的商業化應用正在逐漸接近成功。但是人工智慧+醫療還有多種應用模式，不同細分領域的發展情況也有很大的差別。

那麼，這些細分領域之間的市場應用區別有多大？技術成熟度如何？動脈網蛋殼研究院嘗試用Hype Cycles技術成熟度曲線來衡量。

在IT技術領域，有一張著名的技術成熟度曲線圖來衡量新興IT技術的成熟度，幫助專業人士做出未雨綢繆的選擇。曲線圖上從技術的萌芽期、狂熱期、破滅期、復甦期到成熟期共分為5個階段，再加上公眾對技術的期望值這兩個坐標來定位新技術在曲線上的位置。

Gartner公布的2017年技術成熟度曲線

1.Innovation Trigger（技術萌芽推動期）：當新技術的誕生，隨著業界和媒體的關注，無論是大眾或者業內人士對技術的期望值越來越高。在這個階段用戶的需求和產品往往並不成熟，但卻會有大量的資金進入。

2.Peak of Inflated Expectations（過高期望的峰值期）：公眾的期望值達到頂峰，有少量用戶開始採用該項技術。

3.Trough of Disillusionment（泡沫化的谷底期）：過高的期望值和產品成熟度之間存在鴻溝，公眾的期望值下降，出現負面評價。

4.Slope of Enlightenment（穩步爬升的光明期）：廠商和相關技術供應商不斷完善自己的產品，加上用戶需求的明確，產品在設計和使用場景上趨於成熟，最佳實踐開始湧現。

5.Plateau of Productivity（產業化的平穩期）：新技術產生的利益和潛力被市場所認可，開始出現產品間的價格競爭。

在2017年，Gartner公布的技術成熟度曲線圖中，和人工智慧相關的技術非常多。自動駕駛、機器學習、深度學習、虛擬助理、智能機器人和增強數據挖掘等早期基礎研究已經成熟，毫無疑問地處於狂熱期最頂點的前後。

通用人工智慧、神經形態硬體、深度強化學習、量子計算、腦機介面等新興人工智慧技術正處於快速上升期。

動脈網蛋殼研究院嘗試用我們自己的方法論，來客觀描述人工智慧+醫療各細分領域的發展狀況。技術成熟度判斷的相關計算指標如下：

1）該細分領域企業的平均融資額。

2）該細分領域的企業數量。

3）該細分領域的行業分散度。

4）該細分領域商用的醫院數量。

最後，我們通過自己的分析，列出了如下的人工智慧+醫療技術成熟度分布。

蛋殼研究院製作的2017年人工智慧+醫療技術成熟度曲線

目前企業數量最多的醫療影像和平均融資額最高的病歷/文獻分析類企業排在成熟度的第一位和第二位。

那麼成熟度第一的醫療影像和病歷/文獻分析類應該位於曲線上的那個位置？蛋殼研究院這樣思考。

第一，蛋殼研究院在前面統計過人工智慧醫療企業的合作醫院數量和目前的產品臨床應用情況。從醫療影像類的企業入駐醫院數量來看，目前國內科研能力較強，醫療水平靠前的大型醫院幾乎都已經和企業開始了相關的臨床實驗。首批種子用戶活躍度已經達到了頂峰。

第二，相關領域的大規模媒體報道大約出現在2015～2017年，目前在一個平穩的高峰期。

第三，同時涉足醫療影像和病歷/文獻分析的人工智慧標杆企業IBM Watson，和MD安德森醫院分手的負面報道開始在2017年出現，質疑人工智慧在醫療上的發揮作用。但是，其他的負面報告並不多見。

所以，我們認為醫療影像在曲線上的位置應該在頂峰期往下一點。投資者和創業者也應該謹慎，在人工智慧+醫療影像行業目前初創企業扎堆的情況下，如何獲得生存空間是值得思考的問題。

這個領域演算法和技術已經成熟，企業的瓶頸在於如何獲取足夠豐富的醫療影像數據，如何完成準確的標註，以及如何獲取收益。

而其他類型的人工智慧+醫療企業，都還大部分處於技術萌芽之後的快速上升期。排名最後的疾病篩查和預測，因為難度最大，演算法最複雜、需要數據最多。

報告中所舉例的案例，也大部分還在大學、研究機構的研究階段，所以位列最後也符合其市場表現。

但是，無論技術發展到哪個階段，都有相關的佼佼者脫穎而出。融資仍然是一家公司成功的重要因素，我們分析了一下每個領域融資靠前的企業，最後總結了一些經驗。

第一，我們關注的絕大部分是醫療垂直領域的企業，但是擁有更深入的基礎層和技術層的研究，更容易獲得成功。比如在圖像識別、語音、語義識別方面的技術功底夠深厚，是人工智慧的技術提供方。

第二，創新能力足夠強的企業，屬於行業的挑戰者，或者創造了新的需求，屬於「創新者」一類。

第三，更關注價值鏈的上游，在技術和產品成熟後，替代現有解決方案。

第四，除了數據量之外，收集和處理現有企業沒有的新數據流，建立行業壁壘。

獲取完整報告的方式：長按識別下文二維碼，成為動脈網正式會員，即可獲得《2017醫療大數據和人工智慧產業報告》完整電子版。

文|蛋殼研究院

後台發送關鍵詞即可獲得相關好文

網站、公眾號等轉載請聯繫授權

近期推薦

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。文中出現的採訪數據均由受訪者提供並確認。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 動脈vcbeat 的精彩文章: