舌戰醫療AI的爭議與誤區：壁壘低？賺錢難？不安全？替代醫生？

文/白開水

來源/創業家&大健康參考（ID：dajiankangcankao）

AI的應用如火如荼，在醫療領域也是如此。

一方面，以推想科技、匯醫慧影、圖瑪深維等為代表的垂直領域創業公司頻獲融資。數據顯示，自2013年到2017年，整個AI醫療行業共獲得241筆國內融資。

另一方面，互聯網巨頭的動作變得越來越明顯。百度推出對話式醫療輔助診斷應用「百度醫療大腦」，阿里健康和騰訊先後發布AI醫學影像產品 「Doctor You」和「覓影」等等。

傳統醫療上市公司也在布局。就在3月底，上市公司樂普醫療（股票代碼300003）還發布了AI心電圖自動分析和診斷系統，並獲得美國FDA的註冊受理。

然而，包括專業的投資人在內，人們對於醫療AI的爭議與誤區也普遍存在。比如，壁壘低、賺錢難、不安全、AI將替代醫生等等。

4月20日，在「第二屆中國醫療健康產業投資50人論壇年會」上，北極光創投創始人&H50輪值主席鄧鋒、紅杉資本中國基金合伙人周逵、老鷹基金合伙人&H50理事唐傳龍、眾信基金創始合伙人&H50理事徐曉陽、推想科技創始人兼CEO陳寬等人集中討論了這些問題。

以下為部分討論內容，創業家&大健康參考（ID:dajiankangcankao）做了編輯與整理：

爭議一：壁壘低？

北極光創投創始人鄧鋒：

推想科技是中國首家用人工智慧來做X光、CT這些影像處理的，進展也很快。後來我發現又出來一家，也很好。再後來，又出來一家。再再後來，出來3家、5家，一堆的，大家進展都很快。

我心裡就開始打鼓了：如果新出一個團隊，幾個人干3月下來就跟你的數據差不多，這個領域的壁壘到底有多高？

推想科技創始人兼CEO陳寬：

所謂風口行業，特別是大量資本追捧的風口行業，它的技術差距一般來說不會超過2個月。但是醫療AI基本上是，我們的醫療AI一年半之前可用，到現在已經進了80家醫院，對手們的一些可用醫療AI也開始逐漸出現。

也就是說，醫療AI領域雖屬風口，但技術和產品的壁壘是差不多一年多的時間。

這裡涉及到一個很重要的區別——對於人工智慧和深度學習而言，它的一個小數據集的準確率和真正可以被大範圍使用時的穩定性。

很多時候，我們可能看到市場上宣傳說：（某公司）跑一個小數據集，比如1000例（該公司覺得此數據集很大），準確率達到95%。但這個產品到實際臨床應用的時候，可能連一個大的腫瘤塊都識別不出來，就會有巨大的風險。

紅杉資本中國基金合伙人周逵：

我們沒有投資推想科技的種子輪，但是A輪投了。第一次，我們想：你的同行太多了，肯定不會贏。第二次，我們覺得你可能是對的，這說明別人也看好你看好的事情。就像美團衝出來的時候，後來有4000個對手衝出來，說明大家都給美團做這件事投了一個贊成票。

爭議二：難賺錢？

北極光創投創始人鄧鋒：

醫療AI是一個B2B的生意。公司最後怎麼分這個錢？是醫院給你，還是什麼樣？醫療AI是不是變成了醫院系統軟體里的一個附加功能，還是說能找到一些新的收錢模式？

推想科技創始人兼CEO陳寬：

商業模式確實也是一個特別大的問題，基本上每輪融資都在花大量的時間驗證。

首先，在醫院裡，除藥品採購以外，最大的投入是在影像設備的採購上。也就是說，醫院本身就是有預算在影像上的，只要它確實能解決臨床的問題，提升醫生的準確率和效率。當然，從招標、採購到最後錢打進來，醫院的採購流程比較長，但不能說醫療AI的商業模式有問題。

其次，AI技術可以大量釋放產能，這也是一個可以變現的空間。

最後，我們說深度學習、人工智慧在中國比較適合落地，因為有大量的數據。事實上，這個產品在全世界範圍內，都可以形成很好的銷售——用中國的技術和數據，去做全世界的生意。

紅杉資本中國基金合伙人周逵：

商業模式我覺得很難回答。既然大家都看不清楚，說明他們還有機會嘛。它和競爭壁壘這兩個問題，都是既可以say no，也可以say yes，為什麼不去say yes呢？而且，從大方向來看，我們認為醫療AI是say yes的。

老鷹基金合伙人唐傳龍：

AI用在醫療上，的確振奮人心。但從投資的角度來看，我們關注的是它最後的市場化運用。真正能用它看病，肯定還有很多路要走，包括CFDA論證和患者接受的問題。

我們喜歡投短期內可以快速商業化的醫療AI公司。比如AI在另一個醫療細分領域——新葯研發上的運用，可能更快商業化。它在「老葯新用」（把老的藥用在一些新的疾病上）和罕見病上，取得了很大的成果，而且馬上可以商業化。我們投了一家類似這樣的公司，有很多客戶和他合作，拿到了很多訂單。

眾信基金創始合伙人徐曉陽：

我也見過很多和醫療健康大數據相關的創業公司。說心裡話，在目前的這種環境下，要獲得有價值的信息、數據，很困難。要通過各種各樣的辦法，包括科室建設、醫生再教育、和一些硬體廠商的合作、對醫院軟體系統資料庫的重新構建等。

我們也看到，像CEC（中國電子信息產業集團）、神州醫療、浪潮這幾支健康大數據國家隊也建起來了。

我覺得民間隊很肯定會跑在前面，他們在數據、演算法、計算能力等底層方面的自我迭代的能力很強，可能再過幾年看到的情況和我們現在看到的情況會差異很大很大，但是路確實很長。

北極光創投創始人鄧鋒：其實醫療AI在大數據上還有一個很快起來的變現，就是來自保險公司。

爭議三：不安全？

老鷹基金合伙人唐傳龍：高質量的數據如何獲取和標註、並保障安全？

推想科技創始人兼CEO陳寬：這一輪人工智慧的爆發背後，其實是數據的爆發。

中國醫療行業自從應用SaaS實現信息化之後，就開始進行數據的沉澱和積累。到今天，大部分大醫院有10年左右的數據沉澱，這些就是醫療AI核心的數據來源。

我們落地時會挑大型三甲醫院合作，就是因為最優質、最大量的數據沉澱在這些醫院。雖然很難進去，但只有這種類型的醫院才能真正幫助AI做出一個好的模型。除了原始數據，醫療AI也需要經過人為對數據進行清洗和標註。也只有最頂級的三甲醫院的醫生，有足夠好的能力去做數據標註。這是一個很好的正循環。

數據標註一開始肯定由人完成，隨著AI逐漸變好，可能需要人標註的百分比越來越少，數據標註的速度也能逐漸提升。

我們所有接觸的數據都必須完全脫敏，而且不會有任何的數據出境，這是我們能保證的最起碼的數據安全。其次，在醫院使用的時候，我們的醫療AI不會影響到它整個的信息系統。可能這樣才是一個真正可以被大量使用的、安全的AI。

三大誤區：不精確？解決疑難雜症？替代醫生？

眾信基金徐曉陽：

我們也投了一個幫助IBM沃森在中國落地的項目。不過，關於醫療人工智慧，社會上存在很多誤區。

1、有人抱怨AI識別不夠精確。上個月，FDA剛批准了一個糖網（糖尿病視網膜病變）篩查的醫療AI產品，它的識別準確率也不能說是100%。實際上，人肉眼識別也不敢說是100%，難道病人就不看病了嗎？

2、大家一說醫學人工智慧，就想到可能是一些醫生解決不了的疑難雜症。

我們要承認中國的醫生（包括綜合醫院和專科醫院），即便都是在三甲醫院，水平差距也非常大，更不要說基層醫生了。能夠把繁雜的事情交給機器來做，實際上是解放了他們。

尤其醫療AI還可以讓一些年輕的基層醫生，在很短的時間裡成為「老司機」，這個貢獻也是很大的。醫療AI不能說超越了所有醫生的平均水平，但最起碼達到了基層醫生的平均水平，因為它是被專家馴化出來的。

3、有些醫生認為，「AI這個東西要把我替代了」。實際上，它是給醫生提供了更好的手段，幫他解決問題。醫生利用這些手段，可以更標準、規範化診療，對他是一種意見的矯正。

本文來自大健康參考，創業家系授權發布，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！