作者丨天一
在中国，医疗健康已成为人工智能落地商业化的前沿阵地之一。2018年，中国资本市场遭遇新一轮寒冬的围追堵截，但医学人工智能领域却未见寒意，智能影像甚至创造出1.2亿单笔融资额的最高记录。
特殊背景下，我国医学人工智能产业有着怎样的投资逻辑，AI在医学领域的应用还有哪些机会，创业者又该如何突围？11月8日-9日，2018国际（亚洲）医学人工智能大会在杭州白马湖建国饭店成功举办。本届大会是AIMed首次在亚洲举行，旨在促进医学人工智能领域的相互交流与交叉合作，为产学研用多方协同、多元合作提供“世界级方案”。
作为人工智能在医药和医疗保健领域应用的国际一流会议之一，AIMed是唯一由临床医生+数据科学家组织的专业会议，迄今已在美国成功举办3届。本届大会中，政府部门、公共卫生组织、医疗机构、科研院校金融等相关领域专家纷纷出席，美国、日本、韩国、印度等国家和地区超100名外宾也纷纷远道而来。
在大会医学人工智能产业投资论坛中，以《医学人工智能产业投资趋势与投资逻辑》为主题的圆桌会议，从市场需求和投资机构的视角切入，为创业者点路。该圆桌会议由贝壳社CEO、创始人范志强主持，星未来资本总裁管涛、浙江大学医学院附属儿童医院眼科主任陆斌、浙江大学医学院附属儿童医院神经内科主任高峰三位嘉宾参与讨论，分享经验。
范志强:在陆斌主任的眼科领域和高峰主任的神经内科领域，存在哪些AI的应用机会？
陆斌：在我的理解里，人工智能主要是图像处理和数据处理系统。目前，在成人糖尿病领域，通过血管设备系统判断糖尿病的严重程度、分级治疗等做的比较好。儿童医院的早产儿视网膜病变，由于病变的范围，病变涉及的血管瘀曲度等，诊断标准也是按图像处理再进行。这方面也是我想去突破的，不过目前国内还没有听说过。临床工作中，医生也面临非常大的问题。前几天在厦门，7位医生按照国家诊断标准和美国诊断标准读一个片子，结果有六个不同的答案。临床工作有时也一样，每张图片都是不同的诊断结果，疾病的分析也不一定准确。相对而言，AI客观因素会更多，可以更准确得去判断。
高峰：其实医学临床都多少与AI有关，神经科诊断领域，尤其是片子相关的磁共振和CT等人工智能图片，国内外都比较成熟了。癫痫是小儿神经科最常见的疾病，临床发作表现结合脑电图的分析方式，占用脑电图技术人员和医生太多时间。脑电图最少有16导导联，癫痫发作类型又有十几种，即使AI去完成，难度也肯定要比参数相对较少的片子高。但人工智能肯定会慢慢往这方面发展，去代替一些工作。
范志强：目前AI读片准确度优于医生，两位主任觉得AI会取代医生吗？AI和医生应该如何相处？
陆斌：取代医生还是有点困难的。比如在读糖尿病片或早产儿病片时，万一设定错误，不同的毛病还按照原来程序，那完全是方向性错误。而且随着对疾病的观察和进一步认识，医生的分析也会有改变，所以很多程序还需要医生修正。不过AI学习曲线和计算速度都非常快，相对培养一个普通基层医生来说，AI可能更快。
高峰：人工智能也许会替代很多，但医生应该是最后一个被替代的。即使读片，也是医生教机器读片，因为疾病是一个认识的过程，诊断的标准不停在变，癫痫的诊断标准就是2014年、2016年、2018年都有新版出来。在更新过程中，还是需要临床医生去教机器，AI自我调整可能还是有一定难度。
范志强：目前医学AI在影像识别上非常火热，所以接下来请教管总，医学人工智能除了影像技术以外，还有哪些领域比较热？
管涛：其实每个新技术到来都会经历低谷、高峰、回落的阶段。现在人工智能在医疗的应用有点像3-4年前的移动医疗，开始都非常关注，最后还是回落下来。当然任何一波潮流都有它的价值，移动医疗最终就有像微医集团那样的龙头公司。只是高峰过后，更多的企业都面临着商业化和落地的挑战，最后大多慢慢嵌入整个医疗体系，成为其中一个重要的功能体现。所以长期来看，人工智能能不能替代医生？我觉得是可以的，只是时间会很长，可能有生之年我是看不到的。医生短缺永远是一个很大的挑战，都说中国医生的培养很难，其实全世界医生的培养都很难。美国人工智能应用场景比中国更多，那是不是对医生的需求就变小？其实正好相反。上个月在美国，美国医生就告诉我，他们的医生需求依然很高，都在抱怨医疗资源和服务不够。
所以，这种需求不是简单的短期替换问题。医疗是一个复杂学科，即使是医生和专家，在很多未知的领域都还在探索。而影像大热正是由于其相对标准化，机器能够更快去学习。除了影像，其他复杂的、又能找到计算规律的领域，人工智能都可以应用。
人工智能到底能做什么事儿？对专业医生来说，人工智能的服务作用很小，毕竟90分的医生想做到95分很难，但将60分的医生提到70分，AI在整个体系的意义就很大。所以AI的作用在于，能够将不标准化的、争议大的、需要长时间训练的领域，拉到较高的水平。
很多时候，应用商业化下沉是人工智能企业的逻辑，但中国很多人工智企业更多的只是技术驱动，没有想清楚商业变现模式。人工智能最终的用户还是医生，如果专家愿意接受AI，利用AI来提升工作效率，去推动AI落地和发展，肯定是非常好的。
当然我今天不是代表复星，仅是聊聊个人的一些观点和看法。
范志强：很多AI公司开始都瞄准三甲医院市场，后又发现三甲医院好像并不太需要相关产品和服务，最后他们又跑去基层医院。对于这个现象，两位主任怎么看？
陆斌：AI训练曲线比较短，用人成本也相对较低，所以基层医院肯定更欢迎。但中国三级医院80%都是基层医院转上来的患者，医生同样疲于奔命，所以三甲医院依旧有非常大市场。不过我们现在对设备的方向性相对明确，存在争议的设备一般不会去投了。
高峰：企业能否盈利，还是要看产品是否适合医疗应用。我觉得AI开发团队，要跟临床医生密切接触，甚至可以在病房呆一段时间，去了解诊疗的真正需求。我觉得可以开发单病种的人工智能产品，如肺癌和多动症AI诊疗设备，然后面向2C市场去商业化。
范志强：医学AI项目热门领域扎堆严重，产品也没有拿到证，没有清晰的盈利模式，但估值都非常贵。作为投资人，管总怎么看？在资本寒冬时刻，还投不投，怎么投？
管涛：早期/天使/pre-A阶段，机构的投资逻辑一般是看行业方向、团队等，觉得不错，给钱让企业去验证模式、找方法；A轮/B轮往后，机构不一定看企业是否赚钱，而是上一阶段的验证结果，如果拿了投资人的钱，最后还是没有方向，这时再融资压力会变大；再往后，就是看过去融的钱，为公司建立了怎样的壁垒，为未来脱颖而出做了怎样的准备。也就是说，任何新科技驱动的企业，每一轮融资都该想清楚要做的事情有哪些。所以，AI医药领域的早期公司，如果所做的领域已经被此前试过的企业证伪，融钱就很难，除非企业能够解释自身能够成功的逻辑。此外，对于中间阶段创业者来说，有时候真的过了时间窗口，最后大部分投资人、行业资源都集中到一两家跑得相对快的公司，去支撑他们跑得更快。也就是说，创业者的融资节奏很重要。很容易在不同的节奏点选错策略。现在市场确实在变，但即使不变，融资节点和策略没有想清楚，面临的挑战依然严重。
