【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

在人工智能醫療不斷飛速發展的同時，人工智能醫療也在技術，監管，商業發展模式方面面臨著諸多問題，雖然現在資本對于人工智能的信任和投入的狀態，但現在的人工智能醫療行業還未具體成型。這些都將成為人工智能醫療行業得到進一步發展的限制。

巨頭爭相入局AI醫療領域

日前，“Chain”杯全球首場神經影像人工智能人機大賽全球總決賽在京落下帷幕。一邊是25位國內外神經影像領域的名醫專家，一邊是近半年學習了數萬份影像的國產人工智能系統“天醫智”。最終，人工智能(AI)選手以高出20%的正確率，戰勝了醫界神經系統疾病診斷的“最強大腦”。

近年來，國內外科技巨頭紛紛布局醫療人工智能。在國外的科技巨頭中，IBM在人工智能+ 醫療領域的布局最早也最深入，谷歌和微軟也有部分參與。譬如IBM Watson能夠快速篩選癌癥患者記錄，為醫生提供可供選擇的循證治療方案。

而國內企業如騰訊、阿里等，這方面行動雖晚于國外企業，但發展很快。以騰訊為例，去年11月，科技部公布首批國家人工智能開放創新平臺名單，明確指定騰訊為醫療影像平臺的建設者。今年7月，騰訊在廣東舉辦的醫學人工智能論壇上，正式發布“騰訊覓影”乳腺腫瘤篩查AI系統，首次在國內利用人工智能實現了乳腺腫瘤的良惡性判別，并能自動生成乳腺影像報告和數據系統(BI-RADS)分級報告。

早在2016年10月和2017年3月，百度和阿里云就相繼推出了各自的“醫療大腦”。近日，阿里巴巴聯合杭州建德市第一人民醫院推出AI電子病歷質檢系統，利用人工智能技術給病歷“挑錯”，推動電子病歷規范化，同樣受到關注。

極少數企業走進商業模式

醫療人工智能在經歷過火熱的發展之后，迎來了商業化的關鍵期。目前，雖然絕大多數醫療人工智能企業未實現盈利，且產品大多還在醫院進行試驗，但其通過不同的業務模式仍舊可以實現一定的付費收入。

綜合來看，目前在中國從事醫療人工智能相關業務的公司大致可以分為三類：創業公司、互聯網平臺、傳統醫療相關企業。實際上，由于三者所具備的優勢和劣勢不同，其商業模式也不盡相同。

從盈利模式看，醫療人工智能的商業模式多種多樣，比如與醫院進行合作提供醫院管理、輔助診療等服務，與保險公司合作提供附加服務，與體檢機構提供健康管理、用戶管理等服務。但是對于創業公司而言，這種商業模式目前最亟需解決的難題就是落地。

即使目前真正走進商業模式的企業并不多，但行業內相關資本方對醫療人工智能依舊充滿信心，這一信心具體體現在近幾年行業內的投融資熱潮中。根據統計，2013-2018年我國醫療人工智能行業融資規模總體上升。2018年前三季度，中國醫療人工智能領域共有39家企業披露完成融資，其中18家企業披露融資情況，投融資次數達到39次，融資金額合計為26.2億元。

數據孤島與標準化成發展難題

人工智能的核心是“數據”，因為需要依靠高質量的數據來進行訓練并優化算法，從而保證高精度，因此，數據也而被稱為是AI之核。

據2018年EMC(美國信息存儲資訊科技公司)和IDC(國際數據公司)共同發布的報告顯示，全球醫療保健數據量預計到2020年將達到2300EB。我國醫療數據更是可觀，中國的病例數、就診量在世界都是靠前的，然而這些龐大的病例數據就像一個個“孤島”，散落在各大醫院中，彼此并未打通，如何把全國數據互聯互通是目前的一個大問題。

另一個問題就是數據的標準化問題。國家食品安全評估中心主任盧江就曾表示，“即使讓數據互聯互通，也存在標準不統一的情況，由于病種分類編碼都沒有標準化，不同醫院間數據差別也很大。各個醫院設備不一樣，數據維度也不一樣。”因此高質量的數據直接拿來用的非常少見，需要花費更多的時間和算法，先將數據標準化、結構化才能使用。

目前有些公司所用的數據來自公開數據集，但公開數據與真實世界的臨床數據相比存在取樣上的偏差。還有一大弊端就是數據比較老舊，或圖像有殘缺。像影像診斷數據這種，即便采用臨床數據，還需要高年資醫生做標注。但由于沒有統一標準，人工標注的質量取決于標注醫生的年資經驗和責任心，這直接影像AI產品的診斷能力及準確性問題。

相關人員針對現發展狀態也表示，醫生是積極接受使用新技術來提升現在的治療效率，但是這些都需要建立在對人工智能的診斷正確性有保證的基礎上，如果使用人工智能技術對人才的要求也很高，那么技術的便利性也將難以實現。