舌战医疗AI的争议与误区壁垒低赚钱难不安

AI的应用如火如荼，在医疗领域也是如此。

一方面，以推想科技、汇医慧影、图玛深维等为代表的垂直领域创业公司频获融资。数据显示，自2013年到2017年，整个AI医疗行业共获得241笔国内融资。

另一方面，互联巨头的动作变得越来越明显。百度推出对话式医疗辅助诊断应用“百度医疗大脑”，阿里健康和腾讯先后发布AI医学影像产品 “Doctor You”和“觅影”等等。

传统医疗上市公司也在布局。就在3月底，上市公司乐普医疗还发布了AI心电图自动分析和诊断系统，并获得美国FDA的注册受理。

然而，包括专业的投资人在内，人们对于医疗AI的争议与误区也普遍存在。比如，壁垒低、赚钱难、不安全、AI将替代医生等等。

4月20日，在“第二届中国医疗健康产业投资50人论坛年会”上，北极光创投创始人H50轮值主席邓锋、红杉资本中国基金合伙人周逵、老鹰基金合伙人H50理事唐传龙、众信基金创始合伙人H50理事徐晓阳、推想科技创始人兼CEO陈宽等人集中讨论了这些问题。

议一：壁垒低？

北极光创投创始人邓锋：

推想科技是中国首家用人工智能来做X光、CT这些影像处理的，进展也很快。后来我发现又出来一家，也很好。再后来，又出来一家。再再后来，出来3家、5家，一堆的，大家进展都很快。

我心里就开始打鼓了：如果新出一个团队，几个人干3月下来就跟你的数据差不多，这个领域的壁垒到底有多高？

推想科技创始人兼CEO陈宽：

所谓风口行业，特别是大量资本追捧的风口行业，它的技术差距一般来说不会超过2个月。但是医疗AI基本上是，我们的医疗AI一年半之前可用，到现在已经进了80家医院，对手们的一些可用医疗AI也开始逐渐出现。

也就是说，医疗AI领域虽属风口，但技术和产品的壁垒是差不多一年多的时间。

这里涉及到一个很重要的区别——对于人工智能和深度学习而言，它的一个小数据集的准确率和真正可以被大范围使用时的稳定性。

很多时候，我们可能看到市场上宣传说：（某公司）跑一个小数据集，比如1000例（该公司觉得此数据集很大），准确率达到95%。但这个产品到实际临床应用的时候，可能连一个大的肿瘤块都识别不出来，就会有巨大的风险。

红杉资本中国基金合伙人周逵：

我们没有投资推想科技的种子轮，但是A轮投了。第一次，我们想：你的同行太多了，肯定不会赢。第二次，我们觉得你可能是对的，这说明别人也看好你看好的事情。就像美团冲出来的时候，后来有4000个对手冲出来，说明大家都给美团做这件事投了一个赞成票。

争议二：难赚钱？

北极光创投创始人邓锋：

医疗AI是一个B2B的生意。公司最后怎么分这个钱？是医院给你，还是什么样？医疗AI是不是变成了医院系统软件里的一个附加功能，还是说能找到一些新的收钱模式？

推想科技创始人兼CEO陈宽：

商业模式确实也是一个特别大的问题，基本上每轮融资都在花大量的时间验证。

首先，在医院里，除药品采购以外，最大的投入是在影像设备的采购上。也就是说，医院本身就是有预算在影像上的，只要它确实能解决临床的问题，提升医生的准确率和效率。当然，从招标、采购到最后钱打进来，医院的采购流程比较长，但不能说医疗AI的商业模式有问题。

其次，AI技术可以大量释放产能，这也是一个可以变现的空间。

最后，我们说深度学习、人工智能在中国比较适合落地，因为有大量的数据。事实上，这个产品在全世界范围内，都可以形成很好的销售——用中国的技术和数据，去做全世界的生意。

红杉资本中国基金合伙人周逵：

商业模式我觉得很难回答。既然大家都看不清楚，说明他们还有机会嘛。它和竞争壁垒这两个问题，都是既可以say no，也可以say yes，为什么不去say yes呢？而且，从大方向来看，我们认为医疗AI是say yes的。

老鹰基金合伙人唐传龙：

AI用在医疗上，的确振奋人心。但从投资的角度来看，我们关注的是它最后的市场化运用。真正能用它看病，就会产生自卑心理、为难情绪肯定还有很多路要走，包括CFDA论证和患者接受的问题。

我们喜欢投短期内可以快速商业化的医疗AI公司。比如AI在另一个医疗细分领域——新药研发上的运用，

可能更快商业化。它在“老药新用”（把老的药用在一些新的疾病上）和罕见病上，取得了很大的成果，而且马上可以商业化。我们投了一家类似这样的公司，有很多客户和他合作，拿到了很多订单。

众信基金创始合伙人徐晓阳：

我也见过很多和医疗健康大数据相关的创业公司。说心里话，在目前的这种环境下，要获得有价值的信息、数据，很困难。要通过各种各样的办法，包括科室建设、医生再教育、和一些硬件厂商的合作、对医院软件系统数据库的重新构建等。

我们也看到，像CEC（中国电子信息产业集团）、神州医疗、浪潮这几支健康大数据国家队也建起来了。

我觉得民间队很肯定会跑在前面，他们在数据、算法、计算能力等底层方面的自我迭代的能力很强，可能再过几年看到的情况和我们现在看到的情况会差异很大很大，但是路确实很长。

北极光创投创始人邓锋：其实医疗AI在大数据上还有一个很快起来的变现，就是来自保险公司。

争议三：不安全？

老鹰基金合伙人唐传龙：高质量的数据如何获取和标注、并保障安全？

推想科技创始人兼CEO陈宽：这一轮人工智能的爆发背后，其实是数据的爆发。

中国医疗行业自从应用SaaS实现信息化之后，就开始进行数据的沉淀和积累。到今天，大部分大医院有10年左右的数据沉淀，这些就是医疗AI核心的数据来源。

我们落地时会挑大型三甲医院合作，就是因为最优质、最大量的数据沉淀在这些医院。虽然很难进去，但只有这种类型的医院才能真正帮助AI做出一个好的模型。除了原始数据，医疗AI也需要经过人为对数据进行清洗和标注。也只有最顶级的三甲医院的医生，有足够好的能力去做数据标注。这是一个很好的正循环。

数据标注一开始肯定由人完成，随着AI逐渐变好，可能需要人标注的百分比越来越少，数据标注的速度也能逐渐提升。

我们所有接触的数据都必须完全脱敏，而且不会有任何的数据出境，这是我们能保证的最起码的数据安全。其次，在医院使用的时候，我们的医疗AI不会影响到它整个的信息系统。可能这样才是一个真正可以被大量使用的、安全的AI。

三大误区：不精确？解决疑难杂症？替代医生？

众信基金徐晓阳：

我们也投了一个帮助IBM沃森在中国落地的项目。不过，关于医疗人工智能，社会上存在很多误区。

1、有人抱怨AI识别不够精确。上个月，FDA刚批准了一个糖（糖尿病视膜病变）筛查的医疗AI产品，它的识别准确率也不能说是100%。实际上，人肉眼识别也不敢说是100%，难道病人就不看病了吗？

2、大家一说医学人工智能，就想到可能是一些医生解决不了的疑难杂症。

我们要承认中国的医生（包括综合医院和专科医院），即便都是在三甲医院，水平差距也非常大，更不要说基层医生了。能够把繁杂的事情交给机器来做，实际上是解放了他们。

尤其医疗AI还可以让一些年轻的基层医生，在很短的时间里成为“老司机”，这个贡献也是很大的。医疗AI不能说超越了所有医生的平均水平，但最起码达到了基层医生的平均水平，因为它是被专家驯化出来的。

3、有些医生认为，“AI这个东西要把我替代了”。实际上，它是给医生提供了更好的手段，帮他解决问题。医生利用这些手段，可以更标准、规范化诊疗，对他是一种意见的矫正。