走過元年，人工智能徹徹底底地火了。而作為行業中較為成熟的領域，醫療人工智能被認為是AI最先落地的部分。近日，火石創造發布了2017年醫療人工智能產業圖譜。

　　從1956年的達特矛斯會議提出“人工智能”的概念，到AlphaGo擊敗圍棋世界冠軍，人工智能的發展不過僅僅半個世紀的時間，期間都曾因遇到瓶頸而停滯不前。而如今，人工智能已經跨過了元年，計算平臺、海量數據以及機器學習等技術的助推力，把人工智能的發展推到了一個前所未有的速度等級。而醫療健康被認為是人工智能將率先落地的領域，尤其是醫學影像和基因組學等方面，已經出現了意想不到的成果。

　　數據是醫學人工智能的能源，如果沒有數據能源就像即使發明了汽車但沒有汽油一樣，是沒辦法跑動的。IDC曾預測，到2020年，全世界醫療數據總量將達到40萬億GB，是2010年的30倍。數據生成和共享的速度迅速增加，但目前仍有80%的數據為非結構化數據。

　　醫療人工智能在中國的機遇

　　醫學人工智能是解決醫療生產力的根本之道。在我國，人口老齡化、慢病高速增長、醫療資源供需嚴重失衡以及地域分配不均等問題，造就了對醫療人工智能的巨大需求;同時，我國人口基數大、產業組合豐富、人才儲備充分等特點，又給人工智能的發展提供了很好的基礎。

　　另一方面，近年來國家發布的80多條全國性政策以及多條醫療人工智能專項政策，都表明醫療人工智能的發展迎來政策利好。因此，中國已經成為了全球領先的AI研發中心，醫學人工智能在中國的發展面臨著非常好的機遇。

　　根據火石創造HSMAP系統的統計數據，目前，國內醫療人工智能相關企業多達139家，主要分布在北京、廣州以及長三角地區。

　　從時間的維度上來看，國內的醫療人工智能企業從2014年開始出現了一個增長的高峰，雖然相較于國外來說發展較晚，但是近三年來的增長非常迅速，創業公司層出不窮。

　　醫療人工智能產業鏈與企業圖譜

　　從大的產業鏈層面來看整個行業的業態，我們可以看到，整個產業鏈可以分為三個層次：基礎層、技術層與應用層。由于基礎算法和計算平臺、海量的數據來源還有機器學習、圖像識別的基礎技術的壁壘較高，往往需要較長期的高投入才能有高回報，因此科技巨頭往往偏向于布局底層，而創業公司則往往選擇在變現能力強、容易進入的輔助診斷、健康管理和藥物研發等應用層扎堆。

　　根據企業的分布情況，可以將產業鏈中的企業做一個劃分。按照治療前、治療期間以及治療后及康復階段，國內外的公司均可分成9個類別，其中語音交互、信息化管理等分類中的公司，它們發揮的作用可能會貫穿整個診療過程，詳見以下圖譜。

　　國外的公司分類略有不同，相較之下，國外將人工智能用于藥物挖掘的創業公司比例較高，對藥物研發產業來說，研發效率和成功率的提升非常重要，用研發投入去計算市場容量其實可以發現，這部分的市場容量是更大的。

　　醫療人工智能領域投融資情況

　　根據火石創造HSMAP的數據統計，國內目前為止已有公開披露的融資事件有93筆，其中有57筆明確公布了融資金額。從時間上來看，2014-2016年融資數量有了明顯的上升，而且增長速度很快，資本的活躍度逐年走高。

　　而不管是國內還是國外，從融資輪次的集中度上來看，都可以明顯看到，大部分的融資事件都發生在種子輪、天使輪以及A輪這樣的早期風險投資階段，這表明行業內的公司大多還處在初創階段，整個行業呈現出年輕化、集中度低的態勢，尚未出現明顯的獨角獸或者壟斷。

　　國內外投融資輪次及時間分布熱力圖

　　從融資額度的角度來看，更是可以看出非常明顯的增長趨勢，僅國內來說，千萬級和億級的融資事件占到了65%以上，國外的大部分融資也都分布在早期階段。

　　在國內各細分領域中，輔助診療融資金額高居第一，達到20億;接下來分別是語音交互的13億，還有醫學影像和健康管理不分伯仲的11億。

　　從投融資的情況來看，我們可以看到幾點：

　　1、全球人工智能發展同步性高，大部分企業處于早期階段;

　　2、行業尚無明顯獨角獸出現，創業公司機會很大，但同時競爭也會很激烈，應避開與大公司直接競爭，而找到核心的競爭力;

　　3、行業潛力相當巨大，資本也毫不吝嗇。

　　醫學人工智能產業發展趨勢

　　治療前階段

　　臨床治療前涵蓋了輔助診斷、醫學影像診斷、虛擬助手等領域的公司。目前，這部分是AI發展比較成熟的部分，比如影像輔助診斷如果與病理分析相結合，準確率可以高達99.5%，并且大大緩解放射醫生的工作強度。

　　從投資情況來看，這部分的公司是目前資本最活躍的部分的，市場規模預計可以達到萬億，創業公司的活躍度相當高。

　　治療階段

　　藥物研發、智能醫療機器人都是這個階段的應用形式，從全球的情況來看，AI輔助藥物研發的公司比例相對較高，在研發周期長、投入大、失敗率高等為特點的藥物研發現狀影響下，產業發展的需求量大，可達到千億級的市場。

　　目前醫療機器人全球做的最好的是達芬奇機器人，國內也有部分初創公司在做這部分工作。AI結合醫療機器人的市場前景其實被廣泛看好，在未來將是高速增長的一部分。

　　治療后及康復階段

　　人工智能在這一階段的應用有著覆蓋范圍廣、應用場景多等特點，涉及健康管理、可穿戴設備、風險預測、信息化和數據管理等，有很大一部分都是消費級的產品，在未來可能會是增長規模最大的部分。

　　醫學人工智能本身就是跨界融合的領域，將醫學、生物學與IT等充分結合在一起。因此，科技巨頭們也都在紛紛跨界醫學人工智能領域。

　　目前，包括BAT在內，國內共有8家新三板以及上市公司布局醫療人工智能領域。有數據顯示全球總共有1800多家全行業人工智能的企業，其中基礎平臺公司與應用公司的比例大概是1:10000。

　　從上圖的微笑曲線可以看到人工智能產業鏈的本質，即數據交易市場的完善與分析算法的趨同，使得這兩個領域附加價值不斷降低;而數據的供給側與最后的解決方案則會成為附加價值的最高處。

　　人工智能發展中存在的問題

　　正如上文中所說，在大量的醫療數據中，有80%是非結構化的數據，它們藏在醫院的病例資料里，藏在海量的影像片子里，大部分都無法被獲得，也無法被計算機識別和處理。

　　因此，如何能高效地將非結構化的數據轉化成機器可以識別的結構化數據?如何打破數據壁壘和信息孤島，使得優質的數據來源能真正為醫學人工智能的發展服務，都是亟待解決的問題。

　　另外，在臨床診療過程中，人工智能如果真的能取代醫生進行決策，萬一0.1%概率的醫療差錯出現，醫療責任主體又該如何確定?行業的發展又該如何解決監管的問題?

　　如果這些問題不在發展的過程中同步解決，將會制約產業本身的發展。