最近聊天不说人工智能基本落伍，我们天天看项目，基本前半段说医疗改革，接着聊大数据，最后收尾必然变成谈人工智能。但实际上，人工智能是很古老的事，中科院搞人工智能搞四十年了。以前不敢说自己搞人工智能，三十年前说搞人工智能找不到工作，后来改说做复杂系统。人工智能的走红，Google阿尔法狗起到很大的作用。深度学习、深度神经网络也是近期开始成为媒体热门话题。

最近聊天不说人工智能基本落伍，我们天天看项目，基本前半段说医疗改革，接着聊大数据，最后收尾必然变成谈人工智能。但实际上，人工智能是很古老的事，中科院搞人工智能搞四十年了。以前不敢说自己搞人工智能，三十年前说搞人工智能找不到工作，后来改说做复杂系统。人工智能的走红，Google阿尔法狗起到很大的作用。 深度学习、深度神经网络也是近期开始成为媒体热门话题。

AI的应用的场景，随着近年的发展，在不同细分领域都有落地的部分，如金融科技、手术机器人、人脸识别、医疗服务机器人等。从图右看全球AI在精准营销、医疗健康、BI投资最集中的，原因有三：有数据源、后续能发展成为闭环、存在大幅度的增长的可能性。

从医疗行业与人工智能结合来说，可以从过去和现在、未来的时间维度对比来看，过去我们根据医生提供产品来看病看， 现在的患者需求是体现个性化服务，实时性和导向性要求比较高。在目前医疗资源供不应求的背景下，医生压力非常大，用人工智能进一步提高医疗的精准率，对减轻医疗的负担有很大的帮助。在过去几年随着算法的进步和数据储存成本大幅度的下降，人工智能变得可行， 未来在好的模型驱动下人工智能可以贴近现实应用，让医生实实在在得到有效帮助。

结合国科嘉和过往在这个领域经验，和大家分享一下AI+医疗的代表应用场景和代表企业， 第一是AI教学，比如教学过程中像医科大学做心脏结构教学，可以用AI、VR技术提供服务； 第二是指研究方面，在美国研究公司已经跑出来进行药物筛选基本布局，帮助药厂人员降低研发成本，这部分本身很有价值，在对市场大小上业内有不同看法； 第三是终身护理，这部分也是现在多个创业企业在做的，离实际应用比较近，包括在机器上用人工智能，做服务机器人，特别是在康复机器人和医学学科特殊场景这部分进展非常快； 第四是治疗方面，比如我们投资的连心医疗，IBM的沃森，比人精准的识别能力，特别是在城乡差异化很大，分级诊疗并不很完备情况下，能对二三线城市的医疗起到明显作用； 第五是健康管理，还搭配可穿戴设备对接慢病管理，比如脑卒中康复有一些布局； 第六是早期分析。

医疗AI应用和大数据应用也是经过几个大的波浪，从目前情况来看，我们把它分成三层：应用层、技术层、基础层。从我们现在看的来讲基础层架构是全球化，像IBM等其他主要的玩家都是大的布局，这一部分介入或者我们创业者、投入来讲并不多，原因是巨头集中在这里，把门槛拉的很高，通用级的平台一般门槛比较高；第二是技术层，例如大家经常看到的深度学习、自然语言处理、语音语义理解，更主要的是在医疗行业本身能够形成壁垒，尽管这个壁垒是强壁垒还是弱壁垒可以进一步探讨，但毫无疑问这是机会。

从我们来看 应用层是今年、明年、后年未来很大的发展方向，在每个场景垂直细分的领域，有一些冒出新公司容易的地方。从医疗辅助机器人一直到虚拟助手、工作流程优化、甚至搜索医疗保险、反欺诈这个部分在中国不下十家公司都在进行布局，这一块形成很多细分的跑道，我们认为都有机会。

我们下面看一下在整个医疗跑道布置的巨头公司，大家看大的布局，不太建议一般的创新公司参与，全世界巨头的公司瓜分，IBM、Google、百度、Microsoft，门槛很高。 全球创业公司的分布大概分如下几类：

以病患数据与风险分析为例，这是现在最多的企业聚集的领域，因为病患数据长期有效，而且经过不断积累会越来越大，但这个领域存在一个大的问题，从我们看来， 病患数据和风险分析这一块数据源是最根本的问题。现在很多企业说我有数据源，但仔细细分有很大的问题，原因在于数据本身来讲是不是结构化数据，即便在美国病历结构化也不是很高。在国内各个科室虽然一直提倡标准化，但实际上很难统一的，另外还存在的问题是数据拿来的合法性，坦率里讲没有很好的办法解决医疗数据的合法性，尽管网信办出了一些文件，在实际上数据的稳定性、合法性是重要的因素。其他领域由于时间关系不展开多讲。

回到国内，讲一讲国内跑到前面的所有公司，医疗大数据比如连心医疗，连心医疗是我们去年投资，在医疗影像学、放射规划跑的比较快，其他创业企业各有各的优势。机构信息化方面包括趣医网、腾龙数据等。医学影像类几大公司本身也并购国内的一些企业，过去一年大概看医疗影像学领域跟医疗影像学数据包括三维建模不下20个，但是做的好比较少见，在技术上有一定的门槛。其他有医药研发类、健康管理、基因测序。

基因测序比如华大基因已经上市了，大家可以看到：干的苦活基本封闭了，没有太多机会，现在在云端，基于大数据的应用，比如基因数据的图谱加工是投资机构关注的比较多的领域，例如碳云科技，估值已经40、50亿。整体来讲基础设施上的创业空间已经很少， 后续的基因数据分析、基因编辑、下一步针对癌症治疗，在今年到明年都是投资热点。

我们认为 后续的AI+医疗领域的投资机会，重点关注的地方：

第一是医疗影像。数据源产生非常重要，如果没有TB量数据的话，人工智能都不行，没有足够的标签谈何人工智能，接着还要找标杆，没有100个顶级医生做样本的对比、对照，其实不能形成公司。判断一个创业公司在这个跑道行不行，看里边医学人员有没有，数据有没有。识别技术已经比较成熟，核心问题在于打标记后边算法和建模。

第二辅助医疗现在机会比较大。

第三药物挖掘，原来我们10年前药物上有个“双十”-十年十亿美元一个药物。现在新药研发投入还是越来越高，10亿美元不够了，这个情况下医疗大数据包括药库、化学库等可以大幅度降低前端的投入。

第四健康管理也是势在必行，现在很分散最主要的非结构化数据，传统健康管理不成熟，后续包括诊疗、包括健康小屋形成分级诊疗，和大医院挂钩容易形成闭环。

国科嘉和是中国科学院直属的基金，在对投资核心要素的要求上跟我们的偏好有关系。 我们偏好技术，我们不擅长模式型创业公司。我们 第一关注数据源，没有大量数据源和标签的话很难； 第二关注计算能力，算法和计算成本是我们关注的要素，这些关联起来可以知道公司建多大核； 第三个框架和算法，任何技术不可能从石头缝蹦出来，一定有积累，但是在框架和算法一定在医学、在医院里边出。如何真正理解应用场景，需要与技术方面的专家结合，原来单一计算或者单一的规划很难驾驭现在复杂的医学应用。

在人工智能+医疗这一领域我认为会出很多世界级的项目和大的独角兽企业，人工智能最容易突破现有布局。国科嘉和基金倾向于投资工程类技术和应用类技术，我们很有信心，我们利用应用层牵引，利用未来三到五年积累，希望建立个大系统。同时在应用层，以应用层为主反向拉动创意。我们也看重生态圈的结合， 整个生态圈才是人工智能+医疗最终的方向。