我们把整个大安康分红分5局部:医药/生物技术、医疗器械、医疗效劳、体外诊断和E-Health。
从整个大环境看,往年投医疗范畴炽热水平比去年高,特别是在药和E-Health范畴。据鲸准统计,在过来的5年间,AI+医疗的融资数量一路猛涨,2013年时分仅有16例,而到2018年上半年就曾经发作了79例。次要项目围绕虚拟助手、医疗机器人和医疗影像三大品种。
北极光最早在2014年规划了医药/生物技术范畴,这局部在整个安康医疗投资中占比最大。次要缘由在于资本和技术,如今资本市场加入工夫点比拟早而且被投项目估值都很高,这就招致机构更关注晚期项目。
另外,医药界如今呈现了很多世界级创新技术,研发新药的办法也在发作变化,比方CMO(Contract Manufacture Organization药品合同消费组织,CMO 企业次要承受制药公司的委托,为其提供消费工艺的开发和改良效劳,以及临床实验药物和商业化销售药物所用两头体、原料药、制剂的消费供给效劳)。
医疗器械范畴也有很多创新,根本是传统风投在投。不过,医疗器械比拟零散,企业的天花板能够比拟低,所以北极光在投器械时比拟慎重。
医疗效劳方面,在中国提出医改后,无论从医院管理、专科医院还是消费型效劳都存在相当多的时机。这个范畴更多的不是靠技术创新而是靠运营、效劳、品牌来决议的,PE有少量时机,北极光也有规划,不过该范畴留给风投的投资时机不像其它范畴那么多。
体外诊断有很大的市场,传统的也还有分级诊断的技术。比方跟基因组学相关、PCR(聚合酶链式反响,这是一种用于缩小扩增特定DNA片段的分子生物学技术,最大特点是能将微量的DNA大幅添加),还有新的蛋白组学等。
最近E-Health范畴在国际上讨论十分炽热,从纯的技术创新来说还是美国抢先一些,关于中国来说则刚刚起步,但后者开展速度很快。北极光对E-Health的前景十分看好,也很注重。关注人工智能+医疗诊断效劳是正确的方向,但这里有很多泡沫。
真正能成功的企业能够未必在于人工智能技术有多先进,由于如今各企业的技术差别并不大,特别是医疗影像处置范畴。跟E-Health相关的还有新型的传感器技术,安康人和病人的监护、数据的提取,在某种水平上这跟大数据、人工智能相关,这范畴里更多是硬件的时机。软硬件一体化,综合的处理方案、诊疗也算是E-Health相关的。
所以,关于人工智能来说,我们更看中的是其产品能否迅速落地、能否可以均衡各个节点的利益方。
在人工智能+医疗诊断效劳上,北极光投了如翼展、影领、Wision AI、Atman四个典型企业,在医疗大数据信息化范围中,投了太美、芯联达。由于无论是在诊断、制药、药物管理流程中,采集后的数据分裂较为严重,容易构成数据孤岛,对这些也没有做好构造化、数据清洗以及标准数据等任务,所以需求有专门的企业去做信息化处理方案。
政策下的智能/大数据+大安康
政策方面,目前是利好AI医疗开展的,尤其是审批方面,在最近的一两年有很多的改良,那些取得CNDA认证的医疗AI企业将辞别产品收费试用阶段,正式进入商业化,这极大地促进了整个行业开展。
国度层面的规划也在人工智能范畴给出很多新资金和政策。去年,工业和信息化部印发了《促进新一代人工智能产业开展三年举动方案(2018-2020年)》,其中在医疗影像辅佐诊断零碎范畴,特别指出要推进医学影像数据采集规范化与标准化,支持脑、肺、眼等典型疾病范畴的医学影像辅佐诊断技术研发,放慢医疗影像辅佐诊断零碎的产品化及临床辅佐使用。
人工智能可以协助中国在医生很缺乏的状况下,进步医治效率。我们并不以为人工智能可完全替代医生,在将来,人工智能更多地会扮演辅佐诊断的角色,其职责是帮医生更高效的把诊断质量进步。
在中国,人才一直是稀缺的,尤其是好的影像医师太缺乏了,对此国度制定了“千人方案”(海内高层次人才引进方案)和“万人方案”(国度高层次人才特殊支持方案),吸引一批人才回国。
AI+医疗 如何落地变现最关键
关于如今,技术如何落地变现是最关键成绩。从AI+医疗产业的开展趋向来看,我们以为将来会有5个方向的变化。
1、从往年起,影响产品落地速度将不时放慢,产品功能成熟度也会不时进步;
2、语音电子病历在医院的普及率会放慢,头部企业可以构成规模效应;
3、智能问诊的开展能够绝对晚期,但是对知识图谱的建立在将来将是很大的趋向,预问诊功用可以无效提升医失效率,临时看智能问诊有很大时机;
4、国度、产业和企业将共同推进安康大数据建立,将来AI在安康管理场景下使用水平会进一步进步;
5、药物研发投资的风险依然很高,AI药物研发企业短工夫内不会变现,但是一旦研发成功,就无机会成为医疗AI范畴里的独角兽。
全体来说,智能医疗E-Health可以触及到很多方面,比方虚拟助理(语音电子病历/智能问诊/智能导诊)、影像处置(病灶辨认与标注等)、辅佐诊疗(基因测序与检测预测)、疾病风险预测、安康管理、医院管理、药物研发等范畴。这些都是人工智能或大数据可触及到的。
需求留意的是,在AI+医疗的创业方向中,技术门槛能够并不是中心壁垒。在医疗范畴,基于概率剖析的关联推理无法判别疾病的因果关系。计算机的深度学习最次要特征是基于数据学习的概率剖析,其后果是可以停止无效的诊断和预测,因而目前的深度学习在影像疾病筛检诊断中表现出彩。
但疾病诊治是一个复杂静态的决策零碎,需求去了解不同要素与疾病的因果关系,才干够采取更无效的干涉完成疾病的医治。没有医学知识体系作为根底的深度学习数据剖析,只是将后果压在训练数据上,训练数据的样本量和团圆状况关于训练后果将发生直接影响。
外行业注册、准入、监管体系还在完善的同时,也呈现了一些新的成绩,比方高质量标注数据取得困难,这触及到中心的资源,即高质量医生的工夫和效率,很多状况下数据的规范比算法更难,由于需求好的数据好的规范。再比方人工智能辅佐诊断后果评价缺乏一致规范,使用需求与学界达成共识,同一张影像图,规范及答案是什么?由谁来定义?盲标还是非盲标?这都是需求思索的。
只靠人工智能去处理医疗影像成绩很无限,且近一年来,国家加大了对于互联网金融的管理力度,各种管理政策不断出台,不少业内人士对于互联网金融都保持着谨慎看好的态度,但是安方丹却保持了乐观的态度,她认为,互联网金融行业在当前是“风口上的大象”,本着网络面前人人平等的原则,提倡所有人共同协作,编写一部完整而完善的百科全书,让知识在一定的技术规则和文化脉络下得以不断组合和拓展。 技术正是这股风的原动力。商业及变现形式依然不是很明晰。
关注AI医疗初创团队5个方面
我以为,技术不是判别团队好坏的独一规范,产品落地才能及变现才能、平台潜力以及团队综合行业背景都很重要,另外,创业团队的产品要契合医疗途径,要能提供全体的处理方案。强的团队可以很敏锐的感到市场的变化、可以实时调整本人的步伐;海内市场离商业变现会更近,因而我们也关注能“走出去”的公司,我们已经投过一些团队,他们不只在中国外乡可以开展,也能走向海内。
说究竟,无论技术输入还是产品输入,我们也是无机会成为全球范围内高利润的公司的。依据我最近几年的察看,影像辅佐诊断的头部效应曾经十分分明,投资人对这个范畴的初创公司应该抱有慎重态度,毕竟临床价值才是最终影响公司估值的要素,看待那些地道蹭人工智能热度的项目,在停止估值的时分需求更感性。