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。