亿欧智库研究院院长由天宇：AI非常性感，将推动“传统的”医疗变革

2017年8月25日，亿欧在北京双井富力万丽酒店举办“破壁·融合 2017中国大健康 产业升级 峰会”，围绕大健康产业的四大升级，与诸多医疗行业领袖、从业人士和行业关注者一同探讨如何用新技术、新理念赋能大健康行业。

亿欧智库研究院院长由天宇做“人工智能+医疗”的主题演讲，以下为演讲实录：

各位大家下午好！

现在大家看视频的时候都有中插广告，亿欧作为主办方也来一个中插广告，给大家分享一下我们的思考和成果。

介绍一下我自己和我们体系。

今天大会是由亿欧主办，亿欧除了为大家提供这样的线下平台，我们今年也开始做亿欧智库，希望推动科技与产业结合，在不同领域做出很多成果。今天发布的报告是 跟医疗产业结合的 第一份研究成果，定位就是AI与医疗。

当然大家会说AI这个词非常性感 ，从专业领域已经完全蔓延到了大众领域， 而“医疗”这个词很传统、很落后。我并不是医疗领域的，我的背景是互联网公司和咨询公司。但是我和医院有渊源，我家里都是医生，我家的房子离医院妇产科20米，从小在医院长大。但是家里不让我学医，他们告诉我学医太痛苦了，十几岁就开始闻福尔马林的味道，太痛苦了。

我们通过科技研究人工智能和医疗行业有什么结合。 看两个数字，过去两年医疗人工智能标签下的投融资总结。很明显企业集中成立在2014、2015、2016年，尤其2014、2015年。2014年在一定技术成熟度之后，公司已经意识到这样的技术能够为这个行业带来很多的变化和可能性，所以涌现出很多公司。

融资数字看，过去两三年的数字是167亿元。这个额度真的不算高，现在一个大的IPO都比这个高。但是 在短短两年内一大拨新公司出来，能够有这么多融资，已经反应出这个行业在冒尖了，并且有机会在未来做出一些动作 。

我们这次研究报告的名称是《人工智能赋能医疗产业》 。我们认为新一轮技术会注入医疗领域，让医疗行业产生一定变革。说长确实挺长的，我们花两三个月时间调研追踪二三十家行业公司。这份报告有一百三十多页，我今天不会都讲，我会把我们的观点在这里分享。等会儿会告诉大家如何获取 完整版报告 。

今天我将从四个方面分享，AI加医疗是什么？为什么？哪些公司做什么样的事？第四，谈一些简单趋势和方向。

是什么？

刚才好几位嘉宾都在谈是什么。我们拆成三个部分，AI+医疗，我们综合理解是机器学习加数据挖掘为基础的，包括图象、声音为总体技术包。医疗我们的理解也是大医疗概念，包括保险、相关产业在内的大医疗。 最重要这个+，我们认为是赋能。第一是降增效，降低很多环节成本，增强很多环节的运转效率。第二某些医疗环节我们认为会带来产业变化。

为什么需要AI？

刚才我们平安的蒋总（平安好医生VP蒋越）、推想的陈总（推想科技创始人陈宽）都提到一些特征，这块稍微做一个总结，做一个我的理解。 我认为这四个关健词是结构、效率、错误、成本。

结构其实对应更多的是供求关系。 我们医生数量肯定总体上看起来不少，因为是好医生资源比较少，某些科室，比如影象科好医生很少，结构性供求非常突出，资源不足。

第二是效率。 北京这样城市大家去三甲医院看病需要花很长时间排队，只能和医生沟通一到三分钟时间，再去做检查、再去找医生，看一个很简单疾病需要前后花费两到三天，每天花费好几个小时。这个效率很低下。患者觉得很不爽，我浪费很长的时间，但并没有充分解决我的问题。

第三个是错误，误诊和错诊。 我小时候在我成长的医院见到太多医闹事件，每个季度有一两次，一大堆家属堵在医院门口，说我们要把医生怎样怎么样。无论中国还是美国没有给出特别权威的数据，我相信医疗行业的误诊比例不低。这也个跟前面我们说的供求和效率都有关系，因为相对好医生资源不足，水平相对较差的医生错误率更高。

因为我们诊疗时间非常短，一个医生收集的信息非常有限的时候难以对于一个患者情况做出相对准确的判断。所以错误率高。

第四是成本，我想说是新药研发。 尤其是当医药产业发展大几十年之后，普通类药研发和售卖、流通、购买都没有什么问题，但是针对某些疾病，比如罕见病药研发、成本非常高，传统研发体系下没有办法解决。像癌症最大的特点是多样性，如果要解决这么多样性的肿瘤问题，研发成本是不可估量的。

这四个问题我们通过对市场几个月的研究，我们认为都在做出一些努力和改变，不同公司用不同方式做出一些改变。

我们对于整个市场盘点完之后，梳理出来能够在中国市场语境下能够贴上人工智能医疗标签的公司有131家。并且我发现很多新的公司也在不断涌现出来，我认为这是相对比较全的梳理。

我们把这些公司通过研究、大量调研总结为八类，这八类也是我们自己完全原创，八个大类17个小类。 简单举一些例子让大家具体感受一下哪些环节和领域AI对于医疗帮助和辅助。

刚才推想的陈总讲了很多 ，第一虚拟助理。 大家听起来觉得奇怪，虚拟助理是什么呢？是这些东西，比如Siri，他通常的回答是您好，我听不懂你说什么。它真的效果不太好，包括亚马逊、包括谷歌和微软这几个产品，在国内更少了。

我们认为通用性对话，真的很长，机器需要了解太多知识图库和背景信息才可能和你进行通畅的对话，但是我们认为垂直领域，医疗领域反而有可能走得更快。往往只是在特定场景下，医疗是一个场景，医疗里又有很多细分场景，但是每一个场景里对话和记录分析功能有可能帮助到整个包括病例的电子化、包括患者在医院的导诊和沟通，包括医生和患者的沟通，这些垂直环境下语料数据和运算数据需求量相对有限，所以是能够训练出比较好的模型在场景里使用。

所以虚拟助理业务我认为医疗里能够很快开始做一些布局和落地。 像影像刚才大家已经听到一些了，我们观察到三个方向， 一个是病灶自动标注 ，这个在肺部非常显著， 第二是骨折，更细分领域是放疗， 放疗之前要对放疗区域做特别精准的区域勾画，这个机器做的速度快、精准度高。 第三点是3D建模上。 这个领域确实发展最快的，出现的企业也是最多的。

但是， 发展很快也出现一些问题 ，比如教育困难，推想花很长时间才和四川省人民医院达成合作；还有标记难度，医生看片只看一个关键点、环节。你用机器学习的时候需要预先对片子进行充分标注才可以，而进行整体性标注是很高的成本。

另外是认证环节。我们发现与上游合作一体化解决方案，尤其第三方影像中心建立，有好几家在做，比较快推进影像智能化分析和医生配合的诊断环节。

接下来例子是 辅助诊疗 ，刚才平安好医生的蒋总讲到一些，大致我们认为两类， 一类是智能诊的环节 ，通过对数据分析机器可以更全面判断出一个患者的诉求，他大概得了什么方向、什么样的问题。这个尤其对于水平相对较差的医生，顶尖的医生判断经常是准确的，本身就是高水平的准确。对于中等以下医生判断误差很高，如果有辅助诊断工具的话，和医生配合起来，整体提升医生诊断水平，可以解决掉，整体改变误诊率比较高的问题。

第二辅助在辅料上 ，机器已经发展很多年了，并不是这一两年出现，因为算法机器人机器有很大的提升。在亦庄召开的世界机器人大会，医疗行业参展的企业很多，大家也提出了医疗场景下新的机器人手臂帮助医生、帮助医院提升准确率和手术效率。

下一类是药物挖掘， 药物挖掘和研发有一定管理了，这一块我们在调研的时候非常困难，因为并不是医药专业的，所以这一块的理解我们访问了很多公司的专家。他们给出的说法我们做了一些总结，我们报告里写了很多，有很详细的调研细节。 AI作用主要是通过数据，我们现在已经有很多癌症用药，但是往往只是针对非常少部分的、某一期一个病种进行研发并且进行应用，但是可能在投产和商用的时候，那个比例的病人就很少了，或者发生病变就不适用了 。 基于大数据的医药研发和挖掘，能够更大规模的、更有效率降低研发成本。

还有一个是健康管理 ，健康管理我认为是一个老概念，当下出现了一些新的机遇，已经跳出狭义的范畴，所收集的数据是非核心医疗数据，关注日常数据，比如睡眠、心跳、每天步数、日常的一些自测血压等等东西，确实比较泛，但是这些数据如果能够被充分整合的话，我相信它对于从健康管理到医疗还是有很大的转换效率的。

我们看到很多公司在做，但是最大的问题是（数据）碎片化的问题，如果希望通过平台整合数据，也只做了很早的阶段。 国内我们也发现几家公司想做一个供应平台，通过一些游戏和互动方式，尽可能多的整合用户数据。这个我们在研究当中都有比较多的分析。

后面还有两个更综合的，比如 医院管理， 医院管理是更大的概念，希望通过信息化、金融化的管理体系帮助医院整体提升医院在前台到后台的效率，用到很多信息涉及到大数据、专家系统。

还有 辅助医学研究平台 ，发挥一端科技公司在计算力、在计算模型上的优势，结合到医疗机构在医疗经验上的一些能力，共建医疗平台，从而提升基础科研的发展。

以上是我的案例，八大类型，在我们报告中做了详细的解读和分析。

后面简单说一两个建议和问题，或者说方向。

我们认为今天虽然我们做了这样一个报告，但是 我们认为这个市场才刚刚开始的阶段，接下来它的可以应用的场景和空间非常非常广阔，今天只是一个简单的开头，像人才问题也是行业面临很大的问题。 因为这个行业刚刚起步，如果能够同时切入人工智能和医疗两个领域的人非常少。大家要么是通过并购获得人才，或者从海外挖掘人才，这也是技术问题，但是我相信也蕴含着一些机遇。

还有监管的问题，其实中国比美国更严格，对于医疗器械管理上中国标准更高，像辅助工具在中国应用和投产需要很大的挑战和路径。

总之 我们认为今天我们在这里谈一个好像很潮的名词人工智能在医疗行业应用，我认为它就是一个医疗产业的变革，只是这个革命刚刚开始，旧的医疗体系经过，传统医疗几千年历史，现代医疗一百年历史。 我们认为有一些变化的机会，看到这个端就知道，不是说这个市场多么火热，而是已经看到这个端了。

接下来AI在医疗领域在不同分支上发展，一定有部分分支会做得很好，能够真正推动医疗行业变革，有些分支我们走下去可能发现这个路不对，因为不是每个创业者都会成功。不是每个路最后都证明会有商业价值，但是我相信有这么多公司，无论创业公司、大的医疗机构在很多路上共同探索，我们一定能够在某些方向上推动变革。

我们亿欧提供会议、交流，也提供这样的内容给大家，希望帮助大家共同进步。

今天的研究只是一个开始，我们只是对行业做了相对来说全景性的扫描。 虽然看起来很多，一百多页，但是我知道它更多是对行业模式、类别、发展阶段的概述和扫描性的研究。我们接下来会深入不同领域，希望和更多垂直领域公司合作，我们去探究每一个领域可能的发展机会和可能性。

希望大家对你们感兴趣的方面、你们看到的问题，都和我们交流，希望能够和大家一起推动人工智能在医疗行业应用和发展。

谢谢大家！

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。