他山之石，可以攻玉。

當(dāng)前醫(yī)療人工智能發(fā)展十分火熱，但作為一片全新的市場，大多數(shù)企業(yè)并沒有很明確的方向。這種情形下，參照國外的發(fā)展經(jīng)驗可以為國內(nèi)企業(yè)更好地看清未來提供諸多幫助。

Airdoc作為一家同時耕耘中美市場的醫(yī)療人工智能企業(yè)，對于當(dāng)前的市場有著獨到的見解。Airdoc董事長張大磊認(rèn)為中美醫(yī)療人工智能市場主要存在四大差異：

一、美國醫(yī)療機(jī)構(gòu)擁有更好的診斷一致性，更注重基礎(chǔ)設(shè)施的建設(shè)。

二、美國的各類醫(yī)療人工智能應(yīng)用發(fā)展更為均衡，國內(nèi)則主要集中于醫(yī)學(xué)影像

三、醫(yī)療人工智能在治療領(lǐng)域比診斷擁有更加光明的前景，但國內(nèi)在這方面的布局落后于美國。

四、中國醫(yī)療人工智能企業(yè)太過局限于對人的研究，但其實微生物和動物市場同樣十分廣闊。

以下是Airdoc董事長張大磊先生的分享原文，雷鋒網(wǎng)做了不改變原意的編輯：

過去幾年，我們在美國市場和中國市場都做了一些工作，發(fā)現(xiàn)這兩個市場存在許多不同之處。今天和大家簡單做一個分享，談?wù)勚忻朗袌鲈卺t(yī)療人工智能領(lǐng)域到底有哪些不同。

首先介紹一下我們公司，Airdoc是一個純本土企業(yè)，在美國的公司其實也是中國公司的分支機(jī)構(gòu)。和其他醫(yī)療人工智能公司相比，我們?nèi)刖指缫恍?，?dāng)時醫(yī)療人工智能還沒有這么熱，我們在冷靜的過程中學(xué)會了很多東西。我們對自己的定位是做每個人的人工智能，而不是只有大專家才能用得著的人工智能。

過去幾年，醫(yī)療人工智能從不被接受到慢慢被接受，最終成為一個相對熱門的事物。在這個過程中，我相信監(jiān)管層面、行業(yè)層面、科技醫(yī)療領(lǐng)域都有許多新的認(rèn)知和改變。比如北、上、廣等醫(yī)療相對發(fā)達(dá)地區(qū)的三甲醫(yī)院，陸陸續(xù)續(xù)都開始部署醫(yī)療人工智能。此外，還有很多大型的會議，把行業(yè)里優(yōu)秀的同行和思想家們召集到一起相互交流，這在三年前是不可想象的。

同時我們也注意到，科技領(lǐng)域也開始比較關(guān)心這個話題了。幾年前，人工智能領(lǐng)域的專家離產(chǎn)業(yè)還相對較遠(yuǎn)，但現(xiàn)在越來越多人開始意識到人工智能是拐杖型的技術(shù)，自己本身不能創(chuàng)造價值，必須和某個領(lǐng)域相結(jié)合。目前，金融、安防等領(lǐng)域已經(jīng)有很多人在探索了，醫(yī)療領(lǐng)域的公司也慢慢多起來了。

但是隨著越來越多人關(guān)心醫(yī)療人工智能，我們也注意到很多人的期望有些過高。人工智能技術(shù)發(fā)展至今，本質(zhì)上并沒有非常突破性的進(jìn)展。在創(chuàng)立Airdoc之前，我負(fù)責(zé)過視頻公司PPTV。那時候我們也用到了很多人工智能技術(shù)，每天都有幾百萬人上傳視頻，里面色情、暴力什么都有，不可能全靠組織人力來甄別。所以我們采用算法將所有視頻錄像、截圖下來，識別里面的內(nèi)容。這些從2012年開始就廣為人知，是算法圈子里大家最熟悉的東西。

為什么過去幾年醫(yī)療人工智能會慢慢熱起來？我認(rèn)為其中很大的一個因素就是，現(xiàn)在的醫(yī)保和醫(yī)療改革遭遇了困境。不只是中國，美國也同樣如此。中國和美國市場在人工智能上走過的路非常不一樣，最大的不同體現(xiàn)在四個方面：

基礎(chǔ)設(shè)施和市場定位不同

首先，中國的醫(yī)療和美國市場還存在很大的差異，其中最大的差異體現(xiàn)在診斷的一致性上。以B超為例，B超在國內(nèi)每個人都有自己的手法，每個人看到的東西也不一樣，因為掃描的過程不同。在美國，大多數(shù)B超醫(yī)生都會掃描11個切面，被訓(xùn)練過的技師把這11張圖取出來，如果大夫發(fā)現(xiàn)不符合要求就會打回去重做。究其根本原因，中美的思維方式不太一樣，我們的思維方式比較混沌和藝術(shù)，而美國人的思維比較專業(yè)。

輔助診斷在美國市場并不大。我們一直關(guān)注在美國做輔助診斷的公司。我們之前合作的一些公司，開始融了一大筆錢，沒幾年就做不下去了。因為美國的分級醫(yī)療體系建立得比較完善，很小的問題到了全科醫(yī)生那基本就搞定了，稍微嚴(yán)重一點的則會分配給對應(yīng)的專科醫(yī)生。其支付體系是嚴(yán)格按照效果付費的，有非常嚴(yán)格的要求，相當(dāng)于有一個機(jī)制把治療結(jié)果或診斷結(jié)果較差的醫(yī)生排擠出去。但國內(nèi)不是這樣的，不同醫(yī)療機(jī)構(gòu)之間的水平差的非常遠(yuǎn)。所以我們認(rèn)為國內(nèi)的輔助診斷市場要比美國更大。

另一方面，美國的精準(zhǔn)醫(yī)療或者個性化治療市場非常大，國內(nèi)則落后得多。我們曾經(jīng)把分診分成LP往下推，大多數(shù)醫(yī)生回訪的時候發(fā)現(xiàn)，一個疾病推給縣醫(yī)院、市醫(yī)院、省會醫(yī)院基本就到頭了。如果病人在省會醫(yī)院還治不好，基本就不會更去更好的醫(yī)院了，但有些地區(qū)的醫(yī)療水平其實是非常有限的。

Verily是谷歌投資過的一家公司。谷歌把自己的人工智能醫(yī)療交給一幫做研究的人，不指望它掙錢。它真正指望掙錢的是Verily，Verily本身并不做醫(yī)療人工智能，它是做數(shù)據(jù)處理的，為醫(yī)療人工智能公司提供數(shù)據(jù)和數(shù)據(jù)處理服務(wù)。我認(rèn)為這種做法是非常明智的。我認(rèn)為醫(yī)療人工智能的盈利周期是十年，并非今年投入明年就能發(fā)財；同時這個市場非常廣闊，有很多涌進(jìn)來。Verily把數(shù)據(jù)做到極致之后，既可以為藥廠、保險公司服務(wù)，也可以為醫(yī)療人工智能公司服務(wù)。它們對于行業(yè)的定位比較長期，首先著力于發(fā)展基礎(chǔ)設(shè)施。

但現(xiàn)在國內(nèi)很多醫(yī)療人工智能公司都在走我們?nèi)昵暗睦下?。三年前，我們的做法就是，把所有的疾病過一遍，看看還有哪些病沒有算法，然后把它做出來賣給醫(yī)院。他們都在嘗試取代或者幫助醫(yī)生做一件事情，但我認(rèn)為這真正給醫(yī)生帶來的價值非常有限。

美國市場發(fā)展比較均衡

第二，我們注意到美國市場的五類人工智能應(yīng)用發(fā)展比較均衡，每個細(xì)分應(yīng)用都有大量公司在做。但國內(nèi)大部分公司都在做醫(yī)學(xué)影像，嘗試用AI輔助新藥研發(fā)的公司一只手就可以數(shù)出來。再比如，美國有大量公司在做健康生活管理，但國內(nèi)卻很少。而且國內(nèi)公司基本都扎堆放射科，因為放射科的數(shù)據(jù)獲取相對容易，且比較標(biāo)準(zhǔn)化。但我認(rèn)為，雖然這樣做通過PR在短期內(nèi)容易融到一大筆錢，但長期來看，實際是在這個領(lǐng)域大量低水平重復(fù)建設(shè)。

治療和診斷的發(fā)展差異

這幾年真正意義上的醫(yī)學(xué)進(jìn)展——至少在模式上能注意到的進(jìn)展主要來自治療領(lǐng)域，而診斷領(lǐng)域在過去幾年里并沒有太大的進(jìn)展。在診斷領(lǐng)域，算法做得最好的基本只能達(dá)到接近人類醫(yī)生。醫(yī)生會觀察病人的身態(tài)、步態(tài)以及交流方式，這是無法替代的。但治療層面有非常多的參數(shù)和個性化的治療方案，因此算法反而可能比人類做得更好一些。

我希望未來國內(nèi)有越來越多公司涉足治療領(lǐng)域，把診斷和治療結(jié)合到一起。因為病人需要的是對疾病的有效干預(yù)和健康，而不是診斷。診斷能力的提高是醫(yī)生所需要的，但從來沒有人在醫(yī)生工具上賺到錢，這是很殘酷的現(xiàn)實。

中國更局限于對人的研究

中國非常重視人身上的醫(yī)療人工智能，但很少注意人以外的。美國市場則豐富得多，比如我們在美國花了大量時間用算法分析腸道微生物。

我們用算法分析人眼，出來一個診斷報告，F(xiàn)DA很可能會不通過。但我們也可以用算法分析動物的血管和疾病，這對行業(yè)上下游也非常重要。同樣，在微生物領(lǐng)域，比如腸道微生物有大量的數(shù)據(jù)，我們處理過的微生物數(shù)據(jù)就達(dá)到了百萬級別，比基因測序測出來的還要多。這同樣可以起到很大的作用，甚至可以發(fā)現(xiàn)原來研究中不知道的東西。

現(xiàn)在國內(nèi)慢慢有一些企業(yè)開始做基因領(lǐng)域的深度學(xué)習(xí)，但我并沒有看到很多發(fā)力微生物或動物領(lǐng)域的公司，我認(rèn)為這片市場也非常大。

前面提到了中國和美國醫(yī)療人工智能的四點不同，但二者也有相同之處，就是市場不好做，發(fā)展相對較慢。比如很典型的簽字權(quán)問題。假如醫(yī)院用算法給病人看病，一天能看一百個病人，其中九十五個是正常的，醫(yī)生需要在算法判定為正常的九十五個病人的病例上簽字，承擔(dān)法律責(zé)任。解決這個問題的方法是，讓法規(guī)允許算法簽字，但這涉及的層面非常廣。因為每一個結(jié)果都設(shè)計人命，監(jiān)管層面會非常謹(jǐn)慎。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。