Python培訓之一張圖看AI醫(yī)療：241起國內融資，幫你發(fā)現(xiàn)AI醫(yī)療的下一個熱點

       人工智能一直很火，但在全世界范圍內的引爆，發(fā)生在2016年的3月，谷歌的AlphaGo以4：1的成績戰(zhàn)勝了世界圍棋冠軍李世石。一個月后，中國的BAT巨頭不再潛水，開始了動作，他們在人工智能領域的一個非常重要的角力場便是“AI醫(yī)療“。

　　2016年4月，騰訊等機構以10億人民幣投資碳云智能;2016年10月，百度對外發(fā)布了“百度醫(yī)療大腦”，宣布正式進軍AI醫(yī)療;2017年3月，阿里云發(fā)布“ET醫(yī)療大腦”宣布正式進入醫(yī)療AI領域。

　　作為壓垮中國人民的三座大山之一——醫(yī)療，是目前人工智能各應用領域中最熱門的賽道。人工智能在醫(yī)療領域的應用門檻最高，最難突破，但也最具想象力，所以資本和BAT們對這座大山發(fā)起了一輪又一輪的攻勢。針對以醫(yī)療為重點的AI創(chuàng)業(yè)公司從五年前的不足20家上升至現(xiàn)在的120多家，但大多停留在“to VC”階段，整個資本圈都在等待，AI醫(yī)療能夠真正講出“To B To C”的商業(yè)模式。

　　鯨準數(shù)據(jù)中心清洗了整個AI醫(yī)療從2013到2017年的241起國內融資事件，本文用資本布局時間線去描述AI醫(yī)療行業(yè)現(xiàn)狀，最后通過鯨準上的投資人行為，去發(fā)現(xiàn)AI醫(yī)療的下一個行業(yè)熱點。

　　01 什么是AI醫(yī)療?

　　AI醫(yī)療是以互聯(lián)網(wǎng)為依托，通過基礎設施的搭建及數(shù)據(jù)的收集，將人工智能技術及大數(shù)據(jù)服務應用于醫(yī)療行業(yè)中，提升醫(yī)療行業(yè)的診斷效率及服務質量，更好的解決醫(yī)療資源短缺、人口老齡化的問題。　　

　　基礎層：通過軟硬件的基礎設施，收集用戶、藥物及病理數(shù)據(jù)，并使數(shù)據(jù)互通互聯(lián)，為人工智能的應用提供支持與可能。

　　技術層：通過語音/語義識別、計算機視覺技術，對非結構化數(shù)據(jù)進行分析提煉?！皩W習”大量病理學數(shù)據(jù)文本，使其掌握問答、判斷、預警、實施的能力。

　　應用層：是指人工智能與不同細分領域的結合，以解決醫(yī)療行業(yè)中的某種業(yè)務需求，如智能診斷、藥物研發(fā)、智能健康管理、智能語音等醫(yī)療場景。

　　02 AI醫(yī)療國內融資概況5年內， AI醫(yī)療各領域共發(fā)生融資事件241起

　　AI醫(yī)療應用層持續(xù)熱潮，基礎層熱度下滑

　　回顧13年-17年數(shù)據(jù)，從2015年開始，基礎層熱度明顯下滑，而資本開始紛紛進入應用層。2017上半年AI醫(yī)療發(fā)生融資數(shù)量46起，下面是應用層各維度融資情況。

　　國內資本多布局虛擬助手、醫(yī)療影像、醫(yī)用機器人、智能健康管理這四個領域

　　經(jīng)統(tǒng)計，從13年到17年上半年，應用層8個細分領域共發(fā)生融資事件86起。國內資本多布局虛擬助手、醫(yī)療影像、醫(yī)用機器人、智能健康管理四個領域，其中醫(yī)療影像成為資本密集的陣地，占比最高達到31%，位居第一。

　　為什么醫(yī)療影像賽道玩家較多?

　　從細分領域融資數(shù)量圖看出，醫(yī)療影像占比較多，為什么會發(fā)生這樣的狀況?影像具有4V性(volume數(shù)量、variety多樣性、velocity速度、veracity真實性)，4V的屬性更適合其AI的發(fā)展。

　　國內AI醫(yī)療應用公司起步較晚，由細分領域融資數(shù)量分布看出智能診斷領域占比60%。整體上智能診斷還處于初期，目前沒有大規(guī)模商用。對于優(yōu)質數(shù)據(jù)的提取、數(shù)據(jù)的結構化及建模、患者語言的訓練都是目前需要跨越的障礙。

　　進入到B輪及B輪后的的公司分布在虛擬助手、醫(yī)用機器人兩個領域

　　醫(yī)用機器人的實際應用主要集中在外科手術領域。機器人在手術上的準確性、可靠性和精確性上大大超過了外科醫(yī)生，機器人技術已經(jīng)在醫(yī)療領域得到了長足的發(fā)展，并取得很好的臨床效果。

　　03 AI醫(yī)療行業(yè)發(fā)展解析AI醫(yī)療標簽關注度

　　根據(jù)鯨準中心標簽熱度算法統(tǒng)計，有關于AI醫(yī)療的標簽：深度學習、計算機視覺、AI醫(yī)療、智能診斷、醫(yī)療影像、自然語言處理、AI芯片、醫(yī)療大數(shù)據(jù)關注度有較大提升。

　　AI醫(yī)療為什么會成為資本新寵?

　　1、政策推動

　　AI政策持續(xù)利好。2017年7月國務院剛印發(fā)《新一代人工智能發(fā)展規(guī)劃的通知》，明確提出“到2020年人工智能總體技術和應用與世界先進水平同步 ”。

　　醫(yī)療政策持續(xù)利好。2016年國務院發(fā)布《關于促進醫(yī)藥產(chǎn)業(yè)健康發(fā)展的指導意見》，明確提出開展智能醫(yī)療服務。

　　2、國情推動

　　社會進步和人們健康意識的漸漸覺醒，人口老齡化問題的加劇;病患多、醫(yī)生少;醫(yī)務人員培養(yǎng)成本過高;藥物研發(fā)周期長、費用高;醫(yī)生診斷不容犯錯。

　　3、技術推動

　　語音和圖像識別技術目前已達到商業(yè)化高度。 從2012年的ImageNet大賽一直到現(xiàn)在，深度學習在圖像的分類與識別上已經(jīng)取得了非常大的進展。在醫(yī)療影像領域目前對某些病理 圖片的識別準確率已超過90%，用于輔助醫(yī)生診斷已不成問題。區(qū)別于機器學習，需要給出特定規(guī)則后才能進行。而深度學習則可自由生成多層“網(wǎng)絡”(深度神經(jīng)網(wǎng)絡)。 在深度學習之前，大約在90年代，就已有很多人做計算機輔助診斷(CAD)。之前神經(jīng)網(wǎng)絡做不深，現(xiàn)在有了新型計算機和深度學習之后，可以實現(xiàn)很深的網(wǎng)絡。舉例“乳腺鉬靶腫塊判讀”。

　　三大AI技術基石：深度學習算法+計算能力+大數(shù)據(jù)，為AI融入醫(yī)療奠定基礎。

　　4、設備驅動

　　電子膠片的普及;POCT及智能可穿戴設備公司初具規(guī)模，大量設備及膠片投入使用，形成龐大的用戶病理數(shù)據(jù)，為構建醫(yī)療大腦奠定基礎。

　　5、基礎設施驅動

　　根據(jù)CHIMA的數(shù)據(jù)統(tǒng)計，顯示早在2015年9月，超過60%的醫(yī)院都已完成醫(yī)院管理信息系統(tǒng)(hmis)的全面搭建。以“EMR”為核心的CIS成為建設重點。

　　國內AI醫(yī)療未來發(fā)展建議

　　1、加快基層醫(yī)療機構的信息化建設，加速區(qū)域信息化集成布局。

　　2、數(shù)據(jù)獲取能力的提升、算法的改進、人工智能技術的創(chuàng)新。

　　3、逐步完善底層核心知識圖譜。

本文版權歸黑馬程序員Python培訓學院所有，歡迎轉載，轉載請注明作者出處。謝謝！

作者：黑馬程序員Python培訓學院

首發(fā)：http://m.pantone-color.com.cn/news/python.html