为什么说医疗AI的突破，可能首先来自大公司！

时下如果要问医疗圈最火热的领域是什么，十个人会有八个人告诉你，人工智能，就是AI！数以百计的创业团队涌入这个领域，从各个细分领域开拓，同时大公司们也在第一时间就集体出现了！

对于BAT这种体量的公司来说，只要决定进入一个行业，或自建或合作或投资，就会用技术+资本快速攻城略地。

以阿里为例，纵观其在医疗的布局，发现他们就是要打造一个覆盖药品、医院、医生、第三方检验机构、医疗保险、健康管理和患者的完整生态。其互联网医疗布局以支付宝、天猫医药为框架，阿里健康为重要载体，阿里系基金（包括云峰基金）为开路先锋，合纵连横。以移动支付和流程再造为核心，在医院端重点搭建支付宝未来医院。在健康管理和智能设备领域大刀阔斧与多家上市医疗医药公司合作。

医药O2O领域以天猫医药馆、阿里健康APP为核心，结合慢病管理和医患沟通，希望打造完整闭环。继几大健康板块有所突破之后，阿里再次向医疗健康行业进军。这一次，它选择的是医疗人工智能。

而我认为医疗AI的突破性应用，可能首先来自大公司，大批的中小创业公司很可能需要在大平台成熟后，才会迎来更大的机会。其原因是综合性的，我们先看下阿里医疗AI的进展。

其实这两年人工智能在各领域都发展得热火朝天，而今年3月，阿里云在云栖大会·深圳峰会发布了ET医疗大脑，宣布正式进入医疗AI领域。经过一年多的研究训练，他们认为其自主开发的人工智能ET，“可在患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域承担医生助手的角色”。

根据现场发布的信息，ET医疗大脑的研发大量采用深度学习技术，通过海量的数据作为示例来训练机器完成特定任务，比如通过学习病例数据，分析对比循证资料，提升医术。由于可以24小时不睡觉，同时处理成千上万项任务，ET的学习进步速度大大超过人类。

如果人工智能只是可以提高医生部分工作效率的话，那还是初级阶段，当深度学习的算法配合图像识别，就可以大大提高结果的准确度，甚至超过人类医生。浙江大学附属第一医院就利用ET实现了甲状腺B超的快速分析。借助计算机视觉技术，这套算法可以对甲状腺B超快速扫描分析，圈出结节区域，并给出良性与恶性的判断，大大节省了医生的诊断时间。一般来说，人类医生的准确率为60%-70%，而目前算法的准确率已经达到85%。

同样在肺癌筛查领域，准确发现结节也是诊断的第一步。据介绍，一位经过严格训练，有着多年临床经验的医生，诊断一个病例平均需要查看200张以上的CT扫描图片，诊断时间在20分钟以上。而计算机结节检测系统通过学习大量有经验医师标注的样本，就能在短时间内快速提升诊断能力，辅助基层医疗机构的医生减少误诊。

那么，这样的人工智能真实的效果如何，在今年7月1日，国际权威肺结节检测大赛LUNA16上，阿里云的ET医疗大脑充分展示了其优秀成果，获得冠军并创造了记录。大赛要求对888份肺部CT样本进行分析，寻找其中的肺结节。样本共包含1186个肺结节，75%以上为小于10mm的小结节。最终，ET在7个不同误报率下发现的肺结节平均召回率达到89.7%，超出第二名0.2%。

基因测序时间和测序成本一直在基因检测领域两大关注焦点。近年来，随着测序技术的成熟, 看谁算得快，谁算得准，谁算得好，谁的成本更低成为基因行业比拼的“战场”。而随着未来数据爆炸，采集和处理数据的极速增长，如何解决海量数据的计算问题成了摆在基因行业面前的一道难题。

华大基因、阿里云和安徽医科大学曾共同宣布，在21小时47分12秒内完成了1000例人类全外显子组数据的分析。而在40年前，人类若想对埃希氏大肠杆菌进行全基因组测序，需要1000年的时间。因此ET医疗大脑的应用领域中，其中一项是利用算法模型寻找疾病同基因突变的关系，比如对大量肺腺癌病例的DNA序列进行分析，寻找致病的关键基因突变。

其实在ET医疗大脑之前，阿里云就已经开始在医药领域进行探索。比如某新药研发中，上海华山医院借助了阿里云的计算能力，用数字化模型代替部分临床实验，以及模拟小白鼠的活体实验，用于加快特效药研发。还有些新的进展也在不断探索中，综合来说，医疗AI的成功落地还是会先由大公司主导，原因有以下几点：

1、首先医疗AI不同于其他细分行业，比如医生社区，医患沟通和患者健康教育等领域，用户不需要千篇一律的标准回答，有更多个性化需求，多样性需求可以让创业企业和巨头处在同一起跑线，甚至更灵活，成本更低。

但在医疗AI的具体应用场景中，只要某种技术出现一种碾压性的优势，就会全面覆盖，因为技术实施的边际成本趋向于零，很难构建地域和细分领域“护城河”，换句话说，有最好的，很可能就不需要第二第三好的技术了，也无法用价格差构建梯度。

2、很多小公司宣称编制出了一些算法，但其实纵观医疗AI领域，最重要的可能并非算法，而是获得大量可靠的连续型医疗资源的能力，那么从资源上来说，小公司即使在局部领域可以拓展一下，比如获得几个医院的支持，再跟一些比较牛的教授合作，这也是常规标准套路。

但是在医学各细分领域中，巨头的全面优势可能是无法比拟的，甚至可以省为单位攻城略地，以治疗领域为中心全面渗透。并且，一个个创业项目理论上是想从很多具体领域切入，然后横向纵向拓展，其实异常艰难，而巨头们好像随意下围棋一样，东布一子，西落一块，一开始不感觉，几年后很多项目就会出现协同优势，全面挤压。

3、医疗AI领域构建商业模式异常艰难，支付方和收费场景很不成熟，那么对小公司来说，很难熬过冰川期，即使后面可以局部拓展一部分市场的时候，技术成熟的巨头们真的可以用全免费的方式反向覆盖，因为同前所述，AI使用的边际成本趋向于零。所以不同于在很多医疗细分领域，小公司甚至更有优势，只要跑通商业模式后，其成本更低，决策更灵活，提供更个性化的服务。

相对来说，还是更看好BAT包括平安在医疗AI领域的布局，因为AI的竞争其实是全世界范围的竞争，而不是一城一地的得失，如果被国外巨头率先压制我们，就会重蹈之前很多领域的覆辙，只能沦为别人的市场，或者赚点边角料而沾沾自喜。

相比之下，阿里的医疗AI更为落地一些，在多个细分领域都有在实际执行的项目，并不是听起来“玄之又玄”的概念。而人工智能已经上升为国家战略，同样历史也证明过，在高技术领域全民“大炼钢铁”是没什么用的，一万家小公司瞎折腾也不如一家巨头公司的全力投入。

所以，医疗投资圈的又一个大泡沫正在逐渐进入高潮！