發布日期：2017-06-23

   2017年6月22日，由清科集團主辦的《2017投資界大健康投資峰會》在上海如期舉行，峰會邀請了中國最具代表性的大健康領域的企業高管與著名機構合伙人共同探討產業投資趨勢，明晰細分行業的發展前景。 　　本次峰會上，在同渡資本創始管理合伙人吳容暉的主持下，初見醫療創始人、董事長兼首席科學家陳浩，盤古創富合伙人劉凱，高特佳投資集團執行合伙人鈕宏武，橙意家人創始人張丹，中科博銳總經理張鑫，好人生CEO 章智云進行了以“互聯網和人工智能開啟醫療新時代”為主題的圓桌討論。以下為討論實錄，經投資界整理。 　　主持人吳容暉：我們今天提到兩種技術，一種是互聯網，一種是人工智能。互聯網對于醫療健康的影響很早就開始了，真正熱起來是在2013年、2014年，但是經歷2015年以后很快地進入寒冬的階段，我想請幾位嘉賓分享一下過去互聯網領域的思考。 　　鈕宏武：互聯網技術在過去的一二十年里得到了飛速的發展，對整個醫療健康領域里也有很大的促進。互聯網在醫療領域的這股熱潮在2013、2014年的時候達到了頂點，但是后來逐漸地沉寂下來，我想這和中國醫療產業的特點有很大的關系。 　　互聯網在這個領域的應用還沒有達到能夠符合產業要求的程度，但是隨著近年來的人工智能技術的發展，我相信很快會迎來新一輪的互聯網和智能化醫療健康產業的新高潮。不管互聯網技術應用的程度如何，應該說已經改變了我們生活的方方面面。舉個簡單的例子，我們過去掛號都是需要大家親身到醫院去，但是通現在過互聯網能很便利的實現。 　　互聯網工具應用以后可以很大程度上改進醫院資源相對短缺或者分布不均勻的情況，使得邊遠地區的病患能夠獲得大城市大專家的治療意見。現在很多的遠程診斷都是很好的工具，相信隨著互聯網和人工智能技術的發展，會帶來更多的在醫療健康領域里的革命性的應用。但是，技術的進步、人們就醫習慣的改變都需要一個過程。 　　章智云：我認為無論是互聯網還是人工智能，只是技術的變遷，對任何人來說都是載體，既不要太過于神化技術本身，也不要妖魔化技術本身。就像最早的時候是傳統互聯網，今天是移動互聯網，未來往下是移動智能的變遷。最終可能會落實到各種的技術是否能夠帶來本質上的價值。 　　好人生是一家做整合式健康醫療服務的機構，但我們更多的是從保險的視角來做健康服務產業鏈的整合，，但健康險是薄利型的產品，所以過去幾年我們也用了人工智能的方式提高效率和降低成本。支付寶錢包中的醫療服務板塊一個叫智能瘟疹就是好人生開發并且用API的方式推出的。 　　我們做過對比，患者看以前用我們的技術做了分診分科，和實際的吻合率達到了90%以上。在醫院場景下，醫生面對的很多問題是重復性的，我們可以把患者的癥狀一塊兒提供給醫生。我們現在產品線上人工需要去干預的部分特別少，對比原來的輕問診可以減少80%的人力。無論是互聯網還是人工智能，未來都是載體。 　　張鑫：我們之前在AI方面有很前沿的研究，早期的研究算法在國際上很有影響力。我自己是醫學的背景，所以想把好的技術真正在臨床應用起來。AI這一塊兒我也一直跟蹤著前沿的報道，從科研工作的角度來看，這里面有兩個要點。 　　以人工智能為輔助做醫療做健康，一個要點是實現非常好的大數據。這個好有兩個標準，一個是這里面的數據能非常契合地滿足我們針對的特定的疾病或者是健康問題；另外數據的標準是這個數據要足夠地寬泛，能覆蓋我們在應用中見到的很多類型。這樣形成的大數據才能真正地讓AI實現健康的輔助問診或者說疾病的診斷、治療。 　　另外，無論是人工智能還是之前的互聯網，我們想把它應用于健康或者是醫療，離不開前端的監測設備，如果把精力都投入在AI算法或者說應用上而忽視了對前端監測應用的研發，將來的技術仍然會面臨著無本之木的困境。 　　如果想把AI真正應用于健康和醫療，一個是要把數據管理好，真正形成很快標準的科學數據庫；同時有前端的監測設備，可以給AI提供追要的素材，讓它在相關的領域能夠有一些深入的分析。這樣才能把人工智能的技術發揮到極致，滿足我們未來希望它達到的目的。 　　張丹：提到人工智能的時候我有兩個觀點，人工智能在國內一個非常好的應用場景是普惠醫療。我們國家醫療匱乏，人工智能非常方便的真正成為基層醫療的輔助診斷工具。 　　我們在這中間解決了兩個問題，第一是我們現在做的COPD慢阻肺的部分，以前診斷發病率14%，大部分的病人是沒有被診斷的。基層醫院不會有這樣的設備，因為肺部跟其他的監測是不一樣的，血壓一伸手就能測。所以在里面做了兩個分級，我們在后臺做AI自動化的分析，很快地回傳給醫生，所以可以在后臺每天處理上千份的報告，這樣可以把大量基層的診斷工具發揮出來。 　　劉凱：我們主要是在三個方向，互聯網、醫療健康還有新興技術。我個人的背景是學計算機的，所以我主要是談一下技術對行業的促進作用或者說相關性。剛剛吳總也提了2014年開始互聯網醫療、移動醫療非常的火，這兩年可能又遭遇到一些“寒潮”，這個是行業的常態。 　　為什么是常態呢？因為醫療健康是特別謹慎的行業，所以大家懷著熱情把新技術應用的時候遇到行業的謹慎，必然會大浪淘沙，很多企業會經過嚴格的篩選才能真正地堅持下去。 　　今年人工智能在很多比較細分的領域戰勝了人類，取得了巨大的成果。這也是技術積累到了一定的階段，人工智能取得成功需要三方面，一方面有大量的數據包括各種設備（車輛設備、智能設備）。第二是有很好的計算資源，以前的云計算。第三是很好的算法和深度學習。 　　人工智能應用到醫療領域像醫療影像的識別已經超過了自身醫生的水平，錯誤率已經很低了。人工智能在很多細分的領域將會取得很大的成就，會大大地緩解國內醫療資源不均或者不夠的情況。還有一個領域是人工智能最擅長的，人腦解決不了的疑難雜癥，很多醫生是靠經驗，沒有見過的話就是沒有辦法解決。人工智能通過大數據計算可以從海量的案例里面幫助解決。 　　陳浩：我們公司專注于醫療影像的智能化分析，我個人在博士期間一直做人工智能在醫學影像中的應用，所以也積累了很多年的人工智能的技術。剛才談到數據的積累和技術的積累，所以在評價人工智能對這一波行業影響的時候先提三個背景。 　　第一是、放射科數據的增長量是30%，而影像科醫生的增長量是1.3%，所以矛盾是加劇的，放射科醫生的增長趨勢是跟不上數據量的。 　　第二是病理科，我們國家現在有9000名有臨床執照的醫生，但是缺口按照美國的標準是達到3到4萬的，所以在供需矛盾上是非常突出的。 　　第三是質量的問題，我們知道醫療資源分配不集中，像301、協和的資源比較集中，但是在基層醫院鄉鎮縣醫生的資源不是特別好。 　　我覺得人工智能是有希望能夠緩解矛盾，并且為量的問題提供出口。剛才劉總提到人工智能落地在實際場景中的幾個要素我是非常同意的，但是我想更加細微詳細地解釋一下，我認為是有四方面的。 　　第一是高質量的結構化的數據。我們公司現在和20多家三甲醫院在10個模塊上的基礎之上構建高質量的結構化的數據。 　　第二是先進性的算法。因我們之前處理了200GB的病理科的數據，推動影像的算法可以在3分鐘之內處理一個人的數據，但是按照以前的算法來說十幾分鐘甚至一個小時都處理不完。 　　第三是高性能的數據平臺。我們目前也已經布置了100多塊顯卡的計算影像平臺，目前來說還是有一定的瓶頸的。盡管我們花了大的精力去提高算法，處理200GB的數據仍需要一個月，所以在數據上還需要做積累進行改進和突破的。 　　第四方面是要跟細分領域的行業在某種疾病的分析和診斷緊密地結合，這一點顯得尤其重要。 　　主持人：兩年前看了一批創業項目，用互聯網改造醫療健康，今年我們收到同樣的項目，大部分都已經改成了人工智能改造醫療和健康，就是包裝換了用人工智能的詞來吸引注意力。嘉賓能跟大家分享一下作為最前沿的觀察者，這個方向上的判斷是什么，預測一下人工智能+醫療健康會像互聯網+醫療一樣那么大的起伏嗎？人工智能改變醫療健康最可能的點是什么？ 　　陳浩：首先人工智能肯定帶來積極的影響，但是以我在行業中的觀察，覺得這一波還是過熱了。如果一個好的技術能夠在未來帶來積極的影響，在這個階段我們更重要的應該是呵護它而不是受行業的影響過度地去捧熱它，應該保持比較理性的態度，能夠真正關注對醫療的某些細分領域帶來革命性的變化。 　　我個人的觀點最容易切入的應該是勞動密集型的行業，這些是計算機容易替代的，而且是比較擅長的。以醫療行業細分領域病理科為例，當然疑難雜癥還是需要重點把關的，而對于常見病種，對醫生來說不需要特別高的技術含量，但是由于問題的性質決定了計算機適合做這些事情，讓醫生做更有價值的事情。 　　劉凱：比如說影像監測、遠程醫療、新藥研發、智能護士這些領域，都有人工智能的探索，我個人比較看好的是陳博士講的圖象識別領域。非醫療圖象的識別也取得了很多的成功，識別的準確率很多已經高于正常人眼的識別率。在醫療影像這一塊兒照CT或者說動態的鏡會產生大的圖象或者視頻，這些是靠醫生、人眼、肉眼識別很小病灶，可能沒有計算機處理的快，因此這個領域可能會率先地跑出來，進入到使用。 　　張丹：人工智能就是工具，就像現在很多的直播平臺就是工具，說互聯網顛覆醫療是不對的。人工智能不是讓醫生下崗，是讓他做更多的疑難雜癥的操作。曾經有衛計委的主任講過一個人工智能做的好的縣，他給鄉村醫生做了輔助系統，大大地提高了診斷率。我們的基層有很大的機會，所以我覺得人工智能在醫療健康領域大有可為。 　　張鑫：人工智能在勞動力密集行業肯定能發揮很大的作用，在某種程度上能夠實現代替。另外如果把人工智能跟傳感器結合，沒準能尋找一些新的應用。因為我們目前能看到的應用是有限的，如果能夠發掘新的應用也許也能給AI帶來新的機會，要去嘗試找各種應用才能把AI的特點發揮到極致。 　　章智云：我還是之前的觀點，人工智能也好、大數據也好未來都不會考慮它有沒有必要，它未來可能就是基礎設施，你在每一個行業當中可能得會應用到這個工具或者載體。 　　至于在哪個環節當中會有爆發，一種是像剛剛張總提到的分期診療，還有是在技術層面像說到的精準治療是基于大量的技術的部分也會有發展空間。未來不會是非常神奇的試點，是跟人息息相關的。未來人工智能也是一樣的，在各個行業都中都必須有這個思維，有這樣的技術手段，就像城市要發展必須要有高速公路一樣。 　　提問：由AI的技術讀取醫療影像產生的醫療風險和醫療漏診的責任怎么劃分？ 　　主持人：我們也看過大量項目，現在這個階段還是輔助的作用，最后拍板的還是醫生。因為機器有它的特性，在針對某一個病人的癥狀和監測結果下結論這一點上它的速度是沒人能比的，他引的文獻的個數和新穎性，甚至幾分鐘前剛出來的它就已經知道了，所以在這些方面是機器特別擅長的地方。我覺得人擅長的是創造性和非常強的綜合判斷能力，這兩點結合會讓診斷上一個新的臺階。但如果完全取代醫生，我相信主流的觀點還是持否認的態度。顛覆傳統醫療，目前聽到的聲音還是感覺有生之年很難實現。 　　劉凱：這個問題好像自動駕駛，比如說特斯拉完全自動駕駛無人駕駛，但是它現在出了事以后責任是特斯拉還是司機？還有就是取決于監管，不允許你無人駕駛，那就由司機來負責。如果現在給醫生監管，最后還是得醫生簽字。

來源：投資界