發布日期：2016-09-06
前言
最近經常被公司實習生或媒體問起關于醫療熱點領域（如人工智能、醫療機器人、精準醫療或VR等）的投資看法，醫療領域一向被認為是保守和封閉的，但投資往往又是追逐和喜好熱點的。眼下醫療投資也算是投資圈里的熱點，而醫療領域的熱點自然被視為熱點中的熱點，引起大家關注是很順理成章的事。如何在保守的行業特點中做熱點投資是個有趣的話題，本文將從行業屬性入手，探尋規律發現投資機會。
人工智能在醫療中的應用由來已久，國外早已商業化
人工智能作為一個專業術語被提出是在1956年夏天，50多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。
在醫學領域，我們非常熟悉的IBM Watson已經為MD癌癥中心工作了好一陣子了，通過Watson的認知計算能力，從病人病例和豐富的研究資料庫中尋找資料，為臨床醫生提供有價值的見解，從而幫助醫護人員找到最有效的治療方案。人工智能醫療還包括Enlitic、AtomwiseAtomwise、The Human Diagnosis Project、Butterfly Network、Arterys等等。但是醫療的特殊性決定了任何產品商業化應用前都需要經過嚴格的審批流程，其實上述這些大名鼎鼎的產品大都離我們還有距離。我們期待他們可以早日通過審批，走入我們的生活。
人工智能在醫療領域的應用目前還不能用于治療，而在診斷中的應用已經有40年的歷史，即計算機輔助診斷（computer aided diagnosis，CAD）。目前常說的CAD技術主要是指基于醫學影像學的計算機輔助技術。20世紀90年代以來，人工神經網絡（artificial neural network，ANN）快速發展讓醫學影像學領域的CAD取得了質的突破，它是模仿人大腦神經元工作原理的一種數學處理方法。由于它具有自學習能力、記憶能力、預測事件發展等能力，因此可以起到輔助診斷的作用，在分類、診斷方面，人工神經網絡方法比傳統的方法（概率統計法、數學模型等）有更優越的性能。目前，CAD研究大多局限在乳腺和胸部肺結節性病變，因而，乳腺及肺結節病變的CAD研究基本上可以代表目前CAD在醫學影像學中的最高水平和現狀。國外商業化應用就是集中在這兩個領域。例如1994年在硅谷創立的R2公司，是全球第一獲FDA批準（97年）的乳腺癌鉬靶計算機輔助診斷系統，累計銷售額超十億美元（后被Hologic公司收購）。
所以，CAD是人工智能在醫療領域的最早且最具代表性的應用，在乳腺疾病診斷中的應用已經實現了大范圍商業化。
海外乳腺CAD商業化應用并沒有影響我們的生活
以CAD商業化領域最成熟的乳腺疾病為例，乳腺癌篩查的方式有乳房自檢、臨床檢查（CBE）、超聲檢查、鉬靶X射線檢查、腫瘤標志物檢查以及基因測序診斷等方式。由于個體差異和專業知識的缺乏乳房自檢檢出率低，不適宜普查，只是作為女性關注自我健康方式的輔助手段。乳腺癌的腫瘤標志主要有黏蛋白樣糖蛋白MUC-1家族，如CA15-3，癌胚胎抗原CEA，癌基因HER-2或CerbB-2，乳蛋白，糖酵解酶和細胞角蛋白，組織多肽特異抗原。腫瘤標志物在臨床中的應用主要為乳腺癌的轉移、復發與預后的檢測預防，對乳腺癌的早期診斷缺乏敏感性與特異性，所以目前腫瘤標志物對乳腺癌的早期診斷意義不大。利用基因測序來進行乳腺癌的早期篩查方式目前并不成熟，而且腫瘤形成的復雜性也意味著在我們掌握的基因知識還不能完全解釋整個發生發展的過程，基因測序在很長一段時間內不能替代影像學篩查，但隨著基因測序技術的發展，將其運用于乳腺癌的篩查也存在著可能性，不過估計未來10－15年仍然是傳統的方式占主導地位。
目前篩查的方式主要是臨床檢查（CBE）、超聲檢查和鉬靶x射線檢查。我國現階段的群體普查如國家衛生部啟動的“兩癌”篩查工程，一般采用的方式為超聲檢查，這是基于超聲檢查較鉬靶x射線檢查更經濟與無輻射更安全的條件的選擇。同時也由于我國女性多為致密性乳腺類型使用鉬靶X射線檢查漏檢率過高的原因。
中外乳腺癌基本情況比較 數據來源：2015年中國癌癥數據統計
可見乳腺篩查市場巨大，而我國更適合用超聲檢查，這是區別與國外的情況。據此推理，超聲乳腺CAD是最符合中國國情的應用，而國際上還沒有基于超聲的乳腺CAD。
期待CAD商業化時代的到來，人工智能醫療定將改變我們的生活
CAD本質上是為了解放人力，但是傳統超聲檢查設備是依賴專業超聲科醫生手動檢查，超聲圖像非標準化，無法給CAD提供發揮的舞臺，到這里是否我們走入死胡同？解決了后端的自動讀片問題，卻卡在前端的影像獲得環節。
如何讓超聲圖像標準化這需要用到一個非常炫酷的技術--自動乳腺全容積成像技術（Automated Breast Volume Scanner，ABVS）系統則是一種不依賴操作者經驗的能覆蓋全乳的全新超聲診斷設備，可以由護士或技師完成整個操作。目前已有研究表采用自動乳腺全容積超聲掃查的結果要由于傳統的手持超聲方式，在檢出率與微小病灶的確定方面都有更優的性能。
讓我們想象下：ABVS＋CAD其實就是不需要借助專業B超醫生參與檢查過程，由計算機輔助診斷系統幫助給出診斷意見的乳腺癌篩查解決方案！到這里我們找到最終的方案。按照這個邏輯我們可以去尋找基于ABVS的超聲CAD項目，方向就對了。
我們復盤下這個案例：
人工智能醫療--CAD（專指基于影像學）--乳腺鉬靶CAD（國外商業化運作，具備成熟商業模式）--國情要求乳腺超聲CAD（發現機會）--超聲圖像非標準化（難點）--全容積超聲（ABVS）可以實現標準化而且不需要專業B超醫生--ABVS＋超聲CAD（解決方案，找到投資方向）。
這個案例中給我們的提示：
1.炫酷的熱點也可以出現在保守的醫療行業中；
2.對于歷史沿襲的研究和海外發展過程的了解可以避免盲人摸象，掌握全景；
3.大范圍商業化應用才是真正具有商業模式的，才是投資目標；
4.國情孕育著機會，分析差異意味著梳理投資方向；
5.專業領域知識和信息的掌握可以發現驚喜。
作者簡介：劉云，華醫資本創始人，投資學專業博士，醫學碩士。原GE醫療高管，曾擔任華夏、博時等近十家基金公司醫療項目顧問?，F任國內幾十家產業園區和孵化器創業導師，研究及從事的方向為醫療投資宏觀分析、醫療企業投后管理及醫療基金結構化設計。
來源：醫谷
