人工智能在多个医疗细分领域曾与人类医生交手，2016年5月至今，比分结果是AI 6胜、3平、2负。医生已然落于下风。
2017年岁末，斯坦福大学教授吴恩达领导的机器学习小组开发出一种名为CheXnet的算法，能够更敏锐地捕捉胸部X光片中的肺炎迹象，在诊断肺炎的比拼中，也一举击败四名放射科医师。
这些火种足以让产业界信心爆棚。谷歌、IBM、英特尔等国际巨头和国内的“BATK”（百度、阿里、腾讯、科大讯飞），都加紧布局，一大批初创公司也喷涌而出。
然而，AI的泡沫已然吹起，医疗能否独善其身？这将取决于研究成果能否尽快进入临床，并获得大范围应用，给医疗带来切实改进，以撑起领域公司的估值，冲破“C轮死”的魔咒。
向医生的主场渗透
击败四名放射科医师，CheXnet只经历了一个月的诊断学习。
AI已经在预测中风和心脏病发作、预测婴儿自闭症的风险上表现出明显优势；在外科手术和阿尔茨海默病预测中略胜一筹；在治疗脑肿瘤、先天性白内障诊断和皮肤癌诊断上，跟人类医生打平。“这些示范性的案例，就是一轮又一轮大额度融资的信心来源。”亿欧智库医疗产业分析师尚鞅告诉《财经》记者。过去一年，资本对医疗AI的热情展露得非常明显，因为落地的可能性被印证了。
就医，最核心的部分是诊断。替代医生诊断，是医疗AI的一个终极目标。现阶段的小目标是，能够让AI为医生的诊断及治疗方案提供建议，辅助诊疗。
AI辅助医生做事，先从那些繁琐的、重复性工作起步，提升诊疗效率。企业和研究团队分头趟开两条路：一条基于自然语言处理，根据病历和症状诊断疾病；一条基于计算机视觉，通过识别医学影像诊断疾病。
IBM公司开发的“沃森”（Watson），是第一条路径代表。它四年学习了200本肿瘤教科书、290种医学期刊和超过1500万份的文献后，尝试在14个国家的多个肿瘤治疗中心临床应用。在输入患者的年龄、性别、体重等基本情况和癌症分期、局部复发、化疗方案、病理分期、癌症转移等具体内容后，短短十多秒，沃森就会给出治疗方案，在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等方面为医生提供诊断建议。
肿瘤医生的智能助手沃森落地中国非常迅速，其国内代理商——百洋智能科技在去年5月曾透露，一年内将有150家地市级的三级综合医院引进沃森。然而，沃森面临的问题是，虽然速度快，但给出的解决方案可能还不是最好的。
第二条路径，AI可将复杂、高维度的医学影像数据，降维使其更易处理，因而可以快速、准确地从医学影像中发现病症的信息，辅助医生诊断。
国内对AI最现实的期待是，纾解三甲医院爆满的困境，协助提升县乡镇的医疗水平，以免漏诊、误诊。
依然是数据为王
一个十分明显的趋势是，AI往医学影像领域扎堆。
动脉网数据显示，国内83家医疗AI企业中，一半涉足医学影像。“（这一领域）正处于黄金期，除提高效率之外，它能找到人力无法找到的病征，今后完全取代医生读片是完全可能的。”海银资本创始合伙人王煜全向《财经》记者分析。
技术驱动因素之外，还有一个重要的底层逻辑在运行。“离开临床数据，AI没法思考。”北京大学肿瘤医院信息部主任衡反修在很多会议上强调这一金句。
要想让AI深入，就需要协调电子病历、化验和影像系统、医生记录和医疗保险索赔材料等多方的大数据，这明显是个难上加难的任务。
即使在先行者美国，也有同样困境。《数字美国》报告显示，美国有近四分之一的医院和超过40%的医生尚未采用电子健康记录系统。即便有电子记录系统，也没有与病人或其他提供者无缝共享数据，因为这些系统无法互通操作,病人需要反复讲述他们的病史。
况且，医疗AI在全球都面临着一些独特的高难度障碍：医疗数据的敏感性和严格的保护隐私规定，限制了AI医疗所要求的高质量聚合数据的收集。如美国医院对患者隐私有很多保护，医院数据不能轻易开放给AI公司。
真正决定中国产生后发优势的，依然是数据够大。李钢观察到，现阶段中国医疗AI产业对美国风向的跟从效应明显。但未来，人口与数据的优势将可能使中国企业狂飙。
“C轮死”魔咒
活过2018年，是很多医疗AI公司的决心。
融资青黄不接、技术迭代的瓶颈，以及商业模式断裂，哪一条都有可能拖垮靠技术吃饭的初创企业。
李钢观察到，当细分行业龙头融资纷纷达到亿元级别后，其中领先企业融资最困难的阶段就近在眼前了。
这是因为，对风险偏好较高的风险投资者而言，细分行业龙头需要的融资额已经超过他们能够投资的体量；而对于较大体量的私募基金而言，这些行业龙头依然处于商业化的探索阶段，没有亮眼的财务数字却顶着极高的估值，实在无法下手。由于亿元级别的融资相当于B轮融资，因此，这个规律被称为“ C轮死”魔咒。
现在，AI医疗影像行业的头部企业，已经进入C轮的那道缺口之中。
黄家祥也认为，2018年对于很多医疗AI公司来说都是一个巨大的挑战，“可能会淘汰掉一批，不光是融资层面的，还包括一些成长不上去的”。
医疗AI跟阿尔法狗一样，需要不停迭代升级。这意味着，要不停用数据去训练AI，并且有医生持续地参与，在真实的应用场景中去支撑AI的持续成长。
一位医疗AI公司创始人对《财经》记者说，一些公司遇到技术迭代的瓶颈，卡住了，“干脆不继续推进，保持低投入、不推广，等着被收购”。
市场集中进程在快速完成，是接受《财经》记者采访的多位资本分析师都认同的医疗AI趋势。“谷歌、腾讯等巨头对初创企业甚至中型公司形成的压制会越来越明显，在接下来的一年，竞争会非常激烈。”王煜全分析称。
再看远些，医疗AI技术如果能够突破应用关，将顶级医生的诊断能力标准化后，交给基层医院，为基层医生提供辅助诊断，会在很大程度上改善医疗资源的紧张状况。
麦肯锡全球研究所预测，大面积使用人工智能诊断疾病可能不会太快发生，即使早已入局的巨头们，也不过是入门级水平，这并不妨碍AI会成功渗入，成为医疗的底层技术，就像之前的IT技术一样。
人工智能和人类医生比谁更聪明，可能还会持续。《新英格兰医学杂志》认为，这种争论没有意义，如何让人工智能和人类医生一起，实现任何单一方都无法提供的临床效果，才是关键。
行业的狂欢和泡沫，是任何一个新技术浪潮的必经之路。最后胜出的，是那些创造了真实价值的技术和产品。
（《财经》记者 贺涛 刘浩南 张利/文）
更多医药信息资讯 请关注“麦斯康莱”
