人工智能医疗商业模式还未确定，多数企业还未完成盈利

【产业链图谱 | 人工智能产业链图谱_人工智能产业链全景图】

【研究报告 | 人工智能行业研究报告】

在人工智能医疗不断飞速发展的同时，人工智能医疗也在技术，监管，商业发展模式方面面临着诸多问题，虽然现在资本对于人工智能的信任和投入的状态，但现在的人工智能医疗行业还未具体成型。这些都将成为人工智能医疗行业得到进一步发展的限制。

巨头争相入局AI医疗领域

日前，“Chain”杯全球首场神经影像人工智能人机大赛全球总决赛在京落下帷幕。一边是25位国内外神经影像领域的名医专家，一边是近半年学习了数万份影像的国产人工智能系统“天医智”。最终，人工智能(AI)选手以高出20%的正确率，战胜了医界神经系统疾病诊断的“最强大脑”。

近年来，国内外科技巨头纷纷布局医疗人工智能。在国外的科技巨头中，IBM在人工智能+ 医疗领域的布局最早也最深入，谷歌和微软也有部分参与。譬如IBM Watson能够快速筛选癌症患者记录，为医生提供可供选择的循证治疗方案。

而国内企业如腾讯、阿里等，这方面行动虽晚于国外企业，但发展很快。以腾讯为例，去年11月，科技部公布首批国家人工智能开放创新平台名单，明确指定腾讯为医疗影像平台的建设者。今年7月，腾讯在广东举办的医学人工智能论坛上，正式发布“腾讯觅影”乳腺肿瘤筛查AI系统，首次在国内利用人工智能实现了乳腺肿瘤的良恶性判别，并能自动生成乳腺影像报告和数据系统(BI-RADS)分级报告。

早在2016年10月和2017年3月，百度和阿里云就相继推出了各自的“医疗大脑”。近日，阿里巴巴联合杭州建德市第一人民医院推出AI电子病历质检系统，利用人工智能技术给病历“挑错”，推动电子病历规范化，同样受到关注。

极少数企业走进商业模式

医疗人工智能在经历过火热的发展之后，迎来了商业化的关键期。目前，虽然绝大多数医疗人工智能企业未实现盈利，且产品大多还在医院进行试验，但其通过不同的业务模式仍旧可以实现一定的付费收入。

综合来看，目前在中国从事医疗人工智能相关业务的公司大致可以分为三类：创业公司、互联网平台、传统医疗相关企业。实际上，由于三者所具备的优势和劣势不同，其商业模式也不尽相同。

从盈利模式看，医疗人工智能的商业模式多种多样，比如与医院进行合作提供医院管理、辅助诊疗等服务，与保险公司合作提供附加服务，与体检机构提供健康管理、用户管理等服务。但是对于创业公司而言，这种商业模式目前最亟需解决的难题就是落地。

即使目前真正走进商业模式的企业并不多，但行业内相关资本方对医疗人工智能依旧充满信心，这一信心具体体现在近几年行业内的投融资热潮中。根据统计，2013-2018年我国医疗人工智能行业融资规模总体上升。2018年前三季度，中国医疗人工智能领域共有39家企业披露完成融资，其中18家企业披露融资情况，投融资次数达到39次，融资金额合计为26.2亿元。

数据孤岛与标准化成发展难题

人工智能的核心是“数据”，因为需要依靠高质量的数据来进行训练并优化算法，从而保证高精度，因此，数据也而被称为是AI之核。

据2018年EMC(美国信息存储资讯科技公司)和IDC(国际数据公司)共同发布的报告显示，全球医疗保健数据量预计到2020年将达到2300EB。我国医疗数据更是可观，中国的病例数、就诊量在世界都是靠前的，然而这些庞大的病例数据就像一个个“孤岛”，散落在各大医院中，彼此并未打通，如何把全国数据互联互通是目前的一个大问题。

另一个问题就是数据的标准化问题。国家食品安全评估中心主任卢江就曾表示，“即使让数据互联互通，也存在标准不统一的情况，由于病种分类编码都没有标准化，不同医院间数据差别也很大。各个医院设备不一样，数据维度也不一样。”因此高质量的数据直接拿来用的非常少见，需要花费更多的时间和算法，先将数据标准化、结构化才能使用。

目前有些公司所用的数据来自公开数据集，但公开数据与真实世界的临床数据相比存在取样上的偏差。还有一大弊端就是数据比较老旧，或图像有残缺。像影像诊断数据这种，即便采用临床数据，还需要高年资医生做标注。但由于没有统一标准，人工标注的质量取决于标注医生的年资经验和责任心，这直接影像AI产品的诊断能力及准确性问题。

相关人员针对现发展状态也表示，医生是积极接受使用新技术来提升现在的治疗效率，但是这些都需要建立在对人工智能的诊断正确性有保证的基础上，如果使用人工智能技术对人才的要求也很高，那么技术的便利性也将难以实现。