關於人工智慧在醫療行業應用的五個觀點

隨著人工智慧首次進入總理《政府工作報告》，人工智慧概念股又大幅上漲，馬化騰、李彥宏以及多位院士都圍繞人工智慧發聲。

2016年11月25日，在醫療器械行業協會主辦的第三屆智慧健康醫療發展高峰論壇上，中興合創董事總經理劉明宇作了《人工智慧在醫療領域的應用前景淺談》的主題報告，他直言人工智慧對醫療行業「沒有顛覆」。貝殼社將乾貨整理如下，供各位讀者參考：

我原來是在醫療器械行業做超聲儀的，4年前，從產業界轉到了投資界。投資人不太敢做預測，因為預測主要是搞高層設計的人去做。好多人說投資人比較功利，沒辦法，LP給我們的時間最多9年，短的是5年，資金到賬5年之後，就要求看到回報，給LP分錢了。這個時候，如果我們的錢還鎖在紙面上，就說不過去。

但是，反過來說，我們也還是要做一些突破性的事情。我們這個基金叫中興合創。4個合伙人中，除了我之外，都是從中興出來的，一直在TMT領域。我來中興合創之後，開始做醫療領域投資，這幾年接觸了很多項目，醫療組平均一年看300-400個項目，能去現場的不到50家，一年投的不到10家，大概是這個比例。

我們投什麼樣的項目，不太好說。但是有三大類，我們不太敢碰：

第一類：特別講情懷，情大於法、情大於理的不敢碰

不管什麼行業，你還是先講講到底東西是什麼、有沒有效，不要用感性的東西替代理性，我們這裡不是《好聲音》，我們是投資不是投票。投票沒關係，腦袋一熱投了你了，這是娛樂，投資不一樣，是投錢的。相對而言，醫療是比較理性的行業。

第二類：把勢能當動能不太敢投

勢能這個東西很有前景，但不一定能掙到錢。醫療是比較保守的行業，有時候分不清到底什麼是驅動力。

到了年底，我們自己機構會年度總結一下，看我們這些年追過的技術：2016年比較火的是人工智慧、VR/AR，前兩年滿場都是雲，去年滿場都是無人機。

我們投資的自動駕駛領域，給我很大的啟發，自動駕駛系統替代的不是邁克爾·舒馬赫的國際頂級賽車手，它替代的是女司機，或者剛上路的馬路殺手，或者特別疲勞的乘客。然而，醫療領域本來很高大上，把人工智慧最前沿的技術、頂尖的大學和實驗室往那兒一擺，從投資角度來講，這些都投不了。

第三類：我們比較怕看這種「小李飛刀」一樣的項目，就是誰也看不懂，沒有見過他的刀，見過他的刀的人都死

最好的項目就是降龍十八掌，你擋不住，堂堂正正地打。

上午，我聽了北大人民醫院信息中心主任劉帆的演講，這是從醫院出來實際的需求——把數據結構化。這句話聽起來比較學術，翻譯一下，其實是把高等腦力的活變成低等腦力的活，甚至變成體力活。

你會發現人工智慧特別多高深，其實就是一個一個地算，把所有的解決方式擺過來一個一個挑，每一個建模打一個分，挑那個高分的，這就是體力勞動，只是用機器替代人，效率更高了。現階段，不要一提到人工智慧，就把它跟智慧連在一起。

人工智慧是需求驅動，還是技術驅動？簡單的看一下所有的用戶方，醫療比較特殊，好像是2C，實際上是2B的。我們幾個教授做醫療器械，我們的客戶有少數是病人，多數是醫生和醫院。

從病人的角度講，他的需求有那些不一樣，罕見病就是要完整信息，重症要所有的診療記錄，一般慢性病要的是趨勢管理，一般的疾病就是所謂的現代健康管理。

從醫院的角度講，同濟、協和等大型三甲醫院和基層民營醫院的需求是不太一樣的。大型三甲醫院要建立品牌，要提高臨床水平、學術水平、病源質量。而基層民營醫院基本上是要社會認可、臨床資質、醫生團隊、病源數量。

從醫生的角度講，院長需要優質病人；大專家（主任專家）需要罕見病歷；代表性病歷；主任醫師、副主任醫師要管理病人，提高診療效率；主治醫師要增加病人；基層的住院醫師是提高病床數，增加收入，增加經驗。

從供方來說，不管是賣葯還是賣醫療器械的，你要搞清楚是2B還是2C，誰在這裡面有話語權？是醫生，多數情況就是這樣。我們要滿足醫生的這些訴求，你到底能做哪些事情？人工智慧只是一個技術/平台，跟所有高大上的東西是一樣的，它到底能不能解決具體的問題。

我們自己在投資的時候三個層面去找：感知層、決策層、反饋層。人工智慧的核心是大數據，感測器平台、核心演算法在上層應用。在所有先進技術裡面，醫療是最後被應用的領域，因為醫療行業比較保守。

下面介紹我們中興合創投資的案例。

因為中興合創的LP有心血管行業的，也有投資國內最大的家用呼吸機的。家用呼吸機最大的適應症就是慢阻肺（慢性阻塞性肺疾病）。慢阻肺死亡率在全國排第三位，艾滋病還在它後面排第四位。我們為此拜訪了很多醫生，有基層醫生提出，不管是裝支架還是做完肺部手術回到家，在大型三甲醫院做得好好的，一回到家惡化了，又不能24小時盯著患者，要帶個護士回家也帶不起，怎麼辦？醫生需要一些患者管理工具。

我們在日本、台灣、以色列找了一大圈，後來在以色列投資了一個感測器，有九大適應症：缺血性心衰、慢阻肺、哮喘、心律不齊、帕金森、糖尿病、高血壓。而且這個設備不是健康級的，而是醫療級的。肺和心臟是一個系統，肺病會誘發心律不齊和心力衰竭。

我們還投資了一家公司，通過紅外設備植入皮下檢測血糖，通過無線通訊把檢測結果傳給醫生。在醫學影像行業，它就是用圖像輔助醫生診斷。

我自己原來在超聲行業，全國能看懂心電圖的醫生不超過4萬，能看懂超聲圖像的醫生也就是四五萬。不像國外的醫生自己開診所，既能做B超，也能看心電圖，還能上台動手術，的三甲醫院分佈太細，而且基層醫生也看不了。

老主任可能一看CT，就能告訴你腫瘤在哪、腫瘤多大。但是你問現在剛畢業的基層年輕醫生，不管名校還是從美國回來的都不行，後者對工具的依賴度很高。因為這是個實踐活兒，跟開車是一樣的，開過5萬公里自然經驗就上去了。

人工智慧就是能讓你縮短學習時間的一個工具，相當於老司機開了破車，新司機開了個好車，至少走在好一點的路上，新司機很大程度上可以超越老司機。

最後我總結一下：

一、硬體平台（GPU等）的進步是AI走向規模應用的基礎。

人工智慧是一個持續多年的老命題。如今，這些很複雜的深度學習的演算法，在很小的硬體平台上就能實現。

二、數據是人工智慧應用的核心，「安全無效」的不是數據，而是垃圾

我們看到很多可穿戴設備，並不是教育市場教育得不對，也不是用戶太挑剔，而是這些數據是無效數據，把每個人24小時心電圖存下來，給到醫生，醫生是不會去看的。

三、目前階段，人工智慧不是代替醫生，而是作為助手、夥伴乃至導師的角色。

就像自動駕駛，替代的不是老司機，而是女司機！

四、能解決醫療中的實際問題，就是黑科技

很多應用場景不需要理解能力和學習能力，只需要提供常識性指導，提高處理效率、減少出錯概率，就可以解決醫療的實際問題，就是高大上！

五、精準醫療、輔助診療和新葯開發領域，人工智慧大有可為

醫療領域確實是比較保守，這個沒辦法，醫生面對的行業跟其他行業不太一樣，特別是跟現在的消費品、文娛產品不一樣。

然而，醫療行業幾乎把遠程醫療、雲計算、大數據、可穿戴、AR/VR（增強現實/虛擬現實），所有新的技術都吸納了，只是比較嚴謹，其實它並不是拒絕新技術。這兩年來，對於上述技術，一開始大家覺得是風口，後來覺得泡沫，但實際上不是，你會發現這些東西會慢慢發展成實實在在的產品——這也是我們尋找人工智慧項目的邏輯。