AI医疗面临的机遇与挑战

  走过元年，AI是真的火了。相比于别的行业的应用，AI在医疗行业的应用将会更早落地。

  从1956年的达特矛斯会议提出「人工智能」的概念，到AlphaGo击败围棋世界冠军，人工智能的发展不过仅仅半个世纪的时间，期间都曾因遇到瓶颈而停滞不前。而如今，AI已经跨过了元年，计算平台、海量数据及机器学习等技术的助推力，把AI的发展推到了一个前所未有的速度等级。而医疗健康被认为是AI将率先落地的领域，尤其是医学影像和基因组学等方面，已然浮现了意想不到的成果。

  从大的产业链层面来看整个行业的业态，我们大家可以看到，整个产业链可以分为三个层次：基础层、技术层与应用层。底层技术即为核心技术，包括数据的来源，算法框架的创建以及运算能力。因为行业巨头掌握了较为丰富的资金，人才和数据来源，所以巨头们更加偏向于将目标定位在技术层和基础层。而创业公司在核心技术上略显欠缺，所以选择在应用层面上与场景结合，这样可以相对容易的打开市场。

  根据FellowPlus数据库的统计，2017年总共有20家公司获得融资，其中医疗影像识别的公司达到10家，占整体数量的一半。由此可以看出，医疗影像识别可能会是第一个应用于医疗领域的人工智能技术。

  再来看看2017年融资轮次的情况。从上图中我们可以看出，2017年获得融资的公司里，绝大多数的都是在A+轮次以前的。结合2016年的数据统计来看，医疗人工智能这个行业整体还处于非常早期，这表明行业内的公司大多还处在初创阶段，整个行业呈现出年轻化、集中度低的态势，尚未出现明显的独角兽或者垄断。

  上图中我们能够正常的看到，2017年投资人工智能医疗的GP达到33家，其中不乏像红杉资本，经纬中国，启明创投，真格基金这些老牌GP。这证明人工智能医疗行业依旧受到资本的追捧。但是，从表中我们也能看出，GP们投资的标的相对分散，这说明，行业内尚无独角兽出现，呈现出百家争鸣的现象。

  前段时间，围棋神手AlphaGo的项目组Deepmind表示，自己无法利用现有的手段攻克星际争霸2，并且认为现阶段的AI已经遇到了瓶颈。像人工智能医疗这样的新鲜技术，是会突破瓶颈，产生一轮技术大爆发呢？还是说一直在这瓶颈之内打转转？又或者说，只是一种概念的炒作呢？我们拭目以待！返回搜狐，查看更加多