医疗AI的2020,会掉入大基金的“金钱陷阱”吗?

简介: 医疗AI无疑为普通人民和产业都带来了福音,对此,我们别无选择。但控制它、驾驭它的节奏,对于资本与政策这两只手来说,或许是未来数十年都必不可少的智慧。

云栖号:https://www.aliyun.com/#module-yedOfott8
第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

大基金,一直是中国产业升级的王牌。

半导体行业被“卡脖子”?1200亿产业基金走起。人工智能、新能源、新材料等战略产业,各种千亿级规模的专项引导基金了解一下?

在诸多领域中,关乎健康需求的医疗基金,也开始伴随着与AI、大数据等前沿科技的结合而迸发出新的机遇。不仅诸如阿斯利康之类的制药研发机构、平安等科技公司,纷纷开始从资本领域布局,国家也从战略层面开启了帮扶之路。

预计2020年,将是智慧医疗产业基金遍地开花的一年。那么,产业端有没有准备好运用这样的“天降之财”呢?

image

医疗大基金,一剂打给未来的强心针

目前来看,中国的医疗产业好像已经完成了承接一场“资本大跃进”的准备。

比如在北上广和强二线等城市,大多数优质医院已经完成了医疗AI所需要的数据基础建设。目前,我国三级医院基本达到HIS全覆盖,而二级及以下医院覆盖率达80%。这意味着,接下来推进以病人为中心的临床数字化智能管理,也有了基础。

与此同时,技术方案的输出方也开始呈现全面化的态势。比如在智慧医疗的整体解决方案上,华为、腾讯、平安等多家巨头都已经在软硬端都实现了布局。去年,东软、卫宁健康、易联众等医疗信息化上市行业也表现亮眼,毛利率超40%。

image

在医疗设备及产品的设计、制造、应用环节,也涌现出了不少高精尖制造企业,在深圳等城市的医疗智能装备产业基地,不少智能车间正在挑战高精度的医疗器械。

智慧医疗带来的需求和供给的“双侧”革新,正在带来一场全生态体系的全面转型。

从这个角度看,医疗AI成为资本宠儿似乎是一件理所当然的事。我们也乐见在这些意识更为超前的区域和企业,人工智能产业基金也在不断流入医疗健康领域。这无疑给人们对医疗与AI的结合更加充满信心。

不过问题来了,产业内的大多数企业,真的做好承接的准备了吗?

无法抵抗的金钱诱惑,与外强中干的医疗AI

需要承认的事,尽管我们已经听说了人工智能在医学影像、医疗器械、药物研发、手术机器人等领域的应用,但神乎其技的强势宣传,与AI技术本身的产业化落地,短期内还是两码事。

换句话说,医疗AI在一段时期内,恐怕还是只能靠国家扶持的“奶娃”。

首先,从全球企业的现实状况来看,许多能够刺激基金管理者的技术概念,比如智能外骨骼、新药研发等等,都无法在明年就直接走入应用场景。

举个例子,目前AI在影像科的应用还仅仅停留在病灶检测当中,无法实现从检测结节、进行分析到出具诊断报告的一体化进程,也就难以在临床真正落地。

资本对技术概念的盲目热衷,遇上应用端的冷脸,很有可能让投入直接凉凉。

image

其次,AI医疗也存在创意分配不均的问题。比如在较为成熟的计算机视觉领域,对眼部、肺部进行识别,更容易实现较高的准确率,导致眼部筛查等项目扎堆出现。而针对肺结节、脑出血、肝脏等复杂领域,以及医务人员工作强度更大的领域,反而少有切入。这也进一步导致在垂直算法、数据积累层面与国际医疗AI公司拉开了差距。

在产业发展路线图上,科技公司、医学企业、基金管理者、政策制定者的具体需求可能都各有不同,也进一步提升了基金方向的难度,影响着产业的健康发展。

有时候金钱的诱惑,也是一颗产业的“毒饼”。想要真正取得良性发展,资本的“大跃进”显然无法实现这一时代重任。

遥望2020,医疗AI的商业价值出口

既然如此,2020年最有可能率先出位,在商业效益与技术价值上实现突破的会是哪些潜力股呢?

1.老龄化。

用人工智能进行诊疗,显然还不足以打开终端场景。但辅助缓解社会的老龄化危机,或许将是中国AI医疗的有效解决方式。

以邻国日本为例,日本65岁以上人口比例居世界前列(接近国家总人口的三分之一),对于人工智能切入老年医护领域的创新十分关注,比如提供精神安慰的数据狗,针对失智症患者的沟通工具等等,都开始在日本消费端出现。

而中国的人口出生率也在近年来跌至历史低点,未来五年内死亡和移民人数将超过中国的出生人数,这意味着,老人的护理费用也会急剧上升。在这种情况下,除了智能音箱之外,未来数年内的老年陪伴场景,还有哪些AI硬件拥有机会,是值得遐想的存在。

image

2.主动健康。

日益增长的经济条件与人口规模的矛盾,让中国在医疗资源紧张的大环境下,面临的挑战和难度更加复杂。即使有人工智能加持,机器人辅助手术、高精度图像诊断等等,也无法强有力地替代医务人员的专业技能。如何让医护工作者保持合理的诊疗强度,是一个短时间内难以解决的问题。

不过,健康领域的人机交互就能在预防和诊前阶段这样数据相对模糊的领域,提供肥沃的价值土壤。MIT Technology Review Insights在《人工智能与人力资本》中也认为,医疗保健将成为人工智能和自动化技术的受益行业之一。

比如利用可穿戴健康设备识别疾病征兆并追踪健康状况,就能促进用户的主动健康管理。2019年,科技消费硬件代表苹果已经在最新款Apple Watch 上展示了健康保健的数据支持价值,中国硬件厂商的2020不出意料也会持续加码。

相关基金也开始关注并扶持这样的产品创意,借助更多智能硬件来发挥技术价值,不出意外也会是快速增长的领域。

image

3.数字基建。

与智慧城市、工业AI等快速可见收益的领域不同,大多数地方产业还未能就医疗领域的人工智能发展制定出具体的产业规划。这也使得许多地区的医疗还没能完成建立患者信息数据这一基础建设工作。与许多发达国家相比,我国医疗IT投入虽然增长较快,但整体投入仅占我国医疗总费用不足1%。

显然,依靠商业机构主动来完成这样的保障工作,是不太现实的。比如印度就将数字医疗的数据生态系统转化成基础设施建设项目,交由IT公司来完成。

因地制宜完成大型医疗数据集的硬性需求,也将给医疗AI产业带来前所未有的机会,并为未来几年的技术突破奠定基础。

image

医疗AI无疑为普通人民和产业都带来了福音,对此,我们别无选择。但控制它、驾驭它的节奏,对于资本与政策这两只手来说,或许是未来数十年都必不可少的智慧。

原文发布时间:2019-12-10
本文作者:藏狐
本文来自云栖社区合作伙伴“脑极体”,了解相关信息可以关注“脑极体

云栖号:https://www.aliyun.com/#module-yedOfott8
第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

相关文章
|
4天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗诊断中的应用
【7月更文挑战第3天】随着科技的不断进步,人工智能(AI)技术在各个领域的应用越来越广泛。特别是在医疗领域,AI技术的应用为医生提供了更加准确、高效的诊断工具,从而提高了患者的治疗效果和生活质量。本文将探讨AI技术在医疗诊断中的应用,包括影像诊断、基因检测、病理分析等方面,并展望AI技术在未来医疗领域的发展前景。
|
7天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【6月更文挑战第30天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。随着科技的进步,AI技术已经在医疗领域取得了显著的成果,如辅助诊断、疾病预测等。然而,AI技术在医疗领域的应用也面临着数据隐私、算法偏见等挑战。本文将详细分析这些问题,并探讨如何克服这些挑战,以实现AI技术在医疗领域的更好应用。
|
13天前
|
机器学习/深度学习 人工智能 搜索推荐
探索AI在医疗诊断中的革命性应用
随着人工智能技术的飞速发展,其在医疗领域的应用正逐步改变传统诊疗模式。通过深度学习和大数据分析,AI不仅能够辅助医生进行更准确的诊断,还能预测疾病风险并个性化治疗方案。本文将探讨AI技术在医疗诊断中的具体应用场景,分析其带来的优势及面临的挑战,并对未来的发展趋势进行展望。
|
13天前
|
机器学习/深度学习 人工智能 数据安全/隐私保护
AI在医疗诊断中的应用
随着人工智能技术的不断发展,其在医疗领域的应用也日益广泛。本文将探讨AI在医疗诊断中的作用,包括疾病预测、影像诊断、药物研发等方面。同时,我们也将讨论AI在医疗诊断中面临的挑战和未来发展趋势。
|
10天前
|
机器学习/深度学习 人工智能 监控
AI在医疗领域的应用?
【6月更文挑战第28天】AI在医疗领域的应用?
64 1
|
14天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将探讨AI在医疗诊断中的具体应用场景,包括影像诊断、病理诊断以及基因诊断等,同时也会分析AI在医疗诊断中面临的挑战,如数据问题、模型解释性问题以及法规伦理问题等。
|
6天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【7月更文挑战第2天】人工智能技术在医疗领域的应用正日益广泛,从疾病诊断到治疗方案的制定,再到患者管理和医疗服务的优化,AI的应用正在逐步改变着医疗行业的面貌。然而,随着AI技术的深入应用,也带来了一系列挑战,如数据隐私保护、算法透明度和公平性等问题。本文将探讨AI在医疗领域的应用现状,分析其面临的主要挑战,并提出相应的解决策略。
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的应用及其前景
【6月更文挑战第28天】随着科技的不断发展,人工智能(AI)已经在各个领域取得了显著的成果。特别是在医疗领域,AI的应用已经从辅助诊断、疾病预测、药物研发等方面展现出了巨大的潜力和价值。本文将深入探讨AI在医疗领域的应用及其前景,以期为相关领域的研究和应用提供参考。
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
模型可解释性在AI和机器学习中至关重要,尤其在金融、医疗和司法等领域。
**模型可解释性在AI和机器学习中至关重要,尤其在金融、医疗和司法等领域。它建立信任、揭示偏见、辅助错误排查和满足法规要求。方法包括使用直观模型、局部解释器(如LIME)、全局工具(如PDP、SHAP)及神经网络和注意力机制的可视化。可解释性结合领域知识和伦理,推动透明智能系统的构建。**
18 0
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
模型可解释性在AI和机器学习中至关重要,尤其在金融、医疗和司法等领域。
【6月更文挑战第28天】模型可解释性在AI和机器学习中至关重要,尤其在金融、医疗和司法等领域。它建立信任、揭示偏见、辅助错误排查和满足法规要求。方法包括使用简单模型、局部解释(如LIME)、全局解释(如PDP、SHAP)、模型可视化和注意力机制。通过跨学科研究,兼顾效率与透明度,打造可信的智能系统。
16 0