0
他山之石，可以攻玉。
當前醫療人工智能發展十分火熱，但作為一片全新的市場，大多數企業并沒有很明確的方向。這種情形下，參照國外的發展經驗可以為國內企業更好地看清未來提供諸多幫助。
Airdoc作為一家同時耕耘中美市場的醫療人工智能企業，對于當前的市場有著獨到的見解。Airdoc董事長張大磊認為中美醫療人工智能市場主要存在四大差異：
一、美國醫療機構擁有更好的診斷一致性，更注重基礎設施的建設。
二、美國的各類醫療人工智能應用發展更為均衡，國內則主要集中于醫學影像
三、醫療人工智能在治療領域比診斷擁有更加光明的前景，但國內在這方面的布局落后于美國。
四、中國醫療人工智能企業太過局限于對人的研究，但其實微生物和動物市場同樣十分廣闊。
以下是Airdoc董事長張大磊先生的分享原文，雷鋒網做了不改變原意的編輯：
過去幾年，我們在美國市場和中國市場都做了一些工作，發現這兩個市場存在許多不同之處。今天和大家簡單做一個分享，談談中美市場在醫療人工智能領域到底有哪些不同。
首先介紹一下我們公司，Airdoc是一個純本土企業，在美國的公司其實也是中國公司的分支機構。和其他醫療人工智能公司相比，我們入局更早一些，當時醫療人工智能還沒有這么熱，我們在冷靜的過程中學會了很多東西。我們對自己的定位是做每個人的人工智能，而不是只有大專家才能用得著的人工智能。
過去幾年，醫療人工智能從不被接受到慢慢被接受，最終成為一個相對熱門的事物。在這個過程中，我相信監管層面、行業層面、科技醫療領域都有許多新的認知和改變。比如北、上、廣等醫療相對發達地區的三甲醫院，陸陸續續都開始部署醫療人工智能。此外，還有很多大型的會議，把行業里優秀的同行和思想家們召集到一起相互交流，這在三年前是不可想象的。
同時我們也注意到，科技領域也開始比較關心這個話題了。幾年前，人工智能領域的專家離產業還相對較遠，但現在越來越多人開始意識到人工智能是拐杖型的技術，自己本身不能創造價值，必須和某個領域相結合。目前，金融、安防等領域已經有很多人在探索了，醫療領域的公司也慢慢多起來了。
但是隨著越來越多人關心醫療人工智能，我們也注意到很多人的期望有些過高。人工智能技術發展至今，本質上并沒有非常突破性的進展。在創立Airdoc之前，我負責過視頻公司PPTV。那時候我們也用到了很多人工智能技術，每天都有幾百萬人上傳視頻，里面色情、暴力什么都有，不可能全靠組織人力來甄別。所以我們采用算法將所有視頻錄像、截圖下來，識別里面的內容。這些從2012年開始就廣為人知，是算法圈子里大家最熟悉的東西。
為什么過去幾年醫療人工智能會慢慢熱起來？我認為其中很大的一個因素就是，現在的醫保和醫療改革遭遇了困境。不只是中國，美國也同樣如此。中國和美國市場在人工智能上走過的路非常不一樣，最大的不同體現在四個方面：
首先，中國的醫療和美國市場還存在很大的差異，其中最大的差異體現在診斷的一致性上。以B超為例，B超在國內每個人都有自己的手法，每個人看到的東西也不一樣，因為掃描的過程不同。在美國，大多數B超醫生都會掃描11個切面，被訓練過的技師把這11張圖取出來，如果大夫發現不符合要求就會打回去重做。究其根本原因，中美的思維方式不太一樣，我們的思維方式比較混沌和藝術，而美國人的思維比較專業。
輔助診斷在美國市場并不大。我們一直關注在美國做輔助診斷的公司。我們之前合作的一些公司，開始融了一大筆錢，沒幾年就做不下去了。因為美國的分級醫療體系建立得比較完善，很小的問題到了全科醫生那基本就搞定了，稍微嚴重一點的則會分配給對應的專科醫生。其支付體系是嚴格按照效果付費的，有非常嚴格的要求，相當于有一個機制把治療結果或診斷結果較差的醫生排擠出去。但國內不是這樣的，不同醫療機構之間的水平差的非常遠。所以我們認為國內的輔助診斷市場要比美國更大。
另一方面，美國的精準醫療或者個性化治療市場非常大，國內則落后得多。我們曾經把分診分成LP往下推，大多數醫生回訪的時候發現，一個疾病推給縣醫院、市醫院、省會醫院基本就到頭了。如果病人在省會醫院還治不好，基本就不會更去更好的醫院了，但有些地區的醫療水平其實是非常有限的。
Verily是谷歌投資過的一家公司。谷歌把自己的人工智能醫療交給一幫做研究的人，不指望它掙錢。它真正指望掙錢的是Verily，Verily本身并不做醫療人工智能，它是做數據處理的，為醫療人工智能公司提供數據和數據處理服務。我認為這種做法是非常明智的。我認為醫療人工智能的盈利周期是十年，并非今年投入明年就能發財；同時這個市場非常廣闊，有很多涌進來。Verily把數據做到極致之后，既可以為藥廠、保險公司服務，也可以為醫療人工智能公司服務。它們對于行業的定位比較長期，首先著力于發展基礎設施。
但現在國內很多醫療人工智能公司都在走我們三年前的老路。三年前，我們的做法就是，把所有的疾病過一遍，看看還有哪些病沒有算法，然后把它做出來賣給醫院。他們都在嘗試取代或者幫助醫生做一件事情，但我認為這真正給醫生帶來的價值非常有限。
第二，我們注意到美國市場的五類人工智能應用發展比較均衡，每個細分應用都有大量公司在做。但國內大部分公司都在做醫學影像，嘗試用AI輔助新藥研發的公司一只手就可以數出來。再比如，美國有大量公司在做健康生活管理，但國內卻很少。而且國內公司基本都扎堆放射科，因為放射科的數據獲取相對容易，且比較標準化。但我認為，雖然這樣做通過PR在短期內容易融到一大筆錢，但長期來看，實際是在這個領域大量低水平重復建設。
這幾年真正意義上的醫學進展——至少在模式上能注意到的進展主要來自治療領域，而診斷領域在過去幾年里并沒有太大的進展。在診斷領域，算法做得最好的基本只能達到接近人類醫生。醫生會觀察病人的身態、步態以及交流方式，這是無法替代的。但治療層面有非常多的參數和個性化的治療方案，因此算法反而可能比人類做得更好一些。
我希望未來國內有越來越多公司涉足治療領域，把診斷和治療結合到一起。因為病人需要的是對疾病的有效干預和健康，而不是診斷。診斷能力的提高是醫生所需要的，但從來沒有人在醫生工具上賺到錢，這是很殘酷的現實。
中國非常重視人身上的醫療人工智能，但很少注意人以外的。美國市場則豐富得多，比如我們在美國花了大量時間用算法分析腸道微生物。
我們用算法分析人眼，出來一個診斷報告，FDA很可能會不通過。但我們也可以用算法分析動物的血管和疾病，這對行業上下游也非常重要。同樣，在微生物領域，比如腸道微生物有大量的數據，我們處理過的微生物數據就達到了百萬級別，比基因測序測出來的還要多。這同樣可以起到很大的作用，甚至可以發現原來研究中不知道的東西。
現在國內慢慢有一些企業開始做基因領域的深度學習，但我并沒有看到很多發力微生物或動物領域的公司，我認為這片市場也非常大。
前面提到了中國和美國醫療人工智能的四點不同，但二者也有相同之處，就是市場不好做，發展相對較慢。比如很典型的簽字權問題。假如醫院用算法給病人看病，一天能看一百個病人，其中九十五個是正常的，醫生需要在算法判定為正常的九十五個病人的病例上簽字，承擔法律責任。解決這個問題的方法是，讓法規允許算法簽字，但這涉及的層面非常廣。因為每一個結果都設計人命，監管層面會非常謹慎。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
