一文看AI医疗,或许下一个AI医疗热点就在这

医疗大数据人工智能
鲸准数据中心
张育涵
2017-09-06 15:20
[ 亿欧导读 ] 鲸准数据中心整理了整个AI医疗从2013到2017年的241起国内融资事件,本文用资本布局时间线去描述AI医疗行业现状,去发现AI医疗的下一个行业热点。
人工智能,AI,医疗,智能诊断 图片来自“123rf.com.cn”

人工智能一直很火,但在全世界范围内的引爆,发生在2016年的3月,谷歌的AlphaGo以4:1的成绩战胜了世界围棋冠军李世石。一个月后,中国的BAT巨头不再潜水,开始了动作,他们在人工智能领域的一个非常重要的角力场便是「AI医疗」。

2016年4月,腾讯等机构以10亿人民币投资碳云智能;2016年10月,百度对外发布了「百度医疗大脑」,宣布正式进军AI医疗;2017年3月,阿里云发布「ET 医疗大脑」宣布正式进入医疗AI领域。

作为压垮中国人民的三座大山之一——医疗,是目前人工智能各应用领域中最热门的赛道。人工智能在医疗领域的应用门槛最高,最难突破,但也最具想象力,所以资本和BAT们对这座大山发起了一轮又一轮的攻势。针对以医疗为重点的AI创业公司从五年前的不足20家上升至现在的120多家,但大多停留在「to VC」阶段,整个资本圈都在等待,AI医疗能够真正讲出「To B To C」的商业模式。

鲸准数据中心整理了整个AI医疗从2013到2017年的241起国内融资事件,本文用资本布局时间线去描述AI医疗行业现状,最后通过鲸准上的投资人行为,去发现AI医疗的下一个行业热点。

1、什么是AI医疗?

AI医疗是以互联网为依托,通过基础设施的搭建及数据的收集,将人工智能技术及大数据服务应用于医疗行业中,提升医疗行业的诊断效率及服务质量,更好的解决医疗资源短缺、人口老龄化的问题。

AI医疗定义金字塔

AI 医疗定义金字塔

基础层:通过软硬件的基础设施,收集用户、药物及病理数据,并使数据互通互联,为人工智能的应用提供支持与可能。

技术层:通过语音/语义识别、计算机视觉技术,对非结构化数据进行分析提炼。「学习」大量病理学数据文本,使其掌握问答、判断、预警、实施的能力。

应用层:是指人工智能与不同细分领域的结合,以解决医疗行业中的某种业务需求,如智能诊断、药物研发、智能健康管理、智能语音等医疗场景。

2、AI医疗国内融资概况

5年内,AI医疗各领域共发生融资事件241起

5 年内,AI 医疗各领域共发生融资事件 241 起

AI医疗应用层持续热潮,基础层热度下滑

回顾13年-17年数据,从2015年开始,基础层热度明显下滑,而资本开始纷纷进入应用层。2017上半年AI医疗发生融资数量46起,下面是应用层各维度融资情况。

2013-2017AI医疗融资数量分布

国内资本多布局虚拟助手、医疗影像、医用机器人、智能健康管理这四个领域。

经统计,从13年到17年上半年,应用层8个细分领域共发生融资事件86起。国内资本多布局虚拟助手、医疗影像、医用机器人、智能健康管理四个领域,其中医疗影像成为资本密集的阵地,占比最高达到31%,位居第一。

2013-2017 AI医疗应用层细分领域融资数量比例

为什么医疗影像赛道玩家较多?

从细分领域融资数量图看出,医疗影像占比较多,为什么会发生这样的状况?影像具有4V性(volume数量、variety多样性、velocity速度、veracity真实性),4V的属性更适合其AI的发展。

影像的 4V 性

应用层融资轮次分布:大部分公司停留在天使轮及A轮

应用层融资轮次分布

国内AI医疗应用公司起步较晚,由细分领域融资数量分布看出智能诊断领域占比60%。整体上智能诊断还处于初期,目前没有大规模商用。对于优质数据的提取、数据的结构化及建模、患者语言的训练都是目前需要跨越的障碍。

进入到B轮及B轮后的公司分布在虚拟助手、医用机器人两个领域。

进入到B轮及B轮后的公司

医用机器人的实际应用主要集中在外科手术领域。机器人在手术上的准确性、可靠性和精确性上大大超过了外科医生,机器人技术已经在医疗领域得到了长足的发展,并取得很好的临床效果。

3、AI医疗行业发展解析

根据鲸准中心标签热度算法统计,有关于AI医疗的标签:深度学习、计算机视觉、AI医疗、智能诊断、医疗影像、自然语言处理、AI芯片、医疗大数据关注度有较大提升。

AI医疗标签关注度

AI医疗为什么会成为资本新宠?

1、政策推动

AI政策持续利好。2017年7月国务院刚印发《新一代人工智能发展规划的通知》,明确提出「到2020年人工智能总体技术和应用与世界先进水平同步」。

医疗政策持续利好。2016年国务院发布《关于促进医药产业健康发展的指导意见》,明确提出开展智能医疗服务。

2、国情推动

国情推动

社会进步和人们健康意识的渐渐觉醒,人口老龄化问题的加剧;病患多、医生少;医务人员培养成本过高;药物研发周期长、费用高;医生诊断不容犯错。

3、技术推动

语音和图像识别技术目前已达到商业化高度。从2012年的ImageNet大赛一直到现在,深度学习在图像的分类与识别上已经取得了非常大的进展。在医疗影像领域目前对某些病理图片的识别准确率已超过90%,用于辅助医生诊断已不成问题。区别于机器学习,需要给出特定规则后才能进行。而深度学习则可自由生成多层「网络」(深度神经网络)。

在深度学习之前,大约在90年代,就已有很多人做计算机辅助诊断(CAD)。之前神经网络做不深,现在有了新型计算机和深度学习之后,可以实现很深的网络。举例「乳腺钼靶肿块判读」。

三大AI技术基石:深度学习算法+计算能力+大数据,为AI融入医疗奠定基础。

4、设备驱动

电子胶片的普及;POCT及智能可穿戴设备公司初具规模,大量设备及胶片投入使用,形成庞大的用户病理数据,为构建医疗大脑奠定基础。

5、基础设施驱动

根据CHIMA的数据统计,显示早在2015年9月,超过60%的医院都已完成医院管理信息系统(hmis)的全面搭建。以「EMR」为核心的CIS成为建设重点。

现阶段 AI 医疗应用竞争态势

国内AI医疗未来发展建议

1、加快基层医疗机构的信息化建设,加速区域信息化集成布局。

2、数据获取能力的提升、算法的改进、人工智能技术的创新。

3、逐步完善底层核心知识图谱。

精准预测可拓展领域:AI+精神疾病管理、AI+精准诊断、AI+精准治疗、AI制药等。


研究报告分享

10月12日,亿欧智库,联合阿里研究院、微链共同出品《AI商业化“二次革命”的产业落地——2017中国AI投资市场研究报告》。报告从三大产业链层次和18个重点行业,到投资机构市场布局和巨头企业投资战略,报告深入探索AI各投资领域的变化趋势,总结AI投资市场主要“玩家”投资规律。

阅读报告请点击:《AI商业化“二次革命”的产业落地——2017中国AI投资市场研究报告》

参与评论

相关文章

关闭
  • 精彩推荐
  • 亿欧智库:2017中国智能金融产业研究报告
  • 美团云赋能AI共生共赢
  • 为梦想加速
  • 新零售全球加速计划
  • 扳扳问答

快来扫描二维码,参与话题讨论吧!

发送验证码
发送验证码
发送验证码
找回密码失败,请选择人工找回
如果你遇到下面的问题

我在注册/找回密码的过程中无法收到手机短信消

我先前用E-mail注册过亿欧网但是现在没有办法通过它登录,我想找回账号

其他问题导致我无法成功的登录/注册

请发送邮箱到service@iyiou.com,说明自己在登录过程中遇到的问题,工作人员将会第一时间为您提供帮助

账号密码登录

乐乐呵呵@微信昵称

该亿欧账号尚未关联亿欧网账户

关联已有账户

曾经使用手机注册过亿欧网账户的用户

创建并关联新账户

曾用微信登录亿欧网但没有用手机注册过亿欧的用户

没有注册过亿欧网的新用户

先前使用邮箱注册亿欧网的老用户,请点击这里进入特别通道
意见反馈
意见反馈
亿欧公众号 亿欧公众号
小程序-亿欧plus 小程序-亿欧plus
返回顶部