資本對於人工智能醫療市場的熱情正在持續增長。其中，影像診斷是人工智能醫療應用最廣泛、最典型的場景，創業和投資都是一片火熱。但據AA投資創始合夥人成妙綺觀察，在繁榮景象之下，烏雲正在彙集：國內絕大多數人工智能醫療產品由於算法準確度不夠且未能拿到人工智能產品的CFDA證，或許未來兩三年內都很難獲得規模收入。
以下是成妙綺自述。
AI+醫療賽道投資火熱，三個半BAT級別的機會
2018年是AI+醫療賽道投資特別火的一年。根據動脈網的統計：2018年1-8月，國內AI+醫療賽道的總投資額達到49.07億元人民幣，投資事件數39個；同期，國內AI+醫療投資金額和項目數均達到全球的60%以上，也側面說明中國在AI+醫療賽道已經處於全球領先的水平。
根據IT桔子的統計，截止到2018年年底，光是AI+醫療影像讀片領域，就有38家公司獲得了投資，累計融資金額高達70億元人民幣。
然而，看似一片大好的喧囂下卻是難以逾越的“硬傷”——2018年有多家AI+醫療影像公司號稱收入過千萬，但是考慮到這些收入過千萬的“領先公司”，無一例外地都未能拿到人工智能相關的CFDA證（即醫療器械註冊證。CFDA系“國家食品藥品監督管理總局”英文縮寫，健一君注），所以無法進入公立醫院的招標流程。再加上醫療領域人命關天，新產品和新技術獲得市場接受或認可的週期會比較長，所以這些公司的收入到底是怎麼來的？含金量有多少？都值得推敲甄別。在我看來，或許2019年我們將見證一大批AI+醫療影像公司的B輪死、C輪死，甚至是D輪死。
那麼問題來了，這個賽道還有機會嗎？是否值得我們關注或投資？答案是肯定的！人工智能賦能醫療，將有機會在未來10-15年產生三個半BAT級別的公司，而創業或早期投資的時機則需要前移8-10年。
這三個半BAT級別的機會中，半個是AI+影像診斷，另外三個分別是：AI+醫藥研發、AI+輔助診療（即AI醫生），以及AI+精準醫療。下面分別簡單說明：
AI+影像診斷：這是最成熟的細分方向，已有公司做到很高的準確率並開始了商業化收費。如我投資的醫準智能，其AI+肺結節檢測產品的算法準確率已經高達99%且假陽性率不錯。今年將是人工智能醫療影像診斷商業化爆發的一年，但也是眾多從業公司死亡的一年。因為不同醫療影像種類需要用不同的算法，業內公司會八仙過海，各顯神通，所以市場集中度可能會低於後面三個賽道，只能產生半個BAT級別的公司。
AI+醫藥研發：根據德勤的統計，研發一個新藥需要14年，且平均成本已經飆升至15.4億美元。新藥研發的困難，倒逼藥企用AI等下一代科技來減少在失敗藥物中的嘗試，以降低研發時間和資金成本。2018年8月份，全球已有53家AI+醫藥研發企業獲得融資，累計融資總額達到13.1億美元。中國的醫藥研發基礎非常薄弱，缺人、缺化合物構效關係的基礎數據。 如果創業團隊沒有海外大藥企的多年醫藥研發背景，或不能通過與醫藥巨頭的合作獲得足量的基礎數據集，就算AI能力再強，也難以獲得突破。
AI+輔助診療（即AI醫生）：未來，AI醫生將是普遍的存在。患者如果感覺身體不舒服，首先會找AI醫生，只有大病或需要手術時才會去醫院。但是，人類有4,000種常見病和7,000多種罕見病，要想把所有病種的診斷都AI化是極為困難的。所以這個領域的公司必須先從單獨的科室甚至單獨的某一小類疾病做起，爭取在最小範圍內做好算法，形成產品的閉環。最近看到有個公司通過面部識別做小兒罕見病的初篩，就是很好的嘗試。與此相反，有家公司曾宣稱：每個科室做好20個最常見疾病的算法，就可以解決80%的問題。說這句話的人，一定是一廂情願地以為大夫連常見病都看不好。
AI+精準醫療：除了外傷，人類所有的疾病都與基因有關，所以精準醫療的前提是基因檢測和基因數據解讀，而基因解讀的核心是找到基因組與表型組、疾病組之間的關係，從而精確地找到最佳治療方案，以達到治療效果最大化和副作用最小化。AI能幫助提升基因測序的質量和準確性，並更好地找到基因組突變與疾病組之間的關係，將成為精準醫療的推動引擎。
華人人口眾多，且基因與白種人基因差異大，所以國內能長出深扎市場的精準治療巨頭。下面簡單列出未來三到五年值得重點關注的AI+醫療方向。需要說明的是，雖然機會很好，但每一個機會旁邊都是無數的坑。投資有風險，入坑需謹慎！
圖片來源：成妙綺
三個閉環判斷體系識別真假投資機會
雖然人工智能醫療是必然趨勢，也將跑出來多個重磅級的公司，但裡邊的坑也特別多。我們怎麼去判斷其中的細分方向/項目是餡餅還是陷阱？
我認為：AI+醫療項目的成功，必須滿足三個閉環，分別是數據的閉環、算法的閉環以及商業的閉環。這三個閉環也適用於所有AI場景。
圖片來源：成妙綺
數據閉環：對於想在AI+醫療領域創業的人來說，數據是第一個攔路虎。我們或許會想當然地認為，只要是醫療數據，就可以餵給AI算法。但實際上，由於絕大部分的醫療數據做不到數據的閉環，對算法來說，是無效的數據。比如說，97%以上病例都是門診病例。通常情況下，病人去醫院找醫生看病，告訴醫生哪裡不舒服，醫生問診後得出一個診斷結論、開處方，病人拿完藥就走了。醫生診斷是否準確？該藥療效如何？醫院和醫生是不會知道的，所以門診病歷數據的可用性極差。
算法閉環：算法要在短期內可以攻克，且可以達到97%以上的準確度。人工智能技術仍處於發展的初期，相當多細分方向是短期內無法攻克的，在這些領域創業，充其量也就是成為先烈。比如家庭服務機器人，用戶如果花二三十萬買一個家庭機器人，肯定會期望它能出得了廳堂、進得了廚房，不僅能唱歌、跳舞、陪聊天，還能洗衣、拖地、做飯。短期內，這些期望顯然不可能實現，所以我並不看好家庭服務機器人方向 。
商業閉環：就算是高科技，人工智能醫療的產品也需要掙錢，需要有足夠大的市場空間和潛力。AI+醫療產品能掙到錢的首要前提是算法準確度要足夠高。否則，醫院會試用，但不可能掏錢購買。因為醫生不敢完全信賴的AI產品，實質上對醫生的價值有限。目前絕大多數AI+醫療影像診斷產品，由於算法的準確度不高、且還需要至少2年半到3年才能拿到智能產品的3類CFDA證。所以可以預見，未來兩年多的時間內，沒有CFDA證的眾多AI+影像診斷公司，很難有什麼收入。
AI+醫療領域的四個大坑
用三個閉環的理論去分析，投資機會是餡餅還是陷阱，就比較容易區分了：有些是細分方向本身有問題，有些是算法準確度近期突破不了，有些是因為拿不到CFDA證，也有些是因為從業公司大肆造假，下面分別簡單說明。
方向的坑：如果方向本身有問題，再努力也白搭
人工智能醫療中，許多細分方向本身就是大坑，大家需要瞪大眼睛看清楚。下表是部分有問題的細分領域及原因分析：
圖片來源：成妙綺
算法的坑：太難了做不出來，太簡單了沒壁壘
醫療影像針對範圍廣，約70%的臨床診斷需要藉助醫學影像，而且醫療影像大多存儲在PACS（影像歸檔和通信系統）中，數據提取方便，所以人工智能醫療影像將會率先商業化。AI+影像診斷也是當前成熟度最高且各基金重點佈局的方向，我們就以這個賽道為例說明算法的難度等級，以及對創業和投資的影響。
醫療影像主要分三大類，分別是2D影像、3D影像和視頻影像：
·2D影像：病理切片、乳腺鉬靶、X光、眼底相片、心電圖、皮膚癌等·3D影像：如CT、PET-CT、核磁共振等·視頻影像：內窺鏡（腸鏡、胃鏡、食道鏡、喉鏡等）、超聲檢測等2D影像在算法上總體來說比較簡單，但3D影像和視頻影像的算法難度則依次提升一個臺階。也就是說，視頻影像診斷的算法難度大約是2D影像的100倍左右。
既然2D影像在算法難度上相對不高，是否其中的AI產品都沒有機會呢？當然不是。比如乳腺鉬靶AI檢測，雖然針對的也是2D影像，但由於以下三個原因，其算法難度很高，達到了肺結節AI檢測這種3D影像產品的5倍以上：
·亞洲女性和歐美女性的乳腺腺體差異比較大，亞洲女性的腺體比較緻密，脂肪含量低，鉬靶圖像的高亮部位連成一片，很難辨識清楚。·檢查過程中病灶被緊壓變形，造成識別困難。·需要能把軸位圖和側斜位兩張圖做好空間配準，才能更好地判斷同一個病灶。相應算法的難度極大，全球都沒有任何公開的算法。3D影像從誕生之初就有比較高的壁壘，視頻影像的算法壁壘更高，且
視頻影像幾乎找不到公開的算法，創業公司必須自己從頭開始搭建算法，更抬高了壁壘。AI在醫療領域的應用中，AI+影像讀片是最成熟、獲得投資的項目數量最多的賽道。我們看看AI+醫療影像的公司，算法閉環做得怎麼樣？
這個領域中已有公司率先拿到了C輪融資，有300多個員工，光算法人員就有70多人。2018年12月底，該公司宣稱其肺結節發現準確率高達90%。90%的準確率意味著有接近10%的患者沒有被診斷出來，很容易造成醫療事故。這樣的產品，醫生怎麼敢放心使用呢？
所幸的是，行業中還是有公司能做到算法上的突破。比如醫準智能，他們的肺結節AI檢測產品準確度已經達到99%；他們的第二個產品，乳腺鉬靶AI檢測產品也已面市，準確度達到93%，遠高於醫生的平均水平。我們希望這樣踏踏實實做事的企業多一點，投資人才會把更多真金白銀放到這個市場，弄虛作假忽悠是走不了多久的，美國“女版喬布斯”的倒下就是最好的警示。
算法壁壘高或值得重視的部分醫療影像細分方向：
圖片來源：成妙綺
CFDA證的坑：所有公司會呼吸的痛？
除了算法要過關之外，AI+醫療產品能掙到錢的第二個前提是產品要有CFDA證。而迄今為止，國內醫療AI產品只發出了兩張證，都在我投資的醫準智能公司手中，別的拿了CFDA證的產品大多是以CAD等軟件產品的名義報批獲得的。
這個行業買單的客戶主要是四大類：公立醫院、體檢中心、遠程讀片公司和私立醫院等，其中最主要的客戶是公立醫院。要進入公立醫院的採購流程，沒有CFDA證是萬萬不能滴。因而CFDA證成為所有AI+醫療公司會呼吸的痛，只是知情者都不敢宣之於口。
雪上加霜的是，從2018年8月1日起，醫療器械分類目錄正式規定：若診斷軟件通過其算法對病變部位進行自動識別，並提供明確的診斷提示，則風險級別高，相關產品需要按照第三類醫療器械管理。要想拿下三類證，至少需要兩年半到三年時間，拿證整個過程還至少需要500-1,000萬的投入。
對財大氣粗的AI+醫療影像企業來說，1,000萬的CFDA拿證費還真的不是個事，但2年半的CFDA證申請時間，無論對企業還是對投資人，可能都事關生死！
先從體檢中心、遠程讀片公司和私立醫院等獲得收入？雖然這三類客戶不要求CFDA證，但對算法精度和產品可靠性的要求一點不比公立醫院低，而且他們僅對部分病種的影像檢測有需求，總市場規模遠小於公立醫院。
業績造假的坑：已形成完整產業鏈
醫療行業人命關天，如果產品未經國家權威認證（獲得CFDA證），算法的準確度不高，未能贏得醫生的完全依賴，產品未經市場充分認證，沒有行業大專家的認可，很難打開市場。所以可以預見，未來2.5-3年內，沒有CFDA證的玩家不太可能獲得規模收入。
但是2018年底，已經有多個AI+影像診斷公司宣稱年收入過千萬了。他們的收入到底是怎麼來的？含金量如何？其實是很值得商榷的。因為公立醫院的採購都是需要公示的，所以驗證收入的真實性也不難：看看收入的來源，如果是公立醫院的訂單，查看招標網就可以了。
AI產業需要鉅額的資金投入，而整個AI產業的商業化進程還遠落後於投資進程。迫於業績壓力，也為了更好地拿到融資，不少公司開始想著“抄近道”。有需求就有供給，目前華東某省已經形成了高科技公司業績造假一條龍服務，且收、支循環的成本極低。投資人在盡職調查時，如果看到公司的主要客戶或採購款項均位於該省，就一定要睜大眼睛看清楚。
成妙綺，AA投資創始合夥人。
專注於早期TMT項目投資，具有十多年風投經驗。目前主要聚焦於人工智能和大數據方向，尤其對AI+醫療領域進行了系統性研究和分析，對該領域的趨勢和投資機會有深刻洞察，並有醫準醫療等經典投資案例。
投資特點是通過建模方式甄別優秀投資對象、選擇投資機會，目前已完成四個體系的建模：[優秀CEO分析與個人進化] [商業模式分析與優化] [早期投資的投資邏輯和投後服務] [AI+醫療投資機會分析]等。
畢業於清華大學，獲得工科學士和工商管理碩士學位；曾任職於崇德投資、聯想投資、清科集團和華為技術有限公司。
