7月4日，一家总部在北京的A I医疗公司宣布，已在上半年完成D轮10亿人民币的融资。这轮融资在助推该公司跻身国内医疗大数据和人工智能领域首个独角兽企业的同时，也将参与此轮投资的重磅级推到了幕前。据该公司内部人士透露，全球最大的主权财富基金之一——— 中投公司也在D轮投资者名单当中。

那么，近几年机构向AI医疗砸钱究竟有多大力度？资本究竟如何看待A I医疗未来前景的？AI医疗能真正替代医生么？医院层面的观点又是什么？

国内A I医疗融资多在A轮

作为New Enterprise Associates(NEA恩颐资本)的中国团队，长岭资本近年参与了国内AI医疗的投资。据长岭资本的不完全统计，2016年作为人工智能+医疗在中国国内形成风口的元年，有27家企业在这一年进行了融资，其中16家企业融资金额在千万级人民币或美元以上。

而海外市场则早在2014年就已经开始形成投资风口，主要集中在美国、英国和印度三个国家 。其中，肿瘤大数据公司Flatiron于2014年完成融资1.3亿元美金，2016年完成1.75亿美金，并于2018年以21亿美金的总价被罗氏药业收购。

由于中国的AI医疗投资风口形成较晚，国内企业在人工智能应用于医疗领域的商业竞赛才刚刚开始。有数据显示，当前国内80多家人工智能+医疗企业中，有60多家有公开的融资信息，它们目前的融资轮次集中于A轮和天使轮。

从全球而言，令人担忧的消息也在促使创业者和投资人以更理性的视角来看待这个领域的发展。2018年5月，人工智能领域的先驱IBMWatson被爆裁5000名员工，无疑为风口上的医疗人工智能领域泼了一盆冷水。公开资料显示，早在2016年IBM就分别以26亿和10亿美元，收购了医疗数据公司Truven和医疗影像与临床系统提供商Merge Healthcare。

布局医学影像最多

作为长岭资本管理合伙人，蒋晓东在分析了中国83家人工智能初创公司在医疗领域的布局后，认为国内外AI医疗公司有着显著差异。

上述83家人工智能初创公司中，布局医学影像最多，占到38家；布局虚拟助手的其次，占15家；布局病历文献数据及分析的紧随其后，占14家；另外，布局健康管理、疾病筛查及预测、智能化器械分别有7家、4家和3家，而布局医院管理和药物研发的均只有1家。

由此不难看出，从细分领域集中度来看，中国的人工智能在医疗中的应用主要集中于基础医疗信息体系，例如医疗影像信息、病历信息等。

而与此形成对比的是，境外人工智能+医疗企业的细分领域布局分布较为均匀，但是会偏向于药物研发、健康管理等更深层次的应用。

AI+诊断有望大规模铺开

据记者了解，在广州市内的医院中，中山大学中山眼科中心、中山大学肿瘤防治中心及广州市妇女儿童医疗中心均在“AI+诊断”方面有相应的落地项目。

以全球最早开展眼科AI诊断的中山大学中山眼科中心为例，该院人工智能负责人林浩添教授接受南都记者采访时表示，“AI医生”(即眼科人工智能机器人CC-Cruiser)主要用于筛查常见眼病，目前已经在医院门诊使用一年多。因医疗特殊性及技术限制等原因，目前AI门诊模式 主 要 是“AI诊断+临床医生复核”。林浩添还表示，该AI系统已经在越秀区白云街、珠光街和东山街的基层社区卫生服务中心放置了终端，通过AI+远程诊断实现眼病筛查。

“从前期的比较数据来看，医生平常从接诊一名患者到作出诊断，耗时约合10分钟左右。使用A I之后，从接诊到医生复核A I检查结果平均耗时压缩到两分钟以内。”林浩添告诉南都记者，就诊断准确率而言，目前A I医生在临床使用中的准确率达到90%。

在业界看来，目前“AI+诊断”更多的发力点在于辅助医生及医院的运作，林浩添表示，就未来使用前景来看，AI+诊断以后应该会大规模铺开。大医院主要用于初诊分诊，基层医院则是以筛查为主。“不过在我看来，政策支持和资金投入是目前影响AI铺开渗透的因素”。

AI医疗能替代医生么？

2017年以来，有关“为什么说人工智能一定能取代医生”、“人工智能有可能取代哪类医生？”等讨论层出不穷。

但在创投界眼中，上述答案与外界此前理解的会有偏差。以蒋晓东为例，他的观点就是：“人工智能在中国医疗领域的最终形态绝对不是取代医生，而是重塑并搭建中国未来新医疗系统的基础设施。”

众所周知，我国医疗的核心问题主要有以下几点。首先，治疗方案非标准化，医生主观性强，医生质量参差不齐，就医流程非标准化，就医体验差。其次，医疗资源分配不均匀；再次，在错位的医疗激励机制下，药品耗材补贴仍然占医生收入的重要部分，而这可能会削弱医生治疗的客观性。

蒋晓东认为，针对上述第一大问题，人工智能在高质量的医疗大数据及病历、影像、基因等基础上建立可验证、可重复的医疗标准。无论在诊前、诊中、诊后，还是院内和院外，都可以让患者在医疗质量标准化的环境中享受医疗服务。

其次，针对医疗资源分配不均匀的问题，人工智能借助大数据，可将头部医院的医疗能力赋能基层医疗，针对不同病种开发辅助诊疗等功能，让基层医院也可共享头部医院的医疗技术，最终将医疗资源均匀分布在各个层级。

第三，针对医疗客观性的问题，人工智能的介入能建立标准的医疗流程，医生在基于数据的前提下进行疗法、药物和耗材的筛选，并作出对患者最有利的治疗决定，而不受其他因素的干扰。

据了解，AI的运作逻辑主要是基于有自主学习能力的算法和数据积累，即通过算法对大量数据进行深度分析和学习。而在医疗诊断应用方面，中山大学中山眼科中心人工智能负责人林浩添教授认为，如果诊断的疾病具有典型性，实际上需要的数据量相对不用太多。但如果疾病有一定特殊性、诊断难度较高等，则需要较大的数据进行支撑。

不过，随着“AI+诊断”逐步在医疗领域铺开，目前学界也有观点认为，“AI诊断”最终目的并非取代医生，原因在于诊断生物体是一个非常复杂的过程，当中有许多变量。

中国科学院计算基数研究所“百人计划”副研究员赵地曾表示，单是一个“肺结节”，放射科、胸外科的医生看一张检查片，通常要判断十多种疾病存在的可能性，仅仅识别出一个“肺结节”是远远不够的。“但如果还要识别其他疾病，需要花费的研发时间就大大增加了”。另外也有专家认为，基于大数据运作的A I诊断，如果获得质量不高或未经认可的“垃圾”数据，AI系统无法进行相关诊断学习。