本期看点：
1.投资人们如何看待这一风口行业？
2.落地环节，创业者普遍有哪些痛点？
3.百洋智能沃森为什么能够快速抓住市场？
9月5日，中澳营养健康联盟发起了2017医疗人工智能投资趋势圆桌论坛——红杉资本中国基金合伙人陆潇波、远毅资本合伙人杨瑞荣、百洋众信总经理徐晓阳、医渡云联合创始人宫如璟作为嘉宾出席了本次会议，众合资本总裁曹越担任本次圆桌讨论的主持人。
医疗AI那么热，投资人们怎么看？
虽然当下医疗AI领域各种花里胡哨的热点词层出不穷，但杨瑞荣倾向于从传统角度去看医疗AI，认为当下还是探索阶段，并不会把它当成一个颠覆性的动作，还是要回归到医疗基本面来看待这一事物。
他认为企业在这个领域的核心竞争力可以分解成三点：一是拥有大量数据；二是拥有真正的AI计算能力；三是渠道能力。
对此，陆潇波也表示认同。他也从医疗角度出发，认为“AI最终还是要跟临床应用场景结合——要有真正的需求、真正解决问题，而且也能真正收到钱，真正地产生收入和利润，才是王道”。
所以，他更关心AI新技术在国内怎么落地。他认为不光是要有技术和渠道能力，更重要的是你的技术怎么去跟临床应用场景有更好的结合。其关键还是看你的产品能不能真正地给医生带来比较大的突破，能不能真正解决痛点和需求，只有这样你才有机会早点进入市场，早一点占领门槛。
对此，他建议创业者可以尝试在一个有非常明显区隔的细分市场去挖掘医生、患者的需求，然后解决这个需求，这样才会有人愿意为此付费。
既然最终是要为医院、医生提供服务，曹越认为医疗AI的核心关键点就在数据领域，那么如何把数据真正运用起来？
大数据技术落地过程中，
创业者们普遍有啥痛点？
以医渡云为例，从医疗大数据技术的研发到最终落地，创始人宫如璟深有感触。她认为行业“门槛”在于优质数据的生产，“这是个大工程，里面的每个组件都需要很高的技术，需要非常多的人才聚集在一起，去解决非常碎片化场景的问题”。
这些门槛具体体现在，“在国内，数据的拥有权涉及到很多法理，你不好说这个数据是属于医院还是病患；另外对于数据的处理技术要求非常高，因为数据多且杂，颗粒度太粗，可能要花一两年的时间把数据技术和数据治理技术，端对端的验证等等这些东西要攻克下来；再一个就是数据的采集场景非常碎片化”。宫如璟感叹：“这真得是个细活儿。”
目前，医渡云已经与三分之二的排名在前150的医院建立了合作关系，收取数据治理费用。关于医渡云如何突破上面几个难点，我们会在后续的人物专访报道中向大家揭秘。
是不是似曾相识？其实医渡云与沃森走得是一条路。
百洋智能沃森为什么能够快速抓住市场，秘密是？
沃森已经炒了很多年了，IBM这个体系其实也是人工智能的一个代表。徐晓阳认为，“人工智能其实就是作为一个更好的辅助工具给医生、患者或者患者家属提供更好的决策辅助“。与宫如璟“亲力亲为”的创业思路不同，百洋智能与IBM的合作其实走得是经销商的路子，经销商也很厉害——因为能直接面对客户，get到客户的需求。
目前，百洋智能做沃森，已经跟二十几家医院建立了合作，付费方式为患者自费。令人惊奇的是，它在短短两个月就自北向南快速推进市场，如此迅速抓市场，究竟有啥秘密武器？
徐晓阳认为有三点：
一是它必须要给使用者带来实实在在的价值：沃森确实能在解决肿瘤病人的一些痛点方面很有价值；
二是它必须要有合理的模式：要有人付费，并要在短时间形成壁垒；
三是要有不断积累和驯化过程：沃森每两周就能更新一个版本。
在国内，沃森工作的原理是按照它的要求把病人的一些基本的诊断参数输进去，之后，大概能够在十几秒之内就给出三个方案：第一给出一个推荐的治疗方案；第二给出一个可以考虑的治疗方案；第三个给出不推荐的治疗方案。每一个方案后面它的理由都给它列出来，列得比较清楚。至于它为什么能做到这一点，我们之后会有案例报道进行详述。
徐晓阳说：“医疗界的痛点非常非常多，你的产品到底在什么样的场景下使用？由谁来付费？这其实就是最根本的问题，这个问题如果没有想好，那做了半天可能是，理论上来讲解决痛点是有可能性，但实际上推广起来难度也很大。而沃森的推广似乎顺利得多，它究竟满足了怎样的场景需求？徐晓阳认为有一下几个原因：
国内高端医疗资源比较集中化，而它可以帮助基层医生水平提高，缓解这些大医院资源不足的问题；
再者，其应用场景并非是顶级肿瘤专科医院，而是一些综合医院，这种医院的肿瘤科室都比较弱，留不住病人，会寄希望于沃森工具提升科室建设；
另外，当下医者的水平参差不齐，造成患者普遍对医生不信任。而它通过给出一个方案，或许这个方案与主治医生的方案差不多，一定程度上可以解决患者的不信任问题。
客观上讲，它能给大医院医生提供决策辅助，减少决策失误。因为人的考量往往不够周全，而机器会很全面。
最后，曹越总结说：“现在常见的AI应用还都是属于辅助治疗。
在整个行业里面，大家共同要面对的一个重要门槛就是“产品的落地周期长”。包括国家政策原因，还有最主要就是医生对它的依赖性，因为医生所受的教育本就属于临床医学，属于专科的教育体系，所以他很难对你的设备形成依赖。目前我们在医疗层面所有看到的AI产品，在现实中的应用，距离还是蛮远的。”
联系客服
