NRCC Vancouver 培訓講師 - Steven Yan
從2015年開始到2016年，可以說是移動醫療的一場寒冬，無數公司倒在了從A輪融資走向B輪的路上。甚至在今日，創業者生怕自己與移動醫療這一曾經紅極一時的熱點詞扯上關系，更多的，他們選擇以“數字醫療”作為自己的標簽。
技術含量不高導致創業同質化，對醫療工作流程特殊性的錯誤理解以及來自監管層面的約束，是這場移動醫療戰役以失敗告終的主要原因。
如何在移動醫療的下半場“AI+醫療”中走出一條血路是越來越多創業者心中的難題，有技術，有對醫療很熟悉的人，但同時也必須考慮到商業模式的殘酷性。
應用為主，醫療為輔
懂技術的不懂醫療，懂醫療的忽視技術，是眾多移動醫療公司失敗的主要原因。原本以為移動醫療會隨著這次資本寒冬來臨轉入緩速發展期。不曾想，在2017年，幾乎像是一場足球比賽上下場的轉換，AI+醫療強勢崛起。這個男的讓BAT與資本們共同找到興奮點的新賽道，截至目前，孕育出超過100家以醫療為重點的AI創業公司。
以技術為主輔助醫療診斷是“AI+醫療”的主要模式，相較于過去移動醫療所側重的為醫生量身打造所需要的技術，“AI+醫療”顯然更加接地氣，不在一味的吹噓技術的先進性，轉而認清現實，以現在的技術和硬件并不天然滿足醫療應用級產品的研發，而只能作為一個輔助性產品，以一定的算法構筑產品讓醫生和患者達到查漏補缺的效果。
“借助先進的人工智能技術，系統在短時間內處理海量數據，并對病人做出愈加準確的診斷。”這是IBM旗下的AI診療系統，人工智能Watson曾經做出的承諾。
然而在過去的這些年里，這個AI醫療界曾經的希望之星，卻遭到了無數醫生、患者的質疑和嘲諷。
在實驗室環境中完美無缺的產品，到了落地與醫院合作的時候，卻錯誤百出，甚至鬧出笑話是Watson所面對的殘酷現實。有合作醫院的醫生坦言：“過于依賴數據，并且檢測結果偏向美國患者和美國醫院的治療方案。”也許可以用三個字可以來形容Watson——“不親民”。
造成AI醫療落地困難的不僅僅是應用技術的問題，更多是大部分醫生及普通人對人工智能醫療應用的誤解：機器診斷報告一定需要與某個醫生的主觀印象高度匹配。
不能把人工智能完全當做一個電子腦醫生，其對疾病所作出的判斷應該僅作為在一定容差率范圍內的參考標準。
數據的處理能力和量級與AI醫療的關系
很多人抱怨、嘲諷Watson時的主要原因是因為IBM坐擁龐大的病患及疾病數據庫，但卻并沒有好好運用其作為判斷疾病的標準。
做醫療準端一開始遇到的挑戰是如何搜集足夠多的數據，接下去是如何在足夠多的數據的基礎上構建有效的疾病診斷模型。但單純的以上兩點就可以實現AI醫療嗎？
很顯然，醫療數據于醫療診斷的重要性，就像無人駕駛汽車在道路上的測試。你只有不斷的讓汽車去實地訓練，不斷搜集和判斷道路數據，才能讓無人駕駛汽車越來越聰明，真正做到“無人駕駛”。
同理，人體的復雜性相較于汽車道路測試無異于復雜的多，這也是為什么IBM的數據工程師與醫生們耗費了6年卻僅僅讓Watson學習了7種癌癥。在6年學習了7種癌癥，但在實際落地時，Watson還是錯誤百出，這真的是因為IBM的不作為嗎？其實不然，IBM所推出的Watson在實驗室環境中對于相關癌癥的檢測準確度十分高。但到了實際合作醫院現實測試，卻準確率大大降低。
這是因為即使數據足夠龐大，數據處理能力足夠多，但是AI系統基于數據的調整參數卻不能隨著疾病的多樣性和復雜性而改變，簡單來說，就是還不夠像人。打個比方來說，Watson在實驗室環境中單一檢測惡性腫瘤X涉嫌，效果十分好。但當Watson來到醫院，由于癌癥容易引發許多并發癥，多了無數的干擾因素，而Watson對于這些數據之間的聯系卻并無了解，這也就是為什么Watson的準確率在落地實驗時并不理想的原因。
當滿足一切，卻困在了商業模式的門外
對AI醫療創業公司來說，當有了技術，有了一定量級的數據，但真的到應用落地時卻發現，其自身的應用耗費昂貴，其價格壓根沒有落地的可能，更何論一個商業模式。
換句話說，在進入AI醫療這個巨大的市場前，所有創業者都應該意識到，這個行業在目前并無商業模式，只是一個“資本的無底洞”。
以IBM為例，在2015年，IBM為了使Watson積累更多的疾病數據，其花費了10億美元收購了醫學成像及供應商 Merge Healthcare。
簡單的來說，IBM都還在燒錢，普通創業者還想什么盈利不盈利。現在的AI醫療創業者都處于早期，研發與搜集更多的數據是最重要的事情，對于這個行業，所有的人應該懷著謹慎和敬畏的心，持續往前推進。
每一個新行業的發展都有不同的商業模式產生，作為一個創業者，現在的主要矛盾不應該是賺錢，而是把賺錢的前一步走好，把這個事做成了再說，換句話說，先活下去是目前所有創業者的主要目標。
根據《中國科技報》的一份報道，中國科學院院士、上海交通大學Bio-X中心主任賀林在解讀國務院在今年8月發布的《新一代人工智能發展規劃》時層直擊當前國內AI醫療項目的監管痛點：“目前，國內還木有一款醫療領域的AI產品得到CFDA的批準，相關收費也沒有進入醫保目錄，AI對于國內醫療行業來說仍然是新興事物，需要與現有醫療模式一起經歷磨合期”
雖然關注眾多，BAT與眾多資本也相繼進入，但同樣有著商業模式缺乏，資本過度投入等問題的AI醫療是否會和之前的移動醫療一樣無疾而終？這也許是目前所有關注這一領域的人士心中的最大疑問。
然而，不管有再多疑問和質疑，不過分承諾，懷著敬畏和謹慎的心朝著目標匍匐前進也許是現在眾多AI醫療創業者唯一該做，也是唯一能做的事。
