AI医疗 从0到1的机会

　　AI医疗类项目会在中国国内先跑起来，因为国内“不是优化生产力的问题，而是极缺生产力”。

　　这是一次慎重考虑之后的再创业。

　　当上一个创业公司进入相对平稳运转时，沈烁开始琢磨“二次创业”。他一直有个判断，未来10到20年在“垂直行业结合信息技术的交集地带”都将是比较适合创业的，医疗就是重点的方向之一。

　　相较于之前做的面向医生的信息服务类项目，沈烁这一次更想做“有技术含量、技术门槛”的创业。他感觉，再在纯信息领域做的话，一旦BAT切入，创业者可能的机会就会很少。

　　“我对两个领域非常感兴趣，一个是人工智能，一个是量子计算。我读博士时是学密码学的，所以量子通信、加密这些我非常熟，但是我衡量了一下，量子计算的产业化还有比较长的时间跨度，而人工智能会是下一个五到十年的大事。”沈烁说。正好他的大学同学陆遥在计算机辅助诊断这个领域有多年的研究和临床的积累，两人一拍即合，今年年后开始筹划，5月份注册公司，7月份定位医学影像 AI技术提供商“柏视医疗”就融到了天使轮。

　　当时，华创资本合伙人熊伟铭正在“AI＋医疗”这条线上寻觅投资标的。

　　“医疗和IT的交叉点”，一直是华创资本重点关注的一个投资方向，期间也见潮起潮落。比如2012、2013年时，“互联网+医疗”或者“医疗+互联网”大热，从流量入口撬动传统产业的角度，资本下注了一批入口型的创业项目。现在来看，仅有线上、但线下缺腿的“互联网＋医疗”能解决一些问题，但终究不够透彻，在商业价值的实现上也难以形成闭环；此外，如果“互联网+医疗”从线上寻医、问诊，延伸到线下看诊和治疗，这里面又有很多监管和资质的问题需要解决，终究不是凭借资本的加持就能轻易跨过的鸿沟。

　　“从AI这条线延伸过来后，我们发现AI有很多垂直行业是可以做很好的应用的。最简单的比如金融，华尔街已经大量用AI来替代人工的分析员，当然金融的各种基础设施算是比较好的。其他的垂直领域，比如医疗、教育、自动驾驶等，我们觉得AI很有可能推动这些领域在根本上发生一些变化。”熊伟铭说。

　　让机器向专家学习

　　熊伟铭他们今年前前后后投了10个左右的AI相关公司，在医疗方向上最后选中了柏视医疗，华创资本是他们的天使投资人。这个圈子里的公司，同类型的公司，熊伟铭他们几乎都拜访过，各种阴差阳错，最后遇到了他们认为“最合适的投资标的”。“我们觉得‘柏视’跟所有人都不一样，他们是唯一一个有医疗出身背景的团队。”熊伟铭很肯定柏视医疗团队这一点。

　　把自己定位成一家医学公司，而非人工智能的公司，也是柏视医疗联合创始人、CEO沈烁所强调的，“人工智能只是解决我们一部分技术的问题，我们业务的着眼点主要还是医学研究的产业化”。

　　他介绍，目前柏视医疗在医学影像人工智能领域有多项技术国际领先，在国际同行公司中拥有相当高质量的标识影像数据库和算法积累，已经和国内顶级的医院建立合作关系，并获得多家上市公司的订单和业务合作。

　　柏视医疗目前的产品包括，在诊断领域的针对乳腺癌的计算机辅助诊断系统，该产品预计今年十月底正式上线。在获得CFDA认证之后，将面向医院、独立医学影像中心销售，也将通过与医疗设备厂商和医院信息系统厂商合作进入医院；在治疗领域，他们提供放疗智能化解决方案，目前已经做了鼻咽癌放疗方案的辅助系统，也已经过大量的试用，让医生的放疗计划方案时间从数小时缩短到几分钟，大幅度了节省了医生的宝贵时间，更符合医生的临床需求。

　　在沈烁看来，柏视医疗和很多纯做视觉或者人脸识别或者深度学习算法转型AI医疗的创业团队不同，后者IT技术强，但是不太了解医学这行，不太懂医生，和医生的合作也非常浅，他们的难题是如何能“真正地解决医生的刚需，解决临床的刚需”，相应地为未来业务的发展找到真正的支撑能力。

　　柏视医疗的两位联合创始人都和医学这行“有缘”：陆遥曾任美国密歇根大学医学院研究员，中组部青年千人计划教授，中山大学数据科学与计算机学院教授兼计算医学成像实验室主任，国家肿瘤医学协同创新中心和中山大学肿瘤防治中心科研骨干，有十多年医学图像后处理、医学影像分析及人工智能研究经验和产品积累；沈烁曾经是医学大数据公司联合创始人，曾担任中国互联网络信息中心实验室主任、广州中科院网络中心副主任和总工，美国Purdue大学数学博士和电子与计算机工程硕士。

　　站在投资者的角度来看，柏视医疗作为一家AI医疗公司，它的无形资产是“数据标注的质量”。“每个AI公司，都有一个上百人的数据标注团队，这是挺重要的资产部门。比如研发自动驾驶汽车，一定需要对车和周围的环境做标签，这样系统就可以学习如何识别它们。但是医学是一个特殊的领域，需要专家训练十年甚至几十年，才能给信息贴上正确的标签，输入计算机。这就意味着你要把主任级别、甚至是三甲医院主任级别以上的医疗临床意见传承给机器，让机器向专家学习。”熊伟铭将“AI＋医疗”的数据标注总结为“专业领域里有知识壁垒的数据标注”。

　　高质量的、经过精标识的数据，这也是柏视医疗自信的地方。沈烁介绍，目前柏视医疗针对乳腺癌、鼻咽癌的医学影像AI数据库，都是由主任级别这种水平的医生做出精标准标识的数据让机器学习，基于这种质量的数据，现在行业内最大的数据库也就上千例或者几千的样本数规模。

　　柏视医疗的积累得益于他们和中山大学附属多家医院已有多年的密切合作。沈烁介绍，在双方的联合实验室里，长期有专职的、10年以上经验的医生，来勾画病灶的具体轮廓，行业内很少有能这样做的。“同是病灶在这儿，我画一个圈说位置在这儿，和我把它边缘的轮廓都勾画清楚，是完全不同的意义。一方面是做出判断所需的时间长短，另一方面判断一个病灶是不是癌症，是良性还是恶性并做出分级，这个边缘的形状将有决定性作用。”他介绍，柏视医疗现有的上千例的癌症领域的医学影像数据库，都是经过了三四年的积累。

　　从医生的“刚需”入手

　　目前医学影像AI类公司大部分集中在肺小结节筛查、糖网筛查等问题，柏视医疗却选择了主打乳腺检测和鼻咽癌放疗靶区勾勒等技术难度更高的方向攻克。

　　如何更贴合医生的需求解决临床的痛点问题，正成为人工智能医疗公司们探索的方向。沈烁介绍，肺结节筛查和眼底糖网筛查是通过机器学习就能直接解决的一些相对简单的医疗筛查问题，但这些往往并不是这个医疗领域的刚需；相反，像乳腺癌的诊断则是一个刚需。一是在中国女性群体里的发病率高、（潜在）发病群体也比较大；二是诊断情况相对比较复杂，比如肿块、结节到微钙化点这些状况的区分比较有难度，医生在这方面的诊断要花的时间比较多，做出的误判也比较多，漏诊也比较多。

　　解决产品的可用性问题，一方面是为产品的商业化、实现商业价值打下基础；另一方面是从系统算法来说，机器学习、深度学习对于数据的强需求，数据量越大系统算法才越有价值，换句话说，要让这样的AI系统发挥作用，将病人信息与研究数据结合起来至关重要。在熊伟铭看来，AI在医疗领域的应用有一个比较大的现实挑战是，无论这个系统长得多好看，“让它在临床上用起来，这事相当关键”。

　　比如柏视医疗针对乳腺癌的计算机辅助诊断系统软件，在正式产品化、商业化之前，就已经以科研服务的方式与医院进行产品实验和合作，甚至有医生帮助更新产品，优化产品的算法。

　　在“AI＋医生”中对机器和医生的关系，柏视医疗团队持相对谨慎和保守的态度，坚持机器的“辅助助手”角色。沈烁介绍，一是由医疗现有的或者经过多年摸索沉淀下来的模式所决定的，医生一定是做出诊断的主体，社会所有配套的保险制度、医患制度都是围绕着这个来设计的；另一方面，医学是在不断演进的，它现在并没有彻底了解疾病和人类。同时，成像技术也是在不断发展的，不管是CT还是核磁成像的结果，都还不能100%地呈现，并非携带了完整的疾病信息者身体结构或病变的信息。而对机器来说，它擅长做的是结果清晰、规则明确的事，“如果你自己都不了解的结果，机器是没有办法学习的”。

　　基于这样的现状，医学影像AI“辅助医生做诊断”是脚踏实地的切入方式。“我们帮医生解决一定的效率问题，一定的精准度问题，但结果是医生来下的。”沈烁说，他们希望自己是服务于医疗行业，从来不妄谈“颠覆”，在他看来，后者不是一个现实地做产业的方式。

　　国产版“沃森”的机会

　　以熊伟铭的观察，创投界热情高涨地聚焦于医疗领域人工智能，尤其是基于计算机视觉的AI医疗，主要源于近一年中，谷歌研发的AI医生，通过机器视觉识别医学影像诊断疾病，比如可以识别糖尿病视网膜病变、肺部问题的肺结节等，此前这些病变最常用的检查方法是由专家医生来阅读相关诊断的ＣＴ、核磁照片。

　　其实，AI医疗还有另一个重要方向是，基于自然语言处理，根据病历和症状诊断疾病，代表企业是IBM的Watson（沃森）。有资料显示，如今Watson在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等癌症领域已经可以为医生提供诊断建议。

　　熊伟铭认为，相较于美国市场，中国反倒更需要“沃森”。“不见得是三甲医院要Watson，可能就是一级、二级这样的二甲以下的医院，没有特别优秀的医师资源、没有强大的医疗能力，但是有一定的医疗基础设施，也希望向社会提供一些医疗能力的医疗机构，人跟机器可以配合来做一些临床工作。”不过骨感的现实是，现在三甲医院都没有表态认为Watson能够解决实际医疗诊断的问题时，基层医院更不敢贸然采用。

　　这或许正是了解中国国情的国产版“沃森”的机会。熊伟铭把柏视医疗这类的AI医疗项目统称为“国产版的沃森”。在他看来，可能在某些病种的算法优化、数据积累、系统迭代上，国产版沃森的积累还远不到Watson，但是他们的好处是，比较理解国情，系统跑的所有病例都是国内的病例，所有积累的数据都来源于这个病种的中国人群，不存在“系统需要重新跑一遍数据”这种本地化的挑战，而且通过与国内的三甲医院合作研究项目，也更便于项目日后的进一步推广。

　　熊伟铭直觉，中国的医生对于中国自己的一些新技术态度更开放些，他甚至预测，中国的AI跟医疗，很可能会比美国的要更早开花结果。

　　对于柏视医疗这样的AI医疗团队，他们在精进产品的同时，还需要完成的重要工作是啃下最硬的骨头，拿下与中国顶级医院的合作。

　　沈烁他们第一批合作的医院就是像中山大学附属医院这样的“中国顶级的医院”，直属于卫计委，他们的考虑有几方面：一是只有这种水平的医院才有能力合作帮AI医疗团队一起做好基础建设，二是他们才最能接受先进的方式，三是从实际的市场角度来考虑的话，未来在中国的医疗生态里，医疗联合体(简称“医联体”)是由顶级的医院带动地方区域性的医院，只有具备和顶级医院合作的能力，才能被更多的医院接受，才具备真正的产业化、商业化推广的基础。

　　沈烁介绍，他们会把与中山大学附属医院共建联合实验室的方式，再向其他地区拓展，希望到明年下半年的时候可以有15家左右的医院建立合作关系，这样将有助于解决数据的问题、医学专业能力的问题、地方性合作落实和支撑的问题。

　　医疗科技，就像10年前的互联网

　　熊伟铭比较乐观，像柏视医疗这样的AI医疗项目会在中国国内先跑起来，因为国内“不是优化生产力的问题，而是极缺生产力，是从0到1的问题”。

　　而且，“AI＋医疗”切入点有很多可能性，像柏视医疗他们选择的是医学影像AI，还可以用AI来提高新药研发效率，用AI来加速基因编辑、基因诊断。在熊伟铭看来，如何找到生命科学和计算科学的交叉点，可以有很多“特别有趣”的创新思路。

　　这也是华创资本前沿科技小组看待生命科学领域的早期机会的重要视角。2016年底，华创资本前沿科技小组正式成立，熊伟铭是带头人，生命科学领域的早期机会是这个小组重要的投资方向之一。

　　中国医疗健康产业拥有巨大的市场空间，据中国科技发展战略研究院估计，至2020年，整个健康产业的潜力将达10万亿元。行业专家预期，未来可能增加1万亿元以上的民间投资。业界认为，医疗健康产业已步入最好的投资周期，大健康产业“盛宴”已经开启。今年7月，华大基因的上市给无数从业者带来了信心。

　　“我们应该用一个技术的路线，来做life sciences（生命科学），而不是healthcare（健康管理）。”之所以这样选择，熊伟铭表示，一是华创资本的投资偏好，在创新技术领域更有优势；二是竞争的差异化，所有传统医疗基金几乎都聚集在医疗服务和器械这两个领域。据统计，到2017年，国内从事医疗健康投资的专业基金已经从十年前的晨兴创投、百奥维达、维梧资本、奥博资本和礼来亚洲基金等少数几家美元基金，发展到如今超过200多家专业医疗投资机构，并有上千家基金已经将医疗健康列为TMT之外的第二大投资领域；三是当中国的科技基础设施已经是世界级的时候，“技术驱动”在生命科学这样的领域，将诞生从0到1的机会。

　　“今后中国的医疗科技，有点像10年前中国互联网的状态。”熊伟铭这样描述。作为关注早期投资机会的VC，华创资本希望他们能像成立于2000年的Flagship Pioneering，这家美国的VC已经应用其“假设驱动”的创新方式发起和培育了近75家科学企业，总计价值达190亿美元，并已发行500多项专利和完成50多项用于新型治疗剂的临床试验，已经是全美顶尖生物医疗类VC的佼佼者。

　　文/贺文