我们提出蝴蝶结产业模型和产业技术成熟度曲线,真实还原医疗人工智能产业

作者:蛋壳研究院 2017-10-06 08:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

动脉网·蛋壳研究院2017年重磅作品——《2017医疗大数据和人工智能产业报告》已经在9月16日医疗健康大数据与人工智能产业实践论坛发布。该报告全文共10万字, 由蛋壳研究院历时一月,查阅超百万字的资料、采访数10家人工智能公司高层后整理而成。这是动脉网有史以来最为系统地对人工智能医疗领域做出的一次梳理,详细讲述了医疗大数据和人工智能企业的底层技术、医疗人工智能九个细分领域、医疗人工智能企业现状等,并搜集了超过60家国内外企业案例。


同时,动脉网·蛋壳研究院尝试用自己的方法论,来客观描述人工智能+ 医疗各细分领域的发展状况。我们对目前海内外一共193家医疗人工智能企业的投融资做出了梳理,并首次绘制了人工智能医疗细分领域的技术成熟度曲线供业内人士参考。


对象界定:本报告的研究对象为全球范围内医疗健康领域的人工智能企业,判断企业是否属于人工智能企业的标准为企业业务流程中是否使用到一种或多种人工智能算法。

 

数据来源:本报告信息基于于行业人士访谈、动脉网数据库、Crunchbase、学术文献以及相关产业报告。动脉网蛋壳研究院未对现有或提供给动脉网研究院的此信息做独立验证,且不就此类信息的准确性或完整性作任何明示或默示的陈述和保证。本报告中包含的分析和结论均基于上述信息。

 

研究方法:本次研究采用案头研究与田野调查同步进行的方法,以人工智能技术发展及实现形式为主线,探讨技术发展的外延产业发展,试图描绘当人工智能这一关键技术逐渐演进,经济运行模式发生改变,行业重新域定的过程。


主要研究成果:

人工智能已经经历两次低谷,正在走上第三波浪潮

算力算法齐备,人工智能+医疗等待医疗大数据引爆

医疗数据获得途径多样,有待国家出台法规规范数据使用

中国人工智能学术研究全球领先

人工智能人才供需严重不平衡

单个细分领域聚集效应明显

人工智能+医疗创业门槛升至百万

绘制医疗大数据和人工智能领域蝴蝶结产业模型

绘制人工智能+医疗技术成熟度曲线


蝴蝶结产业模型


image023.png


医疗大数据是因健康活动而产生的数据,从出生、免疫、体检、门诊、住院和其他活动所产生的数据来源,可以将数据划分为三类,分别为电子健康档案数据库、电子病历数据库和全员人口个案数据库。


人口数据库:主要包含人口信息,数据来源于各大部门(卫计委、公安、民政、统计、人力社保、教育等)交互共享。


健康档案数据库:主要包含定期或不定期的健康体检记录、卫生服务过程中的各种服务记录、药店药房数据、专题健康、公共卫生数据或疾病调查记录。数据来源于体检机构、医院和基层。


电子病历数据库:主要包含医院诊断治疗全过程原始记录,数据来源于医院,其商业化价值最高。


除了传统的以上三个来源之外,医疗大数据还包含通过“物联网”所收集的数据——医疗器械收集的健康数据,APP、远程监控、传感器提供的健康物联网连续临床数据。云端的临床数据让医生可以方便地获得远在100公里外的病人信息,也可以和其他医生进行远程协助。


医疗大数据的价值取决于使用者和应用场景。如果从使用对象来看,健康医疗大数据的应用主要包含三个对象。


一是为医生服务。提高他们的诊疗行为,优化诊疗决策。

二是为医院的管理者服务。帮助他们进行成本核算,辅助医院决策。


三是为患者服务。通过建立健康模型,结合患者基因组学数据,医院就能针对不同疾病建立疾病预测模型和干预方案,为患者提供健康行为指导。


这些医疗大数据汇集到企业之后,通过人工智能参与和结合,充分利用起来。医疗大数据服务成为医疗人工智能的数据入口,在底层硬件和软件的支持下,在政策和资本的引导下,最后实现to B和to C的服务输出。区块链、机器学习、物联网和其他大数据分析领域融合成无缝、可互操作和可信任的强大工具,为医疗行业带来各种颇具可行性的意见,并确保高质量的患者护理服务。


通过人工智能和医疗大数据的蝴蝶结模型结合起来,我们可以重新想象医学。


例如,计算机可以通过影像、基因组、实验室、健康史和其他数据来预测病人可能出现的药物不良事件、中风或心脏病发作风险;分析构成单个患者疾病的数千个数据点,预测疾病轨迹,并进行针对性治疗;使用复杂的分析方法来监测早产儿的心率,发现细微的变化,这可能预示着感染的发生;大数据的应用让医院可以自动生成图形化量表和监测结果,让医护团队能有更多的时间专注于病人的护理。


以上这些都不是未来的幻想,而是现实。


人工智能+医疗技术成熟度曲线


从人工智能+医疗企业的投融资数据可以看出来,这个领域已经开始蓬勃发展。早期的人工智能初创公司主要负责基础研究,搭建人工智能学习平台进行算法及算法框架等。在研究成果出来不久,随即被大公司收购。比如Deepmind和Wit.ai。第二波的人工智能企业负责技术层面的研究,在语音识别、图像识别等领域提升准确度。第三波的人工智能企业,则开始在各领域的应用层面推出产品。


而人工智能+医疗企业的蓬勃发展,也正是说明了人工智能的商业化应用正在逐渐接近成功。但是人工智能+医疗还有多种应用模式,不同细分领域的发展情况也有很大的差别。那么,这些细分领域之间的市场应用区别有多大?技术成熟度如何?动脉网蛋壳研究院尝试用Hype Cycles技术成熟度曲线来衡量。


在IT技术领域,有一张著名的技术成熟度曲线图来衡量新兴IT技术的成熟度,帮助专业人士做出未雨绸缪的选择。曲线图上从技术的萌芽期、狂热期、破灭期、复苏期到成熟期共分为5个阶段,再加上公众对技术的期望值这两个坐标来定位新技术在曲线上的位置。


Emerging-Technology-Hype-Cycle-for-2017_Infographic_R6A.jpg

Gartner公布的2017年技术成熟度曲线


1.Innovation Trigger(技术萌芽推动期):当新技术的诞生,随着业界和媒体的关注,无论是大众或者业内人士对技术的期望值越来越高。在这个阶段用户的需求和产品往往并不成熟,但却会有大量的资金进入。


2.Peak of Inflated Expectations(过高期望的峰值期):公众的期望值达到顶峰,有少量用户开始采用该项技术。


3.Trough of Disillusionment(泡沫化的谷底期):过高的期望值和产品成熟度之间存在鸿沟,公众的期望值下降,出现负面评价。


4.Slope of Enlightenment(稳步爬升的光明期):厂商和相关技术供应商不断完善自己的产品,加上用户需求的明确,产品在设计和使用场景上趋于成熟,最佳实践开始涌现。


5.Plateau of Productivity(产业化的平稳期):新技术产生的利益和潜力被市场所认可,开始出现产品间的价格竞争。


在2017年,Gartner公布的技术成熟度曲线图中,和人工智能相关的技术非常多。自动驾驶、机器学习、深度学习、虚拟助理、智能机器人和增强数据挖掘等早期基础研究已经成熟,毫无疑问地处于狂热期最顶点的前后。通用人工智能、神经形态硬件、深度强化学习、量子计算、脑机接口等新兴人工智能技术正处于快速上升期。


动脉网蛋壳研究院尝试用我们自己的方法论,来客观描述人工智能+医疗各细分领域的发展状况。技术成熟度判断的相关计算指标如下:

1)该细分领域企业的平均融资额。

2)该细分领域的企业数量。

3)该细分领域的行业分散度。

4)该细分领域商用的医院数量。


最后,我们通过自己的分析,列出了如下的人工智能+医疗技术成熟度分布。


image001.png

蛋壳研究院制作的2017年人工智能+医疗技术成熟度曲线


目前企业数量最多的医疗影像和平均融资额最高的病历/文献分析类企业排在成熟度的第一位和第二位。


那么成熟度第一的医疗影像和病历/文献分析类应该位于曲线上的那个位置?蛋壳研究院这样思考。


第一,蛋壳研究院在前面统计过人工智能医疗企业的合作医院数量和目前的产品临床应用情况。从医疗影像类的企业入驻医院数量来看,目前国内科研能力较强,医疗水平靠前的大型医院几乎都已经和企业开始了相关的临床实验。首批种子用户活跃度已经达到了顶峰。


第二,相关领域的大规模媒体报道大约出现在2015~2017年,目前在一个平稳的高峰期。


第三,同时涉足医疗影像和病历/文献分析的人工智能标杆企业IBM Watson,和MD安德森医院分手的负面报道开始在2017年出现,质疑人工智能在医疗上的发挥作用。但是,其他的负面报告并不多见。


所以,我们认为医疗影像在曲线上的位置应该在顶峰期往下一点。投资者和创业者也应该谨慎,在人工智能+医疗影像行业目前初创企业扎堆的情况下,如何获得生存空间是值得思考的问题。这个领域算法和技术已经成熟,企业的瓶颈在于如何获取足够丰富的医疗影像数据,如何完成准确的标注,以及如何获取收益。


而其他类型的人工智能+医疗企业,都还大部分处于技术萌芽之后的快速上升期。排名最后的疾病筛查和预测,因为难度最大,算法最复杂、需要数据最多。报告中所举例的案例,也大部分还在大学、研究机构的研究阶段,所以位列最后也符合其市场表现。


但是,无论技术发展到哪个阶段,都有相关的佼佼者脱颖而出。融资仍然是一家公司成功的重要因素,我们分析了一下每个领域融资靠前的企业,最后总结了一些经验。


第一,我们关注的绝大部分是医疗垂直领域的企业,但是拥有更深入的基础层和技术层的研究,更容易获得成功。比如在图像识别、语音、语义识别方面的技术功底够深厚,是人工智能的技术提供方。


第二,创新能力足够强的企业,属于行业的挑战者,或者创造了新的需求,属于“创新者”一类。


第三,更关注价值链的上游,在技术和产品成熟后,替代现有解决方案。


第四,除了数据量之外,收集和处理现有企业没有的新数据流,建立行业壁垒。


获取完整报告的方式:扫描下文二维码,成为动脉网正式会员,即可获得《2017医疗大数据和人工智能产业报告》完整电子版。


微信图片_20170913095737.png

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈