AI于医疗行业的关键是找到确切可行的商业模式.doc

《AI于医疗行业的关键是找到确切可行的商业模式.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、AI于医疗行业的关键是找到确切可行的商业模式　　这是一个令人兴奋的时代。诸如基因组学和医学成像等的医学领域带来的信息巨浪如今扑面而来，我们将可以利用人工智能来分析这些数据，并提供医疗见解。　　然而，随着医疗AI领域创新产品的激增，一些老生常谈的商业问题也初现端倪。比如，初创公司如何在这个领域实现盈利？以及医疗保健企业如何利用AI来扭转持续增加的医疗成本？最重要的是，医疗AI产品如何取得政府监管部门、保险公司、医生以及患者的信任？　　对于医疗人工智能深度的报道，包括GE和IBM等大型公司在医疗AI上的相关工作，基因组学的编程马拉松（hackathon），以及医疗AI对患者和医生们的影响。　　AI

2、于医疗行业的关键是找到确切可行的商业模式　　这是一个令人兴奋的时代。诸如基因组学和医学成像等的医学领域带来的信息巨浪如今扑面而来，我们将可以利用人工智能来分析这些数据，并提供医疗见解。　　然而，随着医疗AI领域创新产品的激增，一些老生常谈的商业问题也初现端倪。比如，初创公司如何在这个领域实现盈利？以及医疗保健企业如何利用AI来扭转持续增加的医疗成本？最重要的是，医疗AI产品如何取得政府监管部门、保险公司、医生以及患者的信任？　　对于医疗人工智能深度的报道，包括GE和IBM等大型公司在医疗AI上的相关工作，基因组学的编程马拉松（hackathon），以及医疗AI对患者和医生们的影响。　　1、技术

3、浪潮背后的问题　　不久前，Xconomy曾组织了一次餐会讨论，与会者均为圣地亚哥最为优秀的科技和生命科学大咖，该次讨论主要针对将AI与医疗结合起来带来的机遇和风险，而上述问题也在这次讨论中浮出水面。　　“作为医疗行业投资人，我最钟情的是科技方面的吸引力，”风投公司DomainAssociates的合伙人KimKamdar在其圣地亚哥的办公室中表示，“这为我们公司吸引潜在共同投资人开辟了崭新的道路。”　　对于医疗AI，目前的普遍共识是将机器学习技术和相关技术应用在医疗领域确实为时尚早，并且也很难预见这些创新成果将怎样发挥作用。这也正如Xconomy的资深编辑JeffEngel在《AI将对医生和医

4、疗机构产生的诸多影响》一文中提出的诸多质疑。　　然而，毋庸置疑的是，医疗领域的转型浪潮正汹涌袭来，不论是小型初创公司，还是如IBM、GE这样的行业巨头，都争先恐后地想要在这个新兴领域占有一席之地。　　如果有这么一个行业急需注入变革的新鲜血液，那首当其冲的就是医疗保剑仅美国而言，每年在医疗上的支出就超过3.2万亿美元，占了国民生产总值约18%的份额。　　对于投资者而言，医疗行业尽管利润丰厚，但是也令人望而生畏。在这个行业中，患者、医疗服务提供者和保险公司都有着各自的利益出发点，并且监管问题错综复杂，以致一项投资可能需要10年或者更久才能看见回报。　　说到这股人工智能浪潮中的潜力股，可能没有比Gr

5、ail更好的例子了。这家初创公司是世界最大的基因测序公司Illumina的子公司，估值已逾10亿美元，该公司致力于提高诊断技术的灵敏度，以期使用常规血液样本来监测癌症DNA片段。　　然而，在浪潮中翻船的事例也是屡见不鲜，个中典型如Theranos，这家靠风投资助的诊断科技公司在2015年还估值90亿美元，然而去年就暴跌到其十分之一以下。　　医疗AI在圣地亚哥的热度相当高，这个城市有高度完善的生命科学集群，还坐拥两家基因测序巨头：Illumina和赛默飞世尔科技公司的生命科学解决方案团队。　　同时，圣地亚哥还拥有不少神经网络技术方面的专家，伴随着HNC软件公司崛起，这是一家致力于为金融业提供分析

6、工具的软件开发商，而今他们的软件已经被FICO公司用来预测信用卡诈骗等（HNC软件公司已于2002年被FICO以8.1亿美元A股交易额收购）。2、大咖们作何看法？　　Xconomy所组织的晚餐会谈邀请了包括Kamdar在内的当地投资人、数据科学家、医疗公司CEO、学术研究人员以及数字医疗公司高管等。餐会的开场问题就是对于致力于在医疗领域应用机器学习的初创公司们而言，是否已有一种行之有效的商业模式？　　Calit2是一家总部位于加州大学圣地亚哥分校的电信及信息技术研究机构，对其理事LarrySmarr而言，浮现在他脑海的商业模型就是Illumina公司本身。Illumina是基因测序技术的先驱，

7、并且越来越多地涉足基因组数据分析，也就是分析潜藏在基因代码中的生物学功能和基因变异。　　“他们公司在分析人类基因组上采用的云端解决方案的容量相当可观，”LarrySmarr说，“而这些数据也着实需要这种程度的分析手段。尽管过去我们没有采用这种分析，但是现在数据容量已经呈指数级增长。因此，我们如果脱离这些算法，根本就不要奢望从这些数据中得到任何医疗见解，这点在基因组学和微生物组学上体现得尤为显著。”