人工智能医疗的商业化困局

编辑导语：随着现代医学的不断发展，在“互联网+”、人工智能等新技术带动下，人工智能医疗出现并且造福着广大医生和病人。但同时，人工智能医疗也面临着商业化困局。

为了能让读者们能快速的了解人工智能医疗这个行业，对人工智能医疗有个概念。所以在文章开篇我整理了一份AI在医疗领域的全景地图，全景地图内容包含了应用场景、应用价值、相关企业、政策解析、技术现状相等等。

目前是1.0版本如果有遗漏或者有更好的建议可以扫描全景地图的二维码联系主编，一起共同完善。

一、价值

当前AI在医疗领域的应用大部分都是在医学影像行业，而它所带来的最直观的价值就是效率以及精准度十倍甚至是百倍的提升。

就以肺结节医学影像为例，起最大的价值就是当医生的工作量大的时候，对于3毫米以下的肺结节是比较难发现的，有了AI辅助之后，至少可以节约80%的重复性劳动，原来医生进行筛查可能要花费大量的时间，现在只需要医生在做一次把关即可，并且可以有效的降低误诊率。

AI医疗之所以在人工智能行业将占市场规模的五分之一，很大一部分是因为医疗具有广泛的市场需求和多元业务趋向，拥有多元化的业务空间。

首先，对于数据来源比较全面，因为对接的是医院脱敏数据，而且用户群体相对比较清晰。像一般的影像医生都可以快速入手，但是对于影像分析来说一般只是提供专家型的辅助作用，并不会直接给予医学结果，最后的决策动作还是需要医生来操作。

在医疗行业还有特别大的价值，就是它的数据有很强的扩展性，基本上能够把深度学习做好，就可以扩展到其他的应用场景了，其实这样就可以巧妙的解决初创企业后期的业务见顶问题。

人工智能从本质上来说，就是运用技术来解决医疗问题。将有效的临床医学数据进行结构化，然后进行深度学习，在相同的医学案例中找到对应的方案模型并给出标准，这种应用的成功案例也是非常多的。

其实在我们日常生活中就有很多AI医疗的场景了，比如医院导诊的机器人，它可以根据你的疼痛部位进行导诊分诊，再比如搜索引擎中的疾病解析以及解决路径的匹配、搜索、问答、客服这些都是人工智能应用层面的实例。

没有是人工智能解决不了的数据化流程，只不过人工智能是在用高成本上去体现医学价值。

关于AI医疗我们从技术的攻克谈到应用场景，然后再从应用场景到用户价值，再到现在的落地与商业化，刚开始两年大家可能比较迷茫，但现在来看大部分企业都已经比较清楚客户的需求，包括整个行业的逻辑和大方向，接下来的问题是如何加速商业化的脚步。

造血对于人工智能，一直以来都是不小的难题。

二、困局与破局

其实，无论是知识图谱、影像识别等实现了从以往的人工辅助向更为严谨的智能发展，人工智能在医疗领域基本已经在市场上成型。

以人工智能+医院管理（CDSS）为例，CDSS是医生在给患者看病时，运用AI技术将多张化验单和检查报告进行知识对比与联系，最后给予医生一个诊疗建议，这实质上是一个多变量分析过程。

其实腾讯、阿里都做了不少的功夫在里面，也落地了不少三甲医院。但从目前医院市场表现和评价来看，CDSS确实存在着一些问题。

不难发现，从医学影像到医院管理，再到医药研究。抛开“口碑”不看，它们共同体现出的“时间成本”问题更值得关注。

AI医疗其实一直以来都遇到了“时间成本”问题，即培养跨界协作认知的时间成本。其实最大的成本来自于人的认知时间，包括客户和企业之间的认知、开发人员和医疗专家之间的认知，资本与市场之间的认知，之间的共通还需要一大段时间磨合。

目前最大的矛盾点就是资本已经对AI医疗失去了耐心，如何解决这个问题成为了行业发展的关键。

我们都知道在这几年时间从某种程度上来说是医疗技术的一个前进，但是单纯用学术先进的是没有办法建立产品或者商业模式的。资本要求的商业化核心是场景的落地问题，为了能够让AI医疗“软着陆”的同时又能向资本交代清楚落地节奏，分段式发展是最好的方法。

正是因为人工智能的是通过不断优化算法以及扩大场景来维系整个行业的发展，随着人工智能的“烧钱”标签越来越明显，并且还未成熟适应市场，对于资本输血的AI医疗来说，接下来的AI医疗创业者将背负更多压力。

毕竟，目前的技术成熟度还未足够，对接下来的人工只能所能带来的拉动医疗行业作用会减弱。尤其是，在2B模式下。

事实上，如果AI医疗的企业们以及接下来的要进入到AI医疗的创业者们能够尽快适应并做好分段式落地的模式，对于资本来说，这种分段式落地会变得有盼头，所能实现的发展前景是极为可观的。

将研发的过程中的，中间结果拿来商业化，做场景的扩展进行“软着陆”，假大空的目标并不是长久之计。

短期内只要把医疗客户服务好，比如真正做好帮助医院实现就诊流程自动化、极大地提高医院管理效率这件事，比如说帮民营医院精细化运营，或者将现有的技术接口开放，让更多的企业或者机构来反哺技术的有效性，这就是AI医疗分段式发展要做到的事情。

并不是做了一个医学影像，就把所有的疾病提前筛查都做了，就是成功的。

对于2B商业化而言，步骤分为四步，技术验证、单业务样板实验、单业务市场验证、复制模式，才是最稳妥的做法。

客观来看，无论是商业化或可复制作为重点或亮点，都是无可厚非的操作。但如果落地之后的市场表现较为平平，用户的评价或许会直接转移到技术不成熟身上，则会对口碑形成消耗。快速落地这其实可以看作是对AI医疗口碑的一种消耗。

所以，对于接下来AI医疗如何商业化来说，如何在加速推动分段式发展的同时尽可能加快建立有效的数据闭环成为了最大的关键所在。同样，把控好业务的边界以及时间节奏，场景位置，也是人工智能能够商业化的核心。

#专栏作家#

罗福如，微信公众号：HPM News，人人都是产品经理专栏作家。前海康博士联合创始人兼产品总监，阿里高级产品专家。涉及智慧医疗领域需求产品化5年，致力于智慧医疗领域产品体验设计以及新商业模式研究。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

人工智能医疗的商业化困局

浏览过的版块