步履艰难的医疗AI 突破最有可能首先来自大公司

随着基因测序技术的不断进步，速度和成本成为基因检测领域的两大核心关注点。在这个日新月异的战场上，各大企业纷纷展现出他们的实力，比拼的是谁能在基因测序领域算得更快、更准确、更好，且成本更低。如今，人工智能（AI）无疑是医疗圈最炙手可热的领域，众多创业团队涌入其中，而大型公司如BAT等也积极参与其中。

以阿里巴巴为例，该公司正在构建一个覆盖药品、医院、医生、第三方检验机构、医疗保险、健康管理和患者的全面生态体系。通过支付宝、天猫医药等框架，以及阿里健康的强大载体，他们正在构建一个完善的互联网医疗布局。而在人工智能领域，阿里也展现出了强大的野心和实力。

特别是在医疗人工智能领域，阿里巴巴的ET医疗大脑已经取得了显著的进展。经过一年多的研究和训练，ET医疗大脑已经可以承担医生助手的角色，涉及患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发和健康管理等多个领域。

ET医疗大脑的研发采用了大量的深度学习技术，通过大量的数据训练来完成特定任务。例如，通过学习病例数据和对比循证资料，ET医疗大脑可以不断提升其医术水平。其学习进步的速度远远超过了人类，可以24小时不间断地工作，同时处理成千上万项任务。

人工智能的应用已经超越了单纯的提高医生的工作效率，当深度学习的算法与图像识别技术结合时，可以大大提高诊断结果的准确性，甚至超过人类医生。在浙江大学附属第一医院，利用ET医疗大脑进行甲状腺B超的快速分析已经取得了显著的成果。借助计算机视觉技术，ET医疗大脑可以快速扫描分析甲状腺B超图像，准确圈出结节区域，并给出良恶性的判断，大大缩短了医生的诊断时间。

在肺癌筛查领域，人工智能也展现出了强大的潜力。通过学习大量有经验医师标注的样本，计算机结节检测系统可以迅速提升诊断能力，辅助基层医疗机构的医生减少误诊。在国际权威的肺结节检测大赛LUNA16上，阿里云的ET医疗大脑取得了冠军，展示了其卓越的诊断能力。

而在基因行业，随着数据的爆炸式增长，如何解决海量数据的计算问题成为了一道难题。华大基因、阿里云和安徽医科大学曾共同宣布，他们利用阿里云的计算能力在短短21小时47分12秒内完成了1000例人类全外显子组数据的分析。这一成就标志着人工智能在基因行业的应用取得了重大突破。

人工智能在医疗领域的应用正在改变我们的生活。从基因测序到医疗诊断，再到新药研发，人工智能正在为我们带来更快速、更准确、更高效的医疗服务。随着技术的不断进步，我们有理由相信，人工智能将为医疗领域带来更多的突破和创新。关于医疗AI的发展，新的进展不断涌现。纵观全局，医疗AI的成功落地，很可能会先由大型公司主导，其中的原因有几下几点引人深思：

医疗AI领域不同于其他细分行业。医生社区、医患沟通、患者健康教育等领域虽然也是医疗领域的一部分，但它们更多的是标准化服务，用户需要的是千篇一律的标准回答。医疗AI面对的是具有个性化需求的用户群体。多样性需求使得创业企业和巨头公司站在同一起跑线上，甚至在某些方面，小公司凭借灵活性成本优势更胜一筹。

但在医疗AI的具体应用场景中，技术的优势往往具有碾压性。一旦某种技术展现出明显的优势，其应用范围便会迅速扩大，覆盖整个行业。这是因为技术实施的边际成本趋向于零，很难构建地域和细分领域的竞争优势。也就是说，有了最好的技术，可能就不需要第二或第三好的技术了。而且技术之间的价格差距也难以形成梯度竞争。

对于医疗AI来说，算法固然重要，但更重要的是获取大量可靠的连续型医疗资源的能力。在这方面，大型公司的优势可能无法比拟。它们在医学各细分领域的全面优势使得它们能够省为单位攻城略地，以治疗领域为中心进行全面渗透。与此创业项目在切入具体领域并试图横向纵向拓展时面临巨大的挑战。相比之下，巨头公司如同围棋高手般灵活布局，几年后在很多项目上出现协同优势，全面挤压竞争对手。

医疗AI领域的商业模式构建异常艰难，支付方和收费场景尚未成熟。这对于小公司来说更是雪上加霜，很难熬过艰难的初创期。即使它们能够在局部拓展市场，技术成熟的巨头公司也可能采取全免费的方式反向覆盖市场。由于AI使用的边际成本趋于零，这种竞争压力使得小公司在竞争中更加困难。反观BAT等大型公司在医疗AI领域的布局更有前景。它们在人工智能领域的发展更具深度广度。同时我们也要看到国家人工智能的战略布局和投入力度之大前所未有。历史告诉我们全民大炼钢铁不如巨头全力投入的策略有效。因此医疗投资圈的大泡沫正在逐渐膨胀到高潮阶段！