基因測序時間和測序成本一直在基因檢測領域兩大關注焦點。近年來，隨著測序技術的成熟， 看誰算得快，誰算得準，誰算得好，誰的成本更低成為基因行業比拼的“戰場”。
時下如果要問醫療圈最火熱的領域是什么，十個人會有八個人告訴你，人工智能，就是AI！數以百計的創業團隊涌入這個領域，從各個細分領域開拓，同時大公司們也在第一時間就集體出現了！
對于BAT這種體量的公司來說，只要決定進入一個行業，或自建或合作或投資，就會用技術+資本快速攻城略地。
以阿里為例，縱觀其在醫療的布局，發現他們就是要打造一個覆蓋藥品、醫院、醫生、第三方檢驗機構、醫療保險、健康管理和患者的完整生態。其互聯網醫療布局以支付寶、天貓醫藥為框架，阿里健康為重要載體，阿里系基金（包括云峰基金）為開路先鋒，合縱連橫。以移動支付和流程再造為核心，在醫院端重點搭建支付寶未來醫院。在健康管理和智能設備領域大刀闊斧與多家上市醫療醫藥公司合作。
醫藥O2O領域以天貓醫藥館、阿里健康APP為核心，結合慢病管理和醫患溝通，希望打造完整閉環。繼幾大健康板塊有所突破之后，阿里再次向醫療健康行業進軍。這一次，它選擇的是醫療人工智能。
而我認為醫療AI的突破性應用，可能首先來自大公司，大批的中小創業公司很可能需要在大平臺成熟后，才會迎來更大的機會。其原因是綜合性的，我們先看下阿里醫療AI的進展。
其實這兩年人工智能在各領域都發展得熱火朝天，而今年3月，阿里云在云棲大會·深圳峰會發布了ET醫療大腦，宣布正式進入醫療AI領域。經過一年多的研究訓練，他們認為其自主開發的人工智能ET，“可在患者虛擬助理、醫學影像、精準醫療、藥效挖掘、新藥研發、健康管理等領域承擔醫生助手的角色”。
根據現場發布的信息，ET醫療大腦的研發大量采用深度學習技術，通過海量的數據作為示例來訓練機器完成特定任務，比如通過學習病例數據，分析對比循證資料，提升醫術。由于可以24小時不睡覺，同時處理成千上萬項任務，ET的學習進步速度大大超過人類。
如果人工智能只是可以提高醫生部分工作效率的話，那還是初級階段，當深度學習的算法配合圖像識別，就可以大大提高結果的準確度，甚至超過人類醫生。浙江大學附屬第一醫院就利用ET實現了甲狀腺B超的快速分析。借助計算機視覺技術，這套算法可以對甲狀腺B超快速掃描分析，圈出結節區域，并給出良性與惡性的判斷，大大節省了醫生的診斷時間。一般來說，人類醫生的準確率為60%-70%，而目前算法的準確率已經達到85%。
同樣在肺癌篩查領域，準確發現結節也是診斷的第一步。據介紹，一位經過嚴格訓練，有著多年臨床經驗的醫生，診斷一個病例平均需要查看200張以上的CT掃描圖片，診斷時間在20分鐘以上。而計算機結節檢測系統通過學習大量有經驗醫師標注的樣本，就能在短時間內快速提升診斷能力，輔助基層醫療機構的醫生減少誤診。
那么，這樣的人工智能真實的效果如何，在今年7月1日，國際權威肺結節檢測大賽LUNA16上，阿里云的ET醫療大腦充分展示了其優秀成果，獲得冠軍并創造了記錄。大賽要求對888份肺部CT樣本進行分析，尋找其中的肺結節。樣本共包含1186個肺結節，75%以上為小于10mm的小結節。最終，ET在7個不同誤報率下發現的肺結節平均召回率達到89.7%，超出第二名0.2%。
基因測序時間和測序成本一直在基因檢測領域兩大關注焦點。近年來，隨著測序技術的成熟， 看誰算得快，誰算得準，誰算得好，誰的成本更低成為基因行業比拼的“戰場”。而隨著未來數據爆炸，采集和處理數據的極速增長，如何解決海量數據的計算問題成了擺在基因行業面前的一道難題。
華大基因、阿里云和安徽醫科大學曾共同宣布，在21小時47分12秒內完成了1000例人類全外顯子組數據的分析。而在40年前，人類若想對埃希氏大腸桿菌進行全基因組測序，需要1000年的時間。因此ET醫療大腦的應用領域中，其中一項是利用算法模型尋找疾病同基因突變的關系，比如對大量肺腺癌病例的DNA序列進行分析，尋找致病的關鍵基因突變。
其實在ET醫療大腦之前，阿里云就已經開始在醫藥領域進行探索。比如某新藥研發中，上海華山醫院借助了阿里云的計算能力，用數字化模型代替部分臨床實驗，以及模擬小白鼠的活體實驗，用于加快特效藥研發。還有些新的進展也在不斷探索中，綜合來說，醫療AI的成功落地還是會先由大公司主導，原因有以下幾點：
1、首先醫療AI不同于其他細分行業，比如醫生社區，醫患溝通和患者健康教育等領域，用戶不需要千篇一律的標準回答，有更多個性化需求，多樣性需求可以讓創業企業和巨頭處在同一起跑線，甚至更靈活，成本更低。
但在醫療AI的具體應用場景中，只要某種技術出現一種碾壓性的優勢，就會全面覆蓋，因為技術實施的邊際成本趨向于零，很難構建地域和細分領域“護城河”，換句話說，有最好的，很可能就不需要第二第三好的技術了，也無法用價格差構建梯度。
2、很多小公司宣稱編制出了一些算法，但其實縱觀醫療AI領域，最重要的可能并非算法，而是獲得大量可靠的連續型醫療資源的能力，那么從資源上來說，小公司即使在局部領域可以拓展一下，比如獲得幾個醫院的支持，再跟一些比較牛的教授合作，這也是常規標準套路。
但是在醫學各細分領域中，巨頭的全面優勢可能是無法比擬的，甚至可以省為單位攻城略地，以治療領域為中心全面滲透。并且，一個個創業項目理論上是想從很多具體領域切入，然后橫向縱向拓展，其實異常艱難，而巨頭們好像隨意下圍棋一樣，東布一子，西落一塊，一開始不感覺，幾年后很多項目就會出現協同優勢，全面擠壓。
3、醫療AI領域構建商業模式異常艱難，支付方和收費場景很不成熟，那么對小公司來說，很難熬過冰川期，即使后面可以局部拓展一部分市場的時候，技術成熟的巨頭們真的可以用全免費的方式反向覆蓋，因為同前所述，AI使用的邊際成本趨向于零。所以不同于在很多醫療細分領域，小公司甚至更有優勢，只要跑通商業模式后，其成本更低，決策更靈活，提供更個性化的服務。
相對來說，還是更看好BAT包括平安在醫療AI領域的布局，因為AI的競爭其實是全世界范圍的競爭，而不是一城一地的得失，如果被國外巨頭率先壓制我們，就會重蹈之前很多領域的覆轍，只能淪為別人的市場，或者賺點邊角料而沾沾自喜。
相比之下，阿里的醫療AI更為落地一些，在多個細分領域都有在實際執行的項目，并不是聽起來“玄之又玄”的概念。而人工智能已經上升為國家戰略，同樣歷史也證明過，在高技術領域全民“大煉鋼鐵”是沒什么用的，一萬家小公司瞎折騰也不如一家巨頭公司的全力投入。
所以，醫療投資圈的又一個大泡沫正在逐漸進入高潮！
