由于高度监管和高度垄断以及必要组成部分（例如商保）的缺失，中国医疗领域的创新创业非常艰难，强大的技术变革和正确的商业模式是医疗领域创新创业项目成功的关键。人工智能的发展进入新一轮高潮，医疗人工智能创新方向和创业项目层出不穷，并且倍受资本追逐，大量资本投入到这个新的领域。
如何真正进入商用和临床的医疗人工智能创新领域？如何建立正确的商业模式？汇医慧影创新业务负责人卢涛，结合移动医疗发展的成功经验与失败教训，阐述了医疗人工智能商业模式的正确出路，以及如何更快的触及并解决诊疗方面的核心问题。
大数据文摘对本次分享的精彩内容进行了整理，在不改变原意的前提下有删改：
南开大学商学院最近发布了2017年热词，从第十名开始依次为：互联网+、供给侧结构性改革、精准贫、工匠精神、移动支付、雄安新区、大数据、一带一路、共享经济、人工智能。
其中，南开大学商学院教授用一句话很好的解释了人工智能：人战胜了所有动物之后终于向自己在世间的地位挑战了。有人认为人工智能的未来很美好，有人认为十分危险，但我觉得人可以很好地驾驭自己发明的东西，人工智能肯定能够帮助所有行业的每一位从业者，我们要思考的问题是如何能够跟人工智能相处得更好。
拥抱AI的医生将会替代没有AI的医生
曾经有一个观点：人工智能会代替医生，当初马云也说30年后医生会找不到工作。我相信他的想法是被断章取义了， 30年后可能会让一部分医生找不到工作，但并不是让全部的医生找不到工作。人工智能替代医生的说法肯定是错的，正确的说法应该是有AI的医生替代没有AI的医生，或者叫做：拥抱AI的医生未来肯定会让不拥抱AI的医生找不到工作。
医疗行业的背景。目前这个行业正在快速发展，2011年中国医疗总费用是2.4万亿，到2016年就变成了4.6万亿，将近100%的增长速度。健康中国2030规划纲要中指出，到2020年医疗产值可能会达到8万亿，2030年将到16万亿。
快速发展的原因之一是中国人口的老龄化。目前60岁以上的老人占了全国人口18%，预计30、40、50年后，60岁以上老人的比例会持续增加，中国会步入严重老龄化的社会。随着老人的增加，会给医疗行业带来更多的挑战和机遇。
第二是消费升级，城镇人均可支配收入增长速度很快。2011年至2016年可支配收入增长了54%，消费升级很好地带动了医疗体系的增长。
另一个则是政策与技术。2016年健康中国2030规划纲要上升为国家战略，2017年人工智能上升为国家的战略，以北京为首的很多城市分别制订了自己综合医改的流程。而分级诊疗则是医改的一个主要目的和衡量指标，北京的综合医改主要体现在腾笼换鸟，将不合理的一些收费比例、医院的药品加成取消，另外在医师服务费上面进行调节，让相对比较稳定的患者去社区或者小一点规模的医院。
而依靠云计算和AI技术的革新，以及深度学习方面的成熟，医疗领域出现了一个非常好的创业机会。
医学领域与大数据
医学领域的规律是一个一个台阶往上走，进入21世纪之后才开始循证医学，之前更多是经验医学的时代。有些经验医学依靠传承确实给大家带来了非常多的获益和价值，但后来以西医为首的领域快速发展，经验医学已经不足以证明哪些治疗方案和药物是有效的，这时候就走到了循证医学的时代。
顾名思义，循证医学就是要看证据，没有证据证明治疗方案有效的话，就不会有人愿意用这个治疗方案治病，医生也不会选取这样的治疗方案，更不会放进指南。所以循证医学的时代是基于有设计的实验研究进行展开的，目前对治疗方案的选择、指南的规划都是循证医学缔造的产物。
下一个阶段则是精准医学。随着基因和大数据等技术越来越成熟，未来更多的治疗很可能是基于循证、指南，做到每个患者不同的情况、信息、数据，对应不同的治疗方案。
人工智能辅助医疗大事件
人工智能辅助医疗有三个里程碑式的事件。第一是2015年北卡罗莱纳大学发了一篇关于深度学习分割脑核磁图象的文章。第二是谷歌买了13万糖网的患者数据，证明了用人工智能进行糖网病诊断精度是优于临床的。第三是2017年斯坦福大学在Nature上发表了一篇文章，证明人工智能对皮肤癌的诊断精度达到了专家水平，即优于了临床水平。
这三个里程碑式的人工智能事件，以及对医疗方面辅助研究的发表，奠定了人工智能在医疗领域的一些地位。相信未来还会有更多超越这三个里程碑事件的事情发生。
人工智能与医学影像
医学影像是很多疾病检查、诊断和治疗开启的必经之路，无论是血管类疾病、肿瘤、神经性疾病以及骨科疾病等等，都离不开影像，如果患者没有做相应的影像学检查就没有办法继续往下做诊断和治疗。另外，人工智能创业医学影像的市场非常活跃。
但医学影像有很多痛点。一个是缺少影像科医生，尤其是达到一定级别的影像科医生，全国也仅仅只有八万多名。另一个则是医生看片子要么打印出来在灯光下看，要么在电脑上看，这两种方式只能看到一些片子上体现出来的且比较容易看出来的形态性改变，但如果把片子进行特征化，很多东西肉眼根本看不到，且很难用人脑进行分析。所以很多用医学影像检查方法提供的医疗证据都被浪费掉了。
但医学影像的市场还是比较庞大的，目前医疗市场有5万亿的规模，医学影像占了将近20%的份额，如果从医学影像这一块进入医疗市场，将会有很大的机会瓜分几千亿中一部分。
医疗领域人工智能的商业模式
目前进入医疗领域的方法还是较为简单且传统的商业模式：开医院，无论公立还是私立。然后在医院售卖医学技术，提供医疗服务，同时打包整合一些医学影像、检查、药品等相关服务，卖给患者。之所以会出现这样的商业模式，与这个领域有很大的关系。
第一个原因是医疗领域是一个高监管的领域。效率和公平从国家维度来讲是两个最重要的事项。提高效率就能提高产能，国家的综合国力以及国家的收入、技术发展快慢等也能得到提高。公平则是分配的方式，*国家一直兼顾效率和公平，并一直在寻找公平且合理的分配方式。医疗领域则是公平优于效率的领域，医疗是全民的医疗，所有人都有权利享受医疗的照顾。
第二是高度垄断。虽然公立医院的数量和私立医院的数量基本持平，但其服务的患者人数、产生的经济花费远远不一样。公立医院代表了国家政策的执行和监管的方向，其高度垄断的是大型三甲医院，而稍微小一点地方的医院水平、服务患者人数以及真正服务下来的价值远远低于大的三甲医院。同时也有一些商业垄断等等，都对商业模式的形成产生了很大的影响。
第三是组织不全。任何一个服务都要有它的支付方，中国的支付方90%都是来自基本医疗保险，商业保险所占的支付比例非常低。这与美国、日本、欧洲等国家并不一样，美国的商业保险大概占整个医疗支出的比例40%多，日本则是10%到20%之间，中国目前只有3%——4%，这也彰显了高度垄断和高度监管的结果。
在中国这样的传统商业模式下，如果想去耕耘、创新，是非常难的一件事情。所以一定不要打无准备的仗，习总书记说过：学史可以看成败、鉴得失、知兴替。我们要多去看一看前人的创业情况是什么样子，这对下一步创业成功少走弯路有非常重要的意义。
移动医疗领域发展史
移动医疗在2010年到2014年是一个孕育期，我们比较熟悉的公司都在这个时间成立。2014年到2016年是一个蓬勃期，一是当时资本环境比较好，二是国家双创的战略得到了非常多的支持，发展态势呈现出波澜壮阔的画面。而2016年到2017年是一个去泡沫期或者叫做萎缩期，既与资本环境变化有关系，也跟一个企业经过几年的孕育与发展之后，确实没有一个特别好的盈利模式有关系。2017年到2020年应该是一个转型期，在去泡沫期和转型期有一些企业死掉了，稍微大一点有实力的企业开始转型，将要出现一些大规模的创新行动。
整个移动医疗领域虽然没有失败，但也并不是那么成功。根本原因是在医疗领域不要完全复制电商模式与共享经济模式。医疗领域其本身就与其它领域不一样，国家医疗领域的环境以及目前的政策等方面，也与电商、共享经济不一样。另一个原因是医疗的本质需要依赖于医疗技术以及相关辅助技术的发展，如果在医疗领域里没有做到技术发展与革新，对医疗的推动是没有效果的。
对人工智能商业模式的建议
第一要始终坚持以技术创新为核心，尤其是人工智能，必须要有自己的技术创新实力，才能真正成功。
第二是切忌跑马圈地和随意免费。免费会带来很多问题，而且初期也会产生不合理的竞争，甚至会让好不容易找到的一些愿意支持创新的天使客户失望，所以不要随意免费。医疗领域非常宽广，有许多相关的疾病等着大家攻克，只要技术达到一定程度，真正解决问题，自然就会有一块属于我们自己的地盘，到时免费还是不免费已经不再是问题了。
第三，产品必须切中诊疗的刚需。做检查是为了给患者做出诊断，诊断是为了有更好的治疗选择。如果做出的产品跟诊断和治疗关系都不大，更属于前端或后端的话，相对来讲并不是特别刚需的产品。
第四，医疗AI的研发实验室要设在医院，或者研发实验室的分部设在医院，产品既然是解决医疗的问题，只有设在医院才可能找到相关的专家、教授等人才，只有在医院才能形成这样的场景。
第五，一定要遵守AI服务医生、医生服务患者的准则。
第六，医疗*的改革需要依靠*，但真正的技术革新还是需要企业。
医疗人工智能未来的发展道路
AI的三要素是算法、场景和数据。有了好的算法，未来用于深度学习的算法才会出现；找到了合适的场景，才能解决医疗相关的问题；有了高质量的数据，才能产生更好的人工智能。
所以AI公司在很长一段时间内都是不同维度的竞争，如果只擅长数据，却没有算法，场景也没有找对，那是没有用的。要先深耕一个维度，在另外两个维度不断扩充自己。
另外，医疗人工智能领域不仅需要AI人才，同时还需要医学人才、商业化人才等复合型人才。
对于医疗人工智能领域的盈利模式，一定不要套别人的商业模式，无论是传统模式B2C,或者B2B、C2C，能用20个字准确清晰地描述出自己公司的盈利模式，就是好的盈利模式，适合自己公司的商业模式才是最好的。
原文发布时间为：2018-01-17
本文作者：文摘菌