北極光創投鄧鋒：技術不是AI醫療核心問題 能否商業化變現才是

北極光創投鄧鋒：技術不是AI醫療核心問題 能否商業化變現才是

來自專欄投資人說4 人贊了文章

北極光創投成立於2005年，長期聚焦科技創新型企業的早期投資。

創始人鄧鋒清華畢業後，在美國南加州大學計算機工程專業讀研，之後又進入沃頓商學院攻讀MBA。2005年他回國創辦北極光創投，專註TMT領域中to B投資，後期延伸到to C的方向。

目前，北極光創投共計管理5支美元基金和5支人民幣基金，管理資產總額超300億元。除去已退出項目，到現在為止，所有活躍的投後企業約有200家左右。從2010年起北極光開始關注健康醫療、生命科學領域，雖然在所投企業中醫療方向只有40多家，但其投資步伐從2015年明顯提速。

2015年起，北極光創投共投了7家醫藥相關企業，之後每年的投資數量都會增加。到今年上半年已經增長到了十幾家，預計今年年底前會投20家醫療企業。

在由北極光創投舉辦的「E-Health發展與投資機會」大會上，鄧鋒闡述了他對醫療領域的投資邏輯。

我們把整個大健康分成分5部分：醫藥/生物技術、醫療器械、醫療服務、體外診斷和E-Health。

從整個大環境看，今年投醫療領域火熱程度比去年高，特別是在葯和E-Health領域。據鯨准統計，在過去的5年間，AI+醫療的融資數量一路猛漲，2013年時候僅有16例，而到2018年上半年就已經發生了79例。主要項目圍繞虛擬助手、醫療機器人和醫療影像三大種類。

北極光最早在2014年布局了醫藥/生物技術領域，這部分在整個健康醫療投資中佔比最大。主要原因在於資本和技術，現在資本市場退出時間點比較早而且被投項目估值都很高，這就導致機構更關注早期項目；另外，醫藥界現在出現了很多世界級創新技術，研發新葯的方法也在發生變化，比如CMO（Contract Manufacture Organization藥品合同生產組織，CMO 企業主要接受製藥公司的委託，為其提供生產工藝的開發和改進服務，以及臨床試驗藥物和商業化銷售藥物所用中間體、原料葯、製劑的生產供應服務）。

醫療器械領域也有很多創新，基本是傳統風投在投。不過，醫療器械比較零散，企業的天花板可能比較低，所以北極光在投器械時比較謹慎。

醫療服務方面，在中國提出醫改後，無論從醫院管理、專科醫院還是消費型服務都存在相當多的機會。這個領域更多的不是靠技術創新而是靠運營、服務、品牌來決定的，PE有大量機會，北極光也有布局，不過該領域留給風投的投資機會不像其它領域那麼多。

體外診斷有很大的市場，傳統的也還有分級診斷的技術。比如跟基因組學相關、PCR（聚合酶鏈式反應，這是一種用於放大擴增特定DNA片段的分子生物學技術，最大特點是能將微量的DNA大幅增加），還有新的蛋白組學等。

最近E-Health領域在國際上討論非常火熱，從純的技術創新來說還是美國領先一些，對於中國來說則剛剛起步，但後者發展速度很快。北極光對E-Health的前景非常看好，也很重視。關注人工智慧+醫療診斷服務是正確的方向，但這裡有很多泡沫。真正能成功的企業可能未必在於人工智慧技術有多先進，因為現在各企業的技術差異並不大，特別是醫療影像處理領域。跟E-Health相關的還有新型的感測器技術，健康人和病人的監護、數據的提取，在某種程度上這跟大數據、人工智慧相關，這領域裡更多是硬體的機會。軟硬體一體化，綜合的解決方案、診療也算是E-Health相關的。

所以，對於人工智慧來說，我們更看中的是其產品能否迅速落地、是否能夠平衡各個節點的利益方。

在人工智慧+醫療診斷服務上，北極光投了如翼展、影領、Wision AI、Atman四個典型企業，在醫療大數據信息化範疇中，投了太美、芯聯達。因為無論是在診斷、製藥、藥物管理流程中，採集後的數據分裂較為嚴重，容易形成數據孤島，對這些也沒有做好結構化、數據清洗以及規範數據等工作，所以需要有專門的企業去做信息化解決方案。

1、政策下的智能/大數據+大健康

政策方面，目前是利好AI醫療發展的，尤其是審批方面，在最近的一兩年有很多的改進，那些獲得CNDA認證的醫療AI企業將告別產品免費試用階段，正式進入商業化，這極大地促進了整個行業發展。

國家層面的規劃也在人工智慧領域給出很多新資金和政策。去年，工業和信息化部印發了《促進新一代人工智慧產業發展三年行動計劃（2018-2020年）》，其中在醫療影像輔助診斷系統領域，特別指出要推動醫學影像數據採集標準化與規範化，支持腦、肺、眼等典型疾病領域的醫學影像輔助診斷技術研發，加快醫療影像輔助診斷系統的產品化及臨床輔助應用。人工智慧可以幫助中國在醫生很缺乏的情況下，提高治療效率。我們並不認為人工智慧可完全替代醫生，在未來，人工智慧更多地會扮演輔助診斷的角色，其職責是幫醫生更高效的把診斷質量提高。

在中國，人才始終是稀缺的，尤其是好的影像醫師太缺乏了，對此國家制定了「千人計劃」（海外高層次人才引進計劃）和「萬人計劃」（國家高層次人才特殊支持計劃），吸引一批人才回國。

2、AI+醫療 如何落地變現最關鍵

對於現在，技術如何落地變現是最關鍵問題。從AI+醫療產業的發展趨勢來看，我們認為未來會有5個方向的變化。

1. 從今年起，影響產品落地速度將不斷加快，產品性能成熟度也會不斷提高；
2. 語音電子病歷在醫院的普及率會加快，頭部企業可以形成規模效應；
3. 智能問診的發展可能相對早期，但是對知識圖譜的建設在未來將是很大的趨勢，預問診功能可以有效提升醫生效率，長期看智能問診有很大機會；
4. 國家、產業和企業將共同推動健康大數據建設，未來AI在健康管理場景下應用程度會進一步提高；
5. 藥物研發投資的風險仍然很高，AI藥物研發企業短時間內不會變現，但是一旦研發成功，就有機會成為醫療AI領域裡的獨角獸。

整體來說，智能醫療E-Health可以涉及到很多方面，比如虛擬助理（語音電子病歷/智能問診/智能導診）、影像處理（病灶識別與標註等）、輔助診療（基因測序與檢測預測）、疾病風險預測、健康管理、醫院管理、藥物研發等領域。這些都是人工智慧或大數據可涉及到的。

需要注意的是，在AI+醫療的創業方向中，技術門檻可能並不是核心壁壘。在醫療領域，基於概率分析的關聯推理無法判斷疾病的因果關係。計算機的深度學習最主要特徵是基於數據學習的概率分析，其結果是能夠進行有效的診斷和預測，因此目前的深度學習在影像疾病篩檢診斷中表現出彩。但疾病診治是一個複雜動態的決策系統，需要去理解不同因素與疾病的因果關係，才能夠採取更有效的干預實現疾病的治療。沒有醫學知識體系作為基礎的深度學習數據分析，只是將結果壓在訓練數據上，訓練數據的樣本量和離散情況對於訓練結果將產生直接影響。

在行業註冊、准入、監管體系還在完善的同時，也出現了一些新的問題，比如高質量標註數據獲得困難，這涉及到核心的資源，即高質量醫生的時間和效率，很多情況下數據的標準比演算法更難，因為需要好的數據好的標準。再比如人工智慧輔助診斷結果評估缺乏統一標準，應用需要與學界達成共識，同一張影像圖，標準及答案是什麼？由誰來定義？盲標還是非盲標？這都是需要考慮的。

只靠人工智慧去解決醫療影像問題很有限，且商業及變現模式仍然不是很清晰。

3、關注AI醫療初創團隊5個方面

我認為，技術不是判斷團隊好壞的唯一標準，產品落地能力及變現能力、平台潛力以及團隊綜合行業背景都很重要，另外，創業團隊的產品要符合醫療路徑，要能提供整體的解決方案。強的團隊能夠很敏銳的感到市場的變化、能夠實時調整自己的步伐；海外市場離商業變現會更近，因此我們也關注能「走出去」的公司，我們曾經投過一些團隊，他們不僅在中國本土能夠發展，也能走向海外。

說到底，無論技術輸出還是產品輸出，我們也是有機會成為全球範圍內高利潤的公司的。根據我最近幾年的觀察，影像輔助診斷的頭部效應已經非常明顯，投資人對這個領域的初創公司應該抱有謹慎態度，畢竟臨床價值才是最終影響公司估值的因素，對待那些純粹蹭人工智慧熱度的項目，在進行估值的時候需要更理性。最後，我們希望通過以上討論，可以跟業界同行建立長期的合作夥伴的關係，以便今後可以一起推動行業發展。

編輯 / Joyce

本文系《投資人說》原創內容，欲了解更多內容，請聯繫本文作者，微信號：joyce66886 ，添加時請註明身份及事由。

本文由微信公眾號投資人說（touzirenshuo）推薦，關注回復【投資】即送【100份投資乾貨+推薦書單】

推薦閱讀：