醫(yī)學(xué)人工智能發(fā)展的熱度歷經(jīng)IBM Waston的裁員、DeepMind醫(yī)療項(xiàng)目負(fù)責(zé)人“被休假”之后似乎有所回落。但仍不斷有醫(yī)學(xué)人工智能Start-up成立，僅以San Francisco區(qū)域?yàn)槔?，不?年的時(shí)間，醫(yī)學(xué)人工智能創(chuàng)業(yè)公司數(shù)量就增長了3.9倍，創(chuàng)業(yè)公司的業(yè)務(wù)領(lǐng)域包含了從篩選新靶點(diǎn)到匹配臨床研究和患者等不同細(xì)分領(lǐng)域。

當(dāng)然，誰也不能否認(rèn)，人工智能是最令人期待的技術(shù)之一，并會(huì)對醫(yī)學(xué)研究、醫(yī)藥研發(fā)、醫(yī)療促進(jìn)以及醫(yī)保優(yōu)化等產(chǎn)生重大而深遠(yuǎn)的影響。但面對技術(shù)浪潮，如何早期分辨誰在“裸泳”，而不用等到潮水退去時(shí)才知道。試著問問如下5個(gè)問題：醫(yī)學(xué)人工智能初創(chuàng)公司的核心技術(shù)或算法能否獲得制藥公司的青睞，這是一個(gè)關(guān)鍵性指標(biāo)。因?yàn)榇笏帍S對于醫(yī)學(xué)人工智能的需求非常明確，就是能否幫助大藥廠提升日益困難的新藥研發(fā)能力和效率，在競爭性市場獲得先機(jī)。

當(dāng)然，要獲得大藥廠的青睞，首先要有與大藥廠關(guān)鍵決策人的溝通機(jī)會(huì)，比如說會(huì)議。即便是已經(jīng)獲得A輪融資的初創(chuàng)醫(yī)學(xué)人工智能公司，如果沒有經(jīng)過大藥廠的“洗禮”或“檢驗(yàn)”，其核心技術(shù)或算法的應(yīng)用性可能無法脫穎而出，仍然是“眾多之一”。因此，醫(yī)學(xué)人工智能的創(chuàng)業(yè)團(tuán)隊(duì)，應(yīng)不僅僅只有算法天才或計(jì)算天才，還要有醫(yī)學(xué)人才，了解醫(yī)療這個(gè)行業(yè)的本質(zhì)和特點(diǎn)。

也就是創(chuàng)業(yè)團(tuán)隊(duì)的核心技術(shù)、算法和團(tuán)隊(duì)是否具有獨(dú)特性，可以讓大藥廠的關(guān)鍵決策人看到，選擇創(chuàng)業(yè)團(tuán)隊(duì)比內(nèi)設(shè)部門要高效。目前如諾華、葛蘭素史克、安進(jìn)等財(cái)大氣粗的公司已經(jīng)開始著手組建自己的人工智能和數(shù)據(jù)挖掘團(tuán)隊(duì)。這就要求創(chuàng)業(yè)公司不僅技術(shù)領(lǐng)先，還有互補(bǔ)的團(tuán)隊(duì)和洞察制藥企業(yè)核心需求的能力，當(dāng)然還得要有成本效益方面的優(yōu)勢。

這一點(diǎn)非常重要，醫(yī)學(xué)人工智能初創(chuàng)公司的發(fā)展是依賴他人的數(shù)據(jù)，還是自己產(chǎn)生數(shù)據(jù)？依賴他人數(shù)據(jù)的初創(chuàng)公司采取的是，通過“吃進(jìn)”已有的公開文獻(xiàn)，期望經(jīng)過分析后有新發(fā)現(xiàn)；或通過分析已有的藥品應(yīng)用情況，希望發(fā)現(xiàn)新的適應(yīng)癥等。這在新藥研發(fā)領(lǐng)域可能不太有吸引力。就好比，在圍棋領(lǐng)域取得進(jìn)展的“Deep Learning”照搬到新藥研發(fā)可能就不太適用?！癉eep Learning”好比是增強(qiáng)記憶的“渦輪增壓”，但醫(yī)療領(lǐng)域卻存在大量的“特例”，或者是許多細(xì)分領(lǐng)域中“未被滿足的需求”。這會(huì)不會(huì)是曾因“阿爾法狗”轟動(dòng)世界的DeepMind聯(lián)合創(chuàng)始人兼醫(yī)療負(fù)責(zé)人“被休假”的原因呢？

所以，依靠已有公開數(shù)據(jù)的模式可能不會(huì)產(chǎn)生重大突破，也就是無法賦能藥廠的新藥研發(fā)能力與效率。大藥廠更需要基于某一個(gè)特定的目標(biāo)，或臨床上一個(gè)重大未被滿足的臨床需求而來的算法或技術(shù)，也就是，能自己產(chǎn)生數(shù)據(jù)的人工智能團(tuán)隊(duì)更具有競爭性。

硅谷發(fā)展的特征之一就是，大公司為了避免競爭，通常在早期就以并購的方式對有可能威脅其未來發(fā)展的創(chuàng)業(yè)公司進(jìn)行“團(tuán)滅”。但醫(yī)學(xué)人工智能領(lǐng)域似乎還沒有表現(xiàn)出硅谷“贏者通吃”的這一基本特性。醫(yī)學(xué)人工智能有細(xì)分領(lǐng)域特點(diǎn)，不同的需求只覆蓋一定的人口基數(shù)并要求相應(yīng)的技術(shù)和算法；而不像社交網(wǎng)絡(luò)公司，一個(gè)APP就可以覆蓋足夠多的人口基數(shù)和市場份額。

所以，也不必因?yàn)闆]有互聯(lián)網(wǎng)巨頭對其感興趣就因此而低估創(chuàng)業(yè)公司的潛能，關(guān)鍵還是要有慧眼，也就是判定該團(tuán)隊(duì)的核心技術(shù)或算法是否與其研究的應(yīng)用領(lǐng)域相匹配，比如Deep Learning，如果用于對海量的病理切片進(jìn)行模式分類的話，可能會(huì)更高效。

目前國際醫(yī)學(xué)人工智能領(lǐng)域資本流向特點(diǎn)是，20%的初創(chuàng)公司吸引了近80%的風(fēng)險(xiǎn)投資。大多數(shù)初創(chuàng)公司還是舉步維艱，要么創(chuàng)始人自己注資，要么天使投資。目前，醫(yī)學(xué)人工智能領(lǐng)域雖然還沒有出現(xiàn)“公司破產(chǎn)”的情形，但已有“僵尸初創(chuàng)公司”出現(xiàn)了，沒有活力，缺乏資金等。

當(dāng)然，雖然也有一些交易，但由于行業(yè)仍處于培育期，仍難以判斷真正好的有發(fā)展?jié)摿Φ某鮿?chuàng)公司，即便是那些已經(jīng)獲得大藥廠投資的醫(yī)學(xué)人工智能公司的發(fā)展?jié)摿σ残枰獣r(shí)間才能做出判斷。