行研 | 人工智能+大数据公司A轮融资20亿！！！两个灭霸爸爸如何一起颠覆医疗生态？

近日，小思在一份126家中国医疗AI初创企业名单中，发现一家名为医渡云的公司格外吸引眼球——这家低调的科技公司完成了A轮20亿元人民币融资！ 虽尚未公开宣布，但这家公司已经成为人工智能+大数据领域的超级独角兽。

小编根据网络公开资料统计的2017我国医疗人工智能产业融资情况，发现融资多发生于种子轮、A轮等早期风险投资阶段，融资额度也大多集中在1000~3500万元之间，只有2起略微超过1亿。

2017我国医疗人工智能产业融资轮次统计表

2011~2017我国医疗人工智能产业融资额度统计表

为何医渡云这家医疗AI企业能独得资本市场恩宠？其身上所贴的“医疗大数据”、“机器学习”这些前沿热点标签将以何种模式融合？在诊疗中究竟能发挥何种作用？面临着哪些制约与风险？

一．医疗大数据现状

1. 全球医疗数据量呈指数级增长

医疗“大数据”以容量大、类型多、存取速度快、应用价值高为主要特征。据咨询公司EMC和研究公司IDC在2014年的数据显示，2013年全球医疗数据总量为153艾字节(1艾字节等于10亿兆字节；5兆字节等于人类所说的所有单词)。而到2020年，这一数字将达到2314艾字节，年增长率为48%。

全球医疗数据增长量

伴随着医学影像分辨率提高，可穿戴设备逐步进入市场，以及植入式设备的应用，数以万亿的数据点被产生出来，使得医疗数据量在过去十年中呈指数级增长。据VHA（退伍军人健康管理局，Veterans Health Administration）数据显示，每天都有超过160亿比特的数据（包括100万基于文本的记录、120万份电子病历、280万张图像以及100万条生命体征记录）。

2. 国内外医疗大数据现状

欧美等发达国家收集病人数据时间较长，因此也较早认识到数据的价值。在欧美等发达国家，公共健康系统中的数据多为处理过的结构化数据，均能方便地通过NHS（英国公立医疗系统）、VHA系统（退伍军人健康管理系统）等公立医疗系统或大型私立健康集团电子病历系统调用。

而在我国，每个三甲级别医院都有约50~200个系统，每天有多达20000名门诊病人，而同一患者的有些数据还可能在不同的系统中有40个不同的ID。这也就意味着国内医疗数据多为非结构性、零碎混乱的，处理这些海量数据，将其从凌乱变为结构化的能够利用的信息将是一项繁重的工作。它需要跨医院、跨区域获取不同系统数据，将海量根据医师个人喜好记录下的数据整理出来并进行结构化处理。这也是医渡云等医疗大数据公司在做的事情。

二. 人工智能时代，大数据迁移到医疗的技术路径

目前，市场上的AI+医疗公司主要包括医学影像类，基因测序类，医疗服务类等。今天故事的主角则定位于AI+医疗大数据类。这个分类较为模糊，因为AI+注定离不开医疗大数据，只是这类公司更加注重数据本身的研究及分析。

正如今年刚被罗氏收购的美国癌症数据公司Flatiron Health，其致力于整合癌症相关的医疗大数据，为医院、制药公司、患者提供全方位的服务，医渡云也是这样一家专注于医疗大数据的公司。

在数据处理方面，Flatiron Health采用的是一种基于自然语言处理的数据提取工具来挖掘数据，并雇佣和培训了大量医学专业人员，精心阅读这些非结构化字段并提取出相关数据。这一方法使Flatiron获得的数据质量，比美国同类公司要高。不同于美国巨头Flatiron大量采用人工，医渡云通过与北大肿瘤医院等国内近百家顶级三甲医院的深度合作，与政府、外部数据源等建立全周期的疾病画像，积累了大量高质量医学知识图谱，通过深度学习技术，利用人工智能对半结构化和非结构化文本数据进行清洗、高质量结构化等操作，极大降低了人力及时间成本。此外，不同于Flatiron只集中在肿瘤单一领域，医渡云做的是全疾病级，即通过面向医院全院科室的数据平台，打通医院内各个科室数据，建立每个核心病种专病库。

单从技术层面来看，医渡云的大数据处理能力及数据处理深度或许已经超越Flatiron Health。

我们知道，决定医疗大数据领域竞争成败的关键因素有二：一是数据规模，二是数据可解读性。庞大的数据源是大数据产业发展的重要前提。随着全球步入大数据时代，数据量呈指数级增长，从百万级真实数据到上亿级别甚至更多。依托中国天然庞大的医疗数据规模，利用人工智能实现更高准确度的数据处理将更被业界所看好，其市场前景更值得期待！

三. 人工智能+医疗大数据发展环境分析

1. 市场迅速认可，资本入场掀起人工智能+大数据新浪潮

医疗大数据及人工智能技术已经成为当下最热门的标签。其临床及商业价值快速被市场认同，吸引着大量资本注入。对医疗大健康领域投融资事件进行整理可以发现，仅2018年Q1，在医疗大数据领域便发生了35起投融资事件，行业热潮正式开启。

医疗大数据方向在医疗大健康投融资事件中占比

由于大数据及 AI 技术的应用研发需要大量资金支持，资本的不断注入将为其增添新的活力，迎来新的发展契机。

2、相关政策频发助力医疗大数据

2016年6月，国务院办公厅印发了《关于促进和规范健康医疗大数据应用发展的指导意见》，将健康医疗大数据应用发展纳入国家大数据战略布局，努力建设人民满意的医疗卫生事业，为打造健康中国提供有力支撑。同时，在上海和宁波试点区域医疗数据中心，整合包括区域卫生数据、疾病监测数据以及各级医院电子医疗记录等多种数据。

《“健康中国2030”规划纲要》中也指出，要消除数据壁垒，建立和完善全国健康医疗数据资源目录体系。

2017年，国务院发布《“十三五”深化医药卫生体制改革规划》，提出健全基于互联网、大数据技术的分级诊疗信息系统；应用药品流通大数据，拓展增值服务深度和广度。医疗大数据的应用不仅限于医院诊疗过程中，而药物研发，临床诊断与治疗，保险支付和商业保险设计，以及健康管理和公共卫生服务等人类健康各个环节。

短短2年，已经出台50余条“纲要”或“意见”，相关政策频发无疑将助力整合医疗大数据，推动我国医疗生态全面升级。

四、数据标准化与共享：玩转人工智能+大数据绕不开的两个难题

数据从其本源来看仅仅是0与1的信息组合，本身所具有的商业价值似乎微乎其微。但是，当经过搜集、组合等处理后，这些数据具有了记录属性后就变得极有价值。医疗大数据不仅包含着患者的基础数据，也有个性化治疗方案、影像、药物等多种信息。要实现医疗大数据的应用前提是需要获取医疗大数据。但这些信息，可能由于病人涉及到个人信息不愿意提供，医院顾忌到利益分配体制也不愿意提供，各类医疗机构之间因缺乏数据共享接口也无法共享，这就使得医疗大数据的收集与分析变得更加困难，如何聚合与分享大数据成为极具挑战的工作。

1. 医疗数据标准化

在美国，最大的临床数据资源由凯撒医疗集团及VHA掌控；在英国，则由政府提供全民医疗，统一收集、整理和使用全国医院及诊所的临床数据，大量公共组织和私人机构则在此基础上补足临床数据。在我国，虽然医学大数据在过去几年发展迅猛，电子病历中已有大量的结构化数据，包括诊断、治疗、配药等各环节。但要跨医院、跨区域搜集和统一不同系统中的数据仍然十分困难。

结构化的医疗数据是实现数据共享的第一步。我国医院系统的相对封闭与独立，数据大部分未标准化，内容由医生主观输入。如何找出关键数据变量，提取关键数值特征，建立大范围统一的临床数据处理与分析平台将成为横在人工智能+大数据产业化之路上的第一只“小怪兽”。

2. 大数据共享机制

医疗大数据的所有权是决定医疗大数据能否实现商业应用的关键。在我国，医疗数据的所有权属于患者，但单个用户的数据并不具有商业价值，同时，数据打通之后个人信息安全性保障问题也让患者心存芥蒂；医疗大数据管理权在政府，但控制权在医院。在现有利益分配体制下，医院很难有动力向社会开放医疗大数据。虽然第三方服务机构能够接触到数据，但没有政府支持及医院配合，很难实现大数据的商业化开发。

但政府为了更好的管理，想要解放数据孤岛，实现数据共享；三甲医院等医疗机构对大数据技术在临床科研和医院管理等方面的需求也是极为迫切，找到一个让所有利益相关者（医院、患者、卫生机构）都满意的数据共享机制，建立大范围医疗数据共享、整合与分析平台，受益于中国庞大的人口基数所带来的更为庞大的数据量、更为充足的样本量，AI赋能下的中国医疗大数据产业有望实现弯道超车。

五、中国医疗大数据产业的爆发期 

医疗大数据相关利好政策密集发布，顶层政策推动医疗大数据产业发展；领域并购与投融资事件频发，大量资本涌入，预计未来还将有更多资本进入，研发资金充足；加上可穿戴设备、人工智能技术积淀，依托中国天然庞大的数据量和充足的样本量，中国医疗大数据企业已经进入新风口。融合了人工智能技术与国内顶尖优秀医院资源的前沿弄潮儿将有望乘风破浪，弯道超车！

往期精彩回顾

▌投融资

▌热门行研

▌医械前沿

▌思宇印象

♢思宇沙龙    康复机器人  |  医械技术转化

♢思宇访谈    泰格捷通  |  致众科技  |  迈迪思创  |  北航生医  |  波士顿易季

♢专家专场    院士专场  |  思宇路演  |  约印医疗