走过元年，人工智能彻彻底底地火了。而作为行业中较为成熟的领域，医疗人工智能被认为是AI最先落地的部分。近日，火石创造发布了2017年医疗人工智能产业图谱。
从1956年的达特矛斯会议提出“人工智能”的概念，到AlphaGo击败围棋世界冠军，人工智能的发展不过仅仅半个世纪的时间，期间都曾因遇到瓶颈而停滞不前。而如今，人工智能已经跨过了元年，计算平台、海量数据以及机器学习等技术的助推力，把人工智能的发展推到了一个前所未有的速度等级。而医疗健康被认为是人工智能将率先落地的领域，尤其是医学影像和基因组学等方面，已经出现了意想不到的成果。
数据是医学人工智能的能源，如果没有数据能源就像即使发明了汽车但没有汽油一样，是没办法跑动的。IDC曾预测，到2020年，全世界医疗数据总量将达到40万亿GB，是2010年的30倍。数据生成和共享的速度迅速增加，但目前仍有80%的数据为非结构化数据。
医学人工智能是解决医疗生产力的根本之道。在我国，人口老龄化、慢病高速增长、医疗资源供需严重失衡以及地域分配不均等问题，造就了对医疗人工智能的巨大需求；同时，我国人口基数大、产业组合丰富、人才储备充分等特点，又给人工智能的发展提供了很好的基础。
另一方面，近年来国家发布的80多条全国性政策以及多条医疗人工智能专项政策，都表明医疗人工智能的发展迎来政策利好。因此，中国已经成为了全球领先的AI研发中心，医学人工智能在中国的发展面临着非常好的机遇。
根据火石创造HSMAP系统的统计数据，目前，国内医疗人工智能相关企业多达139家，主要分布在北京、广州以及长三角地区。
从时间的维度上来看，国内的医疗人工智能企业从2014年开始出现了一个增长的高峰，虽然相较于国外来说发展较晚，但是近三年来的增长非常迅速，创业公司层出不穷。
从大的产业链层面来看整个行业的业态，我们可以看到，整个产业链可以分为三个层次：基础层、技术层与应用层。由于基础算法和计算平台、海量的数据来源还有机器学习、图像识别的基础技术的壁垒较高，往往需要较长期的高投入才能有高回报，因此科技巨头往往偏向于布局底层，而创业公司则往往选择在变现能力强、容易进入的辅助诊断、健康管理和药物研发等应用层扎堆。
根据企业的分布情况，可以将产业链中的企业做一个划分。按照治疗前、治疗期间以及治疗后及康复阶段，国内外的公司均可分成9个类别，其中语音交互、信息化管理等分类中的公司，它们发挥的作用可能会贯穿整个诊疗过程，详见以下图谱。
国外的公司分类略有不同，相较之下，国外将人工智能用于药物挖掘的创业公司比例较高，对药物研发产业来说，研发效率和成功率的提升非常重要，用研发投入去计算市场容量其实可以发现，这部分的市场容量是更大的。
根据火石创造HSMAP的数据统计，国内目前为止已有公开披露的融资事件有93笔，其中有57笔明确公布了融资金额。从时间上来看，2014-2016年融资数量有了明显的上升，而且增长速度很快，资本的活跃度逐年走高。
而不管是国内还是国外，从融资轮次的集中度上来看，都可以明显看到，大部分的融资事件都发生在种子轮、天使轮以及A轮这样的早期风险投资阶段，这表明行业内的公司大多还处在初创阶段，整个行业呈现出年轻化、集中度低的态势，尚未出现明显的独角兽或者垄断。
从融资额度的角度来看，更是可以看出非常明显的增长趋势，仅国内来说，千万级和亿级的融资事件占到了65%以上，国外的大部分融资也都分布在早期阶段。
在国内各细分领域中，辅助诊疗融资金额高居第一，达到20亿；接下来分别是语音交互的13亿，还有医学影像和健康管理不分伯仲的11亿。
2、行业尚无明显独角兽出现，创业公司机会很大，但同时竞争也会很激烈，应避开与大公司直接竞争，而找到核心的竞争力；
临床治疗前涵盖了辅助诊断、医学影像诊断、虚拟助手等领域的公司。目前，这部分是AI发展比较成熟的部分，比如影像辅助诊断如果与病理分析相结合，准确率可以高达99.5%，并且大大缓解放射医生的工作强度。
从投资情况来看，这部分的公司是目前资本最活跃的部分的，市场规模预计可以达到万亿，创业公司的活跃度相当高。
药物研发、智能医疗机器人都是这个阶段的应用形式，从全球的情况来看，AI辅助药物研发的公司比例相对较高，在研发周期长、投入大、失败率高等为特点的药物研发现状影响下，产业发展的需求量大，可达到千亿级的市场。
目前医疗机器人全球做的最好的是达芬奇机器人，国内也有部分初创公司在做这部分工作。AI结合医疗机器人的市场前景其实被广泛看好，在未来将是高速增长的一部分。
人工智能在这一阶段的应用有着覆盖范围广、应用场景多等特点，涉及健康管理、可穿戴设备、风险预测、信息化和数据管理等，有很大一部分都是消费级的产品，在未来可能会是增长规模最大的部分。
医学人工智能本身就是跨界融合的领域，将医学、生物学与IT等充分结合在一起。因此，科技巨头们也都在纷纷跨界医学人工智能领域。
目前，包括BAT在内，国内共有8家新三板以及上市公司布局医疗人工智能领域。有数据显示全球总共有1800多家全行业人工智能的企业，其中基础平台公司与应用公司的比例大概是1:10000。
从上图的微笑曲线可以看到人工智能产业链的本质，即数据交易市场的完善与分析算法的趋同，使得这两个领域附加价值不断降低；而数据的供给侧与最后的解决方案则会成为附加价值的最高处。
正如上文中所说，在大量的医疗数据中，有80%是非结构化的数据，它们藏在医院的病例资料里，藏在海量的影像片子里，大部分都无法被获得，也无法被计算机识别和处理。
因此，如何能高效地将非结构化的数据转化成机器可以识别的结构化数据？如何打破数据壁垒和信息孤岛，使得优质的数据来源能真正为医学人工智能的发展服务，都是亟待解决的问题。
另外，在临床诊疗过程中，人工智能如果真的能取代医生进行决策，万一0.1%概率的医疗差错出现，医疗责任主体又该如何确定？行业的发展又该如何解决监管的问题？