人工智能:中美歐醫療+AI產業對比：中國在多個細分領域應用領先，人才儲備和數據規范需要加強

編者按：本文來自“動脈網”，作者王曉行，36氪經授權發布。

2014年6月，英國人工智能公司BenevolentAI宣布將兩個正在研發的阿爾茨海默氏癥新藥賣給一家美國制藥公司，交易額為8億美元；

2017年7月，IBM對外發布數據，IBMWatsonOncology已經覆蓋了全球50多家醫院，2017年上半年服務將近4萬名患者和醫生，覆蓋的癌種達到7種；

2017年9月，依圖醫療表示，浙江省人民醫院作為依圖醫療的首批合作醫院，從上線至今，AI系統一共輔助醫生診閱1.7萬名患者圖像，被采納率為90%；

在全球各個地方，醫療人工智能發展到今天，已經不是僅僅是一種創新的概念，基于人工智能技術研發的各種產品已經切切實實的為醫生、患者、企業、醫療機構提供服務。

各個國家和地區看到人工智能的巨大前景，紛紛出臺政策、投入資金加快布局速度。人們戲稱人工智能的“軍備競賽”悄然來臨。在全球的各個國家和地區中，美國、中國、歐洲是在醫療人工智能表現最搶眼的三個區域。

文無第一、武無第二，動脈網從醫療應用的角度梳理一下這三個區域的醫療人工智能發展現狀，看看誰才是醫療人工智能領域的領跑者。

人才

前不久，CSRankings.org以全球各大院校在計算機科學各領域頂級會議發表的論文數量為依據，評選出了世界范圍內、亞洲范圍內、美國以及歐洲的高校排名情況。在世界排名前25所大學里面，清華大學排名第四，香港科技大學排名第十，CMU居榜首。歐洲的愛丁堡大學和倫敦大學學院進入榜單，美國有18所大學在榜單里面。

在人才方面美國有不可超越的優勢。前一段時間，刷爆朋友圈的《領英人才報告》中也指出，美國AI從業人員85萬人，歐洲加起來有31多萬人，而中國有5萬多人。

全國人大代表：比特幣是中美基礎理論公益性受到嚴峻挑戰的案例:3月5日，參加十三屆全國人大二次會議的福建代表團舉行全體會議，審議政府工作報告。全國人大代表陳國鷹在以“加快5G技術研究，構筑未來科技戰略新優勢”的發言中指出，在目前中美關系背景下，基礎理論的公益性將受到嚴峻挑戰，為了達到封鎖中國的目的，今后很多基礎理論共享估計都達不到了，這是我們未來科技戰略首先要面對的挑戰。比特幣就是一個非常典型的案例。比特幣做出來了以后，全世界才知道有區塊鏈這個技術，當大家知道區塊鏈技術后，以比特幣為代表的公有鏈技術平臺已經牢牢地控制在美國人手上了。未來十年，我們除了基礎理論不能跟美國共享以外，同時還要面對右翼的升級挑戰，這是十分艱巨的任務。（福建日報）[2021/3/7 18:22:51]

美國研究者更關注基礎研究，人工智能人才培養體系扎實，研究型人才優勢顯著。具體來看，在基礎學科建設、專利及論文發表、高端研發人才、創業投資和領軍企業等關鍵環節上，美國都有自己的優勢。

在人工智能時代，歐洲的發展鮮被提及，但是歐洲的從業人員就有31萬之多，是中國的六倍，除了英國的愛丁堡大學、倫敦大學學院、赫特福德、蒙特利爾大學、牛津大學等，瑞典的DalleMolle人工智能研究所、洛桑聯邦理工學院和巴塞爾大學。

數據來源：麥肯錫

近年來中國在人工智能領域的論文和專利數量保持高速增長，已進入第一梯隊。相較而言，中國人工智能需要在研發費用和研發人員規模上的持續投入，人才的培養雖然不及歐美，但是由于國內的政策和數據優勢，很多留學生選擇回國創業或者工作，這在一定程度上彌補人才的不足。

醫療數據對比

可用于人工智能研發的主要是指電子病歷。隨著計算機技術的發展，傳統的病歷記載方式已經被電子病歷所取代，電子病歷在實際的醫院工作中已經起到了一定的應用效果和作用。在健康數據方面，中國的基礎數據量遠遠領先歐美，特別是根據眾多人口數量獲得的醫療和健康數據，但是這些海量數據缺乏一個統一標準、跨平臺分享的生態環境，大多數都是數據孤島，利用率和利用價值不高。

動態 | 比特幣交易中美元占比排名第一:據coinhills數據，目前比特幣交易中美元占比排名第一。排名前五的分別是美元（48.19%）、日元（43.42%）、韓元（4.58%）、歐元（1.84%）、英鎊（0.64%）。[2019/1/17]

美國醫療數據發展分為三個階段：

自由發展階段

自由發展階段：美國IOM最早在1991年就發布了電子病歷研究報告，隨后美國政府、學術界、醫學界陸續出臺了一些政策、報告和技術標準，推動電子病歷的發展。

形成國家政策和政府推動階段

依靠經濟手段助推

奧巴馬為了落地《經濟與臨床健康法案》，規定在2015年前在診所中使用電子病歷系統的醫生，將會獲得4.4萬到6.4萬美元的醫療保險獎金。也正是由于電子病歷政策的實施與落地，美國積累了大量的醫學數據，這為人工智能的第三次發展高潮的到來奠定了基礎。

中國內陸的電子病歷發展要稍微晚一些，香港以及臺灣這些相對比較發達的地區對于電子病歷的認可程度較快，香港在2005年開始全面為港內40多家公立醫院引入了一個全球最大的電子病歷系統。而內陸地區在電子病歷發展歷程中起步較晚，但是經過國內的不斷發展和努力，國內醫院也開始逐漸實現信息化系統建設，并在2010年及其后期幾年中相繼出臺了多個有關電子病歷的規范和通知文件，但是頻率很低。

比如今年2月22日，衛計委頒布了新的《電子病歷應用管理規范》。距離2010年頒布的《電子病歷基本規范》政策，已經過去了七年之久。

英國的NHS一直承擔著保障英國全民公費醫療保健的重任。在英國衛生大臣JeremyHunt的推動下，NHS體系下所有的基層醫療服務和醫院服務都必須在2020年實現電子病歷，否則將不再允許接待病人。

現場 | 嘉楠耘智屠松華：7nm芯片將改變中美貿易戰中我國的不利局面:金色財經現場報道，2018年8月8日嘉楠耘智在杭州召開“用芯鏈未來”全球7納米芯片成功量產新聞發布會上，公共事務部總監屠松華表示目前中國對芯片需求占全球的50% ，但自供量則不到8% 。每年我國進口集成電路進口金額為2601.4億美元，但集成電路出口金額僅為668億美元。 芯片將成為中美貿易戰的核心，中興事件凸顯了這一問題，目前中國還只能依靠中止農產品中止減稅制衡。 但是在區塊鏈領域不是這個結果，嘉楠耘智量產7nm芯片的時間要比intel、蘋果、NVIDIA都要更早，具有重要的戰略意義。[2018/8/8]

總的來說，歐美對醫學數據的立法基本完善，他們尤其注重隱私的保護，DeepMind與NHS的合作就曾陷入“隱私門”而停滯。同時歐美的數據成本也高很多，IBM曾擬斥資26億美元收購醫療數據公司Truven。

與歐美相比，中國的醫療數據雖然體量很大，但是沒有詳細的法律規定這些醫療數據的歸屬權、使用權、存儲權、交易權利。政策只是要求目前數據的管理方——醫院和政府，要保護好隱私，在科研的前提下可以使用這些數據。

在《新一代人工智能發展規劃》中指出，國家會在2025年之前形成初步的法律規范，規范醫療數據的各項權利。在此之前，國內的人工智能公司可以利用這一段法律真空期，利用醫學數據訓練好自己的模型。

醫療人工智能公司的創業數量對比

經過幾年的發展，中美歐三地的醫療人工智能創業企業數量總和已經接近200家，其中中國82家，美國74家，歐洲一共有23家。三地醫療人工智能企業的融資概率分別達到了72%、72.9%和65.2%，融資總額分別為6.7億美元、8.72億美元、1.28億美元。

中美開始貿易談判，道指漲近700點，數字貨幣集體下跌:美國財政部高級官員今日表示，中美兩國正在洽談貿易和投資事宜。美股大漲，道指漲近700點。標普漲約2.8%，納指漲超3%，Facebook盤中跌5%后小幅收漲。美元大跌，油價高位回落。數字貨幣則集體下跌。[2018/3/27]

其中中國最大的一筆融資額為碳云智能10億人民幣的A輪融資。美國最大的一筆融資是從事多源異構數據挖掘的FlatironHealth，2016年單筆融了1.75億美元。歐洲最大的一筆融資是BenevolentAI，該公司利用AI進行藥物研發，單筆最大融資1.406億美元。

美國和中國的獲投率十分接近，美國醫療人工智能公司的平均獲投率為72.90%，中國為72%，歐洲的獲投率相對要低，只有65.2%。另外，據動脈網了解有些公司相對要低調些，即使拿到了融資也是悶頭發展，沒有報道，中國的獲投率應該會更高。從數據可以看出，目前資本對醫療人工智能項目持樂觀態度，都不想錯過這個風口。

中美歐的醫療創業公司大多還是處于創業早期，僅美國有一家公司PathwayGenomics獲得了E輪融資，其他的公司都是在C輪以及C輪之前。其中中國處在A輪的公司比美國多了12家，美國處在種子輪的公司比中國多了7家，歐洲在每個輪次的都比中美少。這些數據可以看出中國的醫療人工智能公司相比于歐美，更容易獲得后續的融資。

如果說企業數量只能表示規模，那么各輪次的占比則可以反映中美歐三地醫療人工智能的發展情況。中國處于種子輪的公司占中國所有醫療人工智能公司的23%，美國這個數據是35%，歐洲是48%，說明歐洲的公司大多還是處于早期階段。

中國處于A輪階段的公司占中國所有醫療人工智能公司的38%，美國這個數據是26%，歐洲是13，這說明中國大部分公司已經熬過了種子輪，公司得到資本的認可，進入了下一輪的發展。進入B輪和C輪的公司占比都在個位數，說明全球的人工智能公司都在發展的前期，離上市還有一段距離。

星鏈與美國電影學院達成意向合作 中美兩地建立影視教學基地:據星鏈官方最新消息，星鏈StarChain將于近期內出席克萊蒙·費朗國際短片電影節與芬蘭坦佩雷國際電影節，并計劃在電影節上與美國電影學院達成意向合作，意在中美兩地建立影視教學基地，共同助力新晉影視人員的儲備和培養。[2018/1/17]

醫療+AI應用場景對比

人工智能除了可以應用在我們熟悉的醫學影像，還可以用在藥物發現、健康管理、醫院管理、智能器械、疾病診斷與預測、病歷/文獻分析和虛擬助手等領域。在這些領域里面，我們可以很直觀的看出來中國在醫學影像領域的明顯優勢，但是在藥物發現領域，歐美遠遠領先于中國。

在人工智能+醫學影像這個領域，無論是企業數量還是企業規模，以及企業的發展情況，中國有絕對的優勢，出現了一批優秀的企業，比如依圖科技的C輪融資達到3.8億人民幣，幾乎都用在了醫療領域，浙江省人民醫院作為依圖醫療的首批合作醫院，從上線至今，AI系統一共輔助醫生診閱1.7萬名患者圖像，報告被采納率為90%。

推想科技創始人兼CEO陳寬，作為硅谷GTC人工智能峰會中國唯一一家受邀的醫療AI企業代表在會議上發表了演講，被福布斯等多家國際主流媒體報道。

而且據陳寬介紹，推想科技日本辦事處已于亞太地區重要醫療影像市場所在地，東京經濟核心區——千代田區正式成立，并且開始進軍美國市場，產品在芝加哥大學醫院、麻省總院等醫院開始臨床試用。中國的產品已經開始嘗試走向世界。

人工智能+醫學影像的公司不僅數量多，規模大，而且應用領域也十分廣泛，在放射影像、糖網圖像、甲狀腺圖像、宮頸癌病理圖像都有很深入的研究。

歐洲人工智能+醫學影像公司很少，我們熟知有法國的KeenEyeTechnologies，德國的FetView。美國的公司人工智能+醫學影像也有一些，比如BayLabs、Enlitic、Eyenuk等。

究其原因，主要是中國醫學影像供需缺口十分巨大。中國的醫學影像數量年增長為30%，但放射科醫師數量每年僅增長4.15%。媒體報道，目前中國病理醫生注冊人數僅有1萬多人，按照床位數估算，仍有6-8萬缺口。

而歐美地區的醫療資源相對充足，據一名長期生活在美國的醫療從業人員介紹，美國的癌癥是篩查體系已經做得很好了。另外，雖然醫院的效率很慢，但是只要預約到醫生，醫患之間交流的時間足夠長，醫生也有時間去讀片子，他們對智能讀片的需求并不是很迫切。

在人工智能+藥物發現這個領域，中國被遠遠的甩在了后面，只有一家晶泰科技在藥物晶型研究的時候會用到人工智能技術。

英國的BenevolentAI是這個領域最有名的公司，在2013年第四季度至2015年第三季度，BenevolentAI共進行了四輪融資，總額達到8772萬英鎊，估值達到17.81億美元。按照融資金額算，BenevolentAI已經成為歐洲最值錢的人工智能初創公司，在全球也可以排進前五。2017年1月份，它被CBInsights評入“全球人工智能企業100強”。

美國雖然沒有出現類似于BenevolentAI這樣的“獨角獸”，但是總體實力比英國要強，一共有15家這樣的公司，比如Atomwise、InsilicoMedicine、Numerate、LamTherapeutics都是AI+新藥研發領域的佼佼者。

出現這種情況主要與各國藥物研發的環境與投入有關系，比如全球藥物研發最多的10個企業中，沒有一個是中國的。

數據來源于網絡

在人工智能+病例文本分析在這個領域，雖然中國有16家，美國有13家，歐洲有4家，但是獲得融資的企業中，美國的發展要優于中國和歐洲，主要是美國政府對電子病例的重視，在這個領域投入了大量的資金。有些公司甚至每年都能夠獲得融資，比如GNSHealthcare在2012年-2015年，連續4年獲得千萬美元級的融資。

隨著中國對于結構化電子病歷的需求越來越多，相關的法律，政策逐漸完善，中國公司也將迎來這一波的紅利。

在人工智能+健康管理這個領域，美國是走在最前面的，這個領域的創業公司有14家，而中國有8家，歐洲有6家。美國的這類創業公司融資大多發生在2015年，而中國和歐洲都是逐年增長，融資事件最多發生在2016年和2017年。

在這個領域，英國的5家公司中有4家都是關注精神健康的管理，比如最有名的Biobeats公司，它的核心是通過采集各種與健康相關的數據，用人工智能算法將這些數據轉化為內容，創造一個適應性媒介給用戶提供壓力治療和健康生活解決方案。

美國和中國的公司覆蓋面則要廣泛一些，包括慢病管理、母嬰健康、精神管理等。中國在慢病和專病管理上專注度更高。中國公司包括悅糖、醫隨訪、經綸世紀等。美國的公司有HealthReveal、OviaHealth、Ginger.io等。

中國醫療AI的建議

經過對比，我們發現中國在醫療人工智能發展方面，除了新藥發現與歐美存在差距巨大之外，其他的一些領域，我們絲毫不遜色，甚至還超越他們一大截，但是也不難看到中國在人才儲備和數據規范方面需要加大投入。

培養醫工結合的AI人才

動脈網曾在《中國AI人才譜：15所高校未來3-5年能輸出2000多名碩博人才，十分之一涉足醫療》一文中指出，47位人工智能醫療企業的CTO和首席科學家名單，除去14位專業不明確的，其中醫學相關專業的比例僅為21%，人工智能專業占比52%。

醫療是一個嚴謹的科學，醫療人工智能的創業者要想將自己的產品打入醫療流程，就需要創業者本身擁有一定的醫療背景，這樣才能更好地理解醫生的需求，所以醫工結合的人才培養有助于公司健康的發展。

建立健全的醫療數據生態系統

標準的數據是訓練AI系統、吸引人才和加速創新的關鍵因素。這也是中國醫療AI在全球領先的基礎。為了建立更強大的數據生態系統，中國可以設定和實施數據標準，開放公共數據，用于個體研發。

標準化是系統廣泛的數據共享和互動操作性的重要前身，將提高物聯網和人工智能技術的價值。鑒于全國各地有可用潛力的數據量巨大，中國具有獨特的地位，需要帶頭確保中文數據標準得以推行。

對于醫療這個特殊的行業，政府可以呼吁現有的監管機構制定必要的規則。在開放數據的同時注意隱私保護，在監管的同時，也要適當包容創新所犯的非惡的錯誤。

為了提高可用數據的多樣性來支持人工智能開發，政府可以開辟更多的公共數據集，并帶頭建立一些行業特定的數據集。

Tags：人工智能GTCGNS人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目GTC價格GTC幣GNS幣是什么幣

加密貨幣