北极光创投邓锋：技术并非人工智能+医疗创业核心壁垒，如何实现变现才是关键

　　成立于2005年的北极光创投，早期专注于投资TMT领域。但从2010年开始，北极光创投开始投资医疗健康、生命科学领域，截至目前已经投了超过40家初创企业。

　　从2015年开始，北极光创投在这个领域的投资加速明显，过去三年，北极光创投分别投资了7家、8家、9家领域内的初创企业。而到了今年上半年，北极光创投已经投资了超过10家领域内的初创企业，预计年底将突破20家。

　　日前，在由北极光创投举办的“E-Health（智能医疗）发展与投资机会”大会上，北极光创投创始人、董事总经理邓锋阐述了自己对医疗领域的投资逻辑。在他看来，上述情况不仅仅是北极光创投一家的情况，从整个行业的情况来看，在医疗健康、生命科学领域，今年比去年还要热，特别是在药和E-Health方面。

　　“

　　E-Health涉及多方面

　　”

　　如果把整个大健康行业进行分类，邓锋认为可以分为五块：医药、医疗器械、医疗服务、体外诊断和E-Health。

　　早在2014年，北极光创投就已经布局了医药领域，而这部分也在整个医疗健康行业中属于投资占比最大的细分领域。他指出，受到资本市场退出和估值高企的影响，加上不断有创新技术推出，让创投机构越发关注早期项目。

　　医疗器械领域，在邓锋看来属于传统风投的范畴。他指出，医疗器械比较零散，企业的天花板可能较低，在这个板块北极光创投比较谨慎。

　　医疗服务方面，邓锋表示，在中国提出医改后，无论从医院管理、专科医院还是消费型服务都存在比较多机会。不过他也指出，这个领域主要靠运营、服务、品牌来决定的，这方面PE（私募股权）机构有大量机会，但VC（风险投资）机构的投资机会并不像其他领域那么多。

　　体外诊断在邓锋看来是一个很大的市场，包括传统和分级诊断技术。这个领域北极光创投在早期也有相关布局。

　　而谈到大会主题的E-Health，他指出，E-health在国际上已经是很热的板块，从纯技术创新的角度来说美国仍处于领先地位，在中国则是刚起步，但北极光创投对这个细分领域的前景非常看好。他指出，人工智能+医疗诊断服务在目前看来是一个非常热的领域，北极光创投在这个赛道里面也投资了几家初创企业。站在北极光创投的角度来说，邓锋认为，目前人工智能+医疗领域确实存在很多泡沫，但这个方向肯定是对的。事实上，医疗健康和人工智能本身都是风口，两个风口的叠加必然会出现泡沫。同时他表示，当下各个企业的技术差异并不大，因此真正能成功的企业可能未必在于自己的人工智能技术有多先进。

　　在他看来，E-Health可以涉及到很多方面，比如虚拟助理（语音电子病历/智能问诊/智能导诊）、影像处理（病灶识别与标注等）、辅助诊疗（基因测序与检测预测）、疾病风险预测、健康管理、医院管理、药物研发等领域。这些都是人工智能或大数据可涉及到的。

　　“

　　未来迎接三大挑战

　　”

　　邓锋指出，2018年是人工智能最火爆的一年。从政策角度看，近两年国家在审批、资金等环节给予人工智能和医疗行业很多红利，推动了整个行业的向前发展。地方政府也对人工智能方向给予了扶持。包括药物研发生产方面，国家的大方向也是促进新药的研发和尽快上市。

　　从人才的角度来看，无论是“千人计划”还是医疗和人工智能方面的人才，海归在近些年特别多。

　　除此之外，人工智能能够得到巨大的发展，还跟人工智能算力变化有关。但即便如此，邓锋指出，人工智能可以帮助中国在医生很缺乏的情况下提高治疗效率，帮助和辅助诊断，帮医生更好更有效做好诊断质量，而不能取代医生。

　　邓锋指出，人工智能包括大数据、技术都很先进，但是如何变现是现在最关键的地方。对于人工智能+医疗产业发展的趋势，邓锋指出，2018年以来，无论是影像还是大数据分析的变现速度都在加快，各个细分领域也有类似的趋势，可以看到目前产品的成熟度已经到了落地的阶段。[page]分页标题[/page]

　　在智能问诊领域，尽管目前仍处于早期，但邓锋直言，知识图谱的建设是未来很大的趋势，长期是很大的机会。而药物研发仍属于风险很高的细分领域，但如果能够做出来也是一个不错的方向。

　　谈到挑战，邓锋指出，首先，人工智能是一个非常先进的技术，但在今后来看，技术并不是最核心的地位。在当下很多技术都是开源的，所以行业内难和容易的点都一样。但他强调这并非认为技术不重要，而是一个必要但不充分的条件，不是技术好就能够投。

　　其次，基于概率分析的关联推理无法判断疾病的因果关系。他认为，计算机的深度学习最主要特征是基于数据学习的概率分析，没有医学知识体系作为基础的深度学习数据分析，只是将结果压在训练数据上，训练数据的样本量和离散情况对于训练结果将产生直接影响。

　　第三，在行业注册、准入、监管体系还在完善的同时，也出现了一些新的问题，比如高质量标注数据获得困难，这涉及到核心的资源，即高质量医生的时间和效率，很多情况下数据的标准比算法更难，因为需要好的数据好的标准。再比如人工智能辅助诊断结果评估缺乏统一标准，应用需要与学界达成共识，同一张影像图，标准及答案是什么？由谁来定义？盲标还是非盲标？这都是需要考虑的。

　　而在判断创业团队上，邓锋指出，技术不是判断团队好坏的唯一标准，产品落地能力及变现能力、平台潜力以及团队综合行业背景都很重要。

　　另外，邓锋表示，创业团队的产品要符合医疗路径，要能提供整体的解决方案。强的团队能够很敏锐的感到市场的变化、能够实时调整自己的步伐。“海外市场离商业变现会更近，因此我们也关注能‘走出去’的公司，我们曾经投过一些团队，他们不仅在中国本土能够发展，也能走向海外。”邓锋说。

    本文首发于微信公众号：创业资本汇。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。