热搜
您的位置:首页 >> 法律

2016人工智能医疗火花四溅产业蓝海缓缓

2019年03月10日 栏目:法律

2016年是人工智能的元年,也是互联高速发展的时间节点。在这个时间节点上,要想成为行业巨头,AI创业公司必须既具备能够商业化落地的应用场景,

2016年是人工智能的元年,也是互联高速发展的时间节点。在这个时间节点上,要想成为行业巨头,AI创业公司必须既具备能够商业化落地的应用场景,又能够建立起强大的技术壁垒。

在现代医学中,科学技术的进步对医学发展的推动作用相当明显,科技在短短10几年里就显著改变了我们的医疗手段、医疗工艺和医疗模式。笔者在2016年年度盘点中,将未来医疗领域的企业分成两类,一类是以服务驱动的医疗健康企业,他们的共同点是以服务对象和服务领域做为分类依据,比如妇幼、肿瘤、口腔、糖尿病、医美等领域,在这些领域中使用了APP软件、大数据应用、智能硬件、络社交等新应用;另一种是以技术驱动的医疗健康企业,他们的共同点是应用某种新技术服务于医疗健康行业,比如基因检测、人工智能、智能医疗硬件、医疗信息化、机器人、VR等科技,应用在肿瘤治疗、慢病管理、寻医问诊、手术、病后康复等医疗环节。

2016年人工智能融资事件

2016年1月,肿瘤大数据公司思派络完成来自斯道资本、F-Prime基金及平安创投的千万美金级A轮融资。思派络将通过对医疗大数据的深度挖掘,结合机器学习和人工智能,建立中国特色的智能肿瘤诊疗决策支持体系。

2016年1月,拍医拍宣布获得了三千万人民币的A轮融资,投资方为重山远志健康基金、亿联资本和个人。同时,拍医拍将产品发展方向正式从C端转型到B端合作,通过B2B方式打通各环节医疗信息,从而解决患者、医生,以及医院、保险机构、其他医疗APP等各方信息流通不畅的痛点。

2016年1月,康夫子获得数百万元天使轮融资。康夫子致力研发无结构化信息自动抽取技术,快速地从医学书籍、医学论文、电子病历、医疗资讯中抽取信息,构建知识图谱,辅助医生临床决策。

2016年2月,利用影像识别算法模型,为医生提供人工智能辅助诊断方案的推想科技获得1100万人民币的天使轮融资。本轮投资方为英诺天使基金、臻云创投(臻云智能),在获得投资之后,推想科技还需要继续和医疗机构进行合作,提高诊断精确度,推进人工智能在医疗领域的技术突破和实际应用。

2016年2月,赛福基因完成了千万元级天使投资,拿到了创见资本、将门基金以及朗玛峰创投三家机构的投资。赛福基因通过智能化方式构建基因数据解析平台,实现基因解析的自动化、批量化和个性化,提高基因数据的解析准确度和速度。

2016年4月,碳云智能获得10亿人民币的A轮融资。碳云智能希望建立一个健康大数据平台,运用人工智能技术处理这些数据,帮助人们做健康管理。主要投资方包括互联巨头腾讯、干细胞行业中源协和以及天府集团。本轮融资将主要用于生产和搜集数据、数据分析能力的建设以及建立进行数据分析的人工智能模型。

2016年6月,半年之后,思派络再次完成数千万美元的B轮融资,本次融资由腾讯领投,A轮投资者斯道资本、F-Prime基金及平安创投也继续跟投。思派络在推出的多中心科研型数据库的基础上,升级为全员、全数据、全工作流的管理型数据库,从基础环节协助肿瘤领域医教研核心工作的优化发展。

2016年6月,DeepCare获得峰锐资本600万元人民币的天使投资。DeepCare是一家将人工智能和深度学习技术用于医疗影像的识别和筛查的科技公司,专注于研发医疗影像检测、识别、筛查和分析技术。

2016年10月,汇医慧影完成数千万元的A轮融资,投资方为Bluerun蓝驰创投。汇医慧影成立于2015年4月,早期以医疗影像作为切入口,

2016人工智能医疗火花四溅产业蓝海缓缓

提供影像云系统、图像识别和智能诊断服务。本轮融资将进一步强化汇医慧影在图像特征深度学习领域的探索,实现高效阅片、医疗。

2016年10月,图玛深维完成150万美金的天使轮融资,由真格基金、经纬中国共同投资。图玛深维将深度学习引入到计算机辅助诊断系统中,可应用于各类医学图像分析诊断、显微镜下的病理图像分析、以及发现DNA结合的蛋白质的序列特异性并协助基因组诊断等。

目前,人工智能领域的初创公司并不多,但是今年就收录了人工智能企业的10次融资事件,这说明人工智能领域已经受到了资本市场的关注。特别是成立仅半年的碳云智能获得了10亿元人民币A轮融资,点燃了市场对人工智能的热情。虽然人工智能在医疗行业中可以参与的领域非常多,但是我们的统计绝大部分国内企业集中在健康助理、影像和医疗大数据三个领域。可以预计的是,2017年将是人工智能企业爆发的一年,医疗企业将出现人工智能的爆发期,同时进入更多的细分领域。

人工智能领域的医疗初创公司近年来越来越多,应用的领域也逐步扩大。但是,大部分人工智能的初创企业都是依靠创始人的技术积累进行创业,优势在于原来所积累的数据处理能力、算法能力、调优能力。但是这些企业往往存在另外两个严重的问题,人工智能算法连接的是数据和应用场景,一个问题是数据不是自己的,另一个问题是应用场景不是自己的。没有数据意味着是公司是无源之水,无法从更多的数据中实现“深度学习”,应用场景不是自己的意味着业务端的开拓很困难。绝大多数人工智能公司都有类似的问题,如何或者足够多的医疗大数据,以及如何开拓市场成为创业的难点。