中美欧医疗+AI产业对比：中国在多个细分领域应用领先，人才储备和数据规范需要加强

编者按：本文来自“动脉网”，作者王晓行，36氪经授权发布。

2014年6月，英国人工智能公司BenevolentAI宣布将两个正在研发的阿尔茨海默氏症新药卖给一家美国制药公司，交易额为8亿美元；

2017年7月，IBM对外发布数据，IBMWatsonOncology已经覆盖了全球50多家医院，2017年上半年服务将近4万名患者和医生，覆盖的癌种达到7种；

2017年9月，依图医疗表示，浙江省人民医院作为依图医疗的首批合作医院，从上线至今，AI系统一共辅助医生诊阅1.7万名患者图像，被采纳率为90%；

在全球各个地方，医疗人工智能发展到今天，已经不是仅仅是一种创新的概念，基于人工智能技术研发的各种产品已经切切实实的为医生、患者、企业、医疗机构提供服务。

各个国家和地区看到人工智能的巨大前景，纷纷出台政策、投入资金加快布局速度。人们戏称人工智能的“军备竞赛”悄然来临。在全球的各个国家和地区中，美国、中国、欧洲是在医疗人工智能表现最抢眼的三个区域。

文无第一、武无第二，动脉网从医疗应用的角度梳理一下这三个区域的医疗人工智能发展现状，看看谁才是医疗人工智能领域的领跑者。

人才

前不久，CSRankings.org以全球各大院校在计算机科学各领域顶级会议发表的论文数量为依据，评选出了世界范围内、亚洲范围内、美国以及欧洲的高校排名情况。在世界排名前25所大学里面，清华大学排名第四，香港科技大学排名第十，CMU居榜首。欧洲的爱丁堡大学和伦敦大学学院进入榜单，美国有18所大学在榜单里面。

在人才方面美国有不可超越的优势。前一段时间，刷爆朋友圈的《领英人才报告》中也指出，美国AI从业人员85万人，欧洲加起来有31多万人，而中国有5万多人。

Coinbase前CTO：印度能通过加密货币超越中美:Coinbase前CTO-Balaji S和IndiaStack创建团队Ispirt于上周六表示，如果印度能在UPI和Aadhaar等现有公共数字平台上实现加密货币功能，就能超越美国和中国，成为全球去中心化金融的领导者。

据悉，印度央行的一个内部委员会正在研究向中国学习，开发由主权储备支撑的数字货币，以替代纸币。(Economictimes)[2021/4/12 20:10:24]

美国研究者更关注基础研究，人工智能人才培养体系扎实，研究型人才优势显著。具体来看，在基础学科建设、专利及论文发表、高端研发人才、创业投资和领军企业等关键环节上，美国都有自己的优势。

在人工智能时代，欧洲的发展鲜被提及，但是欧洲的从业人员就有31万之多，是中国的六倍，除了英国的爱丁堡大学、伦敦大学学院、赫特福德、蒙特利尔大学、牛津大学等，瑞典的DalleMolle人工智能研究所、洛桑联邦理工学院和巴塞尔大学。

数据来源：麦肯锡

近年来中国在人工智能领域的论文和专利数量保持高速增长，已进入第一梯队。相较而言，中国人工智能需要在研发费用和研发人员规模上的持续投入，人才的培养虽然不及欧美，但是由于国内的政策和数据优势，很多留学生选择回国创业或者工作，这在一定程度上弥补人才的不足。

医疗数据对比

可用于人工智能研发的主要是指电子病历。随着计算机技术的发展，传统的病历记载方式已经被电子病历所取代，电子病历在实际的医院工作中已经起到了一定的应用效果和作用。在健康数据方面，中国的基础数据量远远领先欧美，特别是根据众多人口数量获得的医疗和健康数据，但是这些海量数据缺乏一个统一标准、跨平台分享的生态环境，大多数都是数据孤岛，利用率和利用价值不高。

分析 | 大多数加密交易者来自中美俄:据cryptonews报道，白俄罗斯数字营销和咨询公司BDCenter在分析了30家加密交易所后得出，美国、俄罗斯和中国的交易者在加密货币交易中处于领先地位。美国、俄罗斯和中国的交易者占交易者总量的近60％，仅美国就超过30％。大多数加密交易者已经完成了高等教育，但其中很大一部分仍在参与本科或研究生课程。最受欢迎的币种为BTC 、ETH、XRP、BCH和LTC。[2018/12/6]

美国医疗数据发展分为三个阶段：

自由发展阶段

自由发展阶段：美国IOM最早在1991年就发布了电子病历研究报告，随后美国政府、学术界、医学界陆续出台了一些政策、报告和技术标准，推动电子病历的发展。

形成国家政策和政府推动阶段

依靠经济手段助推

奥巴马为了落地《经济与临床健康法案》，规定在2015年前在诊所中使用电子病历系统的医生，将会获得4.4万到6.4万美元的医疗保险奖金。也正是由于电子病历政策的实施与落地，美国积累了大量的医学数据，这为人工智能的第三次发展高潮的到来奠定了基础。

中国内陆的电子病历发展要稍微晚一些，香港以及这些相对比较发达的地区对于电子病历的认可程度较快，香港在2005年开始全面为港内40多家公立医院引入了一个全球最大的电子病历系统。而内陆地区在电子病历发展历程中起步较晚，但是经过国内的不断发展和努力，国内医院也开始逐渐实现信息化系统建设，并在2010年及其后期几年中相继出台了多个有关电子病历的规范和通知文件，但是频率很低。

比如今年2月22日，卫计委颁布了新的《电子病历应用管理规范》。距离2010年颁布的《电子病历基本规范》政策，已经过去了七年之久。

声音 | Joseph Young：误以为中美达成停止加税协议会带动加密货币:福布斯加密货币分析师 Joseph Young发布推文说道，随着G20峰会的进行，以及中美就贸易问题达成了停止互相加收关税的协定的落成，原本以为会带动加密货币价格，而事实是加密货币世界不关心这些。[2018/12/3]

英国的NHS一直承担着保障英国全民公费医疗保健的重任。在英国卫生大臣JeremyHunt的推动下，NHS体系下所有的基层医疗服务和医院服务都必须在2020年实现电子病历，否则将不再允许接待病人。

总的来说，欧美对医学数据的立法基本完善，他们尤其注重隐私的保护，DeepMind与NHS的合作就曾陷入“隐私门”而停滞。同时欧美的数据成本也高很多，IBM曾拟斥资26亿美元收购医疗数据公司Truven。

与欧美相比，中国的医疗数据虽然体量很大，但是没有详细的法律规定这些医疗数据的归属权、使用权、存储权、交易权利。政策只是要求目前数据的管理方——医院和政府，要保护好隐私，在科研的前提下可以使用这些数据。

在《新一代人工智能发展规划》中指出，国家会在2025年之前形成初步的法律规范，规范医疗数据的各项权利。在此之前，国内的人工智能公司可以利用这一段法律真空期，利用医学数据训练好自己的模型。

医疗人工智能公司的创业数量对比

经过几年的发展，中美欧三地的医疗人工智能创业企业数量总和已经接近200家，其中中国82家，美国74家，欧洲一共有23家。三地医疗人工智能企业的融资概率分别达到了72%、72.9%和65.2%，融资总额分别为6.7亿美元、8.72亿美元、1.28亿美元。

其中中国最大的一笔融资额为碳云智能10亿人民币的A轮融资。美国最大的一笔融资是从事多源异构数据挖掘的FlatironHealth，2016年单笔融了1.75亿美元。欧洲最大的一笔融资是BenevolentAI，该公司利用AI进行药物研发，单笔最大融资1.406亿美元。

中美贸易战升温 投资者转向加密货币市场:据Cryptovest消息，在特朗普威胁将对另外2000亿美元中国输美商品加征关税后，中美贸易战急剧升温，股市遭受重挫。投资者避险情绪增强，转而投向加密货币市场，今日加密市场总市值激增160亿美元。随着紧张局势的加剧和国际贸易问题的升级，加密货币市场可能会继续改善，进而摆脱长期看跌走势。[2018/6/20]

美国和中国的获投率十分接近，美国医疗人工智能公司的平均获投率为72.90%，中国为72%，欧洲的获投率相对要低，只有65.2%。另外，据动脉网了解有些公司相对要低调些，即使拿到了融资也是闷头发展，没有报道，中国的获投率应该会更高。从数据可以看出，目前资本对医疗人工智能项目持乐观态度，都不想错过这个风口。

中美欧的医疗创业公司大多还是处于创业早期，仅美国有一家公司PathwayGenomics获得了E轮融资，其他的公司都是在C轮以及C轮之前。其中中国处在A轮的公司比美国多了12家，美国处在种子轮的公司比中国多了7家，欧洲在每个轮次的都比中美少。这些数据可以看出中国的医疗人工智能公司相比于欧美，更容易获得后续的融资。

如果说企业数量只能表示规模，那么各轮次的占比则可以反映中美欧三地医疗人工智能的发展情况。中国处于种子轮的公司占中国所有医疗人工智能公司的23%，美国这个数据是35%，欧洲是48%，说明欧洲的公司大多还是处于早期阶段。

中国处于A轮阶段的公司占中国所有医疗人工智能公司的38%，美国这个数据是26%，欧洲是13，这说明中国大部分公司已经熬过了种子轮，公司得到资本的认可，进入了下一轮的发展。进入B轮和C轮的公司占比都在个位数，说明全球的人工智能公司都在发展的前期，离上市还有一段距离。

星链与美国电影学院达成意向合作 中美两地建立影视教学基地:据星链官方最新消息，星链StarChain将于近期内出席克莱蒙·费朗国际短片电影节与芬兰坦佩雷国际电影节，并计划在电影节上与美国电影学院达成意向合作，意在中美两地建立影视教学基地，共同助力新晋影视人员的储备和培养。[2018/1/17]

医疗+AI应用场景对比

人工智能除了可以应用在我们熟悉的医学影像，还可以用在药物发现、健康管理、医院管理、智能器械、疾病诊断与预测、病历/文献分析和虚拟助手等领域。在这些领域里面，我们可以很直观的看出来中国在医学影像领域的明显优势，但是在药物发现领域，欧美远远领先于中国。

在人工智能+医学影像这个领域，无论是企业数量还是企业规模，以及企业的发展情况，中国有绝对的优势，出现了一批优秀的企业，比如依图科技的C轮融资达到3.8亿人民币，几乎都用在了医疗领域，浙江省人民医院作为依图医疗的首批合作医院，从上线至今，AI系统一共辅助医生诊阅1.7万名患者图像，报告被采纳率为90%。

推想科技创始人兼CEO陈宽，作为硅谷GTC人工智能峰会中国唯一一家受邀的医疗AI企业代表在会议上发表了演讲，被福布斯等多家国际主流媒体报道。

而且据陈宽介绍，推想科技日本办事处已于亚太地区重要医疗影像市场所在地，东京经济核心区——千代田区正式成立，并且开始进军美国市场，产品在芝加哥大学医院、麻省总院等医院开始临床试用。中国的产品已经开始尝试走向世界。

人工智能+医学影像的公司不仅数量多，规模大，而且应用领域也十分广泛，在放射影像、糖网图像、甲状腺图像、宫颈癌病理图像都有很深入的研究。

欧洲人工智能+医学影像公司很少，我们熟知有法国的KeenEyeTechnologies，德国的FetView。美国的公司人工智能+医学影像也有一些，比如BayLabs、Enlitic、Eyenuk等。

究其原因，主要是中国医学影像供需缺口十分巨大。中国的医学影像数量年增长为30%，但放射科医师数量每年仅增长4.15%。媒体报道，目前中国病理医生注册人数仅有1万多人，按照床位数估算，仍有6-8万缺口。

而欧美地区的医疗资源相对充足，据一名长期生活在美国的医疗从业人员介绍，美国的癌症是筛查体系已经做得很好了。另外，虽然医院的效率很慢，但是只要预约到医生，医患之间交流的时间足够长，医生也有时间去读片子，他们对智能读片的需求并不是很迫切。

在人工智能+药物发现这个领域，中国被远远的甩在了后面，只有一家晶泰科技在药物晶型研究的时候会用到人工智能技术。

英国的BenevolentAI是这个领域最有名的公司，在2013年第四季度至2015年第三季度，BenevolentAI共进行了四轮融资，总额达到8772万英镑，估值达到17.81亿美元。按照融资金额算，BenevolentAI已经成为欧洲最值钱的人工智能初创公司，在全球也可以排进前五。2017年1月份，它被CBInsights评入“全球人工智能企业100强”。

美国虽然没有出现类似于BenevolentAI这样的“独角兽”，但是总体实力比英国要强，一共有15家这样的公司，比如Atomwise、InsilicoMedicine、Numerate、LamTherapeutics都是AI+新药研发领域的佼佼者。

出现这种情况主要与各国药物研发的环境与投入有关系，比如全球药物研发最多的10个企业中，没有一个是中国的。

数据来源于网络

在人工智能+病例文本分析在这个领域，虽然中国有16家，美国有13家，欧洲有4家，但是获得融资的企业中，美国的发展要优于中国和欧洲，主要是美国政府对电子病例的重视，在这个领域投入了大量的资金。有些公司甚至每年都能够获得融资，比如GNSHealthcare在2012年-2015年，连续4年获得千万美元级的融资。

随着中国对于结构化电子病历的需求越来越多，相关的法律，政策逐渐完善，中国公司也将迎来这一波的红利。

在人工智能+健康管理这个领域，美国是走在最前面的，这个领域的创业公司有14家，而中国有8家，欧洲有6家。美国的这类创业公司融资大多发生在2015年，而中国和欧洲都是逐年增长，融资事件最多发生在2016年和2017年。

在这个领域，英国的5家公司中有4家都是关注精神健康的管理，比如最有名的Biobeats公司，它的核心是通过采集各种与健康相关的数据，用人工智能算法将这些数据转化为内容，创造一个适应性媒介给用户提供压力治疗和健康生活解决方案。

美国和中国的公司覆盖面则要广泛一些，包括慢病管理、母婴健康、精神管理等。中国在慢病和专病管理上专注度更高。中国公司包括悦糖、医随访、经纶世纪等。美国的公司有HealthReveal、OviaHealth、Ginger.io等。

中国医疗AI的建议

经过对比，我们发现中国在医疗人工智能发展方面，除了新药发现与欧美存在差距巨大之外，其他的一些领域，我们丝毫不逊色，甚至还超越他们一大截，但是也不难看到中国在人才储备和数据规范方面需要加大投入。

培养医工结合的AI人才

动脉网曾在《中国AI人才谱：15所高校未来3-5年能输出2000多名硕博人才，十分之一涉足医疗》一文中指出，47位人工智能医疗企业的CTO和首席科学家名单，除去14位专业不明确的，其中医学相关专业的比例仅为21%，人工智能专业占比52%。

医疗是一个严谨的科学，医疗人工智能的创业者要想将自己的产品打入医疗流程，就需要创业者本身拥有一定的医疗背景，这样才能更好地理解医生的需求，所以医工结合的人才培养有助于公司健康的发展。

建立健全的医疗数据生态系统

标准的数据是训练AI系统、吸引人才和加速创新的关键因素。这也是中国医疗AI在全球领先的基础。为了建立更强大的数据生态系统，中国可以设定和实施数据标准，开放公共数据，用于个体研发。

标准化是系统广泛的数据共享和互动操作性的重要前身，将提高物联网和人工智能技术的价值。鉴于全国各地有可用潜力的数据量巨大，中国具有独特的地位，需要带头确保中文数据标准得以推行。

对于医疗这个特殊的行业，政府可以呼吁现有的监管机构制定必要的规则。在开放数据的同时注意隐私保护，在监管的同时，也要适当包容创新所犯的非恶的错误。

为了提高可用数据的多样性来支持人工智能开发，政府可以开辟更多的公共数据集，并带头建立一些行业特定的数据集。

标签：人工智能GTCGNS人工智能技术应用学人工智能后悔死了人工智能考研考哪些科目GTC价格GTC币GNS币是什么币

以太坊交易所热门资讯