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
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（卡內基梅隆大學）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。
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。
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。
美國醫療數據發展分為三個階段：
1）自由發展階段（1991年-2003年）
自由發展階段（1991-2003）：美國IOM（美國醫學研究所）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。
2）形成國家政策和政府推動階段（2004年-2008年）
3）依靠經濟手段助推（2009年-至今）
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（試行）》。距離2010年頒布的《電子病歷基本規范（試行）》政策，已經過去了七年之久。
英國的NHS（英國國家醫療服務體系）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。
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。
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。