本次“2016年人工智能医疗健康创新趋势报告”一共分为五篇，这是第三篇。在前两篇中，动脉网蛋壳研究院着重分析了IT科技巨头在人工智能领域的布局和生态，以及IBM Watson人工智能在医疗健康领域的应用。这一篇我们将着重介绍2011-2016年这五年来全球医健领域和人工智能相关的创投数据分析。看完这篇报告，你将会从时间、行业、地域、轮次等多个维度了解人工智能领域的创投事件。

本次报告的公开版内容结构如下：

第一篇：科技巨头人工智能布局

第二篇：IBM Watson人工智能医疗应用详情剖析

第三篇：2011-2016全球医健人工智能创投数据分析

第四篇：医疗搭上人工智能可以做什么？（上）

第五篇：医疗搭上人工智能可以做什么？（下）

以下是第三篇：

在第一章中，我们分析过，全球各大IT巨头都已经将人工智能作为未来发展的重点。而且纷纷通过并购等手段，把一些拥有算法、数据处理、数据存储优势的公司收入囊中。收购，成为IT巨头在人工智能领域迅速扩张的重要手段。除此之外，一些拥有核心技术的人工智能领域创业项目的投资额和交易数量近年来也呈持续上升势头。

随着计算和存储的成本大幅下降，计算能力的显著增长，以及IT巨头所搭建的人工智能生态逐渐完善，人工智能初创企业的难度在降低。Facebook于去年1月宣布开源多款深度学习人工智能工具后，谷歌、IBM和微软几乎于去年11通同时宣布开源。大公司相继发布了各种开源平台，这表明人工智能的技术壁垒正在被快速消除，人工智能初创企业的创新步伐在加速，未来会在应用层上为用户带来更多领域的人工智能产品。

2011年～2015年之间，人工智能领域的投融资速度有大幅度的增长，从2011年的2.82亿美元，飙升到2015年的24亿美元，年均复合增长率达到了53.45%。而交易数量比5年前翻了6倍多，从67次增长到了397次。

人工智能在应用层面上，落实到具体行业中，医疗健康领域的人工智能创业公司表现更为突出，关注度和融资量最高。特别是2014年，谷歌收购DeepMind之后，人工智能项目的估值也水涨船高。同年，主营业务为AI+医学影像的Butterfly Network实现1亿美元的融资。人工智能+医疗领域的投资额从2014年开始显著上升，虽然交易数量从2013年的14次下降到10次，但是投资金额上涨4倍多，单次融资金额有明显提升。截至到2016年8月，AI+医疗领域的投资事件和投资额都已经远超去年全年。

近年来，随着移动互联、物联网等新兴技术的快速发展，由不同终端设备产生出的数据量愈加庞大，据相关机构预测，在2020年大数据量将上涨至44ZB。据了解，这些数据有高达80%都是来源于文本、图像、视频等非结构化数据，但是由于技术瓶颈，现有的IT系统无法识别这些非结构化数据，因此，这些数据就犹如“垃圾”，变得毫无价值。而基于人工智能的认知技术则是大数据时代的必然产物，不但能够识别大量的非结构化数据，更可以提供数据洞察。认知计算能够理解各种形式的非结构化数据，由此生成数据洞察，助力企业快速从复杂的海量数据中获得洞察，并做出更为精准的商业决策。而在医疗领域，产生了大量的数据，而这些数据也几乎是非结构数据。事实上，国内外已经有一些高科技企业将这些认知计算和深度学习等先进技术用于医疗影像领域。

从投资角度来讲，医疗领域的人工智能应用最具价值。在一些垂直领域，人工智能的应用最容易获得成功，或者说能够实现产业化。因为一些垂直领域相对来说数据量比较小，所以机器深度学习能够做的用户体验比较好。而医疗领域属于其中之一，IBM Watson的最早应用就是在医疗上。

在人工智能+医疗健康领域，我们还可以细分更多的领域，在这些公司中，风险管理类金额最高，医学影像类的融资次数最多。人工智能+大规模数据处理平台，可以更好地洞察数据的内在联系和价值。再结合专业的医疗数据库给出更合适的诊疗方案和医疗策略，提供病患的风险管理。其中，Zephyr Health获得了3250万美元的投资，Zephyr Health是一个医疗数据库，通过收集疾病数据，为医药健康行业提供解决方案，从而使医疗专业人员能为患者的找出合适的治疗方案。Apixio是一家医疗大数据公司，旨在为医疗机构提供大数据分析平台，方便医生进行更精确的诊疗，获得2610万美元的投资。Lumiata是首家利用大数据技术构建医疗知识图谱的人工智能公司，获得了1000万美元的投资，该公司通过图谱分析的方式，找到合适的诊疗路径，提高诊疗的精确性，更迅速的提出诊疗方案节约医生的诊疗时间。

在医疗影像方面的项目最多，这不仅仅得益于影像数据拥有高质量、连续性好的数据特点，人工智能技术在图像识别上的高精准率、电子胶片的普及、放射科医师的缺乏均是重要的推动因素。人工智能在影像分析上的作用，投资者的认可度非常高。Enlitic开发了从X光照片及CT扫描图像中找出恶性肿瘤的图像识别软件，利用深度学习的方法之一“Convolutional Neural Network(ConvNet，卷积神经网络)”对恶性肿瘤进行诊查，获得了1200万美元的投资。而志在研发便携式医学超声成像设备的ButterflyNetwork获得了1亿美元的投资。　

2013年之前，关于人工智能初创公司的投资事件很少，之后逐渐增多。所有被投资的公司按地域分的话，属于北美的人工智能+医疗健康项目是最多的。因为人工智能相关的技术和模式在北美的发展是最成熟的。而中国和印度也逐渐出现了不少人工智能+医疗健康公司获得了投资者的认可。

目前活跃度排名第一的是长期深耕人工智能领域的Khosla Ventures，所投的两个重要项目一个是Lumiata，另一个是Atomwise。Lumiata是一家预测分析公司，利用医疗人工智能，为纳税人、人口卫生机构和医生加强风险和照护管理。成立于2013，总部设在硅谷，团队由临床医生、数据科学家、和医学专家组成。Lumiata的核心预测分析产品是Risk Matrix（风险矩阵）。它需要有大量的健康计划成员或患者，采集他们所有的数据点，然后为每个人绘制出患病风险随时间变化的轨迹。Atomwise是一家人工智能药物挖掘公司。采用深度学习神经网络发现新的药物。该公司称自己在新药发现、结合亲和力预测和毒性检测上得到了世界上最好的结果。而排名第二到第五的投资机构分别是Data Collective、Formation 8、Intel Captital、Andreessen Horowitz。    

人工智能企业所面对的客户模式中，B2B模式是最多的，其次为B2C、B2B2C、混合型，这与数据采集的难易有关。人工智能的推动离不开几个要素，算法、大数据、物联网和计算设备。算法是核心，物联网和计算设备等硬件是基础（它们的发展不取决于初创公司），而数据则是各家公司成败的关键。如何获取数据，什么渠道获取数据进行智能学习是初创企业研究的重点。所以2B企业占多数是因为他们便于持续稳定获取机器学习的数据，比如IBM Watson一开始和纪念斯隆·凯特琳癌症中心的合作，就是为了获取癌症病历和数据。一支由医生和研究人员组成的团队一起上传了数千份病人的病例，近500份医学期刊和教科书，1200万页的医学文献给Watson。2C企业针对的是个人用户，则是以智能穿戴设备为主，从智能设备的传感器收集数据，然后再进行算法分析。

按病症种类分，人工智能+医疗健康项目中最受关注是为以糖尿病为代表的慢病管理。糖尿病、抗癌药物、精神健康这三类都是治疗时间长、治疗费用大、治疗难度大的疾病。从盈利来说，研究这类疾病，也更容易获利，投资机构也更认可。

接下来的这两篇，我们将筛选出部分人工智能+医疗健康的初创公司，把他们按照健康管理、可穿戴设备、医学影像、风险管理、营养、急救室/医院管理、生物技术、药物挖掘、精神健康、病理学和虚拟助理共11个领域进行分类。然后选取了其中的8个领域进行详细分析，并选择一些初创企业的代表，看看人工智能和具体的医疗应用相结合，究竟能够给我们带来什么样的惊喜。敬请期待。

第一篇：科技巨头人工智能布局

第二篇：IBM Watson人工智能医疗应用详情剖析

第三篇：2011-2016全球医健人工智能创投数据分析

第四篇：医疗搭上人工智能可以做什么？（上）

第五篇：医疗搭上人工智能可以做什么？（下）

如果你迫不及待，也可以提前看完整报告，请点击以下链接购买：

2016人工智能医疗健康创新趋势报告