AI+医疗的一些思考

AI+医疗.jpg

关于AI落地时的盈利模式。

1）比如，初期先帮助客户做好相关数据的数字化（比如影像存储，常规的阿里云服务不划算，因为图片太大，但每年用不了几次，就需要有专门针对这个领域的图片存储云服务），等争取到了客户，并积累了数据后，再向客户推广AI应用。

2）还比如，将自己的AI产品技术服务，提供给行业下游厂商，提高其整体方案的（噱头）价值，打包销售。

AI实战落地时，就会遇到类似的问题——只能做个demo，离“有用”，“可用”，“付费”还有很大距离。

国内产品体验设计方面，跟美国比，确实还是有优势的，特别在吸引用户（客户）尝鲜体验时候。

客观来说，确实有很多AI应用的产品体验和稳定性太差，这让用户想试用都慢慢的打退堂鼓了。
获取有效数据难度大（数量+质量），会成为纯深度学习性的AI应用的重要落地瓶颈。

现阶段，很多领域的AI应用，本身就不是刚需——主要价值在于，通过AI元素来提高终端C用户的转化率。即，本来没有人用这家客户的产品，但因为加了AI因素，C用户愿意来尝鲜体验。这样，获得更多数据后，才可能更深入的去做出更好的产品。

AI公司如果想让医院买单，应该把它最优势的机器运算发挥起来，将人脑做不到或误差率非常大的东西细化、产品化，拿这些模块来补现在免费的模块，产品的系列多了就好卖了。此外，AI公司可以跟设备厂商结盟，依附于医疗设备上，将付费方和受益方形成一致，这可能是一个更快的盈利方式，传统厂商也能增加卖点。

创业公司除了定位于肺结节检出等临床应用外，搭建科研平台也是不错的选择，要是我自己开公司，我就会这样做，帮助医生做科研的市场也不小，可以共同申请基金来维持，我知道有些创业公司就在合作申请基金。如果数据积累多了，再考虑做临床转化，像Watson这样的，这样才可能逐步走向临床。很多公司一来就想到临床，对生命太不尊重了，如果仅靠靠几百、几千例数据就取得了批准，我肯定不敢用这样的产品。