元璟资本田敏：投资医疗，AI 虽好但并非全部

「未来两年，医疗 AI 会死一批。至少在我看来，这会是个大概率事件。」过去一年，田敏和元璟团队花了很大力气，在看了三十多家医疗 AI 项目后，给出了这样的结论。

在纪源资本工作七年后，田敏在元璟资本延续了之前所擅长的医疗领域投资。与以往不同的是，传统医疗机构的「痛点优化」成为田敏关注的重点，「在效率成本、人力成本和中间工作流程上，传统医疗公司有着各种各样的问题，这里面的优化空间也是创业者的创新空间。」

今年 1 月，元璟资本宣布投资智能医疗数据服务公司曜立科技，这成为元璟资本在医疗领域布局的又一案例。田敏对品途表示，目前中国医疗产业的数据运用能力还很弱，「中国有大量的医疗数据是分散在全国的，而这些割裂的数据缺乏一个统一的平台收集、分析。」因此在医疗这个大产业中，各个环节都有机会把数据做的更加精准。

近日，在与品途记者对话的过程中，田敏就医疗健康行业的特殊性展开分析：监管政策的不定性、市场主体的非商业性、刚需的低频性。这些看似风口的存在，亦有可能是风险的萌芽。

以下内容来自品途与元璟资本田敏对话整理

口述：田敏

整理：郭佳莹 尹天琦

2017 年，我们团队看了三十多家医疗 AI 的项目。就技术来说，AI 的确可以在一定程度上填补基层医生缺失以及能力匮乏的问题；但就医疗行业本身来看，技术并非门槛，在这项技术能够真正改变医疗领域之前，我们亟需考虑的问题来源于「政策环境」。

在中国，我们有 CFDA（国家食品药品监督管理总局），美国有 FDA，欧洲有 EMEA，当一个器械或者药物开发出来的时候，就必须通过这些环节反复的验证和审查，如果这些审查环节不去推动，即便有再多的技术创新也是徒劳的。

所以在任何国家，医疗都是一个政府强监管的业态，这也是医疗在整个科技发展的进程中，始终落后其它产业的原因。在这种非纯商业化的环境中，政策成为医疗行当第一个难以突破的壁垒。

医疗投资要立足于「基本面」分析

政策动向的影响之大也体现在对医疗行业的投资上，这是风口亦是风险。

过去一年，我们看到许多迫于资本压力的移动医疗公司到处开设「互联网医院」，结果卫计委发文后，两周内全部注销，最终还是走向了一个大家都不太愿意接受的结局。所以有时政策也不能盲目跟风，根本还是要看「供需本质」是否可以给医疗环境带来实质性的变化，像「医师多点执业」政策，就是在有效缓解医疗资源分配不均衡的问题，但目前前景还没有十分明朗。

回归产业，我们经常会把医疗和消费放在一起比较。尤其在 2017 年，各种「新零售」的概念把去年的投资推向了一个制高点。那么「新医疗」是什么？为什么医疗没能像新零售一样掀起高点呢？原因主要在于两方面：

第一，参与方不同。零售业的参与方都是商业参与方，更多的是以商业利益论成败；而医疗的参与方很多是三甲医院，这种非完全商业化的主体，就导致我们很难自造闭环去形成生态循环。

第二，频次不同。消费是一个非常频繁的行为，比如买水、买食物，而且这些行为也都是可以掌握在消费者自己手中的；医疗最大的问题在于患者自己没有决策权，比如我吃什么药都是听医生的，当然频次也很低，因为没人会天天感冒发烧。也就是说，如果有这么一个平台，使用的频率也就是一年 1-2 次，消费者可能早就把你忘了。

所以我们发现，新型的医疗服务往往都扎堆在牙科、美容、皮肤科，更细化的来说，我们应该把他们归类为「医疗消费行为」，原因就在于消费频次高，比如女孩子洗牙整牙，不是说非得病了才能去消费。

而在医疗投资的过程中，我们就必须要拨开这些表面现象，懂得如何去正确评估用户和项目的价值，而不是说简单的用患者和病例的数量来判断估值。

数据「催化」药物创新，AI「判断」疑难杂症

医疗行业本身的特殊性与政策壁垒的存在，使得这个行业想要产生纯粹的、颠覆性的创新是很难的，所以元璟通常会更加关注医疗行业原有的痛点，判断这个痛点是否能通过结合新技术来提升效率、降低成本，就像传统医疗公司往往在效率成本、人力成本和中间工作流程上有着各种各样的问题，这里面的优化空间也是创业者的创新空间。

去年，我们投资了「药研社」，是家临床研究价值共享和价值交易的科技平台，正是因为我们发现在中国整个医疗产业中，数据的运用能力还比较弱。

举个例子，像 CRO（临床试验业务）。实际上中国有药物临床实验已经很多年了，但到今天为止，没有任何一个数据库能够告诉一家药厂，如果我想做一个实验，我应该怎么选择临床实验中心和医生；作为药厂也很痛苦，每次都要派项目经理去各地视察医院流程，通过人工地推的方式来进行，效率也比较低。正是因为目前还没有沉淀下来的数据库，能够帮助药厂进行临床研究的精准匹配以及药企中高层管理者从事医疗数据查询和分析，大大影响了临床药检的发展。所以在医疗这个大的产业中，各个环节都有机会把数据做的更加精准。

用大数据做药物筛选也是我重点看的投资方向。以前的药物筛选，大公司可能砸几亿美金才出来一个新药。在这个过程中，可能做了无数的实验，死了无数种药，几万分之一的几率才压对一次。如果我们能够用技术实现精准配对，缩短药物的研发时间和金额，对于很多病例不用说等 5-10 年才能出新药，这对于患者也是大大的福音。

当然，越是接触到患者的环节越不容易被技术所取代，像问诊环节，这个环节不是仅仅说简单看个病，还有很多医患信任和交流的空间存在。

但单是在诊断的这一个环节上，AI 能够体现出的价值是巨大的，因为在一些重大疾病和罕见病上的诊断上，AI 比医生拥有更大优势。就像很多患者会选择来北京的三甲医院看病，是因为北京的医生见过全国各种疑难杂症，而 AI 可能几秒钟就把全世界的疑难杂症都见过了，所以在专病的诊断上，AI 是有很大的空间来帮助医生做判断的，反而对于医生天天看的常见病，未必能起到很大的作用。

所以在 AI 医疗领域的创业，我们看好三个领域——病理、基因领域和罕见病。其中病理领域门槛更高，但痛点更大，机会也更大，首先病理对肿瘤类的疾病则有精标准的作用，其次中国现阶段病理医生、X 光医生都非常稀缺，AI 可以在这方面弥补医疗资源的不足。

资源运作型创业者更具优势

我一直认为从事过医疗行业的创业者会比较有优势，尤其是女创始人。

一方面，医疗从业的门槛很高，不是说技术好就能做医疗，更需要成熟度。

从 2015 年开始，我们才真正进入了「互联网+医疗」的阶段，这个阶段的主要特点是：公司主创是医疗人，包括经验丰富的临床医生、从事多年医疗服务的高管，他们都有着对产业链深度参与的背景，所以医疗创业者的平均年纪往往要高于互联网创业者 5-10 岁，这是因为他们必须要在医疗行业有多年的沉浸，有比较多的资源。

包括在投资领域，我一直认为医疗投资是一个资源运作型的投资，包括客户资源、医生资源、政府资源等等。单打独斗是不行的，必须要投出一个生态圈的东西，这些项目哪怕是竞争对手也好，也都需要能够起到互相辅助的作用。

另一方面，多数的医疗还是从痛点出发，去解决实际问题，不是说烧钱就能烧出来规模的。或者说这个行当往往见效没那么快，这就需要创始人有足够的耐心和专注度，同时需要有资源整合的能力，这些潜质可能在女老板的身上更为凸显。