公研究背景逐步從尖端技術變為可普及的基礎設施。步認識人工智能的潛力。在醫療健康領域 公范圍界定與研究方法、營養、急救室/醫院管理、Th物技術、藥物公范圍界定與研究方法、營養、急救室/醫院管理、Th物技術、藥物公值得關注的要點：（1）初創企業應遠離巨頭航路：科技企業巨頭近幾年在人工智能領域密集布局，在打造各自的人工智能生態圈。在未來，業而言，既要尋找與巨頭的合作契合點，（2）算法的重要性長期看下降，商業模（3）關注用戶體驗的變革，重視數據積累：（4）數據監管缺位，創業者需審時度勢：公報告內容結構第三部分：科技巨頭人工智能布局及產人工智能醫療健康領域應用場景（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康醫健類234醫健類234現了一些專注醫療健康的虛擬助理背每年發生大量誤診死亡事件，JohnsHopkins景醫學院研究;美國ICU誤診死亡達40,500人/年切入點利用人工智能，從虛擬智能助理接入利用人工智能，從虛擬智能助理接入愿景企業名稱：A輪融資額：A輪融資額：數據庫規模：所在城市：成本優勢：者理間：投資機構：基于海量數據庫的分析并提供建議音輸入，范圍包括：范圍包括：外部壞境數據庫數據庫原理類似預測：注：?需要規模更大的數據庫輕疾重癥輕疾重癥 人工智能不能提供任何而會提議立即前往醫院/代撥醫院急救電話（1）并不清楚自身狀況2）會使用 本身就有助于安慰理論上可以（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康輪投資機構/投資人司（百萬美元）次ykAAerisCapital,JonaA8A Arterys7AA（按交易筆數統計）創業者和投資者可能有借鑒意義ArterysArterys單一影像多種影像數據來源：CBInsights,蛋殼研究院數據庫 放射科醫師數斷有效彌補該缺口；數據來源：WHO，蛋殼研究院數據庫均有動機歡迎人工智能?獲得個性化治療方率有較大的借鑒意義階段階段二分割判斷階段階段二分割判斷處理（數百萬案例）人工智能比專業放射科醫生準確性高50%人工智能可以檢測到數據來源：DataCollective研了一些（注：樣本量?若業務擴張可協助定性）\幾乎不變/以技術人員與非技2.6:1以（注：A輪及以前） 實力也是核心競爭力的一部分創業者需首要考量的因素（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康痛點：借助人工智能借助人工智能與藥物挖掘的初創公司：（百萬美元）NumerateAtomwisetwoXARPharmaceuticalsInsillicoMedicineGlobavir0.15臨床前研究臨床研臨床前研究臨床研究認成活性化合物的篩選實驗通過深度擬構效關篩選效率結合醫院速找到符合條件的病人研發流程傳統難點人工智能目的是把得到活性數據目的是把得到活性數據結合化合物結構得到初步構效關系。構效關系可有效指導后續化合物結構優化；若效果不理臨床試驗需要病患參病人會花費很多時間抗腫瘤類藥品?降低研發難度?抗腫瘤類藥品?降低研發難度?降低成本心血管類藥品?節省成本孤兒藥與經濟欠發達地區常見傳染病防治藥?節約成本?為罕見病患者和經濟欠發達地區的傳染病患者提供藥物年均增速5.5%藥研發中約1/3是腫瘤類藥物僅剩9%的藥物還是腫瘤類藥物?市場規模大，2015年1518億美元速約15%?使用者數量非常少或支付能力極弱?藥企的收益不足以覆蓋其研發成本數據來源：IMS,蛋殼研究院數據庫?擁有自己的算法，以深度學習的方式不斷訓練挖掘藥物的能力?運用超級計算機（IBM物挖掘，對具有生理活性的化合物進行預測與篩選?挑選可能成為藥物的化合物，進一步的研究?預測已有藥新靶點，為臨床“老藥新用”提供依據ycombinator輪次2015年6月種子2015年3月$225k種子2014年12月$120k種子2013年1月$225k政府資助數據來源：CrunchBase藥物挖掘服務藥物挖掘服務他相關研究機構開展藥物挖掘工作獲?核心技術?專業人才??核心技術?專業人才?設備（超級計（算法）/基本項加分項?同等訓練強度，起步越早，深度學習的效果越好，有一定先發優勢?塑造良好公共形象?獲取政府和NGO的醫療數據?好的孵化器和VC能提供極大的幫助?Atomwise獲得海量數據很大程度是因為YC和Khosla提供了資源，幫助其與其它醫療機構對接算機）算機）?起步時間?參與公益項目??FDANewDrugApplication對人工智能輔助藥物挖掘的監管處于空白，投資人擔心類似 23andMe被叫停的事件重演I（1）研究已獲批藥物的新靶點；（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康議效果般志愿者身器學習得出的預測模型，準確性較高800名志愿者服用標準餐采集血糖、睡眠等數據機器學習，分析預測數據與標準餐的關系論文詳見：DavidZeevietal.(2015)PersonalizedNutritionbyPredictionofGlycemicResponses,Cell, 公司成立，位于都柏林，獲NDRC10萬美元天使投資EmmetBrowne，聯合創始人，曾任PfizerNutritionals歐洲區總年被雀巢收購，Browne主導了這次交易）數學家，曾在都柏林大學學院任教A輪融資，新加坡食品與農業投資公司NewProteinCapital領投840萬美元SalesforceCEOMarcBenioff投資200萬歐元團隊16人，博士學歷6人，碩士學歷5人數據來源：CrunchBase,Nuritas,Khaldi領英學習并按銷量收取傭金；未來計劃推出面向消費者的個性化營養方案現在:服務?服務費（按食品銷售量提成）未來(計劃):個性化服務單位：對食品營養有更高的要求產業?食品產業老舊，只關注本和安全，缺乏創新?新技術應用少，2011年至今中國食品行業582起并購，標的全部從事同業或相似業務，意在擴大市場規模?有機食品產值逐年遞增16%，2015年產值70億美元，母嬰和健身人群是主力消費者急需新技術推動行業變革數據來源：麥肯錫、Wind個性化營養建議個性化營養建議中餐營養標準化個性化營養建議推廣商家食品制造商/健康管理食品制造商/健康管理平臺平臺特點\難點特點\難點（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康測序儀+智能硬件測序儀+智能硬件碳云智能：不做上游測序（重資產），不做下游C端服務（重運營成為數據整合、挖掘、分析的服務提供商商商數據可讀可用，產產.植基因數據基因數據腸道菌群數據代謝數據基本體征數據（如計步、心電、血糖等）依托大數據和依托大數據和人工智能提出對不健康狀態的干預措施，為醫療、慢病管提出對不健康狀態的干預措施，為醫療、慢病管理、美容、健身提供個性化解決方案預測健康發展趨勢預測健康發展趨勢實現對整體健康狀態的判斷實現對整體健康狀態的判斷找出數據間的關聯性找出數據間的關聯性對人群做基本區分對人群做基本區分碳云智能如何推動商業模式落地（實質進展）字健康檔案。的健康管理服務。務碳云智能如何推動商業模式落地（計劃中的業務）收購幾家人工智能公司收購幾家人工智能公司通過設立基金，碳云智能做GP或GP之一,投資人工智能初創公司，培育成熟后進一步收購股權至并表與國內某一線城市政府從體檢建立數據庫建立數據庫為歐萊雅客戶提供精準美容服務向為客戶提供產品（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康（如雪松西奈醫療中心、斯坦福兒切切入點融資人工智能+急救室/醫院管理：數據來源:Crunchbase（1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康（2）提高項目執行效率（3）驅動更大的醫療產業價值理、慢病恢復、健康食譜等指導用戶?用戶位置信息?健康狀況?健康改善計劃?保險商?醫生和藥房推出的獎勵福利等 （1）虛擬助理目錄（2）醫學影像（3）藥物挖掘（4）營養學（5）生物技術（6）急救室/醫院管理（7）健康管理（8）精神健康精神健康+人工智能精神健康+人工智能情字信息緒；去年蘋果還收購過一家人臉識別公司Health》刊登了一篇用機器學習預測產后抑郁的論文是產后希望了解自己情緒的媽媽產后抑郁困擾著數以百萬的中國女性中國產后抑郁女性數量匡算（單位：萬）（保守）（非保守）敘利亞難民危機（創傷后應激障礙）高發人群敘利亞危機的難民）：）：伍志剛等（2003）：）：唐山大地震所致孤兒PTSD概率23%何鳴（1993翻車事故幸存者徐唯等（2003特大爆炸幸存者）：性侵案件受害者PTSD概率47%數匡算：采用機器學習，如有異常征兆，自實時反饋醫生制定更機器學習精神疾病：數據：預測異常：?抑郁癥?睡眠數據?若某病患的睡眠?狂躁癥?通話數據質量、睡眠時間、通話時間段、通話?雙向情感障礙?其它常見精神?行動數據時間長度、通話時間頻率、通話聯系疾病人、行動范圍中的有病情發作之可能?運用機器學習，可有效預測病情發作的概率精