醫療器械創新網
疫情發生第3年，各行各業發展都受到不同程度波及，黑天鵝依舊滿天飛。但有一個領域在投資圈依舊備受青睞，位列2022年Q1投資前三熱門行業，在IPO退出公司數量中位列第一。
這就是醫療健康賽道。
在新冠疫情的助推下，以往的‘慢熱’的生命科學進入‘加速模式’，在AI和自動化兩大技術的重塑下，往數字化、智能化方向轉型升級。
在5月11日創新工場舉辦的醫療創新趨勢分享會上，創新工場董事長兼CEO李開復博士給出了自己這兩年的觀察。
但幾年下來市場變化風云莫測，當下又是怎樣的情形？未來要駛向何方？
李開復博士表示：
隨著資本市場進入‘擠泡沫’階段，中國優秀的人才儲備、大市場大數據的機會、政府對新技術的積極推動，都有望讓中國在‘醫療＋X’時代彎道超車，引領下個二十年的生命科學創新革命。
其中提到的“醫療+X”，創新工場認為，這是能夠穿越周期、影響未來十年的生命科學創新增長新范式。
那么，醫療+X到底包含什么？為什么它會影響醫療科技創新的下一個十年？
在這場分享討論會上，答案一一揭曉。
醫療健康領域由于投入大、產業鏈多、研發周期長且“事關人命”，一向以“慢熱”著稱。
從2010年開始，其相關創新速度有了明顯提升。
以疫苗研發為例，2003年非典疫苗從發現病毒到進入臨床試驗，歷時20個月；
而2020年新冠疫苗進入臨床試驗（中國的康希諾和美國的Moderna），只用了65天。
過去10年來，整個生命科學領域的顛覆性創新更是爆發增長。
2012年，腫瘤免疫細胞療法（CAR-T）首次成功治療了身患白血病的小女孩，CRISPR基因編輯技術被首次發現。
2016年，世界首例人類腦機接口試驗完成。
2021年，AlphaFold2預測了人類98.5%的蛋白質結構。
技術高歌猛進下，同時帶動了整個產業的落地與發展。
例如憑借mRNA技術崛起的新興制藥公司Moderna（成立11年即變成全球Top20大藥企）、單細胞測序巨頭10x Genomics、癌癥早篩企業Exact Sciences，都在近十年間取得巨大的商業成功。
新冠疫情催化下，醫療數字化、智能化的腳步加快，進一步助推包括AI、自動化、計算、通信、物聯網、移動等“數字基建”交叉滲透各行各業的速度。
李開復表示：
5到10年內，AI也將在各種醫療細分領域實現落地。
比如有臨床和商業場景的特定醫療影像、輔助藥物研發、多組學與精準診斷、個體化治療、手術機器人以及其他存在領域，中國醫療大健康賽道將正式邁入“醫療＋X”時代。
比如在AI輔助制藥方面，研發一種有效藥物或疫苗，需要投入數十億美元的資金，研發周期長達數年。
而AI新藥研發公司Insilico Medicine，利用AI技術，研發了肺纖維化、腎纖維化兩種罕見病的藥物。
同時將藥物研發速度提升了3-4倍，價格還可能便宜10倍。
另一個案例來自手術機器人領域。
2020年，美國的機器人輔助腔鏡手術滲透率是13.3%，到2026年預計會增長到23%；而中國目前的滲透率雖然還不到1%，但會以更迅猛的速度增長。
除了腔鏡，還有骨科、泛血管、經自然腔道、經皮穿刺等多個領域的手術機器人在研發和推廣中。
在這方面，手術機器人公司鑫君特的ORTHBOT手術機器人于2021年2月正式獲得國家藥監局批準，是中國首個獲批的導航+自動執行的骨科智能手術系統，已經開始迅速地商業化落地中。
危與機往往時刻并存。
當下一二級市場跌宕起伏，在此情況下，哪些領域能夠穿越周期、成為影響未來十年的生命科學創新增長新范式？
在分享會上，創新工場合伙人武凱指出了4個領域，分別是：
醫療+信息技術
醫療+自動化技術
醫療+材料科學
醫療+可穿戴設備
而創新工場已經布局5大賽道，在每一賽道也都已有投資案例。
AI智能化醫療技術
自動化設備
生命科學基礎設施
預防醫學和服務
新一代療法科技
第一是AI智能化醫療技術。
武凱指出，AI在細分醫療領域具有潛在應用價值。
隨著醫療流程的信息化推進，海量數據不斷積累，在不少細分領域中，AI開始能夠利用高質量數據、并找到切實可行的落地場景。
而且國內醫療產業數據規模更大、可獲取性更強，中國企業便站在了全球創新的一線，可以拓展出更為豐富的應用場景。
在這一賽道，創新工場重點關注計算生物學（AI驅動的新藥研發，基因組分析，蛋白質組學，單細胞分析等）、數字化臨床CRO、醫學影像相關（AI超聲，病理檢測等）等細分賽道。
第二是自動化設備。
它的優勢在于保證準確性的同時，還能大幅提升效率。
智能自動化服務在測序、質譜、合成生物學、農業育種等場景下有廣泛應用潛力。
實驗室自動化設備可以提供制藥領域高通量篩選、疫情防控大規模核酸檢測等服務。
創新工場重點關注手術機器人、檢驗分析自動化、生物生產自動化、自動化生命科學實驗室等細分賽道的創新技術。
在這方面，創新工場重注投資了生命科學＋智能自動化領域的鎂伽科技，以及骨科手術機器人公司鑫君特。
第三是生命科學基礎設施。
生命科學基礎設施行業伴隨下游生物醫藥行業高速成長，近年來本土企業加速發展，從去年開始一直是資本追捧的熱點。
同時新興技術和療法的應用發展，也拓寬了CXO 公司的服務領域，打開了行業的天花板。
創新工場重點關注生命科學工具（實驗試劑，實驗動物，實驗設備等）、生命科學上游產業鏈（設備，耗材，原料以及服務等）、和中游產業鏈（新型CRO和CDMO）等細分賽道。
在這方面，創新工場投資了多年來持續專注細胞與基因治療領域的國產工具研究和開發的中博瑞康，科技型全功能臨床CRO圣方醫藥。
第四是預防醫學和服務。
在新冠疫情的影響下，突破性生物技術、全民健康意識提高、商業健康險的加速等因素，推動了預防醫學和服務領域的快速發展。
創新工場重點關注其中的早癌早篩技術、consumer device（可穿戴設備，CGM等）、疫苗（mRNA疫苗，傳統疫苗技術）和新型服務等細分領域。
在這個領域，創新工場投資了兩家企業鎂信健康和致善生物。
第五是新一代療法科技。
在新一代療法科技中，細胞治療、基因治療、核酸藥物這三大前沿技術是最受關注的新興領域，融資額都在迅速攀升。并且，隨著創新藥國際合作增多，專利引進（license-in）和出海（license-out）讓企業更具活力。
其中，核酸藥物、細胞和基因療法、微生物組學和其他新興療法（腫瘤電場治療等）是創新工場希望早期去持續介入的方向。
在這方面，創新工場投資了和其瑞、瑞風生物。
其中，瑞風生物是國內利用基因編輯技術開發基因療法的第一梯隊企業。
最近由瑞風生物作為藥物研發機構參與的地貧基因治療臨床研究，幫助一位廣西18歲重型地貧患者擺脫輸血依賴，成為我國基因編輯技術首次用于治療成人重型β地貧的成功案例。
從2019年開始，創新工場進入醫療健康領域。
武凱表示，與其他老牌醫療基金相比，創新工場具備四大基石。
而且，Deep Tech VC的基因為創新工場帶來了獨特的交叉學科視角，在投資策略上也有不同見解。
武凱表示，當下的市場回調期或許正是錨定下一批高成長企業的最佳時機。
很多投資人最近在討論“躺平”，但是創新工場的團隊反而比以前更忙，因為有更多的賽道行研值得去做，有更多的優秀企業家值得去見，現在的資金需要更積極的去尋找和創造機會。
討論會上，李開復博士分享了自己對于 AI + Science （AI＋科學交叉），尤其是在醫療科技領域的一些展望。
以下內容整理自演講內容：
首先談一下 AI 。
AI的三大基石是算法、算力和數據，AI以此為養料迭代發展。
三者之中，數據尤為重要。因為要有海量數據才能把AI的“大腦”訓練好。
這一點，從計算機視覺、NLP等領域都能看到類似的進化過程。
特別是近年來，NLP領域的預訓練大模型在落地應用層面取得了突破性的進展，讓感知智能躍遷到認知智能的通道暢通了。
換言之，哪個領域有海量的數據，哪個領域就會有巨大的機會。
那么醫療科技，便是一個很好的例子。
第一，傳統的醫療行業現在正全方位數字化，包含醫療流程信息化、可穿戴設備記錄全程健康數據等，正在成為AI的“養料”，產生有價值的算法。
在疾病預警、診斷、治療、監測、長期管理等方面輔助醫生進行診斷和治療，更有利于執行針對患者的“千人千面”的精準治療方案。
海量的數據也會在新藥研發方面。
如今科研界在尋找小分子、大分子藥物解決病痛上進行大量實驗，無論試驗是否成功，都帶來了海量數據。
第二，從AI發展的角度來看。
最初，AI產業就是一個新技術在尋找落地場景。
第一批AI創業公司大約集中在十多年前，比如專注于計算機視覺的曠視科技、用語音來探索落地場景的科大訊飛。
第二批的AI創業，則是針對AI在某一個商業應用來創造價值。
比如說創新奇智、第四范式、以及很多無人駕駛汽車公司，都是很好的例子。
針對制造業、企業轉型、交通等領域把AI應用起來，這些公司目前發展地都很好，成為了獨角獸，希望不久的將來能夠上市，或者其中一些已經上市了。
我認為，第三批AI的巨大浪潮就是AI＋科學交叉。
比如在國外一些頂級醫院中，他們每種癌癥的數據只有十幾個例子，但AI需要的是幾十萬幾百萬甚至幾千萬個例子，而且是越多越好。
我們可以想象，一個醫生他的診斷能力主要就是憑借經驗。
但他一輩子能看到多少病人？一萬個算很多了。
而換做AI的話，可以看1億個病人，甚至10億個。那么它積累的經驗、因人而異的診療方法，可以做出更好的總結，而且還能找到一些長尾的、罕見的現象，同時也會避免用藥方面帶來的一些問題。
所以海量的數據對于這個醫療科技的幫助會是非常大的。
新冠更是催化醫療數字化、智能化，助推包括AI、自動化、計算、通信、物聯網、移動等“數字基建”交叉滲透各行各業的速度。
在海量結構化、金標準標注的閉環數據的助推下，生命科學賽道將不斷尋找符合行業規律且有商業價值的落地場景。
另一方面，AI對科研上也大有裨益。
可以說，“醫療＋X”時代下，一個科學家可以把自己從半夜要起床去看實驗結果的重復又辛苦的工作中解放出來。
所以我們可以想象，以后科學家的工作可能更像是一個AI 科學家，他可以用一套軟件來寫一些代碼，這個代碼是控制機器人的。
實驗的大量測試都交由機器來做，科學家負責花時間創新，這樣一來研發速度也會大幅提升。
以上，是我關于AI、科學、醫療的一些初步想法。
我相信，很多新科技都是不同領域交叉碰撞出結果的，我們認為 “AI +科學交叉”就會碰撞出這樣的火花。
