分级诊疗、市场化、互联网＋，这是未来医疗产业三个关键字。
分级诊疗是新医改政策进入深水区后的改革关键突破口，市场化是民营资本三十年参与医疗服务的红利来源，互联网＋更是2011年开始的医疗服务投资10年周期的最大风口。
“中国医疗市场商业化太低了，但未来可开发的市场极为庞大”
这是《多肽链》在对谈不同医疗创业者，一句高频出现的“台词”，故此，等风来。
医疗服务环节中，最关心医疗商业化的就是民营医疗机构，随着政策发力医改，吸引更多资本方参与到医疗服务环节，组成了至关重要的一环。
在不止一次的红头文件中出现“中国老龄化趋势”这个关键字，其背后最大的需求就是医疗服务，就是看病。
大势所趋，未来的医疗需求一定会爆发，且不说中国医生是否够用，就是如今大众也依然面临公立医院看病难的问题。
如果在需求爆发的时候，如今占据20％市场数量确超50％的民营医院就一定要会起作用，并且随着政策一条条对民营医院的开放，就可见得在逐步把医疗需求向市场化开放。
其一、医生自由职业政策已经放开了，虽然还有一段时间才能完全自由，或者需要沉淀一段时间才能达到理想的状态，但是，起码我们有了希望。
其二、互联网医疗、移动医疗等新兴模式，以互联网为主体，通过2C端的发展模式来实现，目的为满足未来爆发医疗需求所面临的效率不足，通过线上的方式平衡闲置医疗资源，但以现在的形式来开，这是一场持久战。
如今，互联网诊疗、互联网医院、远程医疗只是几种存在于互联网上的比较典型、成熟的医疗业务之一。
互联网医疗在本质上仍然是“新医疗”，互联网终究只是提升医疗服务效率和体验的工具，其形式对医疗服务的贡献才是终极价值。
总的看来，互联网医疗解决了部分地区医疗发展不平衡等问题，将优质资源进行下沉，为患者带来更多好处，是医疗市场上的一大进步。
广阔的市场前景引起“互联网医疗潮”，其中既有传统实体医院向线上转移，也有创新性企业的入局，但这场热潮下也出现不少浑水摸鱼的企业搅乱市场，究竟何种企业能够脱颖而出还需拭目以待。
无论是从政策层面，还是在实践层面，社会办医都是改革的重要路径之一。
丨浑水渐清，需求明确
时过境迁，从事互联网医疗的公司已经没有多少存活下来，但是“互联网医疗”作为一项技术，已经从投资人的谈资逐渐走进了政府的各类规划、指南中。
无论是出台的建设指导意见还是各省市开始建设的智慧医院项目，“互联网＋医疗”都是必备内容，成为了政府及医院推进医疗服务改革的重要举措。
一面是投资界的寒冬，一面是医院信息化的新宠。
实体医疗机构对互联网医疗服务的需求空前旺盛，一批服务于医疗机构的互联网医疗企业发起猛烈攻势。
在想方设法为患者提供优质医疗服务的同时，顺应时代，一批实体医疗机构开始举办互联网医院。
对于互联网医疗而言，要彻底实现信息资源互通共享存在一定难度，对医院剩余资源利用不到位，互联网医疗企业涉及范围有限。
而共享医疗除了信息共享之外，还可解决医护资源分布不均以及资源闲置问题。
相关数据显示，中国医疗设备的使用率不到四成，共享医疗可以将余下的六成共享出去，充分利用医师资源和相关设备。相比较互联网医疗来说，共享医疗提高了资源利用率，在场景应用落地上更加符合市场发展方向。
由于互联网医疗受限于网络速度、画质等各种问题，且受医疗体制机制与人们传统观念的影响，互联网医疗真正被人们所接受还有很长一段路要走。
况且，互联网医疗行业整体上仍处于市场培育期，或者是现有医疗服务的补充和延伸，尚未真正成为医疗服务的有机组成部分，更多的还是作为效率工具和连接手段，为医疗服务提供方和患者提供服务。
虽然经过了七八年的努力，互联网医疗本身已经发展出成熟的产品体系和足够细分的市场体系，并形成了相对稳定的用户人群，相关服务的用户教育和市场教育工作已经基本完成。
但是，受限于政策法规，互联网医疗尚未真正进入医疗、医药和医保领域，没办法提供诸如诊断、开方、处方药零售和医保结算等诊疗服务。
丨科技释放产能
一直以来，医疗产业是人工智能发展的明星领域，随着日前“IBM人工智能医疗部门沃森健康大幅裁员五到六成，医疗AI宣告失败。”的新闻出现，大众对AI医疗的质疑越来越多。
深度学习海量医学论文、影像判读正确率超过人类医生等消息层出不穷，人们寄希望于医疗AI改革传统的医疗体系，缓解医疗资源不足和不均，走向精准医疗、健康管理。
当然，这是理想化的状态，医疗领域本身偏保守封闭，由医疗机构和医生主导决策，容错率极低。不像消费类应用投入大、试错机会多。
市场上依然对医疗AI的应用处于观望状态，但不排除AI技术赋能医疗产业的未来趋势。
人工智能医疗领域主要集中在八大应用场景中：虚拟助手、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理以及辅助医学研究平台。
如何将人工智能技术与临床医学领域相结合，成为一大诟病，中国目前大部分的医疗人工智能企业重心都集中在医学影像和虚拟助手这两个领域中。
目前，中国人工智能医疗面临着CFDA监管审批严流程慢，医疗数据孤岛现象突出、医疗数据标准不统一难以共享、可用的结构化数据不足（超过80％以上的医疗数据都是非结构化的）。
导致算法优化训练遇到困难，以及市场教育过程缓慢、产品尚处于试用阶段商业化落地难等问题。
医学是一个前沿学科，会随时遇到新问题新的疑难杂症，需要时间去攻破，同时AI医疗产品的数据算法也需要不断更新和迭代，科技创新和学科交叉共同促进现代医学的进步。
谷歌、微软、百度、腾讯、阿里巴巴等巨头也争相进入AI医疗领域，AI医疗肯定会迎来极速发展阶段。
当然，从目前的现状来看，AI在医疗领域的应用还有很长的路要走，市场虽有贬语，但更应当给予鼓励。
多肽链丨多肽学社宣
作者丨丛名龙
