最近常常被公司实习生或媒体问道关于医疗热点领域（如人工智能、医疗机器人、精准医疗或VR等）的投资观点，医疗领域向来被指出是激进和堵塞的，但投资往往又是追赶和爱好热点的。眼下医疗投资也却是投资圈里的热点，而医疗领域的热点大自然被视作热点中的热点，引发大家注目是很顺理成章的事。如何在激进的行业特点中做到热点投资是个有意思的话题，本文将从行业属性应从，探索规律找到投资机会。
人工智能在医疗中的应用于由来已久，国外早就商业化 人工智能作为一个专业术语被明确提出是在1956年夏天，50多年来，获得突飞猛进的发展，沦为一门普遍的交叉和前沿科学。 在医学领域，我们十分熟知的IBMWatson早已为MD癌症中心工作了好一阵子了，通过Watson的理解计算能力，从病人病例和非常丰富的研究资料库中找寻资料，为临床医生获取有价值的看法，从而协助医护人员寻找最有效地的化疗方案。人工智能医疗还包括Enlitic、AtomwiseAtomwise、TheHumanDiagnosisProject、ButterflyNetwork、Arterys等等。但是医疗的特殊性要求了任何产品商业化应用于前都必须经过严苛的审核流程，只不过上述这些大名鼎鼎的产品大都离我们还有距离。
我们期望他们可以早日通过审核，步入我们的生活. 人工智能在医疗领域的应用于目前还无法用作化疗，而在临床中的应用于早已有40年的历史，即计算机辅助临床（computeraideddiagnosis，CAD）。目前经常说道的CAD技术主要是指基于医学影像学的计算机辅助技术。20世纪90年代以来，人工神经网络（artificialneuralnetwork，ANN）较慢发展让医学影像学领域的CAD获得了质的突破，它是仿效人大脑神经元工作原理的一种数学处置方法。由于它具备自自学能力、记忆能力、预测事件发展等能力，因此可以起着辅助临床的起到，在分类、临床方面，人工神经网络方法比传统的方法(概率统计法、数学模型等)有更优越的性能。
目前，CAD研究大多局限在乳腺和胸部肺节节性病变，因而，乳腺及肺结节恶性肿瘤的CAD研究基本上可以代表目前CAD在医学影像学中的最低水平和现状。国外商业化应用于就是集中于在这两个领域。
例如1994年在硅谷创办的R2公司，是全球第一获得FDA批准后（97年）的乳腺癌钼靶计算机辅助诊断系统，总计销售额超强十亿美元(后被Hologic公司并购)。 所以，CAD是人工智能在医疗领域的最先且最不具代表性的应用于，在乳腺疾病诊断中的应用于早已构建了大范围商业化。
海外乳腺CAD商业化应用于并没影响我们的生活 以CAD商业化领域最成熟期的乳腺疾病为事例，乳腺癌筛查的方式有乳房自检、临床检查（CBE）、成像检查、钼靶X射线检查、肿瘤标志物检查以及基因测序临床等方式。由于个体差异和专业知识的缺少乳房自检检出率较低，不适合普查，只是作为女性注目自我身体健康方式的辅助手段。乳腺癌的肿瘤标志主要有黏蛋白样糖蛋白MUC-1家族，如CA15-3，癌胚胎抗原CEA，癌基因HER-2或CerbB-2，乳蛋白，糖酵解酶和细胞角蛋白，的组织多肽特异抗原。
肿瘤标志物在临床中的应用于主要为乳腺癌的移往、发作与肾功能的检测防治，对乳腺癌的早期临床缺少敏感性与特异性，所以目前肿瘤标志物对乳腺癌的早期临床意义并不大。利用基因测序来展开乳腺癌的早期筛查方式目前并不成熟期，而且肿瘤构成的复杂性也意味著在我们掌控的基因科学知识还无法几乎说明整个再次发生发展的过程，基因测序在很长一段时间内无法替代影像学筛查，但随着基因测序技术的发展，将其运用于乳腺癌的筛查也不存在着可能性，不过估算未来10－15年依然是传统的方式占到主导地位。 目前筛查的方式主要是临床检查（CBE）、成像检查和钼靶x射线检查。
我国现阶段的群体普查如国家卫生部启动的两癌筛查工程，一般使用的方式为成像检查，这是基于成像检查较钼靶x射线检查更加经济与无辐射更加安全性的条件的自由选择。同时也由于我国女性多为颗粒性乳腺类型用于钼靶X射线检查漏检亲率过低的原因。
本文来源：18新利-www.feelinrome.com