- 文｜小饭桌新媒体记者 王艳 -

　　2017年元旦，美国加州，刚从北京来到金沙江硅谷办事处不到一个月的张清并没有过节，而是在公司里一连开了两个会，晚上回家后接受了小饭桌记者的视频采访。

　　87年的张清确确实实是一个投资新人，在2016年加入金沙江之前，曾经在新加坡做了三年的内科医生，此前在协和医院读了八年医学，辗转于中美两地，有着丰富的医学专业背景。一次因缘际会加入金沙江创投，主攻医疗健康和AI结合的领域。

　　专业的背景知识显然让她在看项目时更加得心应手，聊项目时能够更加精准地判断技术是否靠谱，痛点是否明显，但是对于项目的投资标准始终没有降下来，她说，如果没有合适的项目，金沙江宁愿等，或者去创造，也不会降低标准随大流。

　　对她来说，身份的转变让她更加忙碌，atv，工作和生活变得密不可分，且并没有必要在工作和生活之中寻求平衡，因为她更享受现在的状态。

　　近日，作为2016年度小饭桌“30岁以下新锐投资人”，张清接受了小饭桌新媒体专访，聊了聊这一年的投资感悟。

　　国内的智能医疗创业会更难

　　小饭桌：你主要关注医疗和AI结合的领域，目前这个领域的发展状况是什么样的？

　　张清：

　　从技术角度来说，有大概三到四个主流技术，比如说影像识别、自然语言处理(NLP)、计算机视觉，还有就是机器人是另外一块，这里边我们看前两块比较多，主要是SaaS模式的公司，以软件为主。比如说Deep Learning 深度学习目前在影像识别领域正确率还不错，主要应用在放射影像学。中国目前起码有六到七家创业公司在做相似的事情，通过技术把放射科的医生解放出来。

　　在自然语言处理方面，AI技术还不是特别成熟，在医学里问题就更麻烦了，因为医学的语言更专业更拗口，这种死板的特性让它在技术上会有更大的难度。所以很多公司不一定用Deep Learning或者是AI来解决，而是用传统的自然语言处理方法先把非结构化的数据变得结构化，数据充足后再用深度学习做更大规模、更复杂的学习。

　　总体来说，这些公司是从大量的、散乱的医疗病例中挖掘出一些更有价值的信息，不仅是对个体进行诊断，而且对群体的健康状况进行检测和风险预测。最终医生在诊断时可以省去很多步骤，比如说在采疾病史方面可以实现自动化和标准化。

　　但是因为在中国，各大医院用的不同电子供应系统有接近五百家，所以信息混乱且质量不规范，所以会更难做一些。

　　第三方面是计算机视觉技术（CV），比如说在医院里通过监测病人的活动来预测病人跌倒的风险，在康复领域还有陪伴机器人。

　　小饭桌：你现在是中美两边的案子都在看，直播，二者在医疗环境上有什么异同？

　　张清：

　　相似的地方在于医学的知识、病人的需求是一样的；不同的地方在于医疗体系是完全不一样的，还有付费制度、保险制度等，这样就导致了很多模式只能在美国做，在中国并不能够成型。

　　比如美国的Disease Related Group(疾病诊断相关组），看病是打包收费的，但是中国还是做一个检查收一个费，开一个药收一个费，这个是不一样的。

　　投资是守株待兔的反面

　　小饭桌：如何去寻找投资的目标？

　　张清：

　　其实我们是在找我们想投的项目，就是说我们知道这件事情应该这么做，市场是有需求的，然后再去找目前谁在做这样的事情，形象一点说就是守株待兔的反面，但判断的前提是你要长期追踪一个领域才会知道这里面有什么需求和机会。

　　以基因测序为例，现在它那么火爆，你要知道基因测序是从什么时候开始的，人类基因组计划是怎么回事，经过这么多年的积累我们能做什么、需要做什么？现在临床的问题哪些是可以通过基因测序解决的？哪些是不需要解决的？哪些基因测序测的是没有价值的东西？哪些是有价值的？

　　在一整条完整的产业链上，你觉得这个产业链最薄弱的是哪里，你就会想这里面是不是有机会？

　　小饭桌：看项目的时候会更看重哪些因素？