導語

　　隨著社會的進步，全世界人民健康意識的覺醒，人口老齡化問題不斷加速，人民更希望能夠用更加先進的技術延長人類的生命，增強人類的體魄，乃至于實現(xiàn)真正高效率的醫(yī)療服務，從而在需求領域極大地刺激了人工智能醫(yī)療的發(fā)展。

　　近年來，智能醫(yī)療在國內(nèi)外的發(fā)展熱度不斷提升。有人提出，“盡管安防和智能投顧最為火熱，但AI在醫(yī)療領域可能會率先落地?！币环矫?，圖像識別、深度學習、神經(jīng)網(wǎng)絡等關鍵技術的突破帶來了人工智能技術新一輪的發(fā)展。大大推動了以數(shù)據(jù)密集、知識密集、腦力勞動密集為特征的醫(yī)療產(chǎn)業(yè)與人工智能的深度融合。另一方面，隨著社會進步和人們健康意識的覺醒，人口老齡化問題的不斷加劇，人們對于提升醫(yī)療技術、延長人類壽命、增強健康的需求也更加急迫。而實踐中卻存在著醫(yī)療資源分配不均，藥物研制周期長、費用高，以及醫(yī)務人員培養(yǎng)成本過高等問題。對于醫(yī)療進步的現(xiàn)實需求極大地刺激了以人工智能技術推動醫(yī)療產(chǎn)業(yè)變革升級浪潮的興起。

　　AI醫(yī)療是什么

　　據(jù)鯨準數(shù)據(jù)中心的《行業(yè)字典：一張圖看AI醫(yī)療》顯示，AI醫(yī)療是以互聯(lián)網(wǎng)為依托，通過基礎設施的搭建及數(shù)據(jù)的收集，將人工智能技術及大數(shù)據(jù)服務應用于醫(yī)療行業(yè)中，提升醫(yī)療行業(yè)的診斷效率及服務質量，更好的解決醫(yī)療資源短缺、人口老齡化的問題。

　　Al醫(yī)療主要體現(xiàn)在三個方面，涉及多個領域，其定義的金字塔如下：

　　基礎層：通過軟硬件的基礎設施，收集用戶、藥物及病理數(shù)據(jù)，并使數(shù)據(jù)互通互聯(lián)，為人工智能的應用提供支持與可能。

　　技術層：通過語音/語義識別、計算機視覺技術，對非結構化數(shù)據(jù)進行分析提煉?！皩W習”大量病理學數(shù)據(jù)文本，使其掌握問答、判斷、預警、實施的能力。

　　應用層：是指人工智能與不同細分領域的結合，以解決醫(yī)療行業(yè)中的某種業(yè)務需求，如智能診斷、藥物研發(fā)、智能健康管理、智能語音等醫(yī)療場景。

　　巨頭競賽

　　在過去的半年里，高調出手的不只是BAT，谷歌、微軟、蘋果等科技巨頭均不遺余力地布局醫(yī)療人工智能。

　　IBM

　　IBM的Watson儼然已走在世界前列，在腫瘤領域，已形成成熟的產(chǎn)品形態(tài)，如Watson for Oncology。一方面，Watson 會給提供醫(yī)療數(shù)據(jù)的機構以經(jīng)濟補償，另一方面，也會直接和醫(yī)院簽訂銷售合同，由醫(yī)院支付采購費用。IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學專著、24.8萬篇論文，69種治療方案、61540次試驗數(shù)據(jù)、10.6萬份臨床報告。通過海量汲取醫(yī)學知識，包括300多份醫(yī)學期刊、200多種教科書及近1000萬頁文字，IBMWatson在短時間內(nèi)可以迅速成為腫瘤專家，擁有更強大腦的癌癥專家。

　　谷歌

　　2015年8月，谷歌宣布設立母公司Alphabet。其在AI的途徑主要是覆蓋更多應用場景，比如延伸到智能家居、自動駕駛、機器人等領域，另外積累底層人工智能技術，研發(fā)更高級的深度學習算法，增強圖形識別和語音識別能力，對信息進行更深層加工、處理。谷歌在腎臟、眼科疾病等細分領域進展較快，同時Alphabet旗下有多家生物科技和醫(yī)療公司，未來將聚合形成規(guī)模效應。

　　Microsoft

　　2016年9月，微軟宣布研發(fā)最新的機器學習項目名為Hanover，通過深度學習理解專業(yè)的醫(yī)學論文，幫助醫(yī)生預測對癌癥患者最有效的藥物。另一個項目則是醫(yī)療放射領域的應用，人工智能手段分析癌癥患者的腫瘤CT掃描片。與谷歌類似，微軟在人工智能的領域也不局限于醫(yī)療分支，在語音翻譯、知識圖譜等領域都有涉及。

　　百度

　　百度在醫(yī)療方面主要是2016年成立的百度醫(yī)療大腦項目，通過海量醫(yī)療數(shù)據(jù)、專業(yè)文獻的采集與分析進行人工智能化的產(chǎn)品設計，模擬醫(yī)生問診、與用戶多輪交流、反復驗證，最終給出建議；同時還在過程中收集、整理病人癥狀描述，輔助完成問診。

　　阿里

　　阿里健康宣布聯(lián)合萬里云醫(yī)學影像中心發(fā)布醫(yī)療人工智能系統(tǒng)Doctor You，該系統(tǒng)包括臨床醫(yī)學科研診斷平臺、醫(yī)療輔助檢測引擎、醫(yī)師能力培訓系統(tǒng)等。加上阿里在2017年3月推出ET醫(yī)療大腦、早在2014年就推出的“未來醫(yī)院”計劃，阿里在醫(yī)療AI領域的滲透不斷深入。

　　騰訊

　　騰訊通過微信在掛號和支付環(huán)節(jié)及早切入醫(yī)療服務領域，在人工智能領域也積極探索。2017年8月份，騰訊發(fā)布了AI醫(yī)學影像產(chǎn)品“騰訊覓影”，利用人工智能醫(yī)學影像技術輔助醫(yī)生實現(xiàn)早期食管癌篩查，憑借“覓影”騰訊正式進軍醫(yī)療人工智能。同時，騰訊還宣布成立人工智能醫(yī)學影像聯(lián)合實驗室。

　　智能醫(yī)療投融資情況

　　僅2017年8月5日到9日，全球一共有11家AI相關智能醫(yī)療公司獲得約3.6億美元的投資，單筆最大融資是一家手術機器人公司——Auris獲得2.8億美元D輪融資。截止至2017年10月9日，國內(nèi)醫(yī)療人工智能公司累積融資額已超過260億元，融資公司共114家。而不管是國內(nèi)還是國外，從融資輪次的集中度上來看，大部分的融資事件都發(fā)生在種子輪、天使輪以及A輪這樣的早期風險投資階段，這表明行業(yè)內(nèi)的公司大多還處在初創(chuàng)階段，整個行業(yè)呈現(xiàn)出年輕化、集中度低的態(tài)勢，智能醫(yī)療已然投資風口。

　　AI醫(yī)療的應用場景

　　隨著醫(yī)療人工智能的發(fā)展，其應用場景正逐步多元化。

　　醫(yī)療的定義和范疇已經(jīng)不再只是疾病治療，而是擴展到了藥品、保健、生物技術等醫(yī)療的各個領域。

　　根據(jù)相關資料顯示，總體上應用場景主要集中在以下四方面：

　　輔助診療

　　目前，AI正在迅速融入基層社區(qū)。

　　“AI+輔助診療”，就是將人工智能技術用于輔助診療中，讓計算機 “ 學習 ” 專家醫(yī)生的醫(yī)療知識，模擬醫(yī)生的思維和診斷推理。

　　通過已學習的醫(yī)學知識推理判斷疾病原因與發(fā)展趨勢，形成治療方案 。輔助診療場景目前是醫(yī)療領域中最重要也是最核心的場景。

　　醫(yī)學影像

　　醫(yī)學影像在醫(yī)療AI領域技術成熟度最高，有望最先實現(xiàn)商業(yè)化。

　　據(jù)動脈網(wǎng)蛋殼研究院發(fā)布“人工智能+醫(yī)療技術成熟度分布曲線”，“AI+醫(yī)療影像”在醫(yī)療領域成熟度最高，在曲線上處于過高期望的峰值位置。

　　AI＋醫(yī)學影像是將人工智能技術具體應用在醫(yī)學影像的診斷上，主要分為兩部分：圖像識別和深度學習。

　　圖像識別主要應用于人工智能的感知環(huán)節(jié)，其主要目的是將醫(yī)學影像的數(shù)據(jù)進行分析，獲取一 些有意義的信息。

　　深度學習主要應用于人工智能學習和分析環(huán)節(jié)， 通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡進行深度學習訓練，促使其掌握 “ 診斷 ” 的能力 。

　　藥物研發(fā)

　　AI＋藥物研發(fā)也是人工智能在醫(yī)學健康領域的主要模式。

　　它是指將深度學習技術應用于藥物臨床前研究，達到快速 、準確地挖掘和篩選合適的化合物或生物，縮短新藥研發(fā)周期、降低新藥研發(fā)成本 、提高新藥研發(fā)成功率的目的。

　　通過計算機模擬，人工智能可以對藥物活性 、安全性和副作用進行預測 。

　　據(jù)稱，人工智能在新藥研發(fā)上的應用主要可以是兩個階段：一個是新藥發(fā)現(xiàn)階段，另一個是臨床試驗階段，

　　健康管理

　　AI智能設備可通過個人健康檔案數(shù)據(jù)分析建立個性化健康管理方案。

　　同時通過了解用戶飲食習慣、鍛煉周期、睡眠習慣等個人生活習慣，經(jīng)過數(shù)據(jù)處理，對用戶整體狀態(tài)給予評估，并建議個性化健康管理方案，輔助健康管理人員幫助用戶規(guī)劃日常健康安排，進行健康干預等。

　　據(jù)悉，目前AI醫(yī)療的健康管理主要集中在風險識別、虛擬護士、精神健康、在線問診 、健康干預以及基于精準醫(yī)學的健康管理幾方面 。

　　其中，風險識別就是通過獲取并運用AI進行分析，識別疾病發(fā)生的風險及提供降低風險的措施；虛擬護士就是運用AI技術，以 “ 護士” 身份了 解病人飲食習慣、鍛煉周期、服藥習慣等個人生活習 慣，進行數(shù)據(jù)分析并評估病人整體狀態(tài) ，協(xié)助規(guī)劃日常生活；精神健康管理運用AI技術從語言 、表情 、聲音等數(shù)據(jù)切入，對個體進行情感識別；健康干預是運用AI對用戶體征數(shù)據(jù)進行分析，定制、健康管理計劃。

　　AI醫(yī)療面臨的問題

　　盡管“AI+醫(yī)療”已經(jīng)火遍全球，但其應用落地還面臨著一些問題。

　　數(shù)據(jù)總量與質量問題

　　與其他應用領域的數(shù)據(jù)不同，醫(yī)療數(shù)據(jù)種類繁雜，標準不統(tǒng)一，并且質量參差不齊。病人的電子病歷數(shù)據(jù)很難保證完全正確同步。

　　此外，由于機器學習所用到的數(shù)據(jù)是訓練學習模型的教材，因而教材的質量最終決定了學習的成果，人工智能需要在人的監(jiān)督下完成智能學習 ，人工標識成為其提升的重要保證。

　　但現(xiàn)階段的數(shù)據(jù)，不論是從總量還是標記數(shù)量上來說，都還遠遠不夠。 如果靠人工對數(shù)據(jù)進行標記，又需耗費量人力 。

　　同時，如何獲取高質量的教材是大部分人工智能醫(yī)療企業(yè)共同面臨的問題。

　　病人的隱私問題

　　部分患者表示并不愿意將自己的病癥被公開或者用于醫(yī)療研究，因而醫(yī)療數(shù)據(jù)的分享也受到了阻礙。

　　數(shù)據(jù)分享雖促進了科學研究的進程，但是涉及隱私的問題也尤為重要。

　　在訓練模型和數(shù)據(jù)預處理之前，患者隱私保護需要引起高度重視，患者隱私保護不容有失。

　　觀念問題

　　隨著社會的發(fā)展，醫(yī)療越來越成為備受關注的領域，但人工智能帶我們走向的又是一個既讓人神往又畏懼的未來。

　　基于人文倫理的傳統(tǒng)觀念影響，許多人很難相信人工智能可以比人類做得更好，接受人工智能醫(yī)療這一事實的過程可能比想象的要長。

　　監(jiān)管問題

　　訓練人工智能的數(shù)據(jù)從哪里來？

　　最龐大的醫(yī)療數(shù)據(jù)儲存地必然是醫(yī)療機構，但這種涉及到患者隱私的高度敏感問題，也必然是政策高度監(jiān)管的地帶。

　　醫(yī)療技術監(jiān)督管理是衛(wèi)生監(jiān)督體系的主要組成部門，而人工智能剛剛應用到醫(yī)療領域，很多監(jiān)管政策還沒有制定。

　　目前對于人工智能健康醫(yī)療大數(shù)據(jù)和算法的使用監(jiān)管，相較英美和澳大利亞等國家而言，我國的法規(guī)還有一些差距需要補足。

　　從投融資的角度來看，目前AI醫(yī)療整體依舊處于非常早期的階段。無論是風口還是泡沫，在未來，AI+醫(yī)療還仍有很長的路要走。

本文由（秦王）轉載自：網(wǎng)址http://mp.weixin.qq.com/s/PP6YOY5S9-cdG6KhTAHcDg

本文（圖片）由作者（投稿人）自主發(fā)布于 @華夏醫(yī)界網(wǎng) ，其內(nèi)容僅代表作者個人觀點，并不代表本站同意其說法或描述，其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性和及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內(nèi)容（包含文中圖片的版權來源），本站僅提供信息存儲服務，不承擔前述引起的任何責任。根據(jù)《信息網(wǎng)絡傳播權保護條例》，如果此作品侵犯了您的權利，請在一個月內(nèi)通知我們（文章來源下方“侵權申訴”按鈕）或將本侵權頁面網(wǎng)址發(fā)送郵件到535905836@qq.com，我們會及時做刪除處理。 歡迎網(wǎng)友參與討論及轉載，但務必注明"來源于www.hxyjw.com"。

相關知識

“AI+醫(yī)療”：便捷與風險并存
醫(yī)療，AI應用的下一條“黃金賽道”
“醫(yī)療AI股”美年健康獲評“最具投資價值上市公司”
醫(yī)療AI駛入快車道，一文盤點國內(nèi)“AI+醫(yī)療”代表企業(yè)
AI技術突破，打造智慧醫(yī)療
擁抱風口浪尖上的移動醫(yī)療
政策賦能AI醫(yī)療，美年健康強勢布局消費醫(yī)療
AI技術驅動，智慧醫(yī)療新進展
AI賦能，智慧醫(yī)療更精準、更高效
政策賦能AI醫(yī)療，美年健康強勢布局消費醫(yī)療，引領數(shù)智化浪潮

網(wǎng)址: 風口上的AI醫(yī)療 http://m.u1s5d6.cn/newsview205121.html