在上篇《比互聯(lián)網(wǎng)醫(yī)療還高一級的醫(yī)療形態(tài)，為什么人工智能醫(yī)療這么被看好？》中，我們介紹了人工智能在醫(yī)療中重要的診療領(lǐng)域的應(yīng)用，下篇我們將緊接上篇介紹人工智能在醫(yī)療其他領(lǐng)域的應(yīng)用情況！

文章來源：投壺網(wǎng) 點擊查看原文

筆者 | 十九線民工

畢業(yè)于華中科技大學(xué)同濟醫(yī)學(xué)院醫(yī)學(xué)信息管理專業(yè)，投資學(xué)雙學(xué)位。原工作于國內(nèi)首家上市醫(yī)療信息化企業(yè)衛(wèi)寧健康行業(yè)咨詢部，現(xiàn)轉(zhuǎn)行醫(yī)療健康產(chǎn)業(yè)投資，偏向于醫(yī)療服務(wù)業(yè)、醫(yī)療信息化、IVD和單抗藥物等領(lǐng)域。喜歡讀書閱史，登山野營，刷刷知乎看看行研，歡迎行業(yè)內(nèi)外人士喝茶、交流、處友。（微信：luolei2013）

人工智能+醫(yī)學(xué)影像

AI+醫(yī)學(xué)影像是將人工智能技術(shù)具體應(yīng)用在醫(yī)學(xué)影像的診斷上。 具體而言，AI 在醫(yī)學(xué)影像應(yīng)用主要分為兩部分：

第一部分是圖像識別， 應(yīng)用于感知環(huán)節(jié)，其主要目的是將影像這類非機構(gòu)化數(shù)據(jù)進行分析， 獲取一些有意義的信息。

第二部分是深度學(xué)習(xí)，應(yīng)用于學(xué)習(xí)和分析環(huán) 節(jié)，是 AI 應(yīng)用的最核心環(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(luò)進行深度學(xué)習(xí)訓(xùn)練，促使其掌握“診斷”的能力。具體而言，AI 在醫(yī)學(xué)影像數(shù)據(jù)挖掘和分析中包括數(shù)據(jù)預(yù)處理、圖像分割、特征提取和匹配判斷四個主要過程。

人類放射科醫(yī)生閱片方式,病理醫(yī)生閱片能力與閱片經(jīng)驗（大腦中 儲存的細胞病理形態(tài)）的豐富與否高度相關(guān)。人類醫(yī)生的讀片方式，首先是認知圖像。從心理學(xué)上來說，認知圖像的關(guān)鍵在于模式和識別 能力。模式是將當(dāng)前看到的圖像與記憶中有關(guān)的參照物（模板、原型、 特征等）進行對比，典型的模式有模板匹配模式、原型匹配模式、特 征分析模式、傅里葉模式等。具體而言，病理學(xué)家在讀片的時候，會 快速搜索大腦中的典型細胞病理學(xué)形態(tài)，做出判斷。病理醫(yī)生的閱片經(jīng)驗相當(dāng)于他大腦中對每一張圖像的記憶存儲。AI 實際上是模仿人類醫(yī)生閱片模式。

AI 在閱片速度和經(jīng)驗方面具有優(yōu)勢。用深度神經(jīng)網(wǎng)絡(luò)來識別病理圖片，即使不考慮并行處理和計算加速，閱讀一張病理圖片不超過 40 秒。受能力限制，人類病理醫(yī)生的讀片量有限，經(jīng)驗的積累也有限。 一張病理圖片的閱讀時間可能是幾分鐘，也可能一整天。我們假設(shè)看一張片 2-3分鐘，每天工作8小時來算，一位病理醫(yī)生每天最多看150張病理圖片，1 年3.75萬張，40年讀片經(jīng)驗的醫(yī)生也只能看150萬張。

AI+醫(yī)學(xué)影像已經(jīng)走出實驗室，下一步將迎來商業(yè)化浪潮。貝斯以色列女執(zhí)事醫(yī)學(xué)中心（ BIDMC ）與哈佛醫(yī)學(xué)院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細胞的識別準確率能達到 92%，雖然還是低于人類病理學(xué)家 96% 的準確率，但當(dāng)這套技術(shù)與病理學(xué)家 的分析結(jié)合在一起時，它的診斷準確率可以高達 99.5%，國內(nèi)的 DeepCare 對于乳腺癌細胞識別的準確率也達到了 92%。據(jù)悉尼先驅(qū) 晨報的報道，Enlitic 憑借深度學(xué)習(xí)技術(shù)超越了4位頂級的放射科醫(yī)生， 包括診斷出了人類醫(yī)生無法診斷出的 7%的癌癥，以及在人類醫(yī)生高 達 66%的癌癥誤診率的情況下，Enlitic 的誤診率只有47%。

AI+醫(yī)學(xué)影像診斷市場空間巨大。一是病理醫(yī)生缺口巨大。由于國內(nèi)病理醫(yī)生收入低、培養(yǎng)模式不健全，全國病理醫(yī)生極度缺乏。根據(jù)蛋殼研究院的數(shù)據(jù)，中國和美國的醫(yī)學(xué)影像數(shù)量年增長分別是 30% 和 63%，而放射科醫(yī)師數(shù)量增長率僅分別為 4.1%和 2.2%。可見，無論中國和美國的放射科醫(yī)師數(shù)量增長遠不及影像數(shù)據(jù)增長，供需缺口一直拉大。據(jù)媒體引述某三甲醫(yī)院病理醫(yī)生介紹，國內(nèi)病理科醫(yī)生注 冊人數(shù) 1 萬多，而按床位數(shù)和病理醫(yī)生的配比來算，尚有 6-8 萬缺口。 二是，病理讀片高度依賴經(jīng)驗，因經(jīng)驗而異使得病理讀片的準確率相差大。中國的現(xiàn)實情況是誤診率高，基層醫(yī)師專業(yè)能力低，有經(jīng)驗的放射科醫(yī)師普遍缺乏。

AI+醫(yī)學(xué)影像領(lǐng)域可能成為眾多醫(yī)療細分領(lǐng)域率先爆發(fā)的領(lǐng)域，其數(shù)據(jù)優(yōu)勢體現(xiàn)在：

（1）影像數(shù)據(jù)獲取更容易。相比于病歷數(shù)據(jù)動輒三五年的時間跨 度，影像學(xué)數(shù)據(jù)則只是 “一秒鐘”。對于數(shù)據(jù)公司而言，獲 得上百萬張片子難度不算很大，但是有幾十萬份完整的結(jié)構(gòu) 化的病人病歷就不容易了。

（2）影像數(shù)據(jù)處理難度更小。一份病歷要包含的信息至少有病史、病人信息、癥狀、治療手段、愈后恢復(fù)等方面，而影像學(xué)的數(shù)據(jù)就是一張片子。

（3）影像數(shù)據(jù)重要。影像檢測信息是最直觀反映病人病情信息的數(shù)據(jù)，也是醫(yī)生確定治療方案的最直接依據(jù)。

（4）第三方檢測機構(gòu)在近年的興起。相比于醫(yī)院內(nèi)的檢測，第三方檢測機構(gòu)的效率更高，可以充分利用社區(qū)資源，不牽扯醫(yī)生利益，是大勢所趨。第三方檢測機構(gòu)想要開展影像檢測業(yè) 務(wù)，必須取得資質(zhì)認證，資質(zhì)認證包括一定級別的器材與人員。而專業(yè)人員培訓(xùn)周期長，對于智能圖像診斷的潛在需求大。

人工智能+藥物挖掘

AI+藥物挖掘是指將深度學(xué)習(xí)技術(shù)應(yīng)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，達到縮短新藥研發(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。

AI通過計算機模擬，可以對藥物活性、安全性和副作用進行預(yù)測。借助深度學(xué)習(xí)，在 心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領(lǐng)域取得了新突破。目前，已經(jīng)涌現(xiàn)出多家 AI 技術(shù)主導(dǎo)的藥物研發(fā)企業(yè)。例如，硅谷的 Atomwise 公司通過 IBM 超級計算機，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩=選治療方法。利用強大的計算能力，評估出 820 萬種候選化合物，而研發(fā)成本僅為數(shù)千美元，研究周期僅需要幾天時間。

2015 年，Atomwise 基于現(xiàn)有的候選藥物，應(yīng)用 AI 算法，不到一天時間就成功地尋找出 能控制埃博拉病毒的兩種候選藥物，以往類似研究需要耗時數(shù)月甚至 數(shù)年時間。2012 年，默克公司主持了一項由數(shù)據(jù)科學(xué)公司 Kaggle 發(fā) 起的旨在確定虛擬篩選統(tǒng)計技術(shù)的挑戰(zhàn)。現(xiàn)在，Kaggle 已經(jīng)開始測試 深度學(xué)習(xí)和 AI 的應(yīng)用，并與 AI 藥物發(fā)現(xiàn)初創(chuàng)公司 Atomwise 開展合作。Atomwise 最近利用 AI 技術(shù)，在不到一天的時間內(nèi)對現(xiàn)有的 7000 多種藥物進行了分析測試，為尋找埃博拉病毒治療方案做出了貢獻。 根據(jù)該公司的統(tǒng)計，如果利用傳統(tǒng)方法，這項分析需要花費數(shù)月甚至數(shù)年才能完成。

AI+藥物挖掘主要服務(wù)與具有新藥研發(fā)需求的藥企，市場空間至少千億級。據(jù)米內(nèi)網(wǎng)統(tǒng)計，《制藥經(jīng)理人》雜志選出的全球 TOP50 制藥企業(yè)2013 年研發(fā)投入達到 1077 億美元，占處方藥銷售總額 18%。

人工智能+健康管理

AI+健康管理是將人工智能技術(shù)應(yīng)用到健康管理的具體場景中。健康管理的范疇非常廣，從全球 AI+醫(yī)療創(chuàng)業(yè)公司來看，主要集中在風(fēng)險識別、虛擬護士、精神健康、在線問診、健康干預(yù)以及基于精準醫(yī)學(xué)的健康管理。

注：全文主要整理來自方正證券《互聯(lián)網(wǎng)醫(yī)療系列深度報告之十：人工智能引領(lǐng)行業(yè)新變革 》

相關(guān)知識

人工智能在醫(yī)療健康領(lǐng)域中的應(yīng)用
人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用及挑戰(zhàn)
智慧醫(yī)療人工智能的應(yīng)用.ppt
醫(yī)療+人工智能的創(chuàng)新應(yīng)用
醫(yī)療保健中的人工智能：改變診斷和治療
人工智能與醫(yī)療深度融合：打造智慧醫(yī)療新生態(tài)
人工智能進軍醫(yī)療領(lǐng)域，智能診斷系統(tǒng)引領(lǐng)健康管理新趨勢
人工智能在老年醫(yī)療中的應(yīng)用探索.pptx
人工智能在醫(yī)療健康領(lǐng)域的革新應(yīng)用
人工智能大模型在醫(yī)療健康領(lǐng)域的深度應(yīng)用

網(wǎng)址: 人工智能+影像診斷、藥物挖掘、健康管理?在上篇《比互聯(lián)網(wǎng)醫(yī)療還高一級的醫(yī)療形態(tài)，為什么人工智能醫(yī)療這么被看好？》中，我們介紹了人工智能在醫(yī)療中重要的診療領(lǐng)域的應(yīng)... http://m.u1s5d6.cn/newsview881819.html