本帖最后由 讯飞开放平台 于 2018-8-13 09:29 编辑
人工智能最近几年一直很火，特别是在谷歌的AlphaGo以4：1的成绩战胜了世界围棋冠军李世石后，人工智能在全世界范围内被引爆。“AI医疗“是人工智能一个非常重要应用领域。咨询公司Frost& Sullivan预测2021年全球人工智能+医疗健康市场规模将从2014年的6.64亿美元扩大至66.62亿美元。
笔者梳理了IT桔子发布的近一个月医疗健康行业的投融资信息，在国内总共78起投融资事件中，涉及AI+医疗领域的投资就多达36起，占总量的46%，且大部分融资阶段在A轮以上。AI+医疗，正在成为人工智能各应用领域中最热门的赛道。
火爆原因
政策
2017年后，人工智能被首次写进***工作报告。人工智能场景+应用的探索赋予未来无限的可能，渗透金融、医疗、教育等各领域。2017年7月8日，国务院印发《新一代人工智能发展规划》，提出要发展智能医疗，推广应用人工智能治疗的新模式新手段，建立快速精准的智能医疗体系。“AI+医疗”的发展已经具备了政策层面的支持。
技术
近年来，人工智能技术与医疗健康领域的融合不断加深，科技巨头和资本巨头都在积极布局智能医疗产业，大批专注细分领域的初创公司也蓄势待发。
IBM、谷歌、微软等科技巨头近年来都在布局人工智能医疗。例如IBM Watson能够快速筛选癌症患者记录，为医生提供可供选择的循证治疗方案；谷歌在糖尿病、神经性疾病诊疗和医疗器械的研究方面发力，苹果、脸谱等公司也通过设立医疗健康部门、开发医疗健康类应用、收购医疗健康类初创企业等方式，逐步踏入医疗健康行业。
二.应用场景
人工智能在医疗领域的应用主要在以后几个方面：
AI+流行病预测
据报道，2017上半年，平安科技研发的“人工智能+大数据”流感预测模型已经落地。该模型能精确预测流感趋势、个人和群体的疾病发病风险，帮助公共卫生部门及时监控疫情，并指导民众进行疾病预防，有效降低国家疾病与防控工作的成本。目前，该模型覆盖的的病种包括流感、肿瘤、慢病、高血压、糖尿病等。
AI+辅助诊断
医疗行业长期存在优质医生资源分配不均的问题，放射科、病理科等科室医生培养周期长，医生资源供需缺口大。
有时候医生对患者的医疗影像处理不及时或者误诊、漏诊都有可能影响到治疗的过程。面对严重的稀缺资源缺口问题，人工智能技术或将带来解决这个难题的答案。人工智能辅助诊断技术应用在某些特定病种领域，甚至可以代替医生完成疾病筛查任务。
比如在医疗过程中，医疗诊断有超过 90%的数据来自于医学影像，但是对医学影像的诊断依赖于人工主观分析。利用人工智能图像识别技术，通过大量学习医学影像，人工智能辅助诊断产品可以辅助医生进行病灶区域定位，有效缓解漏诊误诊问题。
如今，科大讯飞智能导诊导医机器人“晓医”、人工智能医学影像辅助诊断系统、门诊语音
电子病历、等产品在安徽省立智慧医院落地应用，在全国近百家医院进行试点，受到广大医护人员及患者的肯定。艾瑞咨询在《中国健康医疗大数据行业报告》中称，预计在2019年，辅助决策类的影像辅助诊断将首先落地，主要因为其90%的准确率，可以为医生提供丰富的细节信息。
AI+药物研发
药物是疾病治疗的关键，对症下药才能使病者康复。但特效药价格高一直都是行业难题。不少企业有尝试研发新药，但这个研发的过程是漫长的，也是昂贵的。NIH表示，从新药的发现到有关部门的批准可能就要花费十多年的时间，而且失败率超过95%。即使是研发成功了，花费也超过了10亿美元。
药物研发需要经历靶点筛选、药物挖掘、临床试验、药物优化等阶段。发现和试验所需要的数据量十分庞大，就拿发现新药来说，就需要在10,000种以上化合物中选出有效的几种成分，再对成分进行对比筛选。
而人工智能的作用就在于能够快速地在大量的数据中匹配出最适合的最佳成分，在最短的时间内做到最佳的效果。而研发时间少了，成本降低了，药物的价格自然也下降了。
AI+精准外科手术
简单来说，这类应用场景就是通过基于人工智能的计算机辅助手术技术，帮助医生规划最优的手术路径，实现对病人最小的创伤，以达到最大程度加速病患的康复的目的。2015年12月29日，海信医疗发布的海信计算机辅助手术和海信外科智能显示系统就是“AI+精准手术”的落地成果之一。借助人工智能，这套系统可以帮助医生了解肝癌病灶与器官管道系统的相互关系，计算器官和病变体积，从而确定手术切除线路。
AI+健康管理
随着现代生活的快速发展，人们对自己的健康状况更为关注。健康不仅是一种无疾病的状态，更包括了饮食规律、作息合理。某种角度上说，健康是医疗的最终归属。在2017年10月31日，健康有益对外发布了一款“ego”系统，用于帮助人们实现精准健康的管理。据了解，“ego”涵盖了2000多种生活方式全景数据及上万条健康类知识图谱，通过整合个体体征信息、生活方式及偏好、动态监测等健康信息，制定智能健康干预方案，从而实现对生命的精准数字化管理。
三.发展困境
虽然现在AI+医疗领域发展迅速。但与其他一些领域不同的是，医学领域维度多、门槛高、问题更复杂。在发展过程中遇到的困境体现的也更明显。
技术仍有待突破
海量大数据和计算能力是人工智能发展的必备要素，特别是在医疗数据共享方面，目前我国亟须补足短板。
“数据孤岛”现象与数据标准不统一，使得医疗数据难以实现共享。人工智能的准确性需要学习大量的数据，但由于医疗数据没有共享，存在“孤岛”现象，不利于人工智能技术发展。人工智能企业很难对不同客户医院反馈的数据进行整合研究，这也就限制了人工智能机器的反馈训练，怎样把医院的信息合理、合法地向外网开放，仍然面临着挑战。
同时，与其他应用领域的数据不同，医疗数据种类繁杂，标准不统一，并且质量参差不齐。如何获取高质量的教材是大部分人工智能医疗企业共同面临的问题。
人才紧缺
据业内统计，目前我国人工智能行业的从业人员不足5万人，每年通过高校培养出来的技术人员也不足2000人，而在人工智能行业从业者中，美国拥有10年以上工作经验的人才占比接近50%，我国只有不到25%。
不仅如此，人工智能从实验室走到临床、更好为临床服务，最重要的是能够找到医疗中的痛点和急需解决的问题。而且AI+医疗，要求从业者不仅仅懂人工智能的相关技术，还需要有医学方面的知识或者经验。当前很多医疗人工智能团队都是算法工程师在主导，既懂医学、又懂计算机的复合型人才在国内相对紧缺。
政策不明朗，法律缺失
目前，医院均出于安全病人隐私等方面考虑，拒绝给外面公司提供这些病例数据。隐私泄露怎么办？数据丢失怎么办？违规使用怎么办？这些都是摆在医疗人工智能产业化必经之路上的问题。没有完善的法律保障和规范，对病人数据的深度挖掘就只能是纸上谈兵。
同时，从监管层面来看，人工智能刚刚应用于医疗健康领域，一些监管政策还有待明确。比如对于人工智能医疗产品的准入问题，详细的标准仍在制定当中。
四.未来发展
AI+人工智能目前只能算是起步阶段，阿里、腾讯等巨头也仅仅开始在不同层面布局医疗产业链。随着AI技术的不断进步，将推动医疗行业全面升级。但这需要一个发展的过程。
初期：2B 用户远大于2C
在医疗资源如此紧张的现在，医院等B端用户对于医疗人工智能产品的使用、购买医院以及支付能力方面都远远大于C端用户。医院、***、药品生产企业是医疗人工智能产品的主要购买方。
而且目前市场上面对C端用户的产品功能基本还是在做数据层面的问题，消费者的购买需求与意愿一般。
中期：用户付费习惯养成
在初期发展阶段，医疗企业为了推广与数据收集，提供更多的是免费服务。到了行业发展的中期阶段，技术相对成熟，应用场景相对规范，如影像识别、基因测序经过前期的积累验证，作为常规检测项目，用户付费意愿将增强。企业在收费的形式、项目上也更加多样。
长期：构建完整生态链，合作致胜
医疗行业有着完整的生态链，从病人的诊前、诊中、诊后都需要不同的企业参与。没有一家医疗企业敢宣称自己参与了整个医疗生态链。单个企业的服务供给能力有限，只有多方合作才能达到共赢。企业在AI+人工智能方面，要利用自身优势，构建核心竞争力。同时加强生态链上下游伙伴的合作，合力致胜！
