前 言

2017 年醫(yī)療人工智能發(fā)展迅速，產(chǎn)業(yè)格局風(fēng)起云涌。人工智能在醫(yī)療領(lǐng)域中的應(yīng)用已非常廣泛苛坚，包括醫(yī)學(xué)影像、臨床決策支持可婶、語音識(shí)別、藥物挖掘援雇、健康管理扰肌、病理學(xué)等眾多領(lǐng)域。人工智能技術(shù)呈現(xiàn)與醫(yī)療領(lǐng)域不斷融合的趨勢熊杨，其中數(shù)據(jù)資源曙旭、計(jì)算能力、算法模型等基礎(chǔ)條件的日臻成熟成為行業(yè)技術(shù)發(fā)展的重要力量晶府。在新形勢下桂躏， 我國醫(yī)療人工智能的發(fā)展面臨著機(jī)遇和挑戰(zhàn)，技術(shù)能力不斷增強(qiáng)川陆，但產(chǎn)品和服務(wù)仍需完善剂习。

本白皮書梳理和研究國際、國內(nèi)醫(yī)療人工智能的發(fā)展?fàn)顩r较沪，總結(jié)醫(yī)療人工智能行業(yè)及基礎(chǔ)設(shè)施領(lǐng)域國內(nèi)外的技術(shù)發(fā)展特點(diǎn)和趨勢鳞绕，分析我國醫(yī)療人工智能產(chǎn)業(yè)面臨的政策環(huán)境，為政府及產(chǎn)業(yè)界決策提供參考尸曼。

目 錄

一们何、人工智能的發(fā)展 4

（一）人工智能的技術(shù)演變 4

（二）人工智能發(fā)展的三大因素 6

（三）人工智能上升為我國國家戰(zhàn)略 10

二、醫(yī)療人工智能的寶貴價(jià)值 12

（一）輔助醫(yī)生診斷控轿，緩解漏診誤診問題 12

（二）提高診斷效率冤竹，彌補(bǔ)資源供需缺口 13

（三）疾病風(fēng)險(xiǎn)預(yù)警，提供健康顧問服務(wù) 14

（四）支持藥物研發(fā)茬射，提升制藥效率 15

（五）手術(shù)機(jī)器人鹦蠕，提升外科手術(shù)精準(zhǔn)度 15

三、國內(nèi)外醫(yī)療人工智能發(fā)展?fàn)顩r及分析 16

（一）市場規(guī)模及發(fā)展趨勢 16

（二）國內(nèi)外行業(yè)發(fā)展熱點(diǎn)分析 17

四在抛、我國醫(yī)療人工智能細(xì)分領(lǐng)域 21

（一）虛擬助理 22

（二）病歷與文獻(xiàn)分析 25

（三）醫(yī)療影像輔助診斷 27

（四）藥物研發(fā) 33

（五）基因測序 35

五钟病、面臨的問題與挑戰(zhàn) 37

（一）數(shù)據(jù)是行業(yè)發(fā)展的瓶頸，積累與創(chuàng)新是解決問題的關(guān)鍵 37

（二）醫(yī)療 AI 產(chǎn)品需要實(shí)現(xiàn)從試驗(yàn)向臨床應(yīng)用的突破 38

（三）加深合作，可持續(xù)的商業(yè)模式亟待建立 39

（四）明確醫(yī)療責(zé)任主體肠阱，劃清權(quán)責(zé)范圍 40

（五）制定人才培養(yǎng)計(jì)劃票唆，搶占戰(zhàn)略制高點(diǎn) 41

一、人工智能的發(fā)展

（一）人工智能的技術(shù)演變

從上世紀(jì)八九十年代的 PC 時(shí)代到二十一世紀(jì)的互聯(lián)網(wǎng)時(shí)代辖所，信息技術(shù)改造了人類的生產(chǎn)方式，提高了生產(chǎn)效率磨德，改善了我們的生活缘回。在進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代后，萬物互聯(lián)成為趨勢典挑，但技術(shù)的限制導(dǎo)致移動(dòng)互聯(lián)網(wǎng)難以催生出更多的新應(yīng)用和新業(yè)態(tài)酥宴。如今，人工智能儼然已經(jīng)成為這個(gè)時(shí)代最炙手可熱的技術(shù)您觉，甚至將成為未來十年內(nèi)信息技術(shù)產(chǎn)業(yè)發(fā)展的焦點(diǎn)拙寡。

人工智能的概念誕生于上世紀(jì) 50 年代，從最初的神經(jīng)網(wǎng)絡(luò)和模糊邏輯琳水，到現(xiàn)在的深度學(xué)習(xí)肆糕、圖像搜索，人工智能技術(shù)經(jīng)歷了一系列的起伏在孝。在 1956 年的一次科學(xué)會(huì)議上诚啃，人工智能的概念被首次確立： 讓機(jī)器像人那樣思考和認(rèn)知，用計(jì)算機(jī)實(shí)現(xiàn)對人腦的模擬私沮。上世紀(jì)50 年代至 70 年代是人工智能的早期發(fā)展階段始赎，該階段人工智能主要用于解決一些小型的數(shù)學(xué)問題和邏輯問題。此時(shí)人工智能出現(xiàn)了一些代表性應(yīng)用仔燕，如機(jī)器定理證明造垛、機(jī)器翻譯、專家系統(tǒng)晰搀、模式識(shí)別等五辽， 但是該階段人工智能仍可以被歸納為“弱人工智能”時(shí)代，其發(fā)展和應(yīng)用還遠(yuǎn)遠(yuǎn)不能達(dá)到人類的智慧水平外恕。

1972 年奔脐，用于傳染性血液診斷和處方的知識(shí)工程系統(tǒng) MYCIN 研發(fā)成功，該事件標(biāo)志著人工智能進(jìn)入“專家系統(tǒng)”時(shí)期吁讨。專家系統(tǒng)的出現(xiàn)使得計(jì)算機(jī)可以和人進(jìn)行結(jié)合髓迎，通過對數(shù)據(jù)的分析解決一些實(shí)際的問題。但是專家系統(tǒng)的發(fā)展并不順利建丧，也并未得到廣泛的應(yīng)用排龄。其原因主要有兩個(gè)方面。一是專業(yè)知識(shí)的獲取需要行業(yè)內(nèi)長時(shí)間的積累，大量的行業(yè)數(shù)據(jù)在彼時(shí)難以全部植入專家系統(tǒng)橄维。二是專家系統(tǒng)的程序主要由解釋性語言“LIPS”編寫尺铣，其開發(fā)效率和易用性較低，難以實(shí)現(xiàn)實(shí)際應(yīng)用争舞。人工智能技術(shù)發(fā)展在彼時(shí)陷入的瓶頸使得人類開始思考凛忿，如何讓計(jì)算機(jī)自發(fā)理解和歸納數(shù)據(jù)，掌握數(shù)據(jù)間的規(guī)律竞川，即“機(jī)器學(xué)習(xí)”店溢。

上世紀(jì) 90 年代末，IBM“深藍(lán)”計(jì)算機(jī)擊敗國際象棋大師卡斯帕羅夫再次引發(fā)了全球?qū)θ斯ぶ悄芗夹g(shù)的關(guān)注委乌。但是受限于當(dāng)時(shí)的技術(shù)條件床牧，人工智能尚無法支撐大規(guī)模的商業(yè)化應(yīng)用。2006 年遭贸，GeoffreyHinton 教授發(fā)表的論文《A Fast Learning Algorithm for Deep BeliefNets》中提出了深層神經(jīng)網(wǎng)絡(luò)逐層訓(xùn)練的高效算法戈咳，使當(dāng)時(shí)計(jì)算條件下的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練成為了可能。

（二）人工智能發(fā)展的三大因素

人工智能的概念雖然在上世紀(jì)已經(jīng)出現(xiàn)壕吹，但由于彼時(shí)軟硬件條件的不成熟著蛙，數(shù)據(jù)資源的短缺，人工智能并未實(shí)現(xiàn)廣泛的應(yīng)用耳贬。如今册踩， 隨著算法、算力等基礎(chǔ)技術(shù)條件的日漸成熟效拭，行業(yè)數(shù)據(jù)的積累暂吉，人工智能得以應(yīng)用在各個(gè)領(lǐng)域。

算力缎患。GPU（圖形處理器）顯著提升了計(jì)算機(jī)的性能慕的，擁有遠(yuǎn)超CPU 的并行計(jì)算能力。由于處理器的計(jì)算方式不同挤渔，CPU 擅長處理面向操作系統(tǒng)和應(yīng)用程序的通用計(jì)算任務(wù)肮街，而GPU 擅長完成與顯示相關(guān)的數(shù)據(jù)處理。CPU 計(jì)算使用基于 x86 指令集的串行架構(gòu)判导，適合快速完成計(jì)算任務(wù)嫉父。GPU 擁有多內(nèi)核處理并行計(jì)算，適合處理 3D 圖像中上百萬的圖像像素眼刃。此外绕辖，F(xiàn)PGA 也在越來越多地應(yīng)用在 AI 領(lǐng)域。FPGA（Field Programmable Gate Array）是在 PAL擂红、GAL仪际、CPLD 等可編程邏輯器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了全定制電路的不足树碱，又克服了原有可編程邏輯器件門電路數(shù)有限的缺點(diǎn)肯适。一方面，F(xiàn)PGA 是可編程重構(gòu)的硬件成榜，相比 GPU 有更強(qiáng)大的可調(diào)控能力框舔；另一方面，與日增長的門資源和內(nèi)存帶寬使得它有更大的設(shè)計(jì)空間赎婚。由于深層神經(jīng)網(wǎng)絡(luò)包含多個(gè)隱藏層刘绣，大量神經(jīng)元之間的聯(lián)系計(jì)算具有高并行性的特點(diǎn)，具備支撐大規(guī)模并行計(jì)算的 FPGA 和GPU 架構(gòu)已成為了現(xiàn)階段深度學(xué)習(xí)的主流硬件平臺(tái)惑淳。FPGA 和GPU 架構(gòu)能夠根據(jù)應(yīng)用的特點(diǎn)定制計(jì)算和存儲(chǔ)的結(jié)構(gòu)额港，方便算法進(jìn)行微調(diào)和優(yōu)化饺窿，實(shí)現(xiàn)硬件與算法的最佳匹配歧焦， 獲得較高的性能功耗比。

算法肚医。深度學(xué)習(xí)是當(dāng)前研究和應(yīng)用的熱點(diǎn)算法绢馍，也是人工智能的重要領(lǐng)域。深度學(xué)習(xí)通過構(gòu)建多隱層模型和學(xué)習(xí)海量訓(xùn)練數(shù)據(jù)肠套，可以獲取到數(shù)據(jù)有用的特征舰涌。通過數(shù)據(jù)挖掘進(jìn)行海量數(shù)據(jù)處理，自動(dòng)學(xué)習(xí)數(shù)據(jù)特征你稚，尤其適用于包含少量未標(biāo)識(shí)數(shù)據(jù)的大數(shù)據(jù)集瓷耙。深度學(xué)習(xí)采用層次網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行逐層特征變換，將樣本的特征表示變換到一個(gè)新的特征空間刁赖，從而使分類或預(yù)測更加容易搁痛。深度學(xué)習(xí)驅(qū)動(dòng)圖像識(shí)別精度大幅度提升。2012 年, 深度學(xué)習(xí)模型首次被應(yīng)用在圖像識(shí)別大賽（ImageNet）宇弛，將錯(cuò)誤率降至 16.4%鸡典，一舉奪冠。2015 年枪芒，微軟通過152 層的深度網(wǎng)絡(luò)彻况，將圖像識(shí)別錯(cuò)誤率降至 3.57%，而人眼的辨識(shí)錯(cuò)誤率約在 5.1%舅踪，Deep Learning 模型的識(shí)別能力已經(jīng)超過了人眼纽甘。在2017 年的ImageNet 挑戰(zhàn)賽中，Momenta 團(tuán)隊(duì)利用SENet 架構(gòu)奪魁抽碌， 他們的融合模型在測試集上獲得了 2.251% 的錯(cuò)誤率贷腕，對比于去年第一名的結(jié)果 2.991%,獲得了將近 25% 的精度提升。

圖 1 2010-2017 年 ImageNet 競賽圖像識(shí)別錯(cuò)誤率

自Hinton 提出 DBN（深度置信網(wǎng)絡(luò)）以來，深度學(xué)習(xí)的發(fā)展經(jīng)歷了一個(gè)快速迭代的周期泽裳，其中卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）目前已成為圖像識(shí)別領(lǐng)域應(yīng)用最廣泛的算法模型瞒斩。在利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行圖像理解的過程中，圖像以像素矩陣形式作為原始輸入涮总，第一層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能通常是檢測特定方向和形狀的邊緣的存在與否胸囱，以及這些邊緣在圖像中的位置；第二層往往會(huì)檢測多種邊緣的特定布局瀑梗，同時(shí)忽略邊緣位置的微小變 化烹笔；第三層可以把特定的邊緣布局組合成為實(shí)際物體的某個(gè)部分；后續(xù)的層次將會(huì)通過全連接層來把這些部分組合起來抛丽，實(shí)現(xiàn)物體的識(shí) 別谤职。目前，CNN 已廣泛應(yīng)用于醫(yī)療健康行業(yè)特別是醫(yī)療影像輔助診斷亿鲜， 用以實(shí)現(xiàn)病變檢測和特定疾病的早期篩查允蜈。

大數(shù)據(jù)。機(jī)器學(xué)習(xí)是人工智能的核心和基礎(chǔ)蒿柳，而數(shù)據(jù)和以往的經(jīng)驗(yàn)是機(jī)器學(xué)習(xí)優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)饶套。隨著大數(shù)據(jù)時(shí)代的到來， 來自全球的海量數(shù)據(jù)為人工智能的發(fā)展提供了良好的基礎(chǔ)垒探。據(jù) IDC 統(tǒng)計(jì)妓蛮，2011 年全球數(shù)據(jù)總量已經(jīng)達(dá)到 1.8ZB，并以每兩年翻一番的速度增長圾叼，預(yù)計(jì)到 2020 年全球?qū)⒖偣矒碛?35ZB 的數(shù)據(jù)量蛤克，數(shù)據(jù)量增長近20 倍；數(shù)據(jù)規(guī)模方面夷蚊，預(yù)計(jì)到 2020 年构挤，全球大數(shù)據(jù)產(chǎn)業(yè)規(guī)模將達(dá)到2047 億美元，我國產(chǎn)業(yè)規(guī)模將突破萬億元 撬码。

圖 2 全球和中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模

隨著電子病歷的實(shí)施儿倒，CT 影像、磁共振成像等放射圖像的普及呜笑， 醫(yī)療行業(yè)的數(shù)據(jù)量已呈現(xiàn)指數(shù)級增長夫否。據(jù)統(tǒng)計(jì)，2013 年全球醫(yī)療健康數(shù)據(jù)量為 153EB叫胁，預(yù)計(jì)年增長率為 48%凰慈。通過自然語言理解、機(jī)器學(xué)習(xí)等技術(shù)驼鹅，大量文本微谓、視頻森篷、圖像等非結(jié)構(gòu)化數(shù)據(jù)得以分析利用。來源于三甲醫(yī)院的電子病歷數(shù)據(jù)庫豺型，基層醫(yī)院和體檢機(jī)構(gòu)的健康檔案數(shù)據(jù)庫仲智，國家各統(tǒng)計(jì)部門的人口數(shù)據(jù)庫通過大數(shù)據(jù)技術(shù)可以實(shí)現(xiàn)互聯(lián)互通，形成個(gè)人完整生命周期的醫(yī)療健康大數(shù)據(jù)姻氨，為人工智能技術(shù)在醫(yī)療健康行業(yè)的應(yīng)用提供了有力的支撐钓辆。

（三）人工智能上升為我國國家戰(zhàn)略

2017 年 7 月 20 日，國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》（以下簡稱《規(guī)劃》）肴焊，提出了面向 2030 年我國新一代人工智能發(fā)展的指導(dǎo)思想前联、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施娶眷，部署構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢似嗤，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國，描繪了我國新一代人工智能發(fā)展的藍(lán)圖届宠∷嘎洌《規(guī)劃》指出以提升新一代人工智能科技創(chuàng)新能力為主攻方向，構(gòu)建開放協(xié)同的人工智能科技創(chuàng)新體系席揽，把握人工智能技術(shù)屬性和社會(huì)屬性高度融合的特征顽馋，堅(jiān)持人工智能研發(fā)攻關(guān)谓厘、產(chǎn)品應(yīng)用和產(chǎn)業(yè)培育“三位一體”推進(jìn)幌羞。其中，對于涉及民生需求的醫(yī)療竟稳、養(yǎng)老等方面属桦，《規(guī)劃》重點(diǎn)提出應(yīng)加快人工智能創(chuàng)新應(yīng)用，為公眾提供個(gè)性化他爸、多元化聂宾、高品質(zhì)服務(wù)，包括：推廣應(yīng)用人工智能治療新模式新手段诊笤，建立快速精準(zhǔn)的智能醫(yī)療體系系谐；探索智慧醫(yī)院建設(shè)，開發(fā)人機(jī)協(xié)同的手術(shù)機(jī)器人讨跟、智能診療助手纪他，研發(fā)柔性可穿戴、生物兼容的生理監(jiān)測系統(tǒng)晾匠，研發(fā)人機(jī)協(xié)同臨床智能診療方案茶袒，實(shí)現(xiàn)智能影像識(shí)別、病理分型和智能多學(xué)科會(huì)診凉馆；基于人工智能開展大規(guī)男皆ⅲ基因組識(shí)別亡资、蛋白組學(xué)、代謝組學(xué)等研究和新藥研發(fā)向叉，推進(jìn)醫(yī)藥監(jiān)管智能化锥腻；加強(qiáng)流行病智能監(jiān)測和防控。

同時(shí)母谎，國家也從重大科技專項(xiàng)角度支持醫(yī)療人工智能發(fā)展旷太，醫(yī)學(xué)人工智能成為了 2018 年科技部重大專項(xiàng)的重點(diǎn)。2017 年 5 月份销睁，我國科技部發(fā)布《“十三五”衛(wèi)生與健康科技創(chuàng)新專項(xiàng)規(guī)劃》供璧，提出加快引領(lǐng)性技術(shù)的創(chuàng)新突破和應(yīng)用發(fā)展，攻克一批急需突破的先進(jìn)臨床診治關(guān)鍵技術(shù)冻记。重點(diǎn)部署生命組學(xué)睡毒、基因操作、精準(zhǔn)醫(yī)學(xué)冗栗、醫(yī)學(xué)人工智能演顾、疾病早期發(fā)現(xiàn)、新型檢測與成像隅居、生物治療钠至、微創(chuàng)治療等前沿及共性技術(shù)研發(fā)，提升我國醫(yī)學(xué)前沿領(lǐng)域原創(chuàng)水平胎源，增強(qiáng)創(chuàng)新驅(qū)動(dòng)源頭供給棉钧，加快前沿技術(shù)創(chuàng)新及臨床轉(zhuǎn)化√樵椋《“十三五”衛(wèi)生與健康科技創(chuàng)新專項(xiàng)規(guī)劃》對推進(jìn)醫(yī)學(xué)人工智能的技術(shù)發(fā)展指明了具體方向： 開展醫(yī)學(xué)大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)等技術(shù)研究宪卿，開發(fā)集中式智能和分布式智能等多種技術(shù)方案，重點(diǎn)支持機(jī)器智能輔助個(gè)性化診斷万栅、精準(zhǔn)治療輔助決策支持系統(tǒng)佑钾、輔助康復(fù)和照看等研究，支撐智慧醫(yī)療發(fā)展烦粒。

二休溶、醫(yī)療人工智能的寶貴價(jià)值

醫(yī)療行業(yè)長期存在優(yōu)質(zhì)醫(yī)生資源分配不均，診斷誤診漏診率較 高扰她，醫(yī)療費(fèi)用成本過高兽掰，放射科、病理科等科室醫(yī)生培養(yǎng)周期長义黎，醫(yī)生資源供需缺口大等問題禾进。隨著近些年深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，人工智能逐步從前沿技術(shù)轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)應(yīng)用廉涕。在醫(yī)療健康行業(yè)泻云，人工智能的應(yīng)用場景越發(fā)豐富艇拍，人工智能技術(shù)也逐漸成為影響醫(yī)療行業(yè)發(fā)展， 提升醫(yī)療服務(wù)水平的重要因素宠纯。與互聯(lián)網(wǎng)技術(shù)在醫(yī)療行業(yè)的應(yīng)用不 同卸夕，人工智能對醫(yī)療行業(yè)的改造包括生產(chǎn)力的提高，生產(chǎn)方式的改變婆瓜， 底層技術(shù)的驅(qū)動(dòng)快集，上層應(yīng)用的豐富。通過人工智能在醫(yī)療領(lǐng)域的應(yīng)用廉白， 可以提高醫(yī)療診斷準(zhǔn)確率與效率个初；提高患者自診比例，降低患者對醫(yī)生的需求量猴蹂；輔助醫(yī)生進(jìn)行病變檢測院溺，實(shí)現(xiàn)疾病早期篩查；大幅提高新藥研發(fā)效率磅轻，降低制藥時(shí)間與成本珍逸。

（一）輔助醫(yī)生診斷，緩解漏診誤診問題

醫(yī)療數(shù)據(jù)中有超過 90%的數(shù)據(jù)來自于醫(yī)學(xué)影像聋溜，但是對醫(yī)學(xué)影像的診斷依賴于人工主觀分析谆膳。人工分析只能憑借經(jīng)驗(yàn)去判斷，容易發(fā)生誤判撮躁。據(jù)中國醫(yī)學(xué)會(huì)數(shù)據(jù)資料顯示漱病，中國臨床醫(yī)療每年的誤診人數(shù)約為 5700 萬人，總誤診率為 27.8%馒胆，器官異位誤診率為 60%褐鸥。以心肌絞痛病癥為例偏陪，其早期臨床表現(xiàn)輕微，除胸口痛外缺狠，常會(huì)伴隨出現(xiàn)肩部到手部內(nèi)側(cè)疼痛器净，精神焦慮型雳，血壓異常等尋常體征現(xiàn)象，對于門診醫(yī)生而言很容易發(fā)生誤診山害。對于病理醫(yī)生而言纠俭，從眾多細(xì)胞中依靠經(jīng)驗(yàn)找到微小的癌變細(xì)胞難度較大，診斷錯(cuò)誤現(xiàn)象時(shí)有發(fā)生浪慌。人工智能技術(shù)的出現(xiàn)已經(jīng)在一定程度上緩解了以上問題冤荆。利用圖像識(shí)別技術(shù)， 通過大量學(xué)習(xí)醫(yī)學(xué)影像权纤，人工智能輔助診斷產(chǎn)品可以輔助醫(yī)生進(jìn)行病灶區(qū)域定位钓简，有效緩解漏診誤診問題乌妒。

（二）提高診斷效率，彌補(bǔ)資源供需缺口

據(jù)統(tǒng)計(jì)外邓，我國每千人平均醫(yī)生擁有量僅為 2.1 人撤蚊，醫(yī)生資源缺口問題較為嚴(yán)重。

圖 3 我國每千人平均醫(yī)生擁有量

醫(yī)生資源缺口問題在影像科损话、病理科方面尤為嚴(yán)重侦啸。目前我國醫(yī)學(xué)影像數(shù)據(jù)的年增長率約為 30%，而放射科醫(yī)師數(shù)量的年增長率僅為4.1%丧枪。放射科醫(yī)師數(shù)量的增長遠(yuǎn)不及影像數(shù)據(jù)增長光涂。這個(gè)現(xiàn)象意味著放射科醫(yī)師在未來處理影像數(shù)據(jù)的壓力會(huì)越來越大，甚至遠(yuǎn)遠(yuǎn)超過負(fù)荷拧烦。供需不對稱的問題在病理方面表現(xiàn)尤甚顶捷。據(jù)統(tǒng)計(jì)，我國病理醫(yī)生缺口達(dá)到 10 萬屎篱，而培養(yǎng)病理醫(yī)生的周期卻很長服赎，這意味著此問題短期內(nèi)將無法解決。面對嚴(yán)重的稀缺資源缺口問題交播，人工智能技術(shù)或?qū)斫鉀Q這個(gè)難題的答案重虑。人工智能輔助診斷技術(shù)應(yīng)用在某些特定病種領(lǐng)域，甚至可以代替醫(yī)生完成疾病篩查任務(wù)秦士，這將大幅提高醫(yī)療機(jī)構(gòu)缺厉、醫(yī)生的工作效率，減少不合理的醫(yī)療支出隧土。

（三）疾病風(fēng)險(xiǎn)預(yù)警提针，提供健康顧問服務(wù)

多數(shù)疾病都是可以預(yù)防的，但是由于疾病通常在發(fā)病前期表征并不明顯曹傀，到病況加重之際才會(huì)被發(fā)現(xiàn)辐脖。雖然醫(yī)生可以借助工具進(jìn)行疾輔助預(yù)測，但人體的復(fù)雜性皆愉、疾病的多樣性會(huì)影響預(yù)測的準(zhǔn)確程度嗜价。人工智能技術(shù)與醫(yī)療健康可穿戴設(shè)備的結(jié)合可以實(shí)現(xiàn)疾病的風(fēng)險(xiǎn)預(yù)測和實(shí)際干預(yù)。風(fēng)險(xiǎn)預(yù)測包括對個(gè)人健康狀況的預(yù)警幕庐，以及對流行病等公共衛(wèi)生事件的監(jiān)控久锥；干預(yù)則主要指針對不同患者的個(gè)性化的健康管理和健康咨詢服務(wù)。

圖 4 人工智能+院前管理：預(yù)測+干預(yù)

（四）支持藥物研發(fā)异剥，提升制藥效率

利用傳統(tǒng)手段的藥物研發(fā)需要進(jìn)行大量的模擬測試瑟由，周期長、成本高冤寿。目前業(yè)界已嘗試?yán)萌斯ぶ悄荛_發(fā)虛擬篩選技術(shù)歹苦，發(fā)現(xiàn)靶點(diǎn)绿鸣、篩選藥物，以取代或增強(qiáng)傳統(tǒng)的高通量篩選（HTS）過程暂氯，提高潛在藥物的篩選速度和成功率潮模。通過深度學(xué)習(xí)和自然語言處理技術(shù)可以理解和分析醫(yī)學(xué)文獻(xiàn)、論文痴施、專利擎厢、基因組數(shù)據(jù)中的信息，從中找出相應(yīng)的候選藥物辣吃，并篩選出針對特定疾病有效的化合物动遭，從而大幅縮減研發(fā)時(shí)間與成本。

（五）手術(shù)機(jī)器人神得，提升外科手術(shù)精準(zhǔn)度

智能手術(shù)機(jī)器人是一種計(jì)算機(jī)輔助的新型的人機(jī)外科手術(shù)平臺(tái)厘惦， 主要利用空間導(dǎo)航控制技術(shù)，將醫(yī)學(xué)影像處理輔助診斷系統(tǒng)哩簿、機(jī)器人以及外科醫(yī)師進(jìn)行了有效的結(jié)合宵蕉。手術(shù)機(jī)器人不同于傳統(tǒng)的手術(shù)概 念，外科醫(yī)生可以遠(yuǎn)離手術(shù)臺(tái)操縱機(jī)器進(jìn)行手術(shù)节榜，是世界微創(chuàng)外科領(lǐng)域一項(xiàng)革命性的突破羡玛。目前達(dá)芬奇機(jī)器人是世界上最為先進(jìn)的微創(chuàng)外科手術(shù)系統(tǒng)之一，集成了三維高清視野宗苍、可轉(zhuǎn)腕手術(shù)器械和直覺式動(dòng)作控制三大特性稼稿，使醫(yī)生將微創(chuàng)技術(shù)更廣泛地應(yīng)用于復(fù)雜的外科手 術(shù)。相比于傳統(tǒng)手術(shù)需要輸血讳窟，會(huì)帶來傳染疾病等危險(xiǎn)让歼，機(jī)器人做手術(shù)則出血很少。此外丽啡，手術(shù)機(jī)器人可以保證精準(zhǔn)定位誤差不到 1 毫米谋右， 對于一些對精確切口要求非常高的手術(shù)實(shí)用性很高。

三碌上、國內(nèi)外醫(yī)療人工智能發(fā)展?fàn)顩r及分析

（一）市場規(guī)模及發(fā)展趨勢

據(jù)統(tǒng)計(jì)倚评，到 2025 年人工智能應(yīng)用市場總值將達(dá)到 1270 億美元， 其中醫(yī)療行業(yè)將占市場規(guī)模的五分之一馏予。我國正處于醫(yī)療人工智能的風(fēng)口：2016 年中國人工智能+醫(yī)療市場規(guī)模達(dá)到 96.61 億元，增長37.9%盔性；2017 年將超過 130 億元霞丧，增長 40.7%；2018 年有望達(dá)到 200 億元冕香。投資方面蛹尝，據(jù) IDC 發(fā)布報(bào)告的數(shù)據(jù)顯示后豫，2017 年全球?qū)θ斯ぶ悄芎驼J(rèn)知計(jì)算領(lǐng)域的投資將迅猛增長60%，達(dá)到125 億美元突那，在2020年將進(jìn)一步增加到 460 億美元挫酿。其中，針對醫(yī)療人工智能行業(yè)的投資也呈現(xiàn)逐年增長的趨勢愕难。其中 2016 年總交易額為 7.48 億美元早龟，總交易數(shù)為 90 起，均達(dá)到歷史最高值猫缭。

圖 5 2012-2016 年全球醫(yī)療人工智能投融資情況

（二）國內(nèi)外行業(yè)發(fā)展熱點(diǎn)分析

國內(nèi)外科技巨頭均重視人工智能技術(shù)在醫(yī)療領(lǐng)域的布局與應(yīng)用葱弟。IBM 在2006 年啟動(dòng)Watson 項(xiàng)目，于2014 年投資10 億美元成立Watson 事業(yè)集團(tuán)猜丹。Watson 是一個(gè)通過自然語言處理和機(jī)器學(xué)習(xí)芝加，從非結(jié)構(gòu)化數(shù)據(jù)中洞察數(shù)據(jù)規(guī)律的技術(shù)平臺(tái)。Watson 將散落在各處的知識(shí)片段連接起來射窒，進(jìn)行推理藏杖、分析、對比脉顿、歸納制市、總結(jié)和論證，獲取深入的洞察以及決策的證據(jù)弊予。2015 年祥楣，沃森健康(Watson Health)成立， 專注于利用認(rèn)知計(jì)算系統(tǒng)為醫(yī)療健康行業(yè)提供解決方案汉柒。Watson 通 過和一家癌癥中心合作误褪，對大量臨床知識(shí)、基因組數(shù)據(jù)碾褂、病歷信息兽间、醫(yī)學(xué)文獻(xiàn)進(jìn)行深度學(xué)習(xí)，建立了基于證據(jù)的臨床輔助決策支持系統(tǒng)正塌。目前該系統(tǒng)已應(yīng)用于腫瘤嘀略、心血管疾病、糖尿病等領(lǐng)域的診斷和治療乓诽， 并于 2016 年進(jìn)入中國市場帜羊，在國內(nèi)眾多醫(yī)院進(jìn)行了推廣。Watson 在醫(yī)療行業(yè)的成功應(yīng)用標(biāo)志著認(rèn)知型醫(yī)療時(shí)代的到來鸠天，該解決方案不僅 可以提高診斷的準(zhǔn)確率和效率讼育，還可以提供個(gè)性化的癌癥治療方案。此外，谷歌奶段、微軟等也都紛紛布局醫(yī)療 AI饥瓷。2014 年谷歌收購DeepMind 公司，后開發(fā)知名的人工智能程序 AlphaGo痹籍。在基礎(chǔ)技術(shù)層面呢铆，谷歌的開源平臺(tái) TensorFlow 是當(dāng)今應(yīng)用最廣泛的深度學(xué)習(xí)框架。在醫(yī)療健康領(lǐng)域蹲缠，Google 旗下的 DeepMind Health 和英國國家醫(yī)療服務(wù)體系HS(National Health Service)展開合作棺克，DeepMind Health 可以訪問 NHS 的患者數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，訓(xùn)練有關(guān)腦部癌癥的識(shí)別模型吼砂。微軟將人工智能技術(shù)用于醫(yī)療健康計(jì)劃“Hanover”逆航，尋找最有效的藥物和治療方案。此外渔肩，微軟研究院有多個(gè)關(guān)于醫(yī)療健康的研究項(xiàng)目因俐。Biomedical Natural Language Processing 利用機(jī)器學(xué)習(xí)從醫(yī)學(xué)文獻(xiàn)和電子病歷中挖掘有效信息，結(jié)合患者基因信息研發(fā)用于輔助醫(yī)生進(jìn)行診療的推薦決策系統(tǒng)周偎。

國內(nèi)科技巨頭也紛紛開始在醫(yī)療人工智能領(lǐng)域布局抹剩，各家公司均投入大量資金與資源，但各自的發(fā)展重點(diǎn)與發(fā)展策略并不相同蓉坎。例如澳眷， 阿里健康以云平臺(tái)為依托，結(jié)合自主機(jī)器學(xué)習(xí)平臺(tái) PAI2.0 構(gòu)建了堅(jiān)實(shí)而完善的基礎(chǔ)技術(shù)支撐蛉艾。同時(shí)钳踊，阿里健康與浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院、浙江大學(xué)第二附屬醫(yī)院等醫(yī)院勿侯、上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院以及第三方醫(yī)學(xué)影像中心建立了合作伙伴關(guān)系拓瞪，重點(diǎn)打造醫(yī)學(xué)影像智能診斷平臺(tái)，提供三維影像重建助琐、遠(yuǎn)程智能診斷等服務(wù)祭埂。此外，阿里云聯(lián)合英特爾兵钮、零氪科技聯(lián)合舉辦了天池醫(yī)療 AI 大賽蛆橡。該大賽面向全球第一高發(fā)惡性腫瘤——肺癌，以肺部小結(jié)節(jié)病變的智能識(shí) 別掘譬、診斷為課題泰演，開展大數(shù)據(jù)與人工智能技術(shù)在肺癌早期影像診斷上的應(yīng)用探索。大賽基于阿里云天池大數(shù)據(jù)平臺(tái)屁药，邀請全球生物粥血、醫(yī)療柏锄、人工智能等眾多領(lǐng)域的校內(nèi)團(tuán)隊(duì)酿箭、專家學(xué)者复亏、醫(yī)療企業(yè)參賽。參賽者使用大賽提供的數(shù)千份胸部 CT 掃描數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練缭嫡，在此基礎(chǔ)上開發(fā)算法模型缔御，檢測 CT 影像中的肺部結(jié)節(jié)區(qū)域。準(zhǔn)確率排名靠前的參賽者將進(jìn)入決賽妇蛀，決賽要求參賽者提交診斷結(jié)果的 CSV 文件耕突，并標(biāo)記檢測到的結(jié)節(jié)坐標(biāo)，最終根據(jù)參賽者給出的坐標(biāo)信息判斷結(jié)節(jié)是否檢測正確评架，如果結(jié)節(jié)落在以參考標(biāo)準(zhǔn)為中心半徑為 R 的球體中眷茁，則認(rèn)為檢測正確。大賽通過探索早期肺癌精確智能診斷的優(yōu)秀算法纵诞，提升早期肺癌檢測的準(zhǔn)確度上祈，降低臨床上常見的假陽性的誤診發(fā)生，實(shí)現(xiàn)“早發(fā)現(xiàn)浙芙，早診斷登刺，早治療”。同時(shí)嗡呼，本次大賽能夠激發(fā)傳統(tǒng)醫(yī)學(xué)與機(jī)器學(xué)習(xí)的碰撞與融合纸俭，為整體學(xué)科發(fā)展進(jìn)行探路與思辨，推動(dòng)了人工智能技術(shù)在醫(yī)療影像診斷上的應(yīng)用南窗。

騰訊在人工智能領(lǐng)域的布局涵蓋基礎(chǔ)研究揍很、產(chǎn)品研發(fā)、投資與孵化等多個(gè)方面万伤。騰訊在 2016 年建立了人工智能實(shí)驗(yàn)室 AI lab窒悔，專注于AI 技術(shù)的基礎(chǔ)研究和應(yīng)用探索。2017 年 11 月壕翩，在“2017 騰訊全球合作伙伴大會(huì)”上騰訊宣布了自己的“AI 生態(tài)計(jì)劃”蛉迹，旨在開放AI 技術(shù)，并結(jié)合資本機(jī)構(gòu)孵化醫(yī)療 AI 創(chuàng)業(yè)項(xiàng)目放妈。2017 年 4 月北救，騰訊向碳云智能投資 1.5 億美元。碳云智能由原華大基因 CEO 王俊牽頭組建芜抒，致力于建立人工智能的內(nèi)核模型珍策，并對健康風(fēng)險(xiǎn)進(jìn)行預(yù)警、進(jìn)行精準(zhǔn)診療和個(gè)性化醫(yī)療宅倒。在產(chǎn)品研發(fā)方面攘宙，騰訊在 2017 年 8 月推出了自己首個(gè)應(yīng)用在醫(yī)學(xué)領(lǐng)域的 AI 產(chǎn)品騰訊覓影。騰訊覓影把圖像識(shí)別、深度學(xué)習(xí)等領(lǐng)先的技術(shù)與醫(yī)學(xué)跨界融合蹭劈，可以輔助醫(yī)生對食管癌進(jìn)行篩查疗绣，有效提高篩查準(zhǔn)確度，促進(jìn)準(zhǔn)確治療铺韧。除了食管癌多矮，騰訊覓影未來也將支持早期肺癌、糖尿病性視網(wǎng)膜病變哈打、乳腺癌等病種的早期篩查塔逃。

在國際上權(quán)威的肺結(jié)節(jié)檢測比賽 LUNA 中，中國企業(yè)參賽隊(duì)伍阿里云 ET 和科大訊飛均取得了優(yōu)異的成績料仗。科大訊飛醫(yī)學(xué)影像團(tuán)隊(duì)以92.3%的召回率刷新了世界記錄湾盗。召回率是指成功發(fā)現(xiàn)的結(jié)節(jié)數(shù)在樣本數(shù)據(jù)中總節(jié)結(jié)數(shù)的占比。召回率是評測診斷準(zhǔn)確率的重要指標(biāo)立轧，召回率低代表遺漏了患者的關(guān)鍵病灶信息格粪，因此科大訊飛團(tuán)隊(duì)采用了多尺度、多模型集成學(xué)習(xí)的方法顯著提升了召回率肺孵，同時(shí)針對假陽性導(dǎo)致的醫(yī)生重復(fù)檢測問題匀借，創(chuàng)新性地使用結(jié)節(jié)分割和特征圖融合的策略進(jìn)行改善。在診斷效率方面平窘，科大訊飛團(tuán)隊(duì)采用 3D CNN 模型來計(jì)算特征圖吓肋，并在特征圖上進(jìn)行檢測，并通過預(yù)訓(xùn)練大幅提升了檢測效率瑰艘， 實(shí)現(xiàn)薄層 CT 的秒級別處理是鬼。

四、我國醫(yī)療人工智能細(xì)分領(lǐng)域

人工智能與醫(yī)療的結(jié)合方式較多紫新，就醫(yī)流程方面包括診前均蜜、診中、診后芒率；適用對象方面包括醫(yī)院囤耳、醫(yī)生、患者偶芍、藥企充择、檢驗(yàn)機(jī)構(gòu)等；從賦能醫(yī)療行業(yè)的角度分析匪蟀，包括降低醫(yī)療成本椎麦，提高診斷效率等多種模式。我國醫(yī)療人工智能企業(yè)聚焦的應(yīng)用場景集中在虛擬助理材彪、病歷與文獻(xiàn)分析观挎、醫(yī)療影像輔助診斷琴儿、藥物研發(fā)、基因測序等領(lǐng)域嘁捷。

（一）虛擬助理

虛擬助理是指通過語音識(shí)別造成、自然語言處理等技術(shù)，將患者的病癥描述與標(biāo)準(zhǔn)的醫(yī)學(xué)指南作對比普气，為用戶提供醫(yī)療咨詢谜疤、自診佃延、導(dǎo)診等服務(wù)的信息系統(tǒng)现诀。

智能問診在醫(yī)生端和用戶端均發(fā)揮了較大的作用。在醫(yī)生端履肃，智能問診可以輔助醫(yī)生診斷仔沿，尤其是受限于基層醫(yī)療機(jī)構(gòu)全科醫(yī)生數(shù)量、質(zhì)量的不足尺棋，醫(yī)療設(shè)備條件的欠缺封锉，基層醫(yī)療成為了我國分級診療發(fā)展的瓶頸。人工智能虛擬助手可以幫助基層醫(yī)生進(jìn)行對一些常見病的篩查膘螟，以及重大疾病的預(yù)警與監(jiān)控成福，幫助基層醫(yī)生更好地完成轉(zhuǎn)診的工作，這是人工智能問診在醫(yī)生端的價(jià)值體現(xiàn)荆残。

在用戶端奴艾，人工智能虛擬助手能夠幫助普通用戶完成健康咨詢、導(dǎo)診等服務(wù)内斯。在很多情況下蕴潦，用戶身體只是稍感不適，并不需要進(jìn)入醫(yī)院進(jìn)行就診俘闯。人工智能虛擬助手可以根據(jù)用戶的描述定位到用戶的健康問題潭苞，提供輕問診服務(wù)和用藥指導(dǎo)。2017 年真朗，康夫子此疹、大數(shù)醫(yī)達(dá)等公司研發(fā)的智能預(yù)問診系統(tǒng)得到了在多家醫(yī)院的落地應(yīng)用。預(yù)問診系統(tǒng)是基于自然語言理解遮婶、醫(yī)療知識(shí)圖譜及自然語言生成等技術(shù)實(shí)現(xiàn)的問診系統(tǒng)蝗碎。患者在就診前使用預(yù)問診系統(tǒng)填寫病情相關(guān)信息蹭睡，由系統(tǒng)生成規(guī)范衍菱、詳細(xì)的門診電子病歷發(fā)送給醫(yī)生。預(yù)問診系統(tǒng)采用層次轉(zhuǎn)移的設(shè)計(jì)架構(gòu)模擬醫(yī)生進(jìn)行問診肩豁，既能有邏輯地像醫(yī)生一樣詢問基本信息脊串、疾病辫呻、癥狀、治療情況琼锋、既往史等信息放闺，同時(shí)可以圍繞任一癥狀、病史等進(jìn)行細(xì)節(jié)特征的問診缕坎。除問診外怖侦，預(yù)問診系統(tǒng)基于自然語言生成技術(shù)自動(dòng)生成規(guī)范、詳細(xì)的問診報(bào)告谜叹，主要包括：患者基本信息匾寝、主訴、現(xiàn)病史荷腊、既往史和過敏史五個(gè)部分艳悔。

此外，語音識(shí)別技術(shù)為醫(yī)生書寫病歷女仰，為普通用戶在醫(yī)院導(dǎo)診提供了極大的便利猜年。當(dāng)放射科醫(yī)生、外科醫(yī)生疾忍、口腔科醫(yī)生工作時(shí)雙手無法空閑出來去書寫病歷乔外，智能語音錄入可以解放醫(yī)生的雙手，幫助醫(yī)生通過語音輸入完成查閱資料一罩、文獻(xiàn)精準(zhǔn)推送等工作杨幼，并將醫(yī)生口述的醫(yī)囑按照患者基本信息、檢查史擒抛、病史推汽、檢查指標(biāo)、檢查結(jié)果等形式形成結(jié)構(gòu)化的電子病歷歧沪，大幅提升了醫(yī)生的工作效率歹撒。科大訊飛的智能語音產(chǎn)品“云醫(yī)聲”為了應(yīng)對醫(yī)院科室內(nèi)嘈雜的環(huán)境诊胞，達(dá)到更好的語音處理效果暖夭，開發(fā)了醫(yī)生專用麥克風(fēng)，可以過濾掉噪音及干擾信息撵孤，將醫(yī)生口述的內(nèi)容轉(zhuǎn)換成文字迈着。目前，訊飛醫(yī)療的語音轉(zhuǎn)錄準(zhǔn)確率已超過 97%邪码，同時(shí)推出了 22 種方言的版本裕菠，并已在北大口腔、瑞金醫(yī)院等超過 20 家醫(yī)院落地使用闭专∨耍科大訊飛的另一款產(chǎn)品“曉醫(yī)” 導(dǎo)診機(jī)器人利用科大訊飛的智能語音和人工智能技術(shù)旧烧，能夠通過與患者進(jìn)行對話理解患者的需求，實(shí)現(xiàn)智能地院內(nèi)導(dǎo)診画髓，告訴患者科室位置掘剪、應(yīng)就診的科室，并解答患者就診過程中遇到的其他問題奈虾，實(shí)現(xiàn)導(dǎo)醫(yī)導(dǎo)診夺谁，進(jìn)一步助力分診∪馕ⅲ“曉醫(yī)”機(jī)器人目前已在安徽省立醫(yī)院匾鸥、北京 301 醫(yī)院等多家醫(yī)院投入使用。

（二）病歷與文獻(xiàn)分析

電子病歷是在傳統(tǒng)病歷基礎(chǔ)上浪册，記錄醫(yī)生與病人的交互過程以及病情發(fā)展情況的電子化病情檔案崎岂，包含病案首頁请祖、檢驗(yàn)結(jié)果泵三、住院記錄钾麸、手術(shù)記錄竖伯、醫(yī)囑等信息刽辙。其中既有結(jié)構(gòu)化數(shù)據(jù)勺爱，也包括大量自由文本輸入的非結(jié)構(gòu)化數(shù)據(jù)促煮。對電子病歷及醫(yī)學(xué)文獻(xiàn)中的海量醫(yī)療大數(shù)據(jù)進(jìn)行分析迫吐，有利于促進(jìn)醫(yī)學(xué)研究库菲，同時(shí)也為醫(yī)療器械、藥物的研發(fā)提供了基礎(chǔ)志膀。人工智能利用機(jī)器學(xué)習(xí)和自然語言處理技術(shù)可以自動(dòng)抓取來源于異構(gòu)系統(tǒng)的病歷與文獻(xiàn)數(shù)據(jù)熙宇，并形成結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)庫。大數(shù)醫(yī)達(dá)溉浙、惠每醫(yī)療烫止、森億智能等企業(yè)正是基于自己構(gòu)建的知識(shí)圖譜， 形成了供醫(yī)生使用的臨床決策支持產(chǎn)品戳稽，為醫(yī)生的診斷提供輔助馆蠕，包括病情評估、診療建議惊奇、藥物禁忌等互躬。

圖 7 醫(yī)療知識(shí)圖譜構(gòu)建及應(yīng)用

構(gòu)建醫(yī)療知識(shí)圖譜的過程需經(jīng)過醫(yī)學(xué)知識(shí)抽取、醫(yī)學(xué)知識(shí)融合的過程颂郎。在醫(yī)學(xué)知識(shí)抽取過程中吼渡，傳統(tǒng)的基于醫(yī)學(xué)詞典及規(guī)則的實(shí)體抽取方法存在諸多弊端。首先乓序，目前沒有醫(yī)學(xué)詞典能夠完整地囊括所有類型的生物命名實(shí)體寺酪，此外同一詞語根據(jù)上下文語境的不同可能會(huì)指代的是不同實(shí)體舟奠，因此簡單的文本匹配算法無法識(shí)別實(shí)體。近年來房维， 深度學(xué)習(xí)開始被廣泛應(yīng)用于醫(yī)學(xué)實(shí)體識(shí)別沼瘫，目前實(shí)驗(yàn)結(jié)果表明基于BiLSTM-CRF 的模型能夠達(dá)到最好的識(shí)別效果。由于數(shù)據(jù)來源的多樣性咙俩，在醫(yī)學(xué)知識(shí)融合的過程中存在近義詞需要進(jìn)行歸類耿戚，目前分類回歸樹算法、SVM 分類方法在實(shí)體對齊的過程中可以實(shí)現(xiàn)良好的效果阿趁。

和其他行業(yè)相比膜蛔，分散在醫(yī)療信息化各個(gè)業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)包含管理、臨床脖阵、區(qū)域人口信息等多種數(shù)據(jù)皂股，復(fù)雜性更高，隱藏價(jià)值更大命黔。

新華三等企業(yè)在 2017 年大力推進(jìn)利用大數(shù)據(jù)技術(shù)挖掘醫(yī)療數(shù)據(jù)價(jià)值呜呐，助力人工智能與精準(zhǔn)醫(yī)療。通過大數(shù)據(jù)平臺(tái)充分挖掘各種類型數(shù)據(jù)的價(jià)值悍募，幫助實(shí)現(xiàn)輔助診斷蘑辑、精準(zhǔn)醫(yī)療、臨床科研等多種目標(biāo)坠宴。大數(shù)據(jù)平臺(tái)通過自然語言處理技術(shù)洋魂，對電子病歷中的自由文本進(jìn)行分詞、實(shí)體識(shí)別喜鼓、依存句法分析副砍、信息提取等操作，實(shí)現(xiàn)自由文本結(jié)構(gòu)化庄岖。在實(shí)現(xiàn)病歷結(jié)構(gòu)化的基礎(chǔ)上豁翎，利用機(jī)器學(xué)習(xí)聚類分析建立診斷建議模型，從而為醫(yī)生的臨床決策提供支持顿锰。對電子病歷的結(jié)構(gòu)化和數(shù)據(jù)挖掘谨垃，可以幫助一線人員及科研人員挖掘疾病規(guī)律，進(jìn)行疾病相關(guān)性分析硼控、患病原因分析刘陶、疾病譜分析等，并建立新的研究課題牢撼。例如匙隔， 新華三在協(xié)助醫(yī)院進(jìn)行關(guān)于卵巢癌的相關(guān)課題研究時(shí)，得出血小板與淋巴細(xì)胞的關(guān)系對卵巢癌診斷具有重要價(jià)值熏版。

（三）醫(yī)療影像輔助診斷

醫(yī)療影像數(shù)據(jù)是醫(yī)療數(shù)據(jù)的重要組成部分纷责，從數(shù)量上看超過 90% 以上的醫(yī)療數(shù)據(jù)都是影像數(shù)據(jù)捍掺，從產(chǎn)生數(shù)據(jù)的設(shè)備來看包括 CT、X 光再膳、MRI挺勿、PET 等醫(yī)療影像數(shù)據(jù)。據(jù)統(tǒng)計(jì)喂柒，醫(yī)學(xué)影像數(shù)據(jù)年增長率為 63%不瓶， 而放射科醫(yī)生數(shù)量年增長率僅為 2%，放射科醫(yī)生供給缺口很大灾杰。人工智能技術(shù)與醫(yī)療影像的結(jié)合有望緩解此類問題蚊丐。人工智能技術(shù)在醫(yī)療影像的應(yīng)用主要指通過計(jì)算機(jī)視覺技術(shù)對醫(yī)療影像進(jìn)行快速讀片和智能診斷。人工智能在醫(yī)學(xué)影像中應(yīng)用主要分為兩部分： 一是感知數(shù)據(jù)艳吠，即通過圖像識(shí)別技術(shù)對醫(yī)學(xué)影像進(jìn)行分析麦备，獲取有效信息; 二是數(shù)據(jù)學(xué)習(xí)、訓(xùn)練環(huán)節(jié)昭娩，通過深度學(xué)習(xí)海量的影像數(shù)據(jù)和臨床診斷數(shù)據(jù)凛篙，不斷對模型進(jìn)行訓(xùn)練，促使其掌握診斷能力题禀。目前鞋诗，人工智能技術(shù)與醫(yī)療影像診斷的結(jié)合場景包括肺癌檢查、糖網(wǎng)眼底檢查迈嘹、食管癌檢查以及部分疾病的核醫(yī)學(xué)檢查和病理檢查等。

利用人工智能技術(shù)進(jìn)行肺部腫瘤良性惡性的判斷步驟主要包括： 數(shù)據(jù)收集全庸、數(shù)據(jù)預(yù)處理秀仲、圖像分割、肺結(jié)節(jié)標(biāo)記壶笼、模型訓(xùn)練神僵、分類預(yù)測。首先要獲取放射性設(shè)備如 CT 掃描的序列影像覆劈，并對圖像進(jìn)行預(yù)處理以消除原 CT 圖像中的邊界噪聲,然后利用分割算法生成肺部區(qū)域圖像保礼，并對肺結(jié)節(jié)區(qū)域進(jìn)行標(biāo)記。數(shù)據(jù)獲取后责语，對 3D 卷積神經(jīng)網(wǎng)絡(luò)的模型進(jìn)行訓(xùn)練炮障，以實(shí)現(xiàn)在肺部影像中尋找結(jié)節(jié)位置并對結(jié)節(jié)性質(zhì)進(jìn)行分類判斷。

圖 8 人工智能技術(shù)在肺結(jié)節(jié)檢查中的應(yīng)用

食管癌是常見惡性腫瘤之一坤候，據(jù)統(tǒng)計(jì)胁赢，我國 2015 年新發(fā)食管癌人數(shù)為 47.7 萬，占全球患病人數(shù)的 50%白筹。針對食管癌的早期治療是診療的關(guān)鍵智末，食管癌早期五年內(nèi)治療的生存率超過 90%谅摄，而進(jìn)展期/ 晚期五年生存率則小于 15%。但是由于基層醫(yī)療機(jī)構(gòu)醫(yī)生缺乏足夠的認(rèn)知以及篩查手段系馆，導(dǎo)致我國對早期食管癌的檢出率較低送漠。利用人工智能技術(shù)輔助醫(yī)生對食管癌進(jìn)行篩查，可以有效提高篩查準(zhǔn)確度與檢測效率由蘑。騰訊公司研發(fā)的覓影 AI 針對食管癌的早期篩查準(zhǔn)確率可超過 90%闽寡，并且完成一次內(nèi)鏡檢查的時(shí)間已經(jīng)可控制在數(shù)秒之內(nèi)。

圖 9 騰訊覓影對食管癌的識(shí)別整體流程

阿爾茨海默病纵穿，俗稱老年癡呆癥下隧，是一種發(fā)病進(jìn)程緩慢、隨著時(shí)間不斷惡化的持續(xù)性神經(jīng)功能障礙谓媒，該疾病的真正成因至今仍不明 確淆院，沒有可以阻止或逆轉(zhuǎn)病程的治療。在我國句惯，對該病癥的重視程度不高土辩，現(xiàn)已造成就診率低、診斷率低抢野、治療率低的“三低”局面拷淘。根據(jù)國際阿爾茨海默病聯(lián)合會(huì)報(bào)告，2015 年中國阿爾茨海默病患者超過 950 萬指孤，患病人數(shù)已居世界第一启涯，且仍在快速增長，2050 年或?qū)⑦_(dá)到 3000 萬恃轩。阿爾茨海默癥在患病早期是可以干預(yù)的结洼，但檢測卻相對困難，越早檢測出這種病癥叉跛，患者就越有機(jī)會(huì)提早尋求治療松忍，減緩病情的影響。阿爾茨海默病的臨床診斷需要通過神經(jīng)心理學(xué)測驗(yàn)筷厘、血液學(xué)檢查鸣峭、結(jié)構(gòu)影像學(xué)或功能影像學(xué)檢查、腦電圖等方式綜合判斷酥艳。阿爾茨海默病的診療難點(diǎn)在于癥狀以及檢查指標(biāo)等的非特異性摊溶，較難實(shí)現(xiàn)早期診斷。雅森科技等企業(yè)通過輸入核磁玖雁、腦電圖和量表三種不同類型的數(shù)據(jù)更扁，綜合運(yùn)用機(jī)器訓(xùn)練、統(tǒng)計(jì)分析和深度學(xué)習(xí)的方法，找出患者是否患病與輸入信息之間的關(guān)系浓镜。對于阿爾茨海默病診斷所用到的人工智能溃列，已不只是傳統(tǒng)意義上的深度學(xué)習(xí)對醫(yī)學(xué)影像的識(shí)別， 而是在此基礎(chǔ)上找出多種信息源之間的聯(lián)系膛薛，并基于這三種數(shù)據(jù)訓(xùn)練多模態(tài)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型听隐，從而提前兩至三年預(yù)測老年癡呆發(fā)病的可能性以及病情發(fā)展的階段。

糖網(wǎng)病是糖尿病引起的視網(wǎng)膜病變哄啄。據(jù)統(tǒng)計(jì)雅任，我國約 5 億人處于糖尿病前期，糖尿病患者約有 1.1 億人咨跌，糖網(wǎng)病患者約有 3000 萬沪么。對糖尿病患者進(jìn)行眼底篩查具有重要意義，因?yàn)樘蔷W(wǎng)病患者通常早期難以發(fā)覺患有疾病锌半，癥狀表現(xiàn)不明顯禽车，只有經(jīng)過眼底早期篩查，及時(shí)發(fā)現(xiàn)糖網(wǎng)病刊殉，及早干預(yù)殉摔，才能有效抵制疾病的發(fā)生。相較于其他疾病的診斷需要結(jié)合臨床信息记焊，人工智能在糖網(wǎng)眼底領(lǐng)域的檢查具備更高的可操作性逸月，因?yàn)閮H針對眼部圖像的檢查就具備較高的診療價(jià)值。針對滲出或者出血等病變遍膜，AI 系統(tǒng)也可以實(shí)現(xiàn)較高的準(zhǔn)確率碗硬。在 2017 年，眾多企業(yè)瓢颅、科研機(jī)構(gòu)均進(jìn)行了關(guān)于此方面的研究肛响。例如，中國移動(dòng)通信有限公司研究院與沈陽何氏眼科醫(yī)院有限公司深度合作惜索，研發(fā)眼底圖像質(zhì)量評估、糖尿病視網(wǎng)膜病變嚴(yán)重程度分級剃浇、糖網(wǎng)病變病灶位置檢測等智能算法巾兆。首先對所采集的眼底圖像質(zhì)量是否合格（即是否滿足病理分析要求）進(jìn)行評估，并對質(zhì)量合格的眼底圖像虎囚，分析其為左眼或右眼角塑、是否存在眼底疾病、糖網(wǎng)病變嚴(yán)重程度的分級（如有糖網(wǎng)）淘讥，并檢測眼底圖像中出現(xiàn)微動(dòng)脈瘤圃伶、出血、滲出等糖網(wǎng)病變病灶的具體位置，最終自動(dòng)生成結(jié)構(gòu)化篩查報(bào)告窒朋，為患者提供轉(zhuǎn)診建議搀罢。中國移動(dòng)研究院面向基層醫(yī)院、眼視光中心侥猩、社區(qū)服務(wù)站榔至、鄉(xiāng)村診所等基層篩查場景，將專業(yè)眼科影像設(shè)備采集的眼底圖像通過固網(wǎng)或移動(dòng)蜂窩網(wǎng)上傳至云端欺劳，利用先進(jìn)的人工智能唧取、深度學(xué)習(xí)技術(shù)進(jìn)行分析， 實(shí)現(xiàn)眼底致盲疾病的自動(dòng)篩查划提、糖尿病視網(wǎng)膜病變（如有）嚴(yán)重程度分級以及病灶位置檢測和跟蹤枫弟，其結(jié)果供臨床醫(yī)生參考，施行必要的干預(yù)鹏往、治療淡诗，使廣泛、低成本掸犬、快速響應(yīng)的規(guī)耐噤觯化篩查成為可能。

病理是醫(yī)學(xué)界的金標(biāo)準(zhǔn)湾碎，也是許多疾病診斷的最終確定指標(biāo)宙攻。但是，病理醫(yī)生通常必須花費(fèi)大量的時(shí)間檢查病理切片介褥，因?yàn)椴±磲t(yī)生需要在上億級像素的病理圖片中識(shí)別微小的癌細(xì)胞座掘。對于同一種疾病的病理診斷，不同的醫(yī)生往往會(huì)得出不同的判斷結(jié)論柔滔，足見病理診斷存在的誤診問題溢陪。人工智能技術(shù)為數(shù)字病理診斷帶來了技術(shù)革新，幫助病理醫(yī)生提高效率避免遺漏睛廊。相較于 CT形真、X 光等影像的人工智能輔助診斷，病理人工智能輔助診斷難度更大超全，因?yàn)椴±淼脑\斷既要觀察整體咆霜，還要觀察局部；不只要學(xué)習(xí)細(xì)胞特征嘶朱，還要學(xué)習(xí)其生物行為蛾坯。

我國已有蘭丁高科、泰立瑞疏遏、迪英加科技等眾多企業(yè)開始研究利用人工智能輔助數(shù)字病理診斷脉课，他們開發(fā)的人工智能輔助診斷系統(tǒng)針對乳腺癌救军、宮頸癌等疾病的病理檢查已實(shí)現(xiàn)較高的準(zhǔn)確率。

圖 10 人工智能在乳腺組織病理切片中的癌細(xì)胞檢測應(yīng)用

（四）藥物研發(fā)

人工智能正在重構(gòu)新藥研發(fā)的流程倘零，大幅提升藥物制成的效率唱遭。傳統(tǒng)藥物研發(fā)需要投入大量的時(shí)間與金錢，制藥公司平均成功研發(fā)一款新藥需要 10 億美元及 10 年左右的時(shí)間视事。藥物研發(fā)需要經(jīng)歷靶點(diǎn)篩選胆萧、藥物挖掘、臨床試驗(yàn)俐东、藥物優(yōu)化等階段跌穗。目前我國制藥企業(yè)紛紛布局 AI 領(lǐng)域，主要應(yīng)用在新藥發(fā)現(xiàn)和臨床試驗(yàn)階段虏辫。

表 1 人工智能技術(shù)與藥物研發(fā)的結(jié)合

靶點(diǎn)篩選蚌吸。靶點(diǎn)是指藥物與機(jī)體生物大分子的結(jié)合部位，通常涉及受體砌庄、酶羹唠、離子通道、轉(zhuǎn)運(yùn)體娄昆、免疫系統(tǒng)佩微、基因等。現(xiàn)代新藥研究與開發(fā)的關(guān)鍵首先是尋找萌焰、確定和制備藥物篩選靶—分子藥靶哺眯。傳統(tǒng)尋找靶點(diǎn)的方式是將市面上已有的藥物與人體身上的一萬多個(gè)靶點(diǎn)進(jìn)行交叉匹配以發(fā)現(xiàn)新的有效的結(jié)合點(diǎn)。人工智能技術(shù)有望改善這一過程扒俯。AI 可以從海量醫(yī)學(xué)文獻(xiàn)奶卓、論文、專利撼玄、臨床試驗(yàn)信息等非結(jié)構(gòu)化數(shù)據(jù)中尋找到可用的信息夺姑，并提取生物學(xué)知識(shí)，進(jìn)行生物化學(xué)預(yù)測掌猛。據(jù)預(yù)測盏浙，該方法有望將藥物研發(fā)時(shí)間和成本各縮短約 50%。

藥物挖掘荔茬。藥物挖掘也可以稱為先導(dǎo)化合物篩選只盹，是要將制藥行業(yè)積累的數(shù)以百萬計(jì)的小分子化合物進(jìn)行組合實(shí)驗(yàn)，尋找具有某種生物活性和化學(xué)結(jié)構(gòu)的化合物兔院，用于進(jìn)一步的結(jié)構(gòu)改造和修飾。人工智能技術(shù)在該過程中的應(yīng)用有兩種方案站削，一是開發(fā)虛擬篩選技術(shù)取代高通量篩選坊萝，二是利用圖像識(shí)別技術(shù)優(yōu)化高通量篩選過程。利用圖像識(shí)別技術(shù)，可以評估不同疾病的細(xì)胞模型在給藥后的特征與效果十偶，預(yù)測有效的候選藥物菩鲜。

病人招募。據(jù)統(tǒng)計(jì)惦积，90%的臨床試驗(yàn)未能及時(shí)招募到足夠數(shù)量和質(zhì)量的患者接校。利用人工智能技術(shù)對患者病歷進(jìn)行分析，可以更精準(zhǔn)的挖掘到目標(biāo)患者狮崩，提高招募患者效率蛛勉。

藥物晶型預(yù)測。藥物晶型對于制藥企業(yè)十分重要睦柴，熔點(diǎn)诽凌、溶解度等因素決定了藥物臨床效果，同時(shí)具有巨大的專利價(jià)值坦敌。利用人工智能可以高效地動(dòng)態(tài)配置藥物晶型侣诵，防止漏掉重要晶型，縮短晶型開發(fā)周期狱窘，減少成本杜顺。

（五）基因測序

基因測序是一種新型基因檢測技術(shù)，它通過分析測定基因序列蘸炸， 可用于臨床的遺傳病診斷躬络、產(chǎn)前篩查、罹患腫瘤預(yù)測與治療等領(lǐng)域幻馁。單個(gè)人類基因組擁有 30 億個(gè)堿基對洗鸵，編碼約 23000 個(gè)含有功能性的基因，基因檢測就是通過解碼從海量數(shù)據(jù)中挖掘有效信息仗嗦。目前高通量測序技術(shù)的運(yùn)算層面主要為解碼和記錄膘滨，較難以實(shí)現(xiàn)基因解讀，所以從基因序列中挖掘出的有效信息十分有限稀拐。人工智能技術(shù)的介入可改善目前的瓶頸火邓。通過建立初始數(shù)學(xué)模型，將健康人的全基因組序列和RNA 序列導(dǎo)入模型進(jìn)行訓(xùn)練德撬，讓模型學(xué)習(xí)到健康人的RNA 剪切模式铲咨。之后通過其他分子生物學(xué)方法對訓(xùn)練后的模型進(jìn)行修正，最后對照病例數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性蜓洪。

目前纤勒，IBM 沃森，國內(nèi)的華大基因隆檀、博奧生物摇天、金域檢驗(yàn)等龍頭企業(yè)均已開始自己的人工智能布局粹湃。以金域檢驗(yàn)為例，金域檢驗(yàn)利用其綜合檢驗(yàn)檢測技術(shù)平臺(tái)泉坐，以疾病為導(dǎo)向設(shè)立檢測中心为鳄，融合生物技術(shù)與人工智能等新一代信息技術(shù)為廣大患者提供專業(yè)化的臨床檢驗(yàn) 服務(wù)。金域檢驗(yàn)的基因組檢測中心擁有全基因組掃描腕让、熒光原位雜交孤钦、細(xì)胞遺傳學(xué)、傳統(tǒng) PCR 信息平臺(tái)纯丸，并利用基因測序領(lǐng)域中最具變革性的新技術(shù)之高通量測序技術(shù)(HTS)為臨床提供高通量偏形、大規(guī)模、自動(dòng)化及全方位的基因檢測服務(wù)液南。同時(shí)壳猜，金域檢驗(yàn)依托覆蓋全國 90％以上的人口所在地區(qū)、年服務(wù)醫(yī)療機(jī)構(gòu) 21000 多家和年標(biāo)本量超 4000 萬例的覆蓋全國不同地域滑凉、不同民族统扳、不同年齡層次的海量醫(yī)療檢測樣本數(shù)據(jù)，創(chuàng)建了具有廣州特色的“精準(zhǔn)醫(yī)療”檢驗(yàn)檢測大數(shù)據(jù)研究院畅姊。

五咒钟、面臨的問題與挑戰(zhàn)

（一）數(shù)據(jù)是行業(yè)發(fā)展的瓶頸，積累與創(chuàng)新是解決問題的關(guān)鍵

數(shù)據(jù)是人工智能技術(shù)最重要的因素之一若未。對于機(jī)器學(xué)習(xí)而言朱嘴，模型越復(fù)雜、越具有強(qiáng)表達(dá)能力越容易降低對未來數(shù)據(jù)的解釋能力粗合，而專注于解釋訓(xùn)練數(shù)據(jù)萍嬉。這種現(xiàn)象會(huì)導(dǎo)致訓(xùn)練數(shù)據(jù)效果很好，但遇到未知的測試數(shù)據(jù)預(yù)測效果會(huì)大幅降低隙疚，即發(fā)生過擬合現(xiàn)象壤追，從而也就需要更多的數(shù)據(jù)來避免該問題的發(fā)生，以保證訓(xùn)練的模型對新的數(shù)據(jù)也能有良好的預(yù)測表現(xiàn)供屉。對于醫(yī)療人工智能而言行冰，數(shù)據(jù)的重要性更為明顯。以醫(yī)療影像輔助診斷公司為例伶丐，企業(yè)訓(xùn)練模型的數(shù)據(jù)來源通常是公開數(shù)據(jù)集悼做，或者企業(yè)與個(gè)別醫(yī)院合作獲取的影像數(shù)據(jù)。這種模式在企業(yè)創(chuàng)業(yè)初期可以維持哗魂，但是當(dāng)企業(yè)發(fā)展到一定階段時(shí)弊端會(huì)開始出現(xiàn)肛走。以肺結(jié)節(jié) CT 篩查為例，企業(yè)通常與個(gè)別醫(yī)院展開合作录别，獲取該醫(yī)院 CT 設(shè)備的數(shù)據(jù)羹与。但是故硅，目前市面上廣泛流通的 CT 設(shè)備商有七到八家，機(jī)型則達(dá)到了上百種纵搁，企業(yè)在與醫(yī)院合作時(shí)是針對某一機(jī)型的設(shè)備進(jìn)行的數(shù)據(jù)訓(xùn)練，該模型在適用于其他機(jī)型時(shí)往踢，如果一些諸如層厚腾誉、電流、電壓峻呕、掃描時(shí)間等參數(shù)不同利职，模型需要重新針對新機(jī)型進(jìn)行數(shù)據(jù)預(yù)訓(xùn)練。除此以外瘦癌，病人受檢測時(shí)的姿勢（平躺或者趴窩）猪贪，CT 長寬 512 像素或者 768 像素的差別，不同排數(shù)機(jī)器的層厚差異以及薄層重構(gòu)算法都是會(huì)對模型訓(xùn)練產(chǎn)生影響的因素讯私。因此热押，數(shù)據(jù)問題的解決是保證醫(yī)療影像輔助診斷產(chǎn)品是否能夠廣泛應(yīng)用的關(guān)鍵，廣泛開展合作斤寇，加深數(shù)據(jù)的積累以及技術(shù)上的創(chuàng)新或是下一步行業(yè)發(fā)展的重點(diǎn)桶癣。

（二）醫(yī)療 AI 產(chǎn)品需要實(shí)現(xiàn)從試驗(yàn)向臨床應(yīng)用的突破

目前，業(yè)內(nèi)針對肺結(jié)節(jié)娘锁、糖網(wǎng)病檢查等場景的醫(yī)療人工智能產(chǎn)品診斷準(zhǔn)確率普遍很高牙寞，但是真實(shí)情況并非如此樂觀。企業(yè)在訓(xùn)練自己模型時(shí)通常都有自己的數(shù)據(jù)庫莫秆，各自的算法都是按照自己的數(shù)據(jù)進(jìn)行訓(xùn)練间雀，然后以自己的數(shù)據(jù)來驗(yàn)證準(zhǔn)確性。在沒有得到臨床驗(yàn)證前镊屎，基于標(biāo)準(zhǔn)或特定數(shù)據(jù)集的實(shí)驗(yàn)室測試結(jié)果并不具備較大的意義惹挟，因?yàn)閷?shí)際臨床應(yīng)用的場景是非常復(fù)雜的。具體體現(xiàn)在以下幾個(gè)方面：

1.數(shù)據(jù)采樣

以糖網(wǎng)病篩查為例杯道，瞳孔較小匪煌、晶狀體渾濁等人群的免散瞳眼底彩照，圖像質(zhì)量往往達(dá)不到篩查的要求党巾。此外萎庭，受限于成本因素，很多基層醫(yī)療機(jī)構(gòu)使用的是手持眼底相機(jī)齿拂，成像質(zhì)量堪憂驳规。

2.數(shù)據(jù)格式

在病理方面，數(shù)據(jù)缺少通用的國際標(biāo)準(zhǔn)署海，各醫(yī)院使用的病理切片掃描儀廠家也并不一致吗购，各掃描儀廠商的掃描文件數(shù)據(jù)格式多數(shù)為私有格式医男，數(shù)據(jù)的標(biāo)準(zhǔn)化需要各廠家與醫(yī)院積極配合，開放自己的數(shù)據(jù)存儲(chǔ)格式捻勉。

3.診斷標(biāo)準(zhǔn)

目前圖像識(shí)別技術(shù)在醫(yī)療影像輔助診斷上的應(yīng)用已經(jīng)取得了比較好的應(yīng)用镀梭，技術(shù)上也取得了較大的突破睬罗，但是醫(yī)療影像輔助診斷產(chǎn)品下一步應(yīng)當(dāng)完善自己的算法舌胶，避免“就圖論圖”。以甲狀腺結(jié)節(jié)診斷為例董济，醫(yī)生診斷的依據(jù)并非只是彩超的拍片結(jié)果埠偿，還要結(jié)合甲狀腺功能化驗(yàn)透罢，查看抗體的相關(guān)表現(xiàn)。因此冠蒋，將臨床表征信息羽圃、患者基本信息、LIS 指標(biāo)抖剿、隨訪記錄等都作為預(yù)測模型的因子朽寞，實(shí)現(xiàn)多模態(tài)的診斷體系將是醫(yī)療影像輔助診斷產(chǎn)品下一步重點(diǎn)突破的方向。

（三）加深合作牙躺，可持續(xù)的商業(yè)模式亟待建立

現(xiàn)在的醫(yī)療人工智能企業(yè)多數(shù)是依靠單點(diǎn)醫(yī)療機(jī)構(gòu)開展工作愁憔，合作方式較為單一，數(shù)據(jù)作為醫(yī)院資產(chǎn)也難以供企業(yè)放置于院外使用孽拷。此外吨掌，醫(yī)療人工智能產(chǎn)品想以銷售軟件的形式讓醫(yī)院付費(fèi)，不論從計(jì)費(fèi)方式脓恕、軟件資質(zhì)等方面都較為困難膜宋。因此，建立可持續(xù)的商業(yè)模式是醫(yī)療人工智能行業(yè)長久發(fā)展的關(guān)鍵炼幔。與政府秋茫、醫(yī)院開展合作，向醫(yī)療機(jī)構(gòu)提供服務(wù)或是解決方案之一乃秀。例如肛著，四川華西醫(yī)院與希氏異構(gòu)醫(yī)療科技有限公司聯(lián)合成立華西-希氏醫(yī)學(xué)人工智能研發(fā)中心，在消化內(nèi)鏡人工智能技術(shù)研發(fā)方面開展了合作跺讯。正如華西醫(yī)院院長李為民所言：“華西-希氏醫(yī)學(xué)人工智能研發(fā)中心枢贿，既是四川大學(xué)華西醫(yī)院產(chǎn)學(xué)研用協(xié)同創(chuàng)新的重大科技轉(zhuǎn)化平臺(tái)，也是華西醫(yī)院以開放姿態(tài)釋放醫(yī)院資源的重要標(biāo)志”刀脏。目前華西醫(yī)院與公司的合作已取得了進(jìn)展局荚，醫(yī)生可以上傳胃鏡圖像，通過在云端進(jìn)行數(shù)據(jù)分析，可以對胃癌耀态、靜脈曲張轮傍、息肉等常見胃鏡檢查結(jié)果進(jìn)行篩查，目前準(zhǔn)確率超過 90%首装〈匆梗基于 AI 的消化胃鏡智能系統(tǒng)可以提供高質(zhì)量的檢測結(jié)果，提高醫(yī)生診斷效率仙逻，提升基層醫(yī)療機(jī)構(gòu)的服務(wù)水平挥下。另外一個(gè)案例是，一款用于肺癌早期篩查的 APP 與上海某區(qū)政府簽署合作協(xié)議桨醋，企業(yè)進(jìn)入社區(qū)基層為廣大居民提供疾病篩查服務(wù)，政府給予相應(yīng)補(bǔ)貼现斋。

（四）明確醫(yī)療責(zé)任主體喜最，劃清權(quán)責(zé)范圍

人工智能不論在學(xué)習(xí)能力還是成本控制方面，都具備發(fā)揮能力的空間庄蹋，可以為普通用戶和醫(yī)生帶來幫助瞬内。但是，人工智能幫助進(jìn)行輔助診斷在醫(yī)療責(zé)任認(rèn)定方面也存在問題和挑戰(zhàn)限书。例如虫蝶，用戶在使用醫(yī)療虛擬助手表達(dá)主訴時(shí)，可能會(huì)漏掉甚至錯(cuò)誤地進(jìn)行描述倦西，導(dǎo)致虛擬助手提供的建議是不符合用戶原本的疾病情況的能真。因此，目前監(jiān)管部門禁止虛擬助手軟件提供任何疾病的診斷建議扰柠，只允許提供用戶健康輕問診咨詢服務(wù)粉铐。我國監(jiān)管部門對于利用人工智能技術(shù)提供診斷功能是審核要求非常嚴(yán)格。在 2017 年CFDA 發(fā)布的新版《醫(yī)療器械分類目錄》中的分類規(guī)定卤档，若診斷軟件通過算法提供診斷建議蝙泼，僅有輔助診斷功能不直接給出診斷結(jié)論，則按照二類醫(yī)療器械申報(bào)認(rèn)證劝枣；如果對病變部位進(jìn)行自動(dòng)識(shí)別并提供明確診斷提示汤踏，則必須按照第三類醫(yī)療器械進(jìn)行臨床試驗(yàn)認(rèn)證管理。未來舔腾，應(yīng)進(jìn)一步明確針對 AI 診斷進(jìn)入臨床應(yīng)用的法律標(biāo)準(zhǔn)溪胶，做出 AI 診斷的主體在法律上是醫(yī)生還是醫(yī)療器械，AI 診斷出現(xiàn)缺陷或醫(yī)療過失的判斷依據(jù)等問題琢唾。

（五）制定人才培養(yǎng)計(jì)劃载荔，搶占戰(zhàn)略制高點(diǎn)

人才專業(yè)水平是人工智能發(fā)展的關(guān)鍵因素之一。目前采桃，我國從事人工智能行業(yè)的從業(yè)人員數(shù)不足 5 萬人懒熙，每年通過高校培養(yǎng)出來的技術(shù)人員也不足 2000 人丘损，人工智能人才缺口較大。相比于數(shù)據(jù)資源較為充足工扎，我國的人工智能人才儲(chǔ)備較發(fā)達(dá)國家差距較大徘钥。據(jù)統(tǒng)計(jì)，在人工智能行業(yè)從業(yè)者當(dāng)中肢娘，美國擁有 10 年以上工作經(jīng)驗(yàn)的人才占比接近 50%呈础，而我國只有不到 25%。此外橱健，我國同時(shí)掌握醫(yī)療與人工智能知識(shí)的復(fù)合型人才更是匱乏而钞。因此，只有解決人才問題拘荡，我國才能突破醫(yī)療人工智能行業(yè)發(fā)展的瓶頸臼节。基于此背景珊皿，我國高度重視人工智能培養(yǎng)网缝，并制定《新一代人工智能發(fā)展規(guī)劃》國家戰(zhàn)略，指出要把高端人才隊(duì)伍建設(shè)作為人工智能發(fā)展的重中之重蟋定。2017 年 11 月粉臊，科技部在京召開新一代人工智能發(fā)展規(guī)劃暨重大科技項(xiàng)目啟動(dòng)會(huì)，科技部驶兜、發(fā)改委扼仲、財(cái)政部等聯(lián)合成立人工智能規(guī)劃推進(jìn)辦公室，宣布首批四個(gè)專項(xiàng)開放創(chuàng)新平臺(tái)的依托單位促王，其中包括依托騰訊公司建設(shè)醫(yī)療影像國家人工智能開放創(chuàng)新平臺(tái)犀盟。我國現(xiàn)已通過建設(shè)國家級開放平臺(tái)集聚高端人才，通過鼓勵(lì)深度交叉學(xué)科研究蝇狼，推進(jìn)產(chǎn)學(xué)研合作的新模式加速人才培養(yǎng)阅畴。

作者：筆名輝哥

鏈接：http://www.reibang.com/p/2615a3aec8b0

來源：簡書

簡書著作權(quán)歸作者所有，任何形式的轉(zhuǎn)載都請聯(lián)系作者獲得授權(quán)并注明出處迅耘。