AI助力医疗行业：从1.0到3.0，未来无限可能！

文章主题：人工智能, 医疗, 技术, 互联网

666AI工具大全，助力做AI时代先行者！

来源：AI观察室 公众号。

在当今医疗领域，技术的崛起几乎无处不在。人工智能，作为这项技术中的领导者，也对医疗行业产生了深远影响。它不仅带来了诸多机遇，更为医疗行业的各个领域注入了新的活力。接下来，我们将深入探讨人工智能在医疗领域的应用，以期让大家对其有更深入的了解。

一.互联网时代的医疗行业

在我国的传统行业中，医疗领域一直备受公众的广泛关注。随着互联网时代的来临，这个行业也逐步进行了转型升级。根据网络上的普遍观点，我们可以将互联网时代的医疗发展划分为两个阶段：第一个阶段是从初步的信息化医疗办公开始，第二个阶段是互联网技术在网上预约挂号、在线咨询等医疗服务方面的广泛应用。

在我国互联网医疗的发展历程中，1.0版本是一个重要的里程碑。这一版本的互联网医疗实现了医疗事务和流程的信息化，将原本分散的数据集中到一个统一的处理渠道，从而建立起医务人员之间信息共享的基础设施。这不仅极大地提高了医疗服务的效率，也使得医疗数据的利用更加充分，对提升我国医疗服务质量起到了重要作用。

💻互联网医疗2.0：互联网医疗时代的升级版，是通过网络共享医疗资源，使普通患者与医务人员之间的距离缩短。尽管多年来，互联网技术已与医疗领域初步融合，但其通用性依然存在。

随着科技发展，互联网医疗时代3.0来临。

在当前壮大的互联网医疗3.0时代，业界期望通过利用人工智能技术来降低医疗行业的门槛，缓解医务人员繁重的工作压力，并解决看病难这一民生问题。

二.人工智能+医疗

目前，人工智能在医疗行业的应用场景主要有五类：

🤖 医疗机器人：致力于人工智能在医疗器械领域的应用研究，如代表作品“达芬奇”，具备高清3D成像及精确操作能力，广泛应用于外科手术。

(2) 智能药物研发：通过建立AI药物筛选模型扩大筛选对象以期邂逅目标化合物，提高药物发现的机率，来辅助甚至替代传统的药物研发模式。典型应用：Benevolent AI的核心技术是一个叫做JACS（Judgment Augmented Cognition System）的人工智能系统。

(3) 智能影像识别：运用图像识别技术建立医疗影像（CT、MRI等）病灶的AI模型，帮助阅片医生快速获取影像所呈现的病症信息。

(4) 智能诊疗：通过患者描述的病症的关键信息，结合当地环境、病史等其他因素快速帮助分析病症，提供诊疗咨询和初步治疗方案。

(5) 智能健康管理：获取用户的生物数据，监测用户生活习惯等，提供健康管理计划及康复手段。

就进入壁垒而言，医疗机器人需要软硬件的结合，智能药物研发需要更深层次的生物机能研究，相较于其他三类场景门槛较高。相反，智能影像识别、智能诊疗和智能健康管理因为有相对固定的医疗模型，数据积累较为丰富，成为各大人工智能厂子争先踏入的领域。

虽然应用场景各有差异，谈到人工智能建模最大的核心点就是数据。

数据来源：

医务人员的行政信息管理、就诊住院相关流程信息管理等基础信息管理系统，提供医务日常化流程数据；

医务人员的行政信息管理、就诊住院相关流程信息管理等基础信息管理系统，提供医务日常化流程数据；

实验室获取的药物数据、人体数据等存储统计的系统，提供生理、药理数据；

大量真实患者拍摄的CT、MRI等影像，通过特定的格式存储起来，经过授权可很快的能回调获取图片，为影像识别提供了大量的真实数据。

随着近年来医院信息化建设的不断提高和完善，医疗全流程沉淀了海量数据，为人工智能在医疗领域的发展奠定了坚实的数据基础。

三.人工智能医疗现状

随着人口老龄化，慢性病疯涨，医疗资源分配不均等问题的增长，AI+医疗的确成为了各大公司争先恐后想取得的香饽饽。自2010年起国内首批人工智能医疗公司的出现至今，已经出现了百量级的公司加入到这个创新领域，获取的投融金额也是逐年上涨，政府也对AI医疗领域提出更多的支持政策。

但需要承认的是，目前国内的AI+医疗仍然处于起步阶段，仅能为医务人员提供辅助作用，尚无法达到替代效果。主要体现在以下几个方面：

(1) 扎堆一两个领域。对比国内外的AI+医疗现状可以发现，对于五大应用场景研究国外的厂商平均分布的，然而，国内的厂商大都还是集中于影像识别和智能辅诊领域。

(2) 有数据无标准。通过医院信息化系统确实可以获取大量的数据源，但建立标准的人工智能模型需要更精准的医疗数据，一般公司缺少相关的高尖端医务人员来提供统一标准。

(3) 敏感信息和使用习惯。生理病理信息可能潜在某些隐私或者权限问题，医务人员等使用设备习惯的培养也是需要一段时间的磨合。

四.人工智能医疗的机遇

2020年本是医疗AI行业重新“洗牌”之年，相关企业将迎来最残酷的竞争。而疫情的爆发，体现了AI在逐渐取代人的部分机械劳动，能辅助医师对疾病进行快速诊断，提高诊疗效率。

(1) AI技术应用医疗领域的政策将会逐渐宽容

医疗行业是关乎民生之根本的，是受政策影响比较大的行业。这次疫情中，工信部发布了《充分发挥人工智能赋能效用 协力抗击新型冠状病毒感染的肺炎疫情倡议书》倡议发挥人工智能的赋能作用，向最需要的地方研发和投放人工智能产品和解决方案。

这次疫情结束后，相信不管是在政策、相关审批、或资金上，政府可能会更加重视和宽容。

(2) 资本对医疗AI行业投入仍然会保持热情

这次疫情中，AI医疗影像，消毒机器人、治疗机器人问答机器人等在疫情筛查、监控、在线/远程问诊、辅助诊疗等方面都表现不俗。

疫情之下，暴露了常规状态下医疗资源在突发情况前，医疗供给严重不足。互联网、大数据和人工智能等技术在补充医疗资源、在线/远程问诊等方向表现不俗，互联网医疗证明了自己。预计未来红利不小，投资估计会长期看好。

(3) 医疗领域将会涌现更多的AI应用场景

据数据显示，2019年，140余家从事医疗AI的企业，近120家在做医学影像业务，其中约百家企业布局于肺结节影像产品。

此次疫情，依图医疗智能影像评价系统、推想科技新冠肺炎AI系统等在医学影像分析和诊断支持上表现不俗。但两家公司在肺部疾病的优势，也使得一些公司不得不变换赛道，寻找新的突破。同时，本次疫情也为医疗AI提供了多种场景的可能性。如：

为医护人员提高决策支持：在诊断和诊疗过程中提供有效建议和风险提示，便于医生更快更准确筛查疾病和制定治疗方案。

其他疾病医学影像分析和诊断支持：阿里达摩院对5000多个病例的CT影像样本数据，学习、训练样本后，研发了全新的AI算法模型。且机器学习，是一个全球快速创新发展的领域，正被用于分析日益复杂的核磁共振成像（MRI）、计算机断层（CT）扫描和其他医学影像。

医疗机器人协助诊疗：诊疗机器人、疫情问答机器人、消毒机器人、物品递送机器人等在具有潜在的接触式场景中承担了人类的部分工作，降低了医患之间的交叉感染风险，保障了医护人员的生命安全。未来在巡检、消毒、配送、导医、或手术中，机器人将大有所为。

健康穿戴设备：本次疫情中一些患有基础病的患者，死亡风险极高，这就需要医生在诊疗时参考平常的健康检测数据。

另外患者在治愈后，仍存在再次被感染的风险。且由于医疗资源不足，一些糖尿病人、慢性病患者不能及时就医，孕妇无法按时产检。这些场景下，有随时穿戴的智能产品，可及时对自身健康的检测、平常数据的记录以及身体状况的监测变得十分重要。

新药研发攻关：一般新药研发至少是10-15年，花费至少数十亿美元，在突发疫情之下，这样研发周期与成本，无法满足现实临床需要。

AI强大的算法和算力，可加速药物研发进程。运用智能算法模型，可根据病例特征，以及相关药物分子结构式快速筛选出可能有效的临床药物，有利于在现有药物基础上筛选出可用药物，同时利于在新药研发上给出思路，可助力研发智能化，加速研发进展。

(4) 医疗行业数据孤岛的格局有望破冰

医疗AI行业突破，大部分情况并不是技术办不到，而是训练相关算法模型的数据样本难获取，或数据样本标记不明确、或无法标记。导致了目前可以用于AI诊断的疾病少，且产品同质化高的主要因素。

疫情之下，各地各医院打破各自为营格局，开放数据共享，使得相关AI产品，可快速研发上线。而突发情况下，数据共享难题得到了部分缓解，要实现全国医疗数据共享仍有难度。一是部分医院并未全面信息化，而是疫情过后，共享意愿不高。

结合目前区块链技术的发展以及国家对此的部署，未来AI算法所需要的样本数据有望在授权情况下共享利用，从而打破医疗数据难共享的难题，或至少实现部分区域范围内数据可共享，打破长久以来医疗数据孤岛的格局。

(5) 医疗和AI行业从业者要求进一步提升

本次AI辅助诊疗表现不俗，一般来说，一组新冠肺炎病人的CT片大概有300多张，即使是资深专家，读图+诊断的时间至少需要10-15分钟。阿里达摩院研发的AI+CT影像诊断技术，平均识别不到 20 秒准确率达 96%。

这对传统的临床医生也发起了挑战，长远来看，AI替代一些机械重复的工作是必然趋势，这就要求未来的医务从业人员需进一步提升专业能力，不仅仅是单纯的临床医师，还需懂得部分IT知识。

对于研究AI科技人员来说，96%的AI准确率或即使是99%的准确率也不代表产品已经无可挑剔，仍需医生来解决误诊的4%或1%中是否有落网之鱼，以及96%或99%中是否有误诊。

医疗+AI，需要医疗AI团队将医学问题转换为工程语言，同时需要医护人员懂得AI相关知识，两者才能有效沟通，共同研发真正高可用的人工智能产品。这就必定需要从业者，都具备较高的专业能力。

五.AI医疗的路还很长

随着社会进步和人们健康意识的渐渐觉醒，人口老龄化问题的加剧以及语音和图像识别技术的发展，AI+医疗成为了眼下最热门的投资领域。

但从投融资的角度来看，目前AI医疗整体依旧处于非常早期的阶段。无论是风口还是泡沫。

在未来，AI+医疗还仍有很长的路要走。

来源：AI观察室 公众号。