隨著社會的進(jìn)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(jìn)的技術(shù)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(wù)，從而在需求領(lǐng)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(lǐng)域可能會率先落地。”一方面，圖像識別、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等關(guān)鍵技術(shù)的突破帶來了人工智能技術(shù)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(jìn)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(shù)、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(wù)人員培養(yǎng)成本過高等問題。對于醫(yī)療進(jìn)步的現(xiàn)實需求極大地刺激了以人工智能技術(shù)推動醫(yī)療產(chǎn)業(yè)變革升級浪潮的興起。

　　據(jù)鯨準(zhǔn)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(chǔ)設(shè)施的搭建及數(shù)據(jù)的收集，將人工智能技術(shù)及大數(shù)據(jù)服務(wù)應(yīng)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(wù)質(zhì)量，更好的解決醫(yī)療資源短缺、人口老齡化的問題。

　　基礎(chǔ)層：通過軟硬件的基礎(chǔ)設(shè)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(yīng)用提供支持與可能。

　　技術(shù)層：通過語音/語義識別、計算機視覺技術(shù)，對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析提煉。“學(xué)習(xí)”大量病理學(xué)數(shù)據(jù)文本，使其掌握問答、判斷、預(yù)警、實施的能力。

　　應(yīng)用層：是指人工智能與不同細(xì)分領(lǐng)域的結(jié)合，以解決醫(yī)療行業(yè)中的某種業(yè)務(wù)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。

　　在過去的半年里，高調(diào)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PG電子官網(wǎng)智能。

　　IBM的Watson儼然已走在世界前列，在腫瘤領(lǐng)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(gòu)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(xué)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(xué)知識，包括300多份醫(yī)學(xué)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。

　　2015年8月，谷歌宣布設(shè)立母公司Alphabet。其在AI的途徑主要是覆蓋更多應(yīng)用場景，比如延伸到智能家居、自動駕駛、機器人等領(lǐng)域，另外積累底層人工智能技術(shù)，研發(fā)更高級的深度學(xué)習(xí)算法，增強圖形識別和語音識別能力，對信息進(jìn)行更深層加工、處理。谷歌在腎臟、眼科疾病等細(xì)分領(lǐng)域進(jìn)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(yīng)。

　　2016年9月，微軟宣布研發(fā)最新的機器學(xué)習(xí)項目名為Hanover，通過深度學(xué)習(xí)理解專業(yè)的醫(yī)學(xué)論文，幫助醫(yī)生預(yù)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(lǐng)域的應(yīng)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(lǐng)域也不局限于醫(yī)療分支，在語音翻譯、知識圖譜等領(lǐng)域都有涉及。

　　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(xiàn)的采集與分析進(jìn)行人工智能化的產(chǎn)品設(shè)計，模擬醫(yī)生問診、與用戶多輪交流、反復(fù)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。

　　阿里健康宣布聯(lián)合萬里云醫(yī)學(xué)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(xué)科研診斷平臺、醫(yī)療輔助檢測引擎、醫(yī)師能力培訓(xùn)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(lǐng)域的滲透不斷深入。

　　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(wù)領(lǐng)域，在人工智能領(lǐng)域也積極探索。2017年8月份，騰訊發(fā)布了AI醫(yī)學(xué)影像產(chǎn)品“騰訊覓影”，利用人工智能醫(yī)學(xué)影像技術(shù)輔助醫(yī)生實現(xiàn)早期食管癌篩查，憑借“覓影”騰訊正式進(jìn)軍醫(yī)療人工智能。同時，騰訊還宣布成立人工智能醫(yī)學(xué)影像聯(lián)合實驗室。

　　僅2017年8月5日到9日，全球一共有11家AI相關(guān)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(shù)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(fēng)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(fēng)口。

　　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(shù)等醫(yī)療的各個領(lǐng)域。

　　“AI+輔助診療”，就是將人工智能技術(shù)用于輔助診療中，讓計算機 “ 學(xué)習(xí) ” 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(xué)習(xí)的醫(yī)學(xué)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(lǐng)域中最重要也是最核心的場景。

　　據(jù)動脈網(wǎng)蛋殼研究院發(fā)布“人工智能+醫(yī)療技術(shù)成熟度分布曲線”，“AI+醫(yī)療影像”在醫(yī)療領(lǐng)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(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，主要分為兩部分：圖像識別和深度學(xué)習(xí)。

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

　　深度學(xué)習(xí)主要應(yīng)用于人工智能學(xué)習(xí)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(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，促使其掌握 “ 診斷 ” 的能力 。

　　它是指將深度學(xué)習(xí)技術(shù)應(yīng)用于藥物臨床前研究，達(dá)到快速 、準(zhǔn)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。

　　據(jù)稱，人工智能在新藥研發(fā)上的應(yīng)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，

　　同時通過了解用戶飲食習(xí)慣、鍛煉周期、睡眠習(xí)慣等個人生活習(xí)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(jìn)行健康干預(yù)等。

　　據(jù)悉，目前AI醫(yī)療的健康管理主要集中在風(fēng)險識別、虛擬護(hù)士、精神健康、在線問診 、健康干預(yù)以及基于精準(zhǔn)醫(yī)學(xué)的健康管理幾方面 。

　　其中，風(fēng)險識別就是通過獲取并運用AI進(jìn)行分析，識別疾病發(fā)生的風(fēng)險及提供降低風(fēng)險的措施；虛擬護(hù)士就是運用AI技術(shù)，以 “ 護(hù)士” 身份了 解病人飲食習(xí)慣、鍛煉周期、服藥習(xí)慣等個人生活習(xí) 慣，進(jìn)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(shù)從語言 、表情 、聲音等數(shù)據(jù)切入，對個體進(jìn)行情感識別；健康干預(yù)是運用AI對用戶體征數(shù)據(jù)進(jìn)行分析，定制、健康管理計劃。

　　與其他應(yīng)用領(lǐng)域的數(shù)據(jù)不同，醫(yī)療數(shù)據(jù)種類繁雜，標(biāo)準(zhǔn)不統(tǒng)一，并且質(zhì)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(xué)習(xí)所用到的數(shù)據(jù)是訓(xùn)練學(xué)習(xí)模型的教材，因而教材的質(zhì)量最終決定了學(xué)習(xí)的成果，人工智能需要在人的監(jiān)督下完成智能學(xué)習(xí) ，人工標(biāo)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(biāo)記數(shù)量上來說，都還遠(yuǎn)遠(yuǎn)不夠。 如果靠人工對數(shù)據(jù)進(jìn)行標(biāo)記，又需耗費量人力 。

　　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。

　　在訓(xùn)練模型和數(shù)據(jù)預(yù)處理之前，患者隱私保護(hù)需要引起高度重視，患者隱私保護(hù)不容有失。

　　隨著社會的發(fā)展，醫(yī)療越來越成為備受關(guān)注的領(lǐng)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。

　　最龐大的醫(yī)療數(shù)據(jù)儲存地必然是醫(yī)療機構(gòu)，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(shù)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(yīng)用到醫(yī)療領(lǐng)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(fēng)口還是泡沫，在未來，AI+醫(yī)療還仍有很長的路要走。