【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

       隨著社會經濟的進步，人們對于健康的關注度提高，在醫療方面的支出也相應增大。醫療事業的快速發展帶來的是醫療手段方面的進步，人工智能開始在醫療行業得以廣泛應用。

　　人工智能是如何改變醫療的

　　機器學習很容易與醫療行業相結合，因為醫療行業已經積累了大量的診斷數據和以往病例。開發出來的軟件在經過學習后可以幫助醫生檢測腫瘤，推薦診斷方式，甚至可以預測病人住院后的細節。例如，谷歌最近為一種叫做神經網絡的軟件引入了新的算法，這種新算法可以預測病人住院的時間，再次入院的可能性，以及死亡率。

　　但這并不完全是研究數據庫的問題：隨著人工智能的發展，在不久的將來將能夠成為醫生的顧問。以IBM的沃森超級計算機為例，該超級計算機于2010年推出，系統以人工智能和軟件分析結合起來去解決問題。該公司表示，這個系統已經治愈了將近11.5萬名患者和消費者。都柏林城市大學計算學教授艾倫表示，科研人員不斷的在沃森系統上發布新的信息和新的技術突破，這也導致許多醫生利用沃森系統來追蹤最新的科研信息。據悉，這款軟件已經在全國各地的醫院中使用，能夠幫助醫生評估某些病癥并做出診斷和決策。

　　對于醫生對現有的設備有什么看法?醫療設備技術公司Cloud DX的CEO羅伯特說，他們的工作能否得到提升將取決于他們對設備的授權。“我們發現臨床醫生實際上對這個概念很感興趣，”他說。但在醫療領域，人工智能和機器學習有著很高的要求。盡管人工智能最初被引入醫療領域的主要原因是人為失誤，但只要人工智能出現一個錯誤偏差，可能就意味著整個行業將陷入恐慌－－－－尤其是當問題涉及到個人隱私時。

　　人工智能的科技分析

　　1. 深度學習提升醫學影像品質

　　電子病例的錄入在國外已經有長達10年的歷史了，而在中國僅有2年，而語音錄入，作為減少傳統錄入耗時過長的重要手段，具有非常廣闊的前景。DragonMedical是語音病例的龍頭，Nuance的醫療語音解決方案在美國醫療機構中的覆蓋率高達72%，其客戶分布在全球30余個國家和地區，已經有50萬名臨床醫師和1萬臺醫療設備采用其醫療語音解決方案。“基于語音的門診病歷采集系統”是科大訊飛醫療智能語音的主要產品，2016年開啟了試點并初步運用，未來的發展空間遼闊。

　　深度學習提升醫學影像品質。現代醫學是建立在詢證醫學的基礎上的，影像是重要的診斷依據，所以臨床醫生的需求有很大的需求是影像需求，各種各樣的定量分析、歷史圖像的比較。

　　醫生非常擅長定性分析，在看到片子一秒鐘后就大致能判斷出有什么問題，但是醫生需要一些工具做更精準的判斷，定量的分析，這是靠眼睛很難做到的，而利用人工智能的深度學習技術就能從醫學影像中提取出有用的信息，幫助醫生做精準判斷。

　　2.輔助診療

　　在輔助診療領域，專注于癌癥診斷領域在2015年7月已經步入商用，并取得不錯的癌癥診斷成績，在16年超過1000例癌癥病例的診斷中，在超過99%的病例中提供了與腫瘤專家的相同的解決方案。而科大訊飛以全科定位，輔助基層醫生進行診療，旨在緩解我國醫生數量不足、基層醫生水平有限的問題。目前，科大訊飛的人工智能機器人智醫助理通過了國家醫師資格考試，科大訊飛參與建設的安徽省立智慧醫院(人工智能輔助診療中心)已經投入運行。

　　智能醫療的主要應用場景

　　從全球創業公司實踐的情況來看，智能醫療的具體應用包括洞察與風險管理、醫學研究、醫學影像與診斷、生活方式管理與監督、精神健康、護理、急救室與醫院管理、藥物挖掘、虛擬助理、可穿戴設備以及其他。總結來看，目前人工智能技術在醫療領域的應用主要集中于以下五個領域：

　　1. 醫療機器人

　　機器人技術在醫療領域的應用并不少見，比如智能假肢、外骨骼和輔助設備等技術修復人類受損身體，醫療保健機器人輔助醫護人員的工作等 。目前實踐中的醫療機器人主要有兩種： 一是，能夠讀取人體神經信號的可穿戴型機器人，也成為“智能外骨骼”; 二是，能夠承擔手術或醫療保健功能的機器人，以IBM開發的達·芬奇手術系統為典型代表。

　　2. 智能藥物研發

　　智能藥物研發是指將人工智能中的深度學習技術應用于藥物研究，通過大數據分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破。在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。

　　3. 智能診療

　　智能診療就是將人工智能技術用于輔助診療中，讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。

　　4. 智能影像識別

　　智能醫學影像是將人工智能技術應用在醫學影像的診斷上。人工智能在醫學影像應用主要分為兩部分： 一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。

　　5. 智能健康管理

　　智能健康管理是將人工智能技術應用到健康管理的具體場景中。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。

　　 風險識別：通過獲取信息并運用人工智能技術進行分析，識別疾病發生的風險及提供降低風險的措施。

　　 虛擬護士：收集病人的飲食習慣、鍛煉周期、服藥習慣等個人生活習慣信息，運用人工智能技術進行數據分析并評估病人整體狀態，協助規劃日常生活。

　　 精神健康：運用人工智能技術從語言、表情、聲音等數據進行情感識別。

　    移動醫療：結合人工智能技術提供遠程醫療服務。

　　 健康干預：運用AI對用戶體征數據進行分析，定制健康管理計劃。

        人工智能在醫療方面的使用為醫療行業的治療方式和藥物方面帶來了改變，在后期的發展中要克服相關的技術瓶頸，讓技術得到最有價值的運用。