行業(yè)背景及現(xiàn)狀
人工智能過去的60年
人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。人工智能誕生到現(xiàn)在已經(jīng)60多年了，它的概念第一次真正被提出，是在1956年的達特茅斯會議上，一批著名科學家，日后圖靈獎的獲得者，首次確立了“人工智能”的概念：讓機器像人那樣認知、思考和學習，即用計算機模擬人的智能。
人工智能發(fā)展歷史
人工智能發(fā)展60多年來，經(jīng)歷過浪潮、經(jīng)歷過低谷，21世紀后逐步嶄露頭角，擁有了令人興奮的技術(shù)突破和商業(yè)應(yīng)用。
第一次人工智能浪潮，出現(xiàn)在1956～1974年。其間，算法和方法論有了新的進展，特別是算法方面出現(xiàn)了很多世界級發(fā)明，其中包括一種稱作增強學習的雛形（貝爾曼公式）。增強學習，是谷歌阿爾法狗（AlphaGo）算法的核心思想內(nèi)容。如今人們常聽到的深度學習模型的雛形——感知器，也是那幾年發(fā)明的。
第一次人工智能寒冬，出現(xiàn)在1974～1980年。人們發(fā)現(xiàn)邏輯證明器、感知器和增強學習等，只能做很簡單，領(lǐng)域很窄的任務(wù)，稍微超出范圍就無法應(yīng)對。實際這受到了計算機性能瓶頸、計算機復(fù)雜性增長以及可供學習知識不足的局限。
第二次人工智能寒冬，系由1987～1993年個人電（PC）出現(xiàn)“促成”的。計算機由此走入家庭，特別是費用遠遠低于專家系統(tǒng)所使用的Symbolics和Lisp等機器。于是，在美國，由于政府支持的經(jīng)費數(shù)額開始下降，故又一次寒冬來臨。雖然研究還在繼續(xù)，但是人工智能已經(jīng)很少被提及了。
21世紀初，隨著計算機周邊的互聯(lián)能力、大數(shù)據(jù)、計算性能、存儲能力和傳感器技術(shù)的大幅度進步，以及人工智能相關(guān)的圖像識別、深度學習和神經(jīng)網(wǎng)絡(luò)算法等關(guān)鍵技術(shù)的突破，人工智能終于有了革命性發(fā)展。人工智能從過去的基于專家和人為設(shè)定規(guī)則中走出，開始從海量數(shù)據(jù)中自動尋找規(guī)則。
人工智能+醫(yī)療的歷史
醫(yī)療領(lǐng)域最突出的問題就是優(yōu)質(zhì)醫(yī)療資源不足，同時，醫(yī)生對疾病的診斷準確度和效率還有非常大的提升空間。長期以來，大多數(shù)國家和地區(qū)，特別是進入老齡化社會之后，對醫(yī)生的需求量有增無減。解決醫(yī)生資源不足的問題，除了增加供給量，別無他法。但是醫(yī)生培養(yǎng)需要周期，而且供給量也不能無限增加。于是，人們開始寄希望于機器。因為一旦能夠?qū)崿F(xiàn)機器看病，供給量將會無限增加。所以，人工智能+醫(yī)療的結(jié)合，是人工智能諸多應(yīng)用場景中最重要一個。
人工智能+醫(yī)療發(fā)展歷史
科技輔助醫(yī)療發(fā)展的三個階段
人工智能輔助醫(yī)療領(lǐng)域，可以獲得諸多顛覆性的改進：
?。?）幫助醫(yī)生提高醫(yī)療診斷速度、準確度，提高醫(yī)生的供應(yīng)量；
?。?）提高患者自查自診自我管理的比例，降低患者對醫(yī)生的需求量；
?。?）更早發(fā)現(xiàn)疾病，減少后續(xù)的醫(yī)療費用支出；
?。?）提高醫(yī)療機構(gòu)、醫(yī)生的工作效率，降低醫(yī)療成本；
（5）優(yōu)化醫(yī)院管理水平，減少不合理的醫(yī)療支出；
?。?）幫助研發(fā)人員發(fā)現(xiàn)有價值的新藥物，幫助醫(yī)生對患者進行個性化分析和方案設(shè)計
人工智能發(fā)展三大條件
我國人工智能現(xiàn)狀
盡管美國在人工智能的基礎(chǔ)研究領(lǐng)域一直處于前沿地位，但是近兩年來，中國的人工智能科技人才正在實現(xiàn)彎道超車。根據(jù)美國發(fā)布的《國家人工智能研究與發(fā)展策略規(guī)劃》報告，從2013年到2015年，SCI收錄的人工智能方向論文，涉及“深度學習”的論文數(shù)量增長了約6倍。中國學者的論文發(fā)表數(shù)量從2014年開始超過美國，并大幅度領(lǐng)先于其他國家。
從目前人工智能的發(fā)展情況來看，算法和算力已經(jīng)基本不存在較高的技術(shù)壁壘，我國的研究已屬于全球第一梯隊，數(shù)據(jù)將成為決定項目成敗的關(guān)鍵，特別是在醫(yī)療方面。落實到醫(yī)療領(lǐng)域，我國的醫(yī)療數(shù)據(jù)并不匱乏，但是有效的醫(yī)療數(shù)據(jù)仍舊捉襟見肘。特別是對這些數(shù)據(jù)的標注和結(jié)構(gòu)化是一個難題，這讓機器學習困難重重。
中國初創(chuàng)企業(yè)目前在醫(yī)療數(shù)據(jù)的獲取上，還有相當大的難度。第一，盡管能夠通過醫(yī)院或其他渠道獲得海量數(shù)據(jù)，但是數(shù)據(jù)缺乏標準化，數(shù)據(jù)質(zhì)量不高。第二，對跨境數(shù)據(jù)流通的限制也使得中國在全球合作中處于不利地位。
政策層面，近幾年國家積極發(fā)布多個文件推動整個產(chǎn)業(yè)發(fā)展，更是在2017年將人工智能提升到國家戰(zhàn)略的高度。國家戰(zhàn)略所提出的具體規(guī)劃帶來豐富的創(chuàng)業(yè)機會點，人工智能+醫(yī)療領(lǐng)域的創(chuàng)業(yè)擁有非常優(yōu)越的政策環(huán)境。
八大細分應(yīng)用領(lǐng)域
人工智能和醫(yī)療的結(jié)合方式非常多，從就醫(yī)流程來看，有針對診前、診中、診后的各階段應(yīng)用；從應(yīng)用對象來看，有針對患者、醫(yī)生、醫(yī)院、藥企等多角色應(yīng)用；從業(yè)務(wù)類型來看，有增效、減成本等多種模式。從具體業(yè)務(wù)模式細分，可以分為以下八個方向：
?。?）虛擬助手
虛擬助手是一種可以和人類進行溝通和交流的輔助機器人，它通過人工智能技術(shù)理解人類的想法，學習人類的需求，并輸出各類知識和信息，輔助人類的生活和工作。
通用型的虛擬助手大家相比已經(jīng)很熟悉了，比如蘋果手機上的Siri、微軟Cortana、亞馬遜Alexa、谷歌Google Assistant、Facebook M等。人工智能虛擬助手使用自然語言處理技術(shù)進行語音和語義識別，以及優(yōu)化的決策算法來完成與人類的互動。醫(yī)療虛擬助手和通用型虛擬助手在信息輸入和輸出方式上類似，但其數(shù)據(jù)庫范圍局限在醫(yī)療領(lǐng)域，更加專業(yè)和復(fù)雜，同時受到嚴格的監(jiān)管。
（2）疾病篩查和預(yù)測
現(xiàn)代醫(yī)學，是從人們的各種生化、影像的檢查結(jié)果中，去診斷是否患病。如果要實現(xiàn)疾病的未來發(fā)展預(yù)測，往往力不從心。人工智能能夠參與疾病的篩查和預(yù)測，需要從行為、影像、生化等檢查結(jié)果中進行判斷，依靠得最多的檢查數(shù)據(jù)是MRI、CT、X光等影像數(shù)據(jù)。人工智能在進行疾病的篩查和預(yù)測過程中，除了通過生化、影像檢查結(jié)果中去發(fā)現(xiàn)疾病的端倪，人們的語言、文字也會成為精神健康和身體健康狀況的可測指標。
目前，人工智能參與的疾病篩查和預(yù)測上，絕大部分是人類尚無法攻克的嚴重疾病，一組數(shù)據(jù)說明了這一點。人工智能相關(guān)的醫(yī)學論文中，腫瘤以892篇遙遙領(lǐng)先，阿茲海默排名第二。
阿茲海默癥預(yù)測：來自英國的Avalon AI公司通過腦部核磁共振（MRI）圖像，預(yù)測在未來患老年癡呆癥的幾率。他們利用深度學習技術(shù)開發(fā)計算機醫(yī)學影像診斷工具，目前對老年癡呆的有效預(yù)測準確率已經(jīng)達到了75%。
腦疝預(yù)測：《中國衛(wèi)計統(tǒng)計》2014年刊登了一篇名為《利用人工智能系統(tǒng)預(yù)測大面積腦梗死患者的轉(zhuǎn)歸》的論文，利用人工神經(jīng)網(wǎng)絡(luò)多層感知機建立多因素預(yù)測模型，對大面積腦梗患者的預(yù)后進行預(yù)測。
慢性腎病分級預(yù)測：華南農(nóng)業(yè)大學食品學院的研究員曾經(jīng)基于人工智能對腎小球過濾進行預(yù)測，通過BP神經(jīng)網(wǎng)絡(luò)構(gòu)造了預(yù)測模型，從而最終構(gòu)建出一個實用性良好的慢性腎病分型預(yù)警模型。
心臟病患者死亡預(yù)測：英國科學家在《放射學（Radiology）》雜志上發(fā)表文章，研究結(jié)果認為人工智能可以預(yù)測心臟病人何時死亡。英國醫(yī)學研究委員會下的MRC倫敦醫(yī)學科學研究所稱，人工智能軟件通過分析血液檢測結(jié)果和心臟掃描結(jié)果，可以發(fā)現(xiàn)心臟即將衰竭的跡象。
骨關(guān)節(jié)炎發(fā)展預(yù)測：卡內(nèi)基梅隆大學生物工程博士Shinjini Kundu 在一次會議上，展示了人工智能在骨關(guān)節(jié)炎發(fā)展方面進行預(yù)測的研究。在Shinjini Kundu的研究中，通過收集大量人群10年間的軟骨MRI影像數(shù)據(jù)，通過人工智能去尋找健康人群和患病人群的影像差別。人工智能通過大量圖像數(shù)據(jù)的學習，能夠發(fā)現(xiàn)正常人的軟骨中的異常，從而預(yù)測出未來三年患有骨關(guān)節(jié)炎的概率。
流行病風險預(yù)測：中國平安與重慶疾控中心聯(lián)合課題組研發(fā)的全球首個流感預(yù)測模型取得階段性進展：利用平安的大醫(yī)療健康數(shù)據(jù)和人工智能技術(shù)，及重慶市疾控中心監(jiān)測數(shù)據(jù)，能夠提前一周預(yù)測流感發(fā)病趨勢，并在驗證中取得了準確的預(yù)測效果。
?。?）醫(yī)學影像
現(xiàn)代醫(yī)學是建立在實驗基礎(chǔ)上的循證醫(yī)學，醫(yī)生的診療結(jié)論必須建立在相應(yīng)的診斷數(shù)據(jù)上，影像是重要的診斷依據(jù)，醫(yī)療行業(yè)80%~90%的數(shù)據(jù)都來源于醫(yī)學影像。所以臨床醫(yī)生有極強的影像需求，他們需要對醫(yī)學影像進行各種各樣的定量分析、歷史圖像的比較，從而能夠完成一次診斷。
“人工智能+醫(yī)學影像”便是計算機在醫(yī)學影像的基礎(chǔ)上，通過深度學習，完成對影像的分類、目標檢測、圖像分割和檢索工作，協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具。
?。?）病例／文獻分析
人工智能的切入主要是利用機器學習和自然語言處理技術(shù)自動抓取病歷中的臨床變量，智能化融匯多源異構(gòu)的醫(yī)療數(shù)據(jù)，結(jié)構(gòu)化病歷、文獻生成標準化的數(shù)據(jù)庫將積壓的病歷自動批量轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)庫。
目前人工智能病歷/文獻分析的應(yīng)用場景主要有三類：病歷結(jié)構(gòu)化處理、多源異構(gòu)數(shù)據(jù)挖掘、臨床決策支持。
?。?）醫(yī)院管理
“醫(yī)院管理”顧名思義，是指以醫(yī)院為對象的管理科學，它根據(jù)醫(yī)院工作的客觀規(guī)律，運用現(xiàn)代的管理理論和方法，對人、財、物、信息、時間等資源，進行計劃、組織、協(xié)調(diào)、控制，充分利用醫(yī)院的現(xiàn)有資源，實現(xiàn)醫(yī)療效用的最大化。
（6）智能化器械
智能化器械是指由現(xiàn)代通信與信息技術(shù)、計算機網(wǎng)絡(luò)技術(shù)、行業(yè)技術(shù)、智能控制技術(shù)、人工智能技術(shù)匯集而成的針對醫(yī)療器械的應(yīng)用。但是智能化器械不是指普通的擁有智能功能的醫(yī)療器械，它可以擺脫對醫(yī)生操作的依賴，通過機器學習等底層技術(shù)實現(xiàn)自我的更新迭代。
智能化器械在兩個方面能夠大大提升醫(yī)療效率：
首先，智能化器械能夠幫助醫(yī)生節(jié)省工作量。傳統(tǒng)的醫(yī)療器械僅僅能夠作為一種工具幫助醫(yī)生對病人進行診斷、治療和康復(fù)，而在人工智能等技術(shù)的幫助下，智能醫(yī)療器械可以成為醫(yī)生的助手，他們能與傳統(tǒng)器械進行融合，方便醫(yī)生快速進行診斷。比如，智能化器械能篩出不需要醫(yī)生進行分析的信息，讓醫(yī)生專注于疑難雜癥的處理上。
其次，智能化器械能夠提高器械使用的精準度。傳統(tǒng)器械是獨立操作，而智能化器械能夠與其他設(shè)備產(chǎn)生廣泛的聯(lián)系，借用大數(shù)據(jù)的優(yōu)勢。比如，在利用智能化器械進行診斷時，他能夠在大數(shù)據(jù)的幫助下，根據(jù)歷史信息，做出更加準確的判斷。
對于傳統(tǒng)的器械公司來說，組建一個新部門研發(fā)產(chǎn)品的流程是比較復(fù)雜的，但是與人工智能公司合作，自己就無需耗費時間、財力和精力去做這個事情，通過合作的方式將人工智能系統(tǒng)搭載在器械上面銷售，增加器械的競爭力。
對于醫(yī)療人工智能公司來說，產(chǎn)品研發(fā)出來以后，與器械廠商的合作有兩種好處，一方面可以通過科研合作的方式，驗證自己產(chǎn)品的實際臨床效果。
此類應(yīng)用的參與公司包括國外的三大巨頭GPS（通用、飛利浦、西門子）、萬東醫(yī)療、安翰醫(yī)療、成運醫(yī)療。
?。?）藥物發(fā)現(xiàn)
新藥的開發(fā)流程可分為藥物發(fā)現(xiàn)、臨床前開發(fā)和臨床開發(fā)三個部分。而現(xiàn)代藥物發(fā)現(xiàn)在技術(shù)上又可以分為三個階段：靶點的發(fā)現(xiàn)和確證、先導(dǎo)物的發(fā)現(xiàn)、先導(dǎo)物的優(yōu)化三個階段。藥物發(fā)現(xiàn)是一種資本密集型的過程，需要藥業(yè)公司以及各國政府的大量投資。
目前新藥產(chǎn)品的研發(fā)越來越難以取得突破。一方面，大多數(shù)可以被使用的化合物已經(jīng)被發(fā)現(xiàn)，新的化合物開發(fā)難度逐漸加大。另一方面，科學成果的數(shù)量增長速度很快，人類個體不可能完全理解這些數(shù)據(jù)。而人工智能可以從海量論文中社區(qū)所需的分子結(jié)構(gòu)等信息，并且可以自主學習，建立其中的關(guān)聯(lián)，提供新的思路和想法。
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。共7種不同應(yīng)用方向。
（8）健康管理
個人的健康數(shù)據(jù)十分復(fù)雜，按照數(shù)據(jù)的來源我可以將個人健康數(shù)據(jù)分為基因數(shù)據(jù)、生理數(shù)據(jù)(比如血壓、脈搏)、環(huán)境數(shù)據(jù)(比如每天呼吸的空氣)、社交數(shù)據(jù)等。有了這些個人健康數(shù)據(jù)，加上人工智能最終可以實現(xiàn)人們對健康的前瞻性管理。
健康管理是變被動的疾病治療為主動的自我健康監(jiān)控。通過帶有醫(yī)療監(jiān)控功能的可穿戴設(shè)備實時監(jiān)控人體各項生理指標，結(jié)合其他個人健康數(shù)據(jù)，對潛在健康風險做出提示，并給出相應(yīng)的改善策略。
根據(jù)人工智能應(yīng)用在不同領(lǐng)域的健康管理，可將AI在健康管理上的應(yīng)用分為：慢病健康管理、人口健康管理、母嬰健康管理、精神健康管理、術(shù)后健康管理、運動健康管理六個細分領(lǐng)域。
商業(yè)模式分析
成本組成
人工智能+醫(yī)療企業(yè)的成本主要有生產(chǎn)成本（數(shù)據(jù)成本、算力成本和人力成本等）和營銷成本（運營成本和推廣成本等），一般情況下生產(chǎn)成本占據(jù)全部成本的大部分。
盈利方式
目前雖然絕大多數(shù)人工智能+醫(yī)療的公司未實現(xiàn)盈利，產(chǎn)品多在醫(yī)院試用階段，但通過不同的業(yè)務(wù)模式仍可以實現(xiàn)付費收入。
現(xiàn)實挑戰(zhàn)
雖然人工智能在醫(yī)療領(lǐng)域的應(yīng)用能產(chǎn)生巨大的潛在價值，但是在現(xiàn)實中讓人工智能達到預(yù)期效果仍要面臨一些問題。尤其是在人才、技術(shù)發(fā)展、客觀基礎(chǔ)條件、數(shù)據(jù)壁壘、政府監(jiān)管和市場培育等挑戰(zhàn)。
人才供需不平衡：人才供需不均衡，人才成本過高嚴重影響了人工智能公司的發(fā)展。
數(shù)據(jù)質(zhì)量：人工智能可以對人的意識、思維的信息過程進行模擬，可以像人一樣思考，人工智能學習醫(yī)生的經(jīng)驗就像我們上學時學習課本知識，因此數(shù)據(jù)的質(zhì)量至關(guān)重要。
數(shù)據(jù)標注問題：人工智能數(shù)據(jù)處理中80%的時間都是在做數(shù)據(jù)預(yù)處理工作，標注的準確性關(guān)乎結(jié)果的準確性，近兩年之內(nèi)沒有什么好的辦法，還是要大量醫(yī)生去標注。
算法方向選擇問題：在醫(yī)生的工作中，影像只是一部分，還有很多主訴和交流，但是目前人工智能尚處于弱人工智能階段，并不能進行深入的溝通，因此選擇輔助分析算法的時候需要選擇更少溝通，更客觀的方向。
數(shù)據(jù)監(jiān)管問題：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，是規(guī)范醫(yī)療服務(wù)市場秩序的重要手段和方式，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，在接下來的發(fā)展過程中一定會遇到醫(yī)療監(jiān)管的問題。
市場培養(yǎng)：醫(yī)療被認為是人工智能最早落地的領(lǐng)域，但是醫(yī)療的特殊性對產(chǎn)品的要求會更高，從認識到被接受再到相應(yīng)支付體系的完善，以及到醫(yī)保的接入，都需要一個很長的過程。
政府監(jiān)管：目前醫(yī)療人工智能行業(yè)還處于跑馬圈地階段，雖然國家出臺了《新一代人工智能發(fā)展規(guī)劃》，但是規(guī)劃中指出，到2025年，國家才會初步建立人工智能法律法規(guī)、倫理規(guī)范和政策體系，形成人工智能安全評估和管控能力。也就是說在這幾年內(nèi)，人工智能幾乎“無法可依”。
行業(yè)布局及潛在投資標的
大公司
國外的科技巨頭中，IBM在人工智能+醫(yī)療領(lǐng)域的布局最早也最深入，谷歌和微軟也有部分參與。Facebook、蘋果、亞馬遜等巨頭在人工智能領(lǐng)域已經(jīng)有長遠考慮，但是主要布局在它們各自有競爭優(yōu)勢的行業(yè)，對于跨界應(yīng)用于醫(yī)療行業(yè)的人工智能項目較少。
國內(nèi)的科技巨頭中，百度和阿里都推出了自己的人工智能+醫(yī)療解決方案，而騰訊主要以投資創(chuàng)業(yè)公司的形式在人工智能+醫(yī)療領(lǐng)域布局，最近也推出了具體的人工智能醫(yī)療產(chǎn)品。
初創(chuàng)公司
據(jù)不完全統(tǒng)計，國內(nèi)和國外的人工智能+醫(yī)療初創(chuàng)企業(yè)共有192家。其中國內(nèi)83家，國外109家。國內(nèi)83家企業(yè)主要布局在醫(yī)學影像、病歷/文獻分析和虛擬助手三個應(yīng)用場景，而其中涉足醫(yī)學影像類的企業(yè)數(shù)量達到40家，遠高于其他應(yīng)用場景的企業(yè)數(shù)量。
潛在投資標的
據(jù)億歐智庫不完全統(tǒng)計，國內(nèi)共有人工智能+醫(yī)療大公司、創(chuàng)業(yè)公司131家，公司名稱及主營業(yè)務(wù)列示如下：
投資邏輯及總結(jié)
2016年是人工智能+醫(yī)療在國內(nèi)形成投資風口的元年，有27家國內(nèi)企業(yè)在2016年進行融資，其中16家企業(yè)融資金額在千萬級人民幣或美元以上，醫(yī)療大數(shù)據(jù)公司碳云智能當年的融資金額高達10億人民幣。截至2017年8月31日，國內(nèi)83家企業(yè)的融資總額已經(jīng)接近42億人民幣。
國內(nèi)83家人工智能+醫(yī)療企業(yè)中有61家有公開的融資信息，它們目前的融資輪次集中于A輪和天使輪，國內(nèi)企業(yè)在人工智能應(yīng)用于醫(yī)療領(lǐng)域的商業(yè)競賽才剛剛開始。
第三十四屆CIO班招生
國際CIO認證培訓(xùn)
首席數(shù)據(jù)官（CDO）認證培訓(xùn)
責編：content
免責聲明：本網(wǎng)站（http://www.www.gypb.net/）內(nèi)容主要來自原創(chuàng)、合作媒體供稿和第三方投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
本網(wǎng)站刊載的所有內(nèi)容（包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等）版權(quán)歸原作者所有。任何單位或個人認為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，請及時通知本站，予以刪除。
搶沙發(fā)
