發布日期：2017-02-17

人工智能最大優勢在于計算能力的高效，尤其在數據密集型、知識密集型、腦力勞動密集型行業領域。與互聯網不同，人工智能對醫療領域的改造是顛覆性的。

IBM 的人工智能 Watson，近日僅用 10 秒就開出了癌癥處方。在引發輿論熱潮的同時，也再次把 “AI + 醫療” 推向高潮。方正證券近日發布的互聯網醫療深度報告就顯示，盡管安防和智能投顧最為火熱，但 AI 在醫療領域可能會率先落地。

接手 “互聯網 +” 無奈的醫療痛點

圖像識別、深度學習、神經網絡等關鍵技術帶動了人工智能新一輪大發展

該份報告指出，從互聯網改造醫療行業的角度來劃分，中國互聯網醫療發展經歷了三個階段：信息服務階段，即互聯網改造的是醫療的信息流，實現人和信息的連接；咨詢服務階段，即互聯網改造的是健康咨詢的服務流，實現人和醫生連接；診療服務階段，互聯網改造的是醫療的服務流，實現人和醫療機構的連接。

然而，互聯網帶來的模式創新沒有根本上提升醫療供給端的服務能力，從而根本上解決醫療資源（尤其是醫生）供不應求的局面。

與此同時，圖像識別、深度學習、神經網絡等關鍵技術的突破帶動了人工智能新一輪的大發展。“人工智能 + 醫療” 概念應運而生。

與互聯網的不同，人工智能對醫療領域的改造是顛覆性的。

對人工智能醫療的需求主要基于幾方面客觀現實：一方面是優質醫療資源供給不足，成本高，醫生培養周期長，誤診率高，疾病譜變化快，技術日新月異；另一方面，隨著人口老齡化加劇、慢性疾病增長、對健康重視程度提高，醫療服務需求持續增加。

人工智能的核心能力實際上是人類自身已擁有的能力，但與人類相比，最大優勢在于計算能力的高效，尤其在數據密集型、知識密集型、腦力勞動密集型行業領域。

在醫療領域，IBM Watson 可以在 17 秒內閱讀 3469 本醫學專著、24.8 萬篇論文，69 種治療方案、61540 次試驗數據、10.6 萬份臨床報告。通過海量汲取醫學知識，包括 300 多份醫學期刊、200 多種教科書及近 1000 萬頁文字，IBM Watson 在短時間內迅速成為腫瘤專家。

阿里云研究中心和 BCG 的最新合作報告指出，從技術突破和應用價值兩維度分析，未來人工智能會出現服務職能、科技突破、超級智能三個階段。基于數據的服務智能階段將在接下來 3—5 年爆發：人工智能拓展、整合多個垂直行業應用，豐富實用場景。IDC Digital 預測，截至 2020 年，醫療數據量將達 40 萬億 GB，預計約 80% 數據為非結構化數據。

四大模式分爭萬億市場

人工智能 + 輔助診療潛在市場空間巨大，至少是萬億級以上的營收規模

從全球創業公司實踐的情況來看，AI + 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，其中以四種模式為主流。

首先是 AI + 輔助診療，即將人工智能技術用

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。輔助診療場景是醫療領域最重要、也最核心的場景，人工智能 + 輔助診療潛在市場空間巨大，至少是萬億級以上的營收規模。

在 AI + 輔助診療的應用中，IBM Watson 是目前最成熟的案例。2012 年 Watson 通過了美國職業醫師資格考試，并部署在美國多家醫院提供輔助診療的服務。目前 IBM Watson 提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。

AI + 醫學影像，是將人工智能技術具體應用在醫學影像的診斷上，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這類非機構化數據進行分析，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，是 AI 應用的最核心環節，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” 的能力。

如今，AI + 醫學影像已經走出實驗室，下一步將迎來商業化浪潮。貝斯以色列女執事醫學中心（BIDMC）與哈佛醫學院合作研發的人工智能系統，對乳腺癌病理圖片中癌細胞的識別準確率能達到 92%，與病理學家的分析結合在一起時，它的診斷準確率可以高達 99.5%。國內的 DeepCare 對于乳腺癌細胞識別的準確率也達到了 92%。

AI + 藥物挖掘，是指將深度學習技術應用于藥物臨床前研究，達到快速、準確地挖掘和篩選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。通過計算機模擬，AI 可以對藥物活性、安全性和副作用進行預測。借助深度學習，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領域取得了新突破。目前，已經涌現出多家 AI 技術主導的藥物研發企業。

最后是 AI + 健康管理。目前從全球 AI + 醫療創業公司來看，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。

巨頭筑基下的生態圈競爭

底層基本都已由科技巨頭布局，開放人工智能平臺是其構建生態的必然趨勢

報告指出，根據技術層級從上到下，人工智能產業鏈，目前分為基礎層、技術層和應用層三個產業層次構成。

基礎層的計算能力是構建生態的基礎，技術層的算法、框架以及通用技術是構建技術護城河的基礎，都屬于人工智能產業大生態的基礎設施，具有高投入、高收益的特點，需要中長期進行投資。而應用層是人工智能技術在具體行業、具體應用場景價值變現的渠道，具有變現能力強的特點。

目前，底層基本都已由科技巨頭布局，且未來開放人工智能平臺是其構建生態的必然趨勢。應用層匯聚了大量的 AI + 醫療創業公司，分布在多個細分領域。總體而言，全球 AI + 醫療產業結構呈現倒金字塔形態。

對于全球科技巨頭而言，之間的競爭不僅僅是某項技術、某個領域的競爭，更多是生態圈與生態圈的競爭。目前科技巨頭均已利用稟賦優勢打造屬于自己的生態圈基本形態，已基本完成 “人工智能 +” 生態的基礎設施布局。

隨著科技巨頭在 AI + 醫療的基礎層和技術層布局逐步完善，在應用層的布局也開始發力。目前正在醫療行業應用布局的大公司主要有四家：IBM、谷歌、微軟、百度。

目前，中國 AI + 醫療產業處于起步階段。2016 年是全球人工智能元年，也是我國人工智能元年。資本對 AI + 醫療的追捧，多家創業公司順利獲得融資。其中，成立僅半年的碳云智能在 A 輪獲得 10 億元的融資。隨著全球科技巨頭陸續將人工智能平臺開放，將有效彌補我國在底層方面的積累不足，各個細分領域的 AI + 醫療創業公司將受益。

來源：科技日報