從2016年起，人工智能和醫(yī)療的融合在各個(gè)環(huán)節(jié)開始擦出火花。經(jīng)過幾年的發(fā)展，醫(yī)療AI在2019年迎來商業(yè)落地考驗(yàn)，紛紛進(jìn)入臨床應(yīng)用和醫(yī)生的工作流，并在2020年初開花結(jié)果。

2020年1月15日，國(guó)家藥品監(jiān)督管理局批準(zhǔn)了科亞醫(yī)療的創(chuàng)新產(chǎn)品“冠脈血流儲(chǔ)備分?jǐn)?shù)計(jì)算軟件”的注冊(cè)，成為了首個(gè)獲得AI影像Ⅲ類證的產(chǎn)品。

除此之外，2019年的AI產(chǎn)品有什么樣的新進(jìn)展呢？動(dòng)脈網(wǎng)蛋殼研究院在2019年未來醫(yī)療100強(qiáng)大會(huì)上發(fā)布了《2019中國(guó)醫(yī)療人工智能報(bào)告》，本文為報(bào)告的部分節(jié)選。

圍繞核心算法能力的醫(yī)療AI應(yīng)用矩陣

根據(jù)依賴應(yīng)用服務(wù)對(duì)象、使用醫(yī)療環(huán)節(jié)、醫(yī)療應(yīng)用病種范圍，報(bào)告制作了醫(yī)療人工智能應(yīng)用矩陣，并對(duì)我國(guó)醫(yī)療人工智能行業(yè)進(jìn)行了總結(jié)，制作出了醫(yī)療人工智能行業(yè)圖譜。

醫(yī)療人工智能應(yīng)用矩陣

醫(yī)療人工智能行業(yè)圖譜

醫(yī)療AI在醫(yī)院端的應(yīng)用場(chǎng)景分析

AI+虛擬助手：打通診療不同環(huán)節(jié)是關(guān)鍵

據(jù)丁香園調(diào)查，50%以上的住院醫(yī)生每天用于寫病歷的平均時(shí)間達(dá)4小時(shí)以上。《福布斯》曾報(bào)道，在門診室，醫(yī)生只花52.9%的時(shí)間在跟患者溝通，37%的時(shí)間在處理書面工作，還有10%的時(shí)間在處理瑣事。

排隊(duì)3小時(shí)，問診2分鐘。醫(yī)生病歷錄入工作量大、病歷質(zhì)控難、患者門診服務(wù)缺失是就診階段的三大痛點(diǎn)。基于語音識(shí)別、語義理解、麥克風(fēng)陣列三大核心技術(shù)，AI+虛擬助手可以應(yīng)用于診前、診中、診后多個(gè)環(huán)節(jié)。

診前：智能導(dǎo)診機(jī)器人逐漸成為醫(yī)院的一道新的風(fēng)景線。導(dǎo)診機(jī)器人主要是通過患者的語音輸入進(jìn)行語義分析，然后給出分診和導(dǎo)診建議，節(jié)約人力，方便患者。更先進(jìn)的導(dǎo)診機(jī)器人還能通過傳感器收集患者的生命體征信息，進(jìn)行預(yù)問診，提前將患者的基本體征、病情摘要反饋給門診醫(yī)生。這使得醫(yī)生在見到患者之前，便已獲得患者病情的部分信息，從而提高醫(yī)生問診效率，減少誤診。

診中：AI病歷助手可以直接將語音轉(zhuǎn)為結(jié)構(gòu)化的電子病歷。智能語音錄入全過程由醫(yī)療語言數(shù)據(jù)模型進(jìn)行支撐，能夠?qū)崿F(xiàn)檢查、診斷和病歷錄入同時(shí)進(jìn)行，避免了醫(yī)生診斷總是被打斷的情形，從而節(jié)省醫(yī)生的時(shí)間，使其能專注于診療本身。AI手術(shù)助手可以讓手術(shù)醫(yī)生利用虛擬屏幕、語音識(shí)別，手勢(shì)識(shí)別等技術(shù)，隔空操作電子設(shè)備。這有效減少了手術(shù)時(shí)間，降低感染風(fēng)險(xiǎn)。

診后：在患者離院后，AI虛擬助手可以對(duì)患者進(jìn)行回訪以及滿意度調(diào)查，推送醫(yī)囑事項(xiàng)、復(fù)查提醒、醫(yī)學(xué)科普等。

AI+臨床工作流：合理配置醫(yī)療資源，實(shí)現(xiàn)效益最大化

臨床工作流，是對(duì)醫(yī)院管理流程和醫(yī)生工作流程的概括描述。臨床工作流解決的主要問題是：利用數(shù)字化工具在多個(gè)參與者之間自動(dòng)傳遞文檔、信息或者任務(wù)，實(shí)現(xiàn)醫(yī)院業(yè)務(wù)目標(biāo)（非診療行為的信息化）。

人工智能正在通過醫(yī)院管理和診療流程管理，引領(lǐng)醫(yī)療行業(yè)的全數(shù)字化轉(zhuǎn)型，幫助醫(yī)療機(jī)構(gòu)優(yōu)化臨床工作流程，提供更好的醫(yī)療服務(wù)，創(chuàng)造更高的利潤(rùn)。

醫(yī)院管理的目的是充分優(yōu)化醫(yī)院的醫(yī)療資源配置，實(shí)現(xiàn)效益最大化。

AI根據(jù)醫(yī)院已有的信息進(jìn)行建模，訓(xùn)練出一套精準(zhǔn)的算法，自動(dòng)制定工作安排。比如它能根據(jù)電子病歷、既往病史等信息分析出哪些患者是最需要及時(shí)救治的，把醫(yī)療資源優(yōu)先提供給他們，優(yōu)化醫(yī)療服務(wù)的先后順序。

從產(chǎn)品分類看，臨床工作流管理根據(jù)對(duì)象可以分為醫(yī)療設(shè)備管理、醫(yī)生工具和支付管理。

醫(yī)療設(shè)備管理：人工管理向智能化管理轉(zhuǎn)變。醫(yī)療設(shè)備管理過程中存在的離散分布、維修保養(yǎng)和質(zhì)控管理效率低等痛點(diǎn)。隨著智能化、信息化、規(guī)范化逐漸成為醫(yī)療設(shè)備資產(chǎn)管理的大趨勢(shì)，醫(yī)療設(shè)備服務(wù)市場(chǎng)已經(jīng)從單純的設(shè)備維修，轉(zhuǎn)變?yōu)獒t(yī)療設(shè)備全生命周期管理。

醫(yī)生工具：從單點(diǎn)醫(yī)生賦能到多點(diǎn)醫(yī)生協(xié)作賦能。醫(yī)生工具的作用主要是為醫(yī)生賦能，提高工作效率、增強(qiáng)醫(yī)生能力。

醫(yī)保控費(fèi)：從規(guī)則控費(fèi)向大數(shù)據(jù)控費(fèi)轉(zhuǎn)變。人工智能和大數(shù)據(jù)為醫(yī)保智能監(jiān)控系統(tǒng)的建設(shè)提供了新思路。部分地區(qū)開始探索通過運(yùn)用包括案例推理、醫(yī)療行為模式分析、診療方案分析、醫(yī)患網(wǎng)絡(luò)擴(kuò)散分析等在內(nèi)的大數(shù)據(jù)分析手段來提升對(duì)欺詐騙保行為的識(shí)別能力，確保醫(yī)保報(bào)銷的合理性。

AI+預(yù)防管理：實(shí)現(xiàn)疾病的全面篩查和預(yù)測(cè)

上醫(yī)治未病，預(yù)防醫(yī)學(xué)優(yōu)于被動(dòng)治療。隨著人工智能、大數(shù)據(jù)、基因等技術(shù)的進(jìn)步，現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)部分疾病的可能性預(yù)測(cè)了。安吉麗娜·朱莉接受預(yù)防性的雙側(cè)乳腺切除手術(shù)，以降低罹患癌癥的風(fēng)險(xiǎn)。而之所以進(jìn)行這項(xiàng)手術(shù)，是因?yàn)樗谢蛉毕荩净既橄侔┖吐殉舶┑娘L(fēng)險(xiǎn)恐怕較高。

這是從基因的角度進(jìn)行的疾病風(fēng)險(xiǎn)預(yù)測(cè)，而AI也能從我們的行為、生化、影像等檢查結(jié)果中實(shí)現(xiàn)疾病的篩查和預(yù)測(cè)。

以糖網(wǎng)病為例，糖網(wǎng)病是是常見的視網(wǎng)膜血管病變，也是糖尿病患者的主要致盲眼病。中國(guó)是全球2型糖尿病患者最多的國(guó)家，隨著糖尿病患者的增多，糖尿病視網(wǎng)膜病變的患病率、致盲率也逐年升高。

因?yàn)樘蔷W(wǎng)病早期往往沒有任何臨床癥狀，而一旦有癥狀，病情已較嚴(yán)重，容易錯(cuò)過最佳治療時(shí)機(jī)。所以糖網(wǎng)病的治療效果取決于治療是否及時(shí)。但是由于我國(guó)眼科醫(yī)生匱乏、居民重視程度不高，目前我國(guó)糖網(wǎng)病篩查的比例不足10%。

中國(guó)有90多萬家基層醫(yī)療機(jī)構(gòu)，占整個(gè)醫(yī)療體系機(jī)構(gòu)數(shù)量的95%，覆蓋人群5.8億人。但是，基層醫(yī)生供給不足，現(xiàn)有醫(yī)生的數(shù)量已經(jīng)無法承擔(dān)這些工作量，導(dǎo)致醫(yī)生過勞，誤診、漏診的情況出現(xiàn)。

此外，基層醫(yī)療設(shè)備先進(jìn)性不足，我國(guó)基層醫(yī)療衛(wèi)生機(jī)構(gòu)設(shè)備集中在50萬元以下，100萬元以上設(shè)備極少，說明設(shè)備先進(jìn)性偏低，僅能滿足基礎(chǔ)疾病的診療，無法完成疑難雜癥的早期篩查。

預(yù)防管理按照其產(chǎn)品的使用范圍，可以劃分為篩查類產(chǎn)品和預(yù)測(cè)類產(chǎn)品。

篩查和診斷的核心區(qū)別，在于診斷是已經(jīng)有明顯的癥狀后確定是哪種疾病，而篩查事先并不知道是否患病。

通過分析市面上主流的AI早篩類產(chǎn)品，我們發(fā)現(xiàn)其主要聚集在肺結(jié)節(jié)篩查、糖網(wǎng)病篩查、癌癥篩查三大類。這是因?yàn)樯鲜龊Y查的影像大多是DR、CT、眼底照片等，比較容易獲取。而且中檢院在2018年已經(jīng)建立起了彩色眼底圖像和肺部CT影像兩個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，這對(duì)產(chǎn)品研發(fā)、審批、推廣也有很大幫助。

人工智能基于多模態(tài)數(shù)據(jù)，包括文本、影像和流數(shù)據(jù)等（心率、血氧、呼吸等），可以應(yīng)用于多種疾病預(yù)測(cè)，比如流行性疾病、慢性非傳染病、精神類疾病等。

AI+輔助診斷：CDSS與MDT聯(lián)合是未來發(fā)展方向

從診斷的數(shù)據(jù)流看，首先，患者分別進(jìn)行影像、病理、體外診斷等一系列檢查，并得到初步的檢查結(jié)果。然后，檢查數(shù)據(jù)通過PACS、HIS等信息化系統(tǒng)整合存儲(chǔ)起來。最后，所有的數(shù)據(jù)匯集到醫(yī)生端做綜合解讀。

人工智能的最終目標(biāo)是像專家一樣能實(shí)現(xiàn)單獨(dú)綜合診斷，然而目前最成熟的應(yīng)用還是集中在單個(gè)項(xiàng)目上，尤其影像領(lǐng)域。我們統(tǒng)計(jì)了AI+輔助診斷領(lǐng)域的120家企業(yè)，其中影像類輔助診斷占比最高（34%），其次是數(shù)據(jù)整合存儲(chǔ)（占比22%）。

影像：云端化、集成化發(fā)展

基于四大影像技術(shù)：X射線、CT、MRI、超聲，加上最新的核醫(yī)學(xué)成像技術(shù)（PET），人工智能在影像領(lǐng)域的應(yīng)用主要是圖像分類、器官標(biāo)記、組織結(jié)構(gòu)的分割、病灶區(qū)的分割，以及圖像配準(zhǔn)等。產(chǎn)品布局的方向集中在胸部、頭部、盆腔、四肢關(guān)節(jié)。最多投入的就是肺結(jié)節(jié)以及肺部相關(guān)疾病，其次是心腦血管，盆腔的主要是前列腺、直腸，骨關(guān)節(jié)主要圍繞骨折和骨齡。

對(duì)于醫(yī)院需求方來說，影像AI產(chǎn)品想要切入三甲醫(yī)院，必須抓住三甲醫(yī)院醫(yī)生的兩個(gè)關(guān)鍵需求——效率需求和科研需求。如今產(chǎn)品比較成熟的CT肺結(jié)節(jié)、CTA冠心病、腦卒中等輔助診斷產(chǎn)品均滿足了醫(yī)生對(duì)于閱片效率的追求。

而對(duì)于醫(yī)療能力略遜一籌的鄉(xiāng)鎮(zhèn)級(jí)醫(yī)院，受限于設(shè)備落后、人員不足等困境，基層醫(yī)療的影像AI產(chǎn)品主要基于X射線和超聲，輔助診斷一些常見病。影像AI企業(yè)可為其搭建私有云、連接醫(yī)聯(lián)體的云PACS，也可在院內(nèi)以教學(xué)的方式培養(yǎng)醫(yī)生的閱片能力與出具報(bào)告能力。

病理：分病種攻克

在整個(gè)醫(yī)療診斷的工作流程中，病理診斷作為醫(yī)學(xué)影像分析的下一環(huán)節(jié)，是診斷的“金標(biāo)準(zhǔn)”。

傳統(tǒng)的病理診斷主觀性強(qiáng)、重復(fù)性低、誤診率高。病理醫(yī)生依靠肉眼和個(gè)人經(jīng)驗(yàn)，將顯微鏡下切片放大40到400倍后，觀察細(xì)胞形態(tài)和組織結(jié)構(gòu)，進(jìn)行分析診斷，必要時(shí)進(jìn)行免疫組織化學(xué)或免疫熒光檢測(cè)協(xié)助判斷，然后對(duì)圖像進(jìn)行人工計(jì)數(shù)或借助軟件統(tǒng)計(jì)。

同時(shí)，與放射科一樣，我國(guó)病理科的專業(yè)人士也非常短缺。據(jù)衛(wèi)生統(tǒng)計(jì)年鑒顯示，我國(guó)注冊(cè)的病理科執(zhí)業(yè)醫(yī)師只有1.02萬人，與衛(wèi)健委制定的每100張床配備1~2名病理醫(yī)生的標(biāo)準(zhǔn)相差懸殊，我國(guó)病理醫(yī)生的缺口總數(shù)將近10萬人。

AI在病理學(xué)中的應(yīng)用按照參與程度可以分為三類：

利用數(shù)字掃描技術(shù)，形成全切片數(shù)字化圖像（WSI）：圖像相關(guān)特征的提取及定性定量分析：包括細(xì)胞大小、結(jié)構(gòu)特征、細(xì)胞群密度、空間分布等信息。

病理圖像的分類和分級(jí)：AI可以直接輸出組織分類、良惡性鑒別和癌癥分級(jí)結(jié)果，提高病理學(xué)診斷的準(zhǔn)確性、高效性和一致性。目前AI技術(shù)在乳腺癌、腦癌、前列腺癌等分類分級(jí)問題上都達(dá)到了90%左右的準(zhǔn)確率。

全流程數(shù)字化，實(shí)現(xiàn)數(shù)字切片首診、數(shù)字化報(bào)告、數(shù)字切片存檔等：利用高通量與快速WSI技術(shù)，可以將常規(guī)切片全部掃描制作成數(shù)字切片。再結(jié)合計(jì)算機(jī)存儲(chǔ)及互聯(lián)網(wǎng)傳輸技術(shù)，將數(shù)字化切片存檔并上傳云端，建立區(qū)域性網(wǎng)絡(luò)病理診斷平臺(tái)，并提供快速檢索功能，形成打破地域限制的“云病理科”。這進(jìn)一步減少了病理醫(yī)師經(jīng)驗(yàn)性誤判導(dǎo)致的誤診情況，方便病理醫(yī)生和其他醫(yī)務(wù)人員獲取數(shù)據(jù)，提高了工作效率。

整合其他學(xué)科，例如生物學(xué)、化學(xué)、免疫學(xué)、遺傳學(xué)及臨床信息，輔助醫(yī)生診斷治療AI不僅用于病理形態(tài)數(shù)據(jù)的分析，還可以整合免疫組織化學(xué)、分子檢測(cè)數(shù)據(jù)和臨床信息，得出一個(gè)整合相關(guān)信息的最后病理診斷報(bào)告，為患者提供預(yù)后信息和精準(zhǔn)的藥物治療指導(dǎo)。

基因：AI突破測(cè)序解讀瓶頸

2018年11月，在第13屆全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽上（蛋白質(zhì)領(lǐng)域的奧林匹克競(jìng)賽），DeepMind 的人工智能程序 —AlphaFold成功根據(jù)基因序列預(yù)測(cè)蛋白質(zhì)的3D結(jié)構(gòu)，獲得冠軍。

AI越來越多的應(yīng)用到基因檢測(cè)上。隨著第二代測(cè)序技術(shù)的成熟，單個(gè)基因組的檢測(cè)成本已經(jīng)降到1000美元以下，快速發(fā)展的基因測(cè)序也產(chǎn)生了海量數(shù)據(jù)，如何解讀這些基因大數(shù)據(jù)，獲取與疾病相關(guān)的變異，找到致病基因，成為目前發(fā)展的瓶頸。人工智能便依靠其強(qiáng)大的數(shù)據(jù)處理能力和學(xué)習(xí)能力切入到了基因序列解讀的進(jìn)程中。

早在2014年，IBM就與紐約基因組中心展開了合作，基于IBM的沃森人工智能系統(tǒng)開發(fā)一個(gè)專門分析腫瘤基因組的程序。IBM在最近發(fā)表在《Neurology Genetics》雜志上的一篇文章中披露了她們最新的研究成果。科研人員從一位患者身上獲取了腫瘤的活檢樣本以及一份血樣，并對(duì)兩份樣品中的DNA和腫瘤中的RNA進(jìn)行了測(cè)序。

這些測(cè)序數(shù)據(jù)被分別送給了IBM沃森基因組程序和一個(gè)由生物信息學(xué)家和腫瘤學(xué)家組成的專家團(tuán)隊(duì)進(jìn)行分析。沃森系統(tǒng)僅僅用了10分鐘就完成了一份可供考慮的臨床治療方案的報(bào)告，而專家組的人工分析花了160個(gè)小時(shí)，才得到了一份相似的報(bào)告。

綜合輔助診斷：CDSS與MDT聯(lián)合

綜合輔助診斷系統(tǒng)類似于MDT（多學(xué)科聯(lián)合會(huì)診），由多學(xué)科專家共同討論，為患者制定個(gè)性化診療方案的過程，尤其適用于腫瘤、腎衰、心衰等復(fù)雜疾病的診療。

人工智能想要實(shí)現(xiàn)綜合解讀，至少要做到如下兩步：多源異構(gòu)數(shù)據(jù)挖掘，以及CDSS與MDT聯(lián)合使用。

多源異構(gòu)數(shù)據(jù)挖掘：人工智能企業(yè)與醫(yī)院合作，需要利用大數(shù)據(jù)技術(shù)完成多源、結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)的清洗、脫敏、結(jié)構(gòu)化、標(biāo)準(zhǔn)化，使得醫(yī)院能夠一統(tǒng)原先分裂的醫(yī)療數(shù)據(jù)，形成互聯(lián)互通的醫(yī)療大數(shù)據(jù)平臺(tái)，為實(shí)現(xiàn)大數(shù)據(jù)處理和分析奠定數(shù)據(jù)基礎(chǔ)。

CDSS與MDT聯(lián)合使用：基于單學(xué)科的CDSS缺乏共享化服務(wù)模式，往往作為一個(gè)子系統(tǒng)嵌入EMR中，無法全面評(píng)估患者情況。如果借助MDT多學(xué)科協(xié)作的優(yōu)勢(shì)，基于相關(guān)證據(jù)關(guān)聯(lián)，得出最佳的診斷結(jié)果和治療方案，有望進(jìn)一步提高醫(yī)療服務(wù)效率和質(zhì)量。

AI+輔助治療：圍繞手術(shù)和藥物，以提效為核心

圍繞藥物治療和手術(shù)治療兩大主要治療方式，AI輔助治療在術(shù)前規(guī)劃、術(shù)中導(dǎo)航、智能化用藥方面都起到了很好的作用，可以有效降低手術(shù)時(shí)間、減少并發(fā)癥。

在腫瘤治療過程中，靶區(qū)勾畫與治療方案設(shè)計(jì)占用了醫(yī)生大量的時(shí)間和精力。每個(gè)腫瘤病人的CT圖像在200張左右，醫(yī)生在勾畫的時(shí)候，需要給每個(gè)圖片上的器官、腫瘤位置進(jìn)行標(biāo)注。這個(gè)過程按照傳統(tǒng)的方法要耗費(fèi)醫(yī)生3-5個(gè)小時(shí)。如果第一個(gè)療程的治療由于靶區(qū)勾畫的不準(zhǔn)確或者腫瘤的變化，導(dǎo)致治療無效（腫瘤組織減少小于30%），這個(gè)時(shí)候就需要更改治療方案，這就需要醫(yī)生重新為病人做勾畫。

術(shù)前規(guī)劃：人工智能可以基于CT/MRI影像數(shù)據(jù)，利用圖像識(shí)別技術(shù)自動(dòng)勾畫相應(yīng)靶區(qū)，自動(dòng)生成具體的放射性照射方案或者手術(shù)方案后，再交由醫(yī)生做最終確認(rèn)。

術(shù)中導(dǎo)航：將患者術(shù)前的影像數(shù)據(jù)和實(shí)際解剖結(jié)構(gòu)準(zhǔn)確對(duì)應(yīng)，利用VR、MR、導(dǎo)板等技術(shù)，通過三維數(shù)字建模及算法優(yōu)化，對(duì)病灶進(jìn)行精準(zhǔn)定位。

用藥建議：基于真實(shí)世界的用藥大數(shù)據(jù)，運(yùn)用人工智能技術(shù)實(shí)現(xiàn)個(gè)體化用藥指導(dǎo)。個(gè)體化用藥就是在最適的時(shí)間、對(duì)最適的患者、給予最適的藥物和最適的劑量。

AI+康復(fù)：以患者回歸生活為目的

臨床醫(yī)學(xué)以生存為主要目的，通過藥物、醫(yī)療器械、手術(shù)等治療手段，讓患者能夠生存下來。而康復(fù)醫(yī)學(xué)則是以生活為目的，通過康復(fù)治療手段讓患者受損的功能能夠得到部分或全部恢復(fù)，更好地回歸社會(huì)。因此，臨床醫(yī)學(xué)與康復(fù)醫(yī)學(xué)是相輔相成的，臨床醫(yī)學(xué)在病患治療期介入，康復(fù)醫(yī)學(xué)在病患恢復(fù)期介入，它們最終都是消除病患，讓患者逐步向常人過渡。

從康復(fù)的數(shù)據(jù)流來看，康復(fù)分為監(jiān)測(cè)——指導(dǎo)——調(diào)理三個(gè)環(huán)節(jié)，也就是先獲取數(shù)據(jù)、然后分析數(shù)據(jù)、最后應(yīng)用數(shù)據(jù)。

監(jiān)測(cè)——可穿戴設(shè)備：相比于AI在診斷和治療環(huán)節(jié)的應(yīng)用，人工智能在康復(fù)領(lǐng)域的應(yīng)用更加困難。這是因?yàn)锳I在診療環(huán)節(jié)的數(shù)據(jù)是容易獲取的（來自于醫(yī)院的信息化系統(tǒng)），產(chǎn)品只需利用數(shù)據(jù)和算法迭代打磨即可。而康復(fù)則需要可穿戴設(shè)備來采集個(gè)人健康數(shù)據(jù)。目前，市面上大部分可穿戴設(shè)備為監(jiān)測(cè)類設(shè)備，可以監(jiān)測(cè)血糖、血壓、心率、體溫、呼吸等健康指標(biāo)。

指導(dǎo)——康復(fù)機(jī)器人：一個(gè)人每天產(chǎn)生的健康數(shù)據(jù)量是非常大的，怎么去處理數(shù)據(jù)，把數(shù)據(jù)變成信息，把信息變成知識(shí)，把知識(shí)變成健康管理的信息，這便是人工智能在人類生命數(shù)據(jù)收集后的工作。

其中最直觀的就是康復(fù)機(jī)器人，康復(fù)機(jī)器人應(yīng)用人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，讓康復(fù)設(shè)備變得人性化、智能化，實(shí)現(xiàn)人機(jī)交互、智能輔助訓(xùn)練、精準(zhǔn)力控等目標(biāo)。目前康復(fù)機(jī)器人主要集中于骨關(guān)節(jié)康復(fù)、聽視力康復(fù)、言語康復(fù)等領(lǐng)域，未來有望拓展到心肺康復(fù)、神經(jīng)康復(fù)等。調(diào)理：健康管理

健康管理是變被動(dòng)的疾病治療為主動(dòng)的自我健康監(jiān)控。根據(jù)體征數(shù)據(jù)，人工智能健康管理通過數(shù)據(jù)學(xué)習(xí)每個(gè)人的身體特點(diǎn)，針對(duì)每個(gè)人設(shè)計(jì)個(gè)性化健康管理方案。目前主要的應(yīng)用范圍是糖尿病、慢病管理、血壓管理、乳腺健康管理、胎心監(jiān)測(cè)等。

健康管理涉及的健康環(huán)節(jié)主要有風(fēng)險(xiǎn)識(shí)別、健康評(píng)估、精神監(jiān)測(cè)、健康干預(yù)等。

風(fēng)險(xiǎn)識(shí)別：通過獲取信息并運(yùn)用人工智能技術(shù)進(jìn)行分析，識(shí)別疾病發(fā)生的風(fēng)險(xiǎn)及提供降低風(fēng)險(xiǎn)的措施。

健康評(píng)估：收集病人的飲食習(xí)慣、鍛煉周期、服藥習(xí)慣等個(gè)人生活習(xí)慣信息，運(yùn)用人工智能技術(shù)進(jìn)行數(shù)據(jù)分析并評(píng)估病人整體狀態(tài)，協(xié)助規(guī)劃日常生活。

精神健康：運(yùn)用人工智能技術(shù)從語言、表情、聲音等數(shù)據(jù)進(jìn)行情感識(shí)別。

健康干預(yù)：運(yùn)用人工智能對(duì)用戶體征數(shù)據(jù)進(jìn)行分析，定制健康管理計(jì)劃。

AI+科研：生產(chǎn)工具解放科研學(xué)者的生產(chǎn)力

AI+藥物研發(fā)

一般而言，制藥公司需要花費(fèi)5-10億美元，用10-15年時(shí)間，才能成功研發(fā)出一款新藥。新藥研發(fā)的風(fēng)險(xiǎn)大、周期長(zhǎng)、成本高，是藥企最大的痛點(diǎn)。

目前，人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用已經(jīng)滲透到藥物發(fā)現(xiàn)階段、臨床研究階段、審批上市階段各個(gè)環(huán)節(jié)。主要涉及靶點(diǎn)發(fā)現(xiàn)、化合物篩選、晶型預(yù)測(cè)、藥物重定向、醫(yī)學(xué)翻譯、藥物警戒等多個(gè)應(yīng)用場(chǎng)景。

藥物發(fā)現(xiàn)階段

藥物研發(fā)從靶點(diǎn)發(fā)現(xiàn)開始，藥學(xué)家從科學(xué)文獻(xiàn)和個(gè)人經(jīng)驗(yàn)去推測(cè)生理活性物質(zhì)結(jié)構(gòu)，進(jìn)而發(fā)現(xiàn)靶點(diǎn)。然而在信息爆炸的今天，每30秒就會(huì)有一篇生命科學(xué)論文發(fā)表。此外，還有大量的專利、臨床試驗(yàn)結(jié)果等海量信息散布在世界各地，科研工作者沒有時(shí)間和精力來關(guān)注所有信息。傳統(tǒng)方式的靶點(diǎn)發(fā)現(xiàn)過程平均耗時(shí)2-3年。

人工智能通過自然語言處理技術(shù)（NLP）學(xué)習(xí)海量醫(yī)學(xué)文獻(xiàn)和相關(guān)數(shù)據(jù)，通過深度學(xué)習(xí)去發(fā)現(xiàn)化合物與疾病之間的作用關(guān)系，找到靶點(diǎn)，縮短靶點(diǎn)發(fā)現(xiàn)周期。

在化合物合成上，AI能模擬小分子化合物的藥物特性，能夠在數(shù)周內(nèi)挑選出最佳的模擬化合物進(jìn)行合成試驗(yàn)，而且能夠?qū)⒚總€(gè)化合物的測(cè)試成本控制在0.01美分，大幅降低了化合物合成的成本。

臨床前藥物研究階段

在找到靶點(diǎn)后，還需要尋找相應(yīng)的小分子化合物去跟靶點(diǎn)匹配。這個(gè)匹配過程就類似于用戶在百度搜索某詞匯（靶點(diǎn)），引擎回應(yīng)出相關(guān)的搜索結(jié)果列表（小分子化合物）。這就是化合物的篩選。

高通量篩選以及傳統(tǒng)的虛擬藥物篩選所需時(shí)間長(zhǎng)，藥物開發(fā)成功率低，人工智能的出現(xiàn)為創(chuàng)新小分子藥物的發(fā)現(xiàn)打開一扇新的大門。

臨床研究階段

優(yōu)化臨床試驗(yàn)設(shè)計(jì)：2015年《臨床試驗(yàn)數(shù)據(jù)核查公告》，嚴(yán)格臨床研究數(shù)據(jù)核查，隨后的多項(xiàng)政策都對(duì)臨床研究提出了更高更明確的要求，也反復(fù)提及信息化系統(tǒng)和技術(shù)的應(yīng)用，太美醫(yī)療科技通過人工智能技術(shù)結(jié)構(gòu)化醫(yī)療知識(shí)，輔助多源異構(gòu)臨床數(shù)據(jù)的結(jié)構(gòu)化、標(biāo)準(zhǔn)化以及相關(guān)推理，在eCollect（EDC）中，應(yīng)用不良反應(yīng)藥物關(guān)聯(lián)度計(jì)算和病歷OCR識(shí)別等人工智能技術(shù)，大大提高數(shù)據(jù)采集的質(zhì)量和效率。

審批上市階段

注冊(cè)申報(bào)：2019年起，中國(guó)開始逐步實(shí)施eCTD（電子通用技術(shù)文件）標(biāo)準(zhǔn)，不斷推動(dòng)藥品注冊(cè)審評(píng)的國(guó)際化與電子化。傳統(tǒng)CTD自動(dòng)化程度低，導(dǎo)致報(bào)批工作依然消耗企業(yè)大量時(shí)間和人力在“paper work”上。而引進(jìn)人工智能技術(shù)，有望實(shí)現(xiàn)在注冊(cè)申報(bào)流程中自動(dòng)寫作、自動(dòng)翻譯、自動(dòng)出版及報(bào)批一體化智能操作。

藥物警戒：藥物警戒主要涉及藥物的兩個(gè)方面，安全性和有效性，包含藥物和治療中不良反應(yīng)的收集，分析，監(jiān)測(cè)和預(yù)防。

2015年FDA規(guī)定，藥品上市后安全報(bào)告必須以電子方式提交；2019年國(guó)家不良反應(yīng)中心啟用不良反應(yīng)直報(bào)系統(tǒng)實(shí)施不良反應(yīng)在線遞交，太美醫(yī)療科技的eSafety藥物警戒系統(tǒng)可以直接對(duì)接CDE、NMPA藥物不良反應(yīng)直報(bào)系統(tǒng)，直報(bào)不良反應(yīng)，并通過了FDA AERS及歐盟EudraVigilance藥物警戒數(shù)據(jù)庫(kù)遞交測(cè)試。

人工智能技術(shù)的應(yīng)用讓eSafety系統(tǒng)具備CIMOS自動(dòng)導(dǎo)入、SAE掃描件報(bào)告自動(dòng)導(dǎo)入、不良反應(yīng)提取、報(bào)告翻譯等功能，大大提高工作效率。

醫(yī)療AI產(chǎn)品管線分析

我們調(diào)研了7大細(xì)分領(lǐng)域的62家企業(yè)，重點(diǎn)考察它們的產(chǎn)品應(yīng)用進(jìn)展，共涉及82個(gè)產(chǎn)品。其中輔助診斷、預(yù)防篩查類產(chǎn)品數(shù)量最多，分別是31個(gè)和13個(gè)。

對(duì)比去年的報(bào)告《2018醫(yī)療人工智能報(bào)告：跨越再出發(fā)》，可以發(fā)現(xiàn)以下新變化：合作醫(yī)院數(shù)量普遍從去年的數(shù)十家，增加到數(shù)百家；從影像AI紅海市場(chǎng)，逐漸拓展到藥物研發(fā)、康復(fù)管理、臨床工作流管理等藍(lán)海市場(chǎng)；2018年影像AI主要聚焦在胸肺、眼科等疾病，2019年重點(diǎn)布局心腦血管領(lǐng)域。

醫(yī)療AI產(chǎn)品應(yīng)用進(jìn)展摘錄（截止2019年10月）

中國(guó)醫(yī)療AI企業(yè)投融資分析

為了便于統(tǒng)計(jì)，我們?cè)趯?duì)投融資數(shù)據(jù)處理時(shí)遵循以下原則：統(tǒng)計(jì)范圍涵蓋醫(yī)療AI行業(yè)主要的180多家企業(yè)；本報(bào)告中涉及的融資事件僅包括從天使輪到IPO以前的風(fēng)險(xiǎn)投資事件，不包括IPO、定向增發(fā)、捐贈(zèng)和并購(gòu)事件等；將天使輪—A輪之間的輪次合并為天使輪，所有帶A的輪次合并為A輪，所有帶B的輪次合并為B輪，所有帶C的輪次合并為C輪，D輪及以上IPO以下的輪次合并為D輪及以上。

本報(bào)告圖表中金額計(jì)量單位均為人民幣，將外幣統(tǒng)一換算成人民幣（根據(jù)事件發(fā)生當(dāng)年平均匯率換算）；將融資額為數(shù)百萬/千萬/億統(tǒng)一劃定為1百萬/千萬/億；未公開輪次和未公開金額的融資事件在下列圖表中均不予統(tǒng)計(jì)；數(shù)據(jù)截止日期為2019年10月31日。

2018—2019年投資機(jī)構(gòu)活躍度

從融資輪次看，2019年投融資主要集中在A輪（25次，占比60%），單個(gè)企業(yè)平均融資額2千萬人民幣，這些企業(yè)大多在2017-2018年成立（如長(zhǎng)木谷醫(yī)療、睿心智能、諾道醫(yī)學(xué)等）。D輪及以上的融資雖然只有6次，但總額達(dá)到24.6億元（占比58%）。

從單個(gè)企業(yè)融資額看，2019年太美醫(yī)療科技以15億總?cè)谫Y額排名第一，其次是思派網(wǎng)絡(luò)和森億智能。有別于2018年集中于影像AI領(lǐng)域，今年融資額TOP10企業(yè)主要分布在AI藥物研發(fā)和醫(yī)療大數(shù)據(jù)平臺(tái)領(lǐng)域。

2019年完成融資的部分醫(yī)療AI企業(yè)（截止2019年11月）

從融資用途看，上述企業(yè)所融資金仍主要用于產(chǎn)品研發(fā)，不斷豐富產(chǎn)品線、提高產(chǎn)品壁壘，比如數(shù)坤科技在獲得2億人民幣融資后，將延伸到瘤和神經(jīng)系統(tǒng)等其他病種，覆蓋心、腦、肺、乳腺、前列腺等重要疾病和臨床場(chǎng)景。

其次，部分企業(yè)將資金用于拓展其他領(lǐng)域，例如太美醫(yī)療在完成15億人民幣E+輪融資后，將拓展醫(yī)藥新營(yíng)銷市場(chǎng)。最后，部分資金會(huì)被用于產(chǎn)品的市場(chǎng)推廣。

寫在最后

人工智能將成為醫(yī)生必備的得力助手已漸漸在學(xué)界、產(chǎn)業(yè)界、醫(yī)生三方達(dá)成共識(shí)，今年已沒人開展人工智能和醫(yī)生的比拼，行業(yè)進(jìn)入到標(biāo)準(zhǔn)制定和真切融入醫(yī)生工作流階段。建立良好、可持續(xù)的商業(yè)體系是產(chǎn)業(yè)向前的動(dòng)力，我們開始看到醫(yī)院的采購(gòu)名單里看到人工智能初創(chuàng)企業(yè)的名字，價(jià)值被以真切的價(jià)格認(rèn)可。