主页（http://www.cnwulian.net）：亿欧智库：AI赋予医疗降本增效功能，但医疗智能化之路依然崎岖
本文系亿欧智库原创，以下基于笔者对市场信息分析与研究得出，错误和偏颇之处在所难免。请大家家多多指正批评。
【分析师观点】
二、AI赋能于医疗领域，是一项降本增效的工具：1、七大类“医疗+AI”企业；2、医学影像是医疗领域距离商业化最近的板块；3、AI在医学影像中的具体应用；
三、大数据不能共享、医疗信息未能标准化，医疗智能化之路依然崎岖：1、大数据共享问题；2、医疗信息标准化问题；
一、医疗领域存在的问题；
图1
如（上图）图1所示，在3933人的随机投票结果中显示，有39.6%的声音吐槽“看病贵”，其次是“医疗资源不平衡”、“医患关系”、“基层医疗”等。医疗行业的基本参与者——是医院（医疗资源）、医护人员和患者，前者在这篇文章不予以重点讨论，后二者关心的无非是“看病方不方便、贵不贵”、“今天能不能准时下班”、“今年工资会不会涨”这些朴素的诉求。
挖掘这些诉求更深层次的背后会发现，医疗现状存在着如下的问题。
图2
图3
结合图2和图3分析。
从供给方看，医疗资源配给不足，医护人员高水平稀缺还分布不均；
对于医护人员来说，高水平的医生稀缺，还大部分集中在一线城市，除却人才的医疗资源也是配给跟不上需求。国家卫生计生委主任李斌在出席十二届全国人大五次会议的记者发布会的时候，就表示，“目前存在优质的医疗资源总量相对不足，分部不均衡的主要问题”，“促进优质资源下沉、重心下移，首要就是通过改革来建立分级诊疗制度”。
从需求方看，“看病难”、“看病贵”；
民众的主要诉求的是缩短看病时间和降低误诊，相信“看个病9成时间在排队”的感受人皆有之，当然这里排除了部分服务好的私立医院。
二、AI赋能于医疗领域，是一项降本增效的工具；
在医疗领域，AI发展其实有一些年头了，是深度学习时机的到来让人们对AI有了新的期盼，无论是期待AI的到来能替换医生，还是诊断出某些疾病，甚至是基于大数据来选择最佳治疗或预测结果。
基于亿欧智库对业界观点的整理发现，对医疗+AI的前景期望：一种观点是“加速型进化（Accelerated Evolution）”，另一种观点是“破坏性革命（Disruptive Revolution）”。
在西门子医疗CAD（Computer Aided Detection，计算机辅助检测）部门负责人周翔博士看来，这只是一个“进化”而不是“革命”，“加速型进化”早已悄然启动，正在顺利前行。仅在医学成像领域，深度学习正在提升所有模式识别的能力，从解剖结构到疾病，以前所未有的速度提高工作流程和效率。
1、七大类医疗+AI企业；
图4
针对医疗领域存在的问题，市面上涌现了一批“医疗+AI”的公司，亿欧智库对其做了定类划分：医学影像类、基因测序类、医疗大数据类、医疗服务类、健康管理类、药品/器械研发类、机构信息化类，如图4（上图）。
以下为分类界线的划定：
（1）机构信息化类：这类公司主要通过数据监测和分析的方式，帮助医疗机构提升运营效率和诊疗效果，降低支出成本。
（2）医疗大数据类：这个分类相对比较模糊，因为实际上其他几个类型都离不开医疗大数据。不过，这类公司相比而言更加注重数据本身的研究和分析。比如鼎鼎大名的Flatiron，就是搭建肿瘤大数据平台、累计肿瘤患者数据，并通过对数据的研发和分析服务临床、科研、新药以及患者治疗。
（3）药品/器械研发类：基于大数据和人工智能技术，让数据的计算模拟药品/器械研发过程，来帮助药企/器械厂商缩短研发周期，降低研发成本。
（4）医学影像类：基于人工智能、深度学习技术，帮助医生更快更准确的读取病人的影像数据，以更好的做出判断，目前计算机已经可以完全自动地阅读心电图，半自动地阅读宫颈刮片图，和独立承担许多实验诊断学的测试项目。
（5）医疗服务类：通常所理解的临床诊断辅助系统，包括早期筛查、诊断、康复，手术风险监测，用药安全等，而且会分不同领域，比如血液、睡眠、神经、心理等。
（6）精准医疗类：基于对人体本身的数据化，并通过对这些数据的分析提供精准治疗，基因测序的数据和通常的医疗大数据含义不一样，但是放到未来人工智能和精准医疗在基因测序这个环节上，也许是连通的。
（7）健康管理类：这里主要把对个人的健康管理和以个人用户为主的可穿戴设备，都归入其中。这类公司主要用是用户个人的健康数据来预测疾病风险、提供健康管理方案。这是医疗+AI少有的to C类别。
图5
图5（上图）为亿欧智库收集的对应分类的部分相关“医疗+AI”企业，如有遗漏欢迎联系补充，文末有微信号。
2、医学影像是医疗领域距离商业化最近的板块；
在以上7大分类当中，医学影像是业界普遍认为距离商业化最近的板块。
图6
