主页（http://www.cnwulian.net）：企业纷纷下水 “AI＋医疗”门槛为何还这么难迈
【中国安防展览网 企业关注】 2017年初，世界癌症日(2月4日)，IBMWatson医生第一次在中国“出诊”，仅用10秒就开出了癌症处方。这不仅引发舆论热潮，更振奋的是这让我们看到了人工智能正在颠覆性的改造传统医疗。
企业纷纷下水 “AI＋医疗”门槛为何还这么难迈
IBMWatson可以在17秒内阅读3469本医学专著、24.8万篇论文，69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内可以迅速成为肿瘤专家，拥有更强大脑的癌症专家。在印度，Watson医生为一名已经无药可救的癌症晚期患者找到了诊断方案；在日本，Watson医生只花了10分钟就确诊了一例罕见白血病。
二、“人工智能（AI）+医疗”市场蛋糕巨大；阿里、腾讯、百度、科大讯飞、华大基因等都纷纷下赌入局
有关数据显示，预计到2025年，人工智能应用市场总值将达到1270亿美元。其中，医疗行业将占市场规模的五分之一，即254亿美元，千亿级人民币市场规模。2013-2017年，AI(人工智能)+医疗”各领域共发生融资事件241起。国外“AI(人工智能)+医疗”投资分布最大的在健康管理，其次是新医药和新技术发现，第三是病历分析，最后是医疗影像；在国内，医疗影像投资占比47%，硬件占近30%，健康管理占6%。
中国企业2010年后，已开始迅速布局医疗人工智能领域；2010年也是我国医疗人工智能领域创业分水岭，此前每年出现的这类新创公司数量极少。2014和2015年出现创业高峰，两年内共有52家公司成立；截止2017年7月31日，我国医疗人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武汉等一、二线城市，其中北京、上海、深圳三城集中了97家公司，占全部公司的76%左右。
泰山汇研究院数据，截止至2017年10月9日，国内医疗人工智能公司累积融资额已超过260亿人民币，融资公司共114家。国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、百度、科大讯飞、华大基因；海外主要有IBM、Google、苹果、微软、亚马逊等。
三、人工智能为何在中国医疗领域势不可挡？
人工智能在医疗方面的需求主要基于几个客观现实：一方面是优质医疗资源供给不足，成本高，医生培养周期长，误诊率高，疾病谱变化快，技术日新月异；另一方面，随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高，医疗服务需求持续增加。
以医生资源为例，我国目前培养医生的模式是“5+3”，5年医学专业本科教育，再加3年住院医师规范化培训，结业考试合格者才具备医生从业资格……8年的大浪淘沙，真正坚持下来的优秀医生人数有限。
人工智能的核心能力实际上是人类自身已拥有的能力，但与人类相比，最大优势在于计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。因此，在医疗领域它将从这三方面产生巨大颠覆：
第一，提高医疗机构和医生的工作效率，减少不必要的人力成本；第二，提早预测疾病风险，发现重大疾病，提前预防，以减少后续不必要的更大医疗支出；第三，方便医生管理看护患者，也方便患者自我健康和疾病的管理，让自查自诊等成为可能，将医疗延伸到院外，前置到院前，同样缓解医疗资源的紧张，降低医疗成本。
四、人工智能（AI）+医疗，四种主流模式应用
从全球创业公司实践的情况来看，AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他，其中以四种模式为主流。
第一、AI+辅助诊疗，即将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。在AI+辅助诊疗的应用中，IBMWatson是目前最成熟的案例。目前IBMWatson已部署在美国多家医院提供辅助诊疗的服务，服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。
第二、AI+医学影像，是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。
贝斯以色列女执事医学中心(BIDMC)与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，与病理学家的分析结合在一起时，它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。
第三、AI+药物挖掘，是指将深度学习技术应用于药物临床前研究，达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟，AI可以对药物活性、安全性和副作用进行预测。借助深度学习，在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前，已经涌现出多家AI技术主导的药物研发企业。
第四、是AI+健康管理。目前从全球AI+医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
五、医疗AI创业、投资关卡重重，门槛难迈
虽然医疗人工智能是不可逆转的发展潮流，但我们也要清醒地看到，中国人工智能整体发展水平与发达国家相比仍存在不小差距，在前沿基础理论、关键性技术、产业基础平台、人才队伍和监管体系等方方面面都亟待创立和完善。
对所有行业企业投资者而言，医疗人工智能目前遇到不少发展阻力和确定性因素：
首先，数据根基不牢成软肋。人工智能的发展研究是基于海量的大数据，医学影像、医疗病例、基因突变、诊断病例、术后跟踪、健康行为等广泛的数据内容是医疗AI行业应用的前提。以Watson健康为例，它并不仅是一个技术，也包括泛数据的积累，从数据准备、模型建立、优化到最终应用于业务场景，再收集更多数据，周而复始、循环往复，完成深度学习的复杂任务。
