得益於存儲技術進步、芯片承載能力及醫療資源壓力增大等，AI在醫療領域的應用成為資本追逐的熱點。
AI與醫療影像結合最先獲得突破，2017年浩悅資本醫療行業報告稱，2017年，國內AI影像領域的交易約30筆(2016年為8筆)，總交易額超過27億元，且多數集中在天使輪、A輪。
此外，AI在患者數據、藥物研發中也嶄露頭角，國外一批利用AI及機器學習的藥物研發公司的產品，被大型公司採用，如AI輔助篩查早期癌症。2018年也被認為是AI在醫療領域更多成果落地應用的一年。
數據難題
醫療數據量巨大，數據類型複雜，到2020年，醫療數據將增至35ZB，相當於2009年數據量的44倍。
由於龐大的患者數據和市場規模，中國將成為AI醫療應用的中心之一。
何國偉認為，與AI將取代人工這種預測正好相反，AI對中國醫療健康行業就業的影響微乎其微，卻能促進政府為民眾提供平等醫療服務。
AI健康醫療產業的市場也被看好，據何國偉出示的數據顯示，中國醫療AI市場規模2016年達到96.61億元，估計2017年超130億元，並有望在2018年市場規模達到200億元。
但數據也是中國市場面臨的第一大挑戰。中國醫療健康數據80%以上是非結構化數據。但深度學習需要結合先驗知識對模型進行訓練。例如“AI+影像”的訓練主要依賴高水平醫生對影像數據的精標，從而讓機器學習對病灶的識別。只有與臨床經驗豐富的醫生合作，才能訓練出“聰明的人工智能”。
落地待解
如何獲取數據、避免交互汙染直到轉化成有效的應用，是目前各家AI醫療需要攻克的難題之一。
除了互聯網巨頭們入局，傳統醫療行業也紛紛入場。
飛利浦在蘇州“全球人工智能產品應用博覽會”上首次面向行業發佈了AI技術在現有產品和解決方案中的應用成果。2015年，飛利浦將照明業務拆分出來獨立上市，並通過10多筆收購，加速完成在“健康科技”領域的佈局。
在與人工智能的結合中，醫學比其他領域更為複雜，僅醫學影像就可分為2000多個病種。何國偉指出，AI在健康醫療領域將數據轉化為洞察的流程，是從數據獲取、數據結構化、建模、到反覆應用驗證、比對結果、不斷改進。
由於醫療數據中有90%來自醫學影像，AI醫療影像成為人工智能醫療最熱門的分支。在中國醫學影像的數據正以30%的年增長率逐年增長，給醫生帶來巨大挑戰的同時，計算機視覺的深度學習方法日漸成熟，為實現醫學影像的自動分析及輔助診斷提供了新契機。
目前，深度學習方法的研究集中在肺癌、肝癌、乳腺癌、阿爾茨海默症等。
落地的另一難題來自監管制度的配套和創新，越來越多的政府監管正走向開放。今年4月，美國FDA批准了首款使用人工智能檢測糖尿病患者視網膜病變的醫療設備IDx-DR。FDA局長Scott Gottlieb近日在華盛頓舉行的2018 Health Datapalooza大會上也表示在保護患者的前提下，FDA正在擴大數字醫療工具的機會，並積極開發新的監管框架，用新的方法來審查人工智能。
FDA預計未來幾年將會有越來越多基於AI工具提交審核申請，首當其衝的是醫療成像設備。FDA對AI的態度也將著重關注其處理現實世界數據的方法，包括來自病理幻燈片、電子病歷、可穿戴設備和保險索賠數據的結構化和非結構化數據。
閱讀更多 時代創信 的文章
