無論是對中國還是對世界來說，人口老齡化加劇、慢性病患者群體增長、優質醫療資源緊缺、 公共醫療費用攀升等都是必須要面對的問題。而隨著技術的發展，人們逐漸開始寄希望於 通過人工智能來解決醫療行業的痛點。此前，美國諮詢公司弗羅斯特 - 沙利文公司就曾提到， “人工智能可將醫療效果提高 30% 到 40%，減少多達 50% 的醫療成本”。
在中國，醫療人工智能有著先天的發展優勢。一方面，中國人口數量龐大，有充足的醫療數據， 為醫療人工智能的發展提供了基石。另一方面，中國足夠大的醫療市場也為人工智能企業 創新提供了動力。
不負人們所期，近年來中國醫療人工智能市場正如火如荼地發展著。數據顯示，自 2013 年到 2017 年，中國醫療人工智能行業共獲得 241 筆融資。其中，2017 年國內醫療人工 智能行業公佈的融資事件近 30 起，融資總額超過 18 億元。
2018 年，醫療人工智能市場火熱依舊。一方面，資本熱情不減，大額融資頻發，醫療人工 智能融資總額再創新高，僅 2018 上半年就有 18 家公司獲投，總金額超過 31 億元。另一方面， 已然成熟的互聯網巨頭，如 BAT 等，以及傳統醫療相關企業，如飛利浦等也早已重金佈局 醫療人工智能，大手筆向產業鏈擴展業務。
作為一種提高效率的工具，目前，醫療人工智能已經覆蓋了醫療產業鏈條上的四大環節。 其中，醫療環節以服務患者為主，針對患者提供一系列更精準、更高效的醫療服務。而醫藥、 醫保、醫院環節則更多是為 B 端的醫療機構、企業等服務。並且，醫療人工智能在經歷過 火熱的發展後，迎來了商業化的關鍵期，目前絕大多數醫療人工智能的公司尚未實現盈利， 且其產品多在醫院進行試用，但他們已經通過不同的業務模式實現了付費收入。
值得注意的是，隨著醫療人工智能產業的發展，其所面臨的一些困難也逐漸顯現。比如行 業缺少統一標準進行監管、複合型人才不足、數據結構化較差、機器學習缺乏結合實際醫 療場景進行的訓練，算法有待提高、技術仍待完善等。
中國的醫療人工智能市場究竟有多大?根據前瞻產業研究 院發佈的《2018—2023 年中國人工智能行業市場前瞻與 投資戰略規劃分析報告》顯示，2016 年中國醫療人工智能 的市場規模達到 96.61 億元，增長 37.9%;2017 年將超 過 130 億元，增長 40.7%;2018 年有望達到 200 億元。
這一方面得益於中國醫療市場的迫切需求，另一方面也得益 於近年來醫療人工智能技術的發展以及相關政策對醫療人 工智能的支持。
中國的醫療人工智能市場究竟有多大?根據前瞻產業研究 院發佈的《2018—2023 年中國人工智能行業市場前瞻與 投資戰略規劃分析報告》顯示，2016 年中國醫療人工智能 的市場規模達到 96.61 億元，增長 37.9%;2017 年將超 過 130 億元，增長 40.7%;2018 年有望達到 200 億元。
這一方面得益於中國醫療市場的迫切需求，另一方面也得益 於近年來醫療人工智能技術的發展以及相關政策對醫療人 工智能的支持。
市場需求增加
在市場需求方面，中國醫療行業長期存在優質醫生資源分配不均，診斷誤診漏診率較高，醫療費用成本過高，醫生資源供需缺口大等問題。而在中國醫療改革逐步推進，分級診療逐步落地的過程中，這種問題更加突出。在此背景下，人工智能將在各種場景的共同作用下，提高醫療服務水平，改善現有現狀。比如在輔助醫生診斷方面，人工智能可以利用圖
像識別技術，在經過學習大量醫學影像的基礎上，產品可以輔助醫生進行病灶區域定位，從而在一定程度上緩解漏診誤診問題。同時，將人工智能輔助診斷技術應用在某些特定病
種領域，也可以代替醫生完成疾病篩查任務，從而提高診斷效率，彌補資源供需缺口。此外，人工智能還能夠填補健康管理空缺，以增加醫療服務供給，輔助製藥、手術等，提升相關工作效率。
以提高診斷效率，彌補資源供需缺口為例。有數據顯示， 目前中國每千人的平均醫生擁有量僅為 2.1 人，醫生資 源缺口問題較為嚴重。這種現象在影像科、病理科等科室 中更加明顯。就影像科室而言，目前我國醫學影像數據的 年增長率約為 30%，而放射科醫師數量的年增長率僅為 4.1%。放射科醫師數量的增長遠不及影像數據增長。這 個現象意味著放射科醫師在未來處理影像數據的壓力會越 來越大，甚至遠遠超過負荷。據國家衛生健康委員會統計 顯示，2013 至 2015 年三年中，全國累計完成放射診療 12.4 億人次。而“2017 中國醫師協會放射醫師年會”數 據也顯示，全國放射從業人員約 15.8 萬，其中放射醫師 只有約 8 萬，具有副主任醫師以上職稱的只有 2 萬人。以 此推算平均每一位影像醫師每年需要處理 5100 多人次的 報告，以每一例報告最少需要兩個醫師閱片和報告估算， 每位放射醫師全年的診療人次約為 12000，而 2 萬名副 高以上職稱的影像科醫師由於有審核工作，診療人次將會 更多。
面對如此嚴峻的醫療資源短缺難題，人工智能技術成為一 個重要的解決方案。也正因如此，近年來中國將人工智能 技術應用於醫學影像的企業發展迅速。
技術走向成熟
國相繼加入人工智能研究行列，英國在 60 年代就起步人工 智能的研究，並在 70 年代，在愛丁堡大學成立了 " 人工智 能 " 系。日本和西歐大陸一些國家雖起步較晚，但是發展速 度很快，很快佔有一席之地，前蘇聯也關注到人工智能的重 要性也參與了諸多人工智能研究。
相比之下，我國人工智能起步較晚。1978 年中國將“智能 模擬”納入國家研究計劃，1984 年召開智能計算機及其系 統的全國學術研討會;後續中國人工智能學會(CA 人工智 能)相繼成立，越來越多的人工智能研究項目獲得國家相 關基金資助並將智能控制與智能自動化等項目列入國家科 技攀登計劃。進入 21 世紀，我國科技開始崛起，已經參與 到第三次人工智能浪潮中，併成為主要玩家之一。2017 年 11 月 15 日，我國科技部召開新一代人工智能發展規劃暨 重大科技項目啟動會，標誌著新一代人工智能發展規劃和重 大科技項目進入全面啟動實施階段，目標是要舉全國之力， 在 2030 年一定要搶佔人工智能全球制高點，成為世界領先 的人工智能創新中心。
實際上，在過去的 30 年裡，人工智能已經 建立了包括問題求解、自然語言處理、人工 智能方法、程序語言處理、機器學習、自 動程序設計等等在內的應用。此後，隨著 2006 年深度神經算法的出現，人工智能發 展迎來了自 1970、1990 兩次人工智能爆 發之後又一浪潮，各類人工智能公司呈雨後 春筍般產生。深度神經網絡發展催生了新一 波人工智能的發展熱潮。
縱觀人工智能技術發展歷史，主要分為三個階段:萌芽階段(1956 年前)、形成時期 (1956-1961 年)、發展時期(1961 年後)。
政策推動發展
近年來，人工智能技術對人類社會的影響越來越深遠與廣泛， 它正在為農業、醫療、教育、能源、國防等諸多領域提供了大 量新的發展機遇。人工智能在全球範圍內的關注度日漸升高， 發展速度迅猛，已經成為世界各個戰略佈局重點。中國、美國、 日本、歐盟、英國等國家陸續出臺人工智能有關戰略、政策和 計劃，來應對當前白熱化的人工智能浪潮。
對中國而言，在政策方面，自 2015 年以來，中國各相關政府 部門陸續頒佈了近 20 項相關政策，從人才培養、技術創新、 標準監管、行業融合、產品落地等方面做出了相關指導。2017 年 7 月 20 日，國務院正式印發《新一代人工智能發展規劃》， 並指出以提升新一代人工智能科技創新能力為主攻方向，構建 開放協同的人工智能科技創新體系，把握人工智能技術屬性和 社會屬性高度融合的特徵，堅持人工智能研發攻關、產品應用 和產業培育“三位一體”推進。隨後，2018 年 4 月，教育部 印發《高等學校人工智能創新行動計劃》，提出引導高等學校 瞄準世界科技前沿，不斷提高人工智能領域科技創新、人才培 養和國際合作交流等能力，為我國新一代人工智能發展提供戰 略支撐。同月，國務院印發《關於促進“互聯網+醫療健康” 發展的意見》，明確指出，“互聯網 + 醫療健康”支持研發醫 療健康相關的人工智能技術、醫用機器人、大型醫療設備、應 急救援醫療設備、生物三維打印技術和可穿戴設備等。順應工 業互聯網創新發展趨勢，提升醫療健康設備的數字化、智能化 製造水平，促進產業升級。
近年人工智能領域相關政策統計表
創業企業湧現
在中國的醫療人工智能市場上，創業企業是一股不可忽視的重要力量。據健康點統計，截至 2018 年 6 月， 中國共有 89 家醫療人工智能創業企業獲得投資，總金額約 219.38 億元。其中，僅 2018 年上半年度 就發生 18 起投融資事件，其中 8 起融資超過億元。
值得注意的是，健康點經過統計發現，目前中國醫療人工智能創業公司，就融資階段而言，天使輪到 IPO 階段均有分佈，但目前大部分醫療人工智能企業處於 A 輪融資階段，且融資額度跨度較大，從數 百萬人民幣到數億美元均有分佈。
從醫療人工智能業務上看，人工智能在醫療健康領域的應用主要包括輔助診斷、藥物研發、健康管理、醫院管理、手術替代等方向。健康點統計發現，目前中國大多數初創企業以輔助診斷為主要業務，而具體業務又多以影像學智能輔助診斷系統、語音識別為主，這主要和人工智能領域圖像識別與語音識別技術較為成熟有關。另外涵蓋的疾病較廣，但多於偏重於基於圖像識別技術的影像學、病理圖片識別的疾病，如肺癌、肺結節、皮膚科疾病等。
實際上，一直以來“人工智能 + 醫學影像”是行業內公認的最容易切入且最有可能率先實現商業化的 細分領域。今年上半年，“人工智能 + 醫學影像”細分領域陸續發生了幾筆鉅額融資。其中，視見科 技完成 6000 萬元的 A 輪融資，由深創投領投，盛世方舟、臻善投資跟投;深睿醫療完成 1.5 億元 B 輪融資，由君聯資本領投，聯想之星跟投，A 輪及 A 輪 + 投資方丹華資本、昆仲資本、同渡資本、道 彤投資、弘道資本繼續跟投;人工智能 airdoc 完成復星領投、搜狗追投的數億元人民幣 B 輪融資;推 想科技完成襄禾資本、尚珹基金、元生資本、紅杉資本、啟明創投投資的 3 億元 C 輪融資;依圖科技 完成 2 億美元的 C+ 輪融資，投資方為高成資本、工銀國際、浦銀國際。
不過需要強調的是，雖然資本的熱情將醫療人工智能初創企業捧上風口，但對於創業公司來說，如何實現商業化是一個巨大的難題。與此同時，同行之間的激烈競爭以及巨頭排擠吞併也給這些企業帶來了一定的困難。
巨頭大手筆入場
在創業企業開始搶佔市場的同時，包括 BAT 在內的互聯網巨頭 以及包括 GPS 在內的傳統醫療相關企業也紛紛開始了自己的布 局。他們或是自主研發相關產品，或是通過投資併購的形式去 深入產業。據健康點統計，目前共 27 家上市公司已在醫療人工 智能領域有所動作。
從 BAT 角度來講，他們更傾向利用自身平臺特點與優勢的互聯網技術來進行佈局。百度和阿里都推出了自己的人工智能 + 醫療解決方案，而騰訊主要以投資創業公司的形式在人工智能 + 智能治療、智能康復等 招募等 醫療領域佈局，最近也推出了具體的人工智能醫療產品。
與 BAT 等互聯網巨頭相比，傳統醫療相關企業在醫療人工智 能領域的佈局則更注重“醫療”屬性。以飛利浦為例，在醫療 人工智能領域，飛利浦的佈局戰略是憑藉臨床經驗和數字化、 人工智能等技術，在“健康關護全程”的理念下不斷推出整合 的解決方案，以更低的成本為人們提供更好的健康保障和醫療 關護。
實際上，包括飛利浦、GE、西門子等在內的傳統醫療相關企業 有著獨特的優勢。此前，飛利浦中國副總裁兼首席技術官王熙 曾對健康點表示，器械廠商更適合來做醫療人工智能。一方面， 有設備就更容易獲取數據，對數據有更深刻的把握。比如目前 很多肺癌篩查產品的數據來自於公開數據集，而飛利浦的數據 則來源於其臨床實踐。另一方面，這些器械廠商的銷售渠道已 經非常成熟。近年來，通過合作飛利浦可以更加了解客戶的需求， 並且與醫療機構之間建立起信任關係。比如飛利浦“星雲影像 平臺”已經通過了 FDA 和 CFDA 的認證，相應搭載該系統的 產品及平臺就會更加容易被接受。
作為一種提高效率的工具，目前，醫療人工智能已經覆蓋了醫 療產業鏈條上的四大環節。其中，醫療環節以服務患者為主， 針對患者提供一系列更精準、更高效的醫療服務。而醫藥、醫保、 醫院環節則更多是為 B 端的醫療機構、企業等服務。
圍繞服務患者構建生態
在醫療領域，患者永遠是最核心的用戶，對於醫療人工智能來 說也不例外。目前，中國絕大多數醫療人工智能企業首選以患 者為主要服務對象研發產品，且已經有成功實踐的案例。具體 來說，醫療人工智能圍繞患者提供的服務主要可以分為四部分， 分別為:健康管理、智能診斷、智能治療與智能康復。
A健康管理
人工智能可以幫助人們形成更健康的生活方式嗎?實際上，通 過將用戶的生活習慣以數據形式進行量化，藉助人工智能進行 科學分析，可以保持用戶健康生活進而有益於身心健康。具體 來說，人工智能可以集合海量數據和分析結果，為個體設計個 性化的健康管理方案，用於識別和降低疾病風險，幫助人們對 健康進行前瞻性管理。從使用場景來看，目前主要集中在風險 識別、虛擬護士、精神健康、在線問診、健康干預以及基於精 準醫學的健康管理。
不過，目前中國涉足健康管理的人工智能企業數量並不多，應 用的重點放在特定疾病的管理和預防。
大數據驅動型精準醫療健康服務平臺“記健康”是一個典型的 人工智能 + 健康管理應用。2017 年 10 月，“記健康”宣佈完 成 6000 萬天使輪融資。據瞭解，記健康是一家以大數據為基礎， 人工智能技術為手段的健康管理及醫療服務公司，瞄準的是體 檢後的健康管理市場。目前體檢後的跟蹤、隨訪等健康管理服 務還處於相對空白。而記健康以體檢數據為入口，通過將各類 體檢數據及生命體徵指標進行整合，建立完整的健康檔案，利 用大數據挖掘與應用對用戶進行疾病風險評估，同時運用人工 智能技術，提供覆蓋全生命週期的精準健康管理及後續醫療服 務。此前，記健康執行董事長兼 CEO 吳勇在融資發佈會上表示， 相較於其他健康管理公司，記健康的優勢在於擁有慈銘體檢 15 年來的數據積累，以 1800 萬結構化的體檢數據作為支撐，從 而能夠搭建精準化的健康管理模型，滿足客戶的實際需求，同 時提高醫生對用戶的管理效率。目前，記健康已經組建了由大 數據、人工智能、醫療專業人才構成的研發團隊，且已經可以 對 1000+ 疾病進行標籤提取、劃分風險等級，智能提供健康管 理方案;可以通過生理年齡評估模型、風險預測模型、精準幹 預模型進行風險評估預測;同時根據用戶需要提供個性化加項 複查、導流導診等內容。據介紹，目前記健康平臺已經實現了 95% 的服務標準化，將健管醫生的服務效率提升了 20 倍以上。
B智能診斷
現代醫學根據各種生化、影像檢查結果去判斷一個人是否患病。及時準 確地發現早期疾病，可以有效提升患者的生存率和治癒率，併為患者節 約治病成本。在中國，醫學影像領域創業的醫療人工智能企業數量最多， 他們利用人工智能參與疾病的篩查和預測，從行為、影像、生化等檢查 結果中進行判斷。具體來說，目前人工智能在醫學影像的應用主要分為 兩部分:一是圖像識別，其主要目的是將影像進行分析，獲取一些有價 值的信息;二是深度學習，應用於學習和分析環節，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 能力。
相比其他細分領域的應用，目前人工智能在影像識別這一應用場景中更 加成熟。依圖醫療副總裁鄭永升此前在接受健康點採訪時表示，影像標 準化程度比較高，並且較早開始嘗試應用人工智能。現階段，醫學影像 在肺結節、骨折、骨齡評估等方面的應用都在迅速發展。對此，匯醫慧 影創始人兼 CEO 柴象飛也告訴健康點，“從可行性和專業性來講，目 前醫學影像走得相對靠前。”他強調，醫學影像相對的優勢是市場更大、 存量更大，未來，人工智能在醫療領域一定是影像先落地、先執行，並 且率先實現商業化。
以早期肺癌的篩查診斷為例，2018 年 6 月，依圖醫療與華西醫院宣佈 建立戰略級合作，並正式發佈肺癌多學科智能診斷系統。目前，該系統 能實現結節篩查等初級功能，也能實現肺癌全類型病灶的診斷覆蓋。其 訓練數據主要來自於國際國內最新的臨床肺癌診療指南以及不斷增加的 臨床診療案例數據，具體包括 19 個數據模塊，超過一千個提取字段，覆 蓋肺癌診療鏈路所有重要的診斷手段和診斷方案。
在諸多病種裡，肺癌成為此次雙方合作的切入點。對此，四川大學華西 醫院院長李為民介紹到，目前，肺癌是中國發病率和死亡率最高的惡性 腫瘤，佔全國肺癌發病人數的 20.5%(約有 83 萬人)，每年發病人數有， 佔全國癌症死亡人數的 27.2%(約有 62 萬人)。國家計生委的統計數 據顯示，目前我國的肺癌發病率以每年 26.9% 的速度增長。
對於早期肺癌的篩查，醫生通常是通過病人的 CT 圖像等放射影像檢查肺部是否存在結節，篩查工作大多是由影像科專家人工讀片完成。但是每位被檢者的胸腔 CT 圖像有 200 多張左右，精細級的掃描甚至多達 600 張，要完成這些工作需要花費醫生大量的 時間;在診斷過程中，醫生的經驗、疲勞度都會影響肺結節檢出，出現漏診、誤診的情況。 作為一個不會疲勞的“醫生助手”，人工智能能幫助醫生將結節識別出來，未來結合病理的 研究也可以判斷結節的良、惡性，從而能大大提升臨床診療的效率。
目前，該產品第一階段成果已在國內幾十家頂級醫院投入臨床試用，由華西牽頭的多中心臨 床試驗也即將啟動。李為民表示，經過該項目 3 個多月的建設後，人工智能綜合診療閱片僅 需 5-10 秒，準確率達到 90% 以上，人工智能識別結節準確率達到 96%。而此前藉助傳統手段， 醫生看一名肺癌病人所有片子往往需要 15-30 分鐘。
除依圖醫療外，其他人工智能 + 醫學影像公司也大多以肺癌篩查為業務入口。比如推想科技、 匯醫慧影等創業公司，以及飛利浦等大公司。
智能治療，亦或者說“人工智能 + 輔助診療”是目前人工智能在醫療領域佈局的一個重要的 應用場景，具體來說就是讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推 理，並得到可靠的診斷和治療方案。從全球來看，在“人工智能 + 輔助診療”的應用中， IBM Watson 是目前較為成熟的案例，此外谷歌、微軟、百度等科技巨頭也在積極切入。
我們來詳細瞭解一下 IBM Watson。它將基礎能力與人類醫生的一般醫療診斷模型進行融 合，提供輔助診療的處理邏輯能力。目前 Watson 已通過了美國職業醫師資格考試，並部 署在多家醫院提供輔助診療服務。在全球範圍內，IBM 健康解決方案幫助了 1.2 萬名患者。 Watson 腫瘤解決方案正在幫助來自印度、泰國、中國、韓國和美國的醫生。在與印度馬尼 帕爾醫院的專家合作中，Watson 所提供的治療建議與該醫院的腫瘤專家推薦方案有高達 90%的一致性。
2016 年，IBM 開始拓展中國醫療健康市場。經多次考察，IBM 先後與杭州認知網絡科技有 限公司、百洋醫藥集團旗下的百洋智能科技達成合作。IBM 中國區副總裁、Watson 健康大 中華區事業部副總裁郭繼軍曾對媒體表示，人工智能醫療診斷和人工智能下圍棋不同，後者 只需要提供一個分析結果，前者則需嚴格遵照循證醫學原則，不僅提供診斷結論，還需要告 訴醫生診斷的依據及風險提醒。從醫生的視角來看，Watson 腫瘤解決方案，就是一個在醫 生辦公室或者 MDT(多學科聯合會診)中的計算機應用界面，一個醫生不可或缺的決策助手， 但是它背後是一個強大的深度學習系統和龐大的專業知識庫體系。至今，Watson 腫瘤解決 方案已經助力國內的數十家醫院，助力醫生為國內的癌症患者提供更加循證和精準的診療服 務。
值得注意的是，人工智能在輔助診療時，其只是提供的治療方案，最終決策權仍在醫生手裡。 也就是說，Watson 提供的是經過分析研究之後的治療方案參考，醫生和病患選擇治療方案 之後，治療過程如果出現了什麼副作用、併發症、合併症等，依然需要醫生根據自己的經驗 臨場處理。
D智能康復
康復輔具有哪些作用?對於殘疾人，它可以補償或替代其身體功能障礙，對於老 年人來說，它可以提高或改進其日常生活活動能力，而對於傷病人來說，它可以 幫助患者恢復健康。隨著人工智能技術的發展與應用，人工智能輔助器具也逐漸 走入人們的視野。目前，以機器人為主的人工智能輔助器具最為常見。
有報告預測，未來 5 年廣義康復機器人的年複合增長率約為 37%，其中外骨骼 機器人年複合增長率為 47%，遠高於其他類別的醫療機器人的平均增速。預計到 2020 年，全球外骨骼機器人的市場將超過 18 億美元。
以上海傅利葉智能科技有限公司為例，今年 3 月，傅利葉智能宣佈完成 A 輪 3000 萬融資，本輪融資由景旭創投領投，前海母基金跟投，原有投資人 IDG 資 本，火山石資本繼續跟投。據瞭解，上海傅利葉智能科技有限公司於 2017 年初 推出了中國首個商用化的下肢外骨骼康復機器人產品 FourierX1，醫用版可以應 用於醫院康復訓練，個人版本用於輔助行走從而讓癱瘓病人擺脫輪椅，重獲行走 的能力，迴歸正常的生活。同時，公司還推出了首個具有觸覺的上肢康復機器人 FourierM2，M2 基於力反饋等核心技術，可以精確模擬出各種實際生活中的力學 場景，為使用者提供多樣的目標導向性訓練，刺激大腦功能重組，進而重塑上肢 功能。目前該設備也是中國首個進入歐洲市場的康復機器人產品，也是國產康復 機器人的里程碑。
在精神疾病的治療領域，陪護機器人也是一種重要的康復手段。2017 年 9 月 12 日，哈爾濱市兒童醫院點醫人工智能認知康復中心揭牌。該中心將採用人工智能、 類腦計算等先進手段對自閉症兒童進行康復治療，為中國首家應用人工智能治療 兒童自閉症的醫療機構。目前，哈爾濱點醫科技致力於類腦計算、人工智能、醫 療機器人在兒童醫療方面的創新與實施，並開發出了情感機器人 RoBoHoN，其 作用是醫療用陪護式機器人。據瞭解，RoBoHoN 可用於來醫院就診後病兒的診 後跟蹤、用藥提醒、日常陪護、用藥數據反饋、家庭醫生遠程連線以及兒童自閉症、 兒童孤獨症等多種兒童病的康復治療工作，也將廣泛應用於未來線上醫療及社區 家庭醫生領域。
值得注意的是，相比於一些僅覆蓋某些細分領域的產品，目前也有一些企業產品 邏輯比較完整，開始佈局服務患者全流程的產品。
以飛利浦為例，這家老牌企業已經著手打造“健康關護全程”的整合解決方案， 涵蓋其小家電產品、用戶的可穿戴設備以及相關醫療信息技術，產品可以覆蓋院 前的健康管理和疾病篩查、院中的疾病診斷和治療，以及院後的疾病康復和慢病 管理等流程。據瞭解，在飛利浦，25% 的科學家正在開展約 250 個與人工智能與 大數據相關的課題研究，並與臨床場景和工作流程緊密結合，包括自然語言處理、 大數據挖掘與分析、構建結構化臨床數據庫、圖像識別、影像輔助診斷、介入治 療、基因組學、慢病管理、家庭護理、雲平臺解決方案等。此外，從技術角度來講， 飛利浦的自適應人工智能可以不斷提升數據的處理速度以及模型的精準性。
那麼飛利浦在智能健康管理、智能診斷、智能治療、智能康復等方面是如何做的呢? 從智能健康管理的角度來講，飛利浦研發了致命性跌倒預警產品。據瞭解，跌倒 受傷對於 65 歲以上人群可能是致命的。跌倒監護設備問世已經多年，而且智能化 水平越來越高，不僅可以監測到跌倒，而且當跌倒後在特定時間內無法站立時， 自動發出求助信號。目前，飛利浦已經利用人工智能技術，綜合了數百萬患者的 歷史醫療數據和監護設備收集的實時信息，實現了預測性分析模型，最多可提前 30 天識別出用戶活動和步伐的細小變化是否會導致跌倒，追蹤心臟驟停前 48 個 小時的細微變化，並預測心臟驟停。
從智能診斷的角度來講，飛利浦的機器學習算法，可以使得 4mm-30mm 大小肺 結節檢測中的誤差率低於 1%，敏感性(85.3%)和特異性(93.9%)達到出色 平衡，其檢測算法的穩定性遠遠高於放射科醫生，並可計算倍增時間和增長百分比， 支持良惡性風險評估。
在智能治療方面，飛利浦研發了肝癌個性化治療產品，其利用自己的 NLP 技術從 非結構化的報告中歸納出臨床相關的信息，把從多個報告 / 部門中拿到的信息與時 間相關聯。結合機器學習，肝癌患者的所有臨床相關信息都能夠以時間順序呈現 在醫生的面前。據瞭解，醫院的醫生以前要花費 20 天左右的時間才能從 200 份 非結構化報告中提取到有用的信息。飛利浦中國研究院首席科學家周子捷表示， 在這項技術的的幫助下，醫生可以少花費 85% 的時間從非結構化報告中獲取臨床 信息的時間。
在智能康復方面，2017 年飛利浦與北京大學第一醫院合作研發的“心腦血管家庭 關護和康復計劃”，通過互聯家庭、專業醫療護理機構和醫院的信息系統跟蹤患者 術後康復，提高了術後患者自身疾病康復管理能力。北京大學第一醫院心血管內 科主任醫師霍勇教授曾表示，“這套管理系統很有成效，從我們宏觀的科學數據 來說，這些心腦血管病患者出院以後能得到有效管理的話，可以額外減少 30%- 40% 的心腦血管事件的發生。”
2向產業上下游延伸
在以患者為核心打造產品生態的同時，人工智能也正在向醫療產業的上下游延伸，覆蓋醫藥、醫院管理、醫保控費等流程。
A 人工智能醫藥領域
在醫藥領域，人工智能主要可以應用到以下領域，如:人工智能應用於化合物的構效關係分析、人工智能應用於小分子藥物晶型結構預測、志願者招募信息化等。
從人工智能應用於化合物的構效關係分析角度來講，目前已經有很多軟件可以將 化合物的構效關係分析的過程在計算機上模擬，並對化合物可能的活性作出預測， 進而對最有可能成為藥物的化合物進行有針對性的篩選，從而可以極大地削減藥 物挖掘的時間。
對於人工智能應用於小分子藥物晶型結構預測來說，通過人工智能和雲計算技術， 企業可以在雲端高效地動態配置千核的藥物晶型，三十天內可以把一個小分子藥 物的所有可能的晶型全部預測。讓製藥企業再也無需擔心由於實驗搜索空間有限 而漏掉重要晶型，可以更加自如地應對來自仿製藥企的晶型專利挑戰。
在志願者招募信息化方面，通過網絡可以讓臨床試驗招募信息快速傳遞到大量患 者，並利用人工智能從中篩選符合臨床要求的患者，極大節約患者招募的時間成本、 資金成本。另外，通過智能可穿戴設備進行數據蒐集，減輕了臨床試驗的侵入性， 讓受試者體驗更加舒適。
總的來說，人工智能在醫藥領域的應用可以提升藥企在研發新藥方面的效率。以 中國的本土企業晶泰科技為例，這是一家以計算驅動創新的藥物固相研發公司， 為全球創新藥企提供藥物晶型設計服務的公司，成立於 2015 年 9 月，並在 2015 年 12 月獲得騰訊和人人公司數千萬元人民幣 A 輪融資。據瞭解，晶泰科技致力於 通過計算物理、量子化學與雲端強大的智能算法，實現高度精確的藥物固相篩選 與設計，大幅度縮短藥物設計、固相篩選與藥物製劑開發的時間，對藥企的專利申報與保護起到關鍵作用。主要提供藥物晶型預測和晶型專利保 護服務，幫助藥企提高研發效率，降低藥物的質量風險和專利風險。
醫院管理是指以醫院為對象的管理科學，它根據醫院工作的客觀 規律，運用現代的管理理論和方法，對人、財、物、信息、時間 等資源，進行計劃、組織、協調、控制，充分利用醫院的現有資源， 實現醫療效用的最大化。
實際上，在醫院管理方面，人工智能也可以發揮一定的作用。傳 統的醫院管理方式大多是依靠人工，醫護人員費時費力不談，也 造成了醫療資源的浪費。而人工智能則可以通過機器學習等方式， 去替代一部分醫護人員的一部分行政工作，比如導診分診、用戶 調查、數據收集等。也可以通過大數據分析，為醫院管理者提供 一定的決策支持。
目前，人工智能在醫院管理方面應用最多的就是智能導診與分診。 近年來，隨著智能機器人技術和醫療的結合，智能導診機器人成 為醫院的一道新的風景線。他們通過患者的語音輸入進行語義分 析，然後給出醫院的分診和導診建議，節約人力，方便患者。更 先進的導診機器人還能通過傳感器收集患者的生命體徵信息，給 出更準確的建議。
騰訊公司研發的睿智醫療人工智能引擎就是一款智能導診產品。 2017 年 9 月，騰訊醫療與復旦大學腫瘤醫院達成戰略合作，從 微信電子就診卡開始，實現了微信完成無卡就醫、預約診療、微 信支付、就診提醒、報告查詢、動態候診排隊提醒等便捷智慧就 診全流程。此外，雙方也通過騰訊睿知醫療人工智能引擎來準確 識別醫、患雙方需求並精準匹配。騰訊方面表示，其通過人工智 能引擎審核的準確率達到 99.2%。
C人工智能醫保控費
城鎮基本醫療保險基金支出增速超過收入增速已成常態，與此同時，各地違規使 用醫保基金，詐騙套取醫保基金的案例時有發生。在這樣的大背景下，醫保監測 逐步走向智能化時代。除監管方式和工具方面的經驗外，在監管形式上，發達國 家開始更多地運用信息技術來對醫保基金使用的全流程進行監管。
相較於傳統的醫保監管形式，醫保智能監管是藉助醫保信息化系統而建立的一種 更加科學的醫療保險監管體系，涵蓋事前、事中、事後的診療全過程，管理對象 包括參保人、醫師、醫院和藥店，管理的處方內容包括藥品、檢驗檢查及醫用材料。 如果發生違規問題，監控系統會及時預警，醫療保險經辦機構會立即採取措施。
目前，中國政府大力支持推廣醫保智能監管模式。我國政府十分重視將人工智能 技術與“三醫聯動改革”相結合，在醫保監管領域，政府先後出臺了一系列政策， 以推動醫保智能監管模式在全國範圍內進行推廣。
有數據顯示，醫保智能監管效果顯著，違規費用下降明顯。以 2013 年 12 月首批 試點醫保智能審核系統的 3 家定點醫院:雲南省人民醫院、雲南省中醫院和昆明 醫科大學第一附屬醫院為例。根據這 3 家試點醫院 2013 年 12 月至 2014 年 9 月 醫保報銷單據的審核彙總數據顯示:總問題單據金額佔當月總的醫保報銷金額的 百分比逐步下降;違規總費用從試運行初期的 24% 以上，下降到 2014 年 9 月的 15% 以下，下降了 40% 左右;A 類問題單據金額佔當月總的醫保報銷金額的百 分比逐步下降;違規費用從試運行初期的 0.84% 下降到 2014 年 9 月的 0.09%， 下降了 90% 左右，違規費用下降明顯。
醫保智能監管前景廣闊，國內涉及到該業務領域的企業也頗受資本市場的青睞。 成都數聯易康科技有限公司(以下簡稱“數聯易康”)成立於 2015 年，其專注於 利用大數據手段為各地人社局、衛計委、醫療機構和商業保險公司提供智能審核、 政策制定輔助決策、醫療行為監管等服務的醫療保險第三方服務提供商。2016 年 11 月，數聯易康完成了一筆千萬級 A 輪融資，投資方為天士力控股集團有限公司。
據數聯易康 CEO 張巖龍介紹，數聯易康的業務主要分為四 大方面:第一是針對政府;第二是針對商業保險公司;第三 是針對醫療機構;第四是針對醫藥企業。具體來說，政府的 業務主要是在醫保領域，通過醫保智能審核系統、大數據監 管平臺來實現醫保違規控費，利用大數據模式對醫院的騙保 行為進行實施監控，做 DRG 制度改革;幫助商業保險公司 實現智能核保，理賠控費，提供保險產品精算所需要的相關 醫療數據;與藥企進行藥品研發方面的合作，主要是做真實 世界研究。張巖龍表示，未來藥企方面的業務會是數聯易康 一個比較好的業務增長點。
目前，數聯易康的業務以四川省為基地輻射全國，包括四川省的新農合異地結算，以及宜賓、德陽等多個城市的控費系統。四川省以外，包括湖北、甘肅、黑龍江等多個省，數聯易康已經與數十家人社局達成合作。
張巖龍坦言，數聯易康與政府合作的最大挑戰就是商業模式 很難跑通。“無論是幫人社部門做 DRG 分析，還是支付方 式改革數據支撐，其只能通過政策招標採購的方式來收費， 很難建立一個真正意義上的商業模式。”但是，與政府合作 可以快速幫助企業建立品牌影響力，比較有利於其後續開展 其他業務。比如數聯易康目前與天士力合作的糖尿病慢病管 理項目，就是通過其醫保控費軟件真正實現醫保資金有效利 用。“目前只有慢病能比較好實現處方外流。”張巖龍告訴 健康點，其做醫保控費主要審核的內容包括是否有不合理的 輔助用藥，開藥的量是否與適應症匹配等。張巖龍表示，慢 病類藥品對醫院藥房來說已經變成了成本中心，因為多數患者都屬於長期用藥，在醫保控費的壓力下，這部分藥品對醫院 來說會增加藥佔比，“慢病處方流轉出來後由我們來做費用審 核，通過審核的訂單數量來收費，後面會連接天士力合作的 平臺配送藥品到患者家裡。”健康點了解到，數聯易康對醫 院的醫保控費監管已逐步從事後監管延伸到事前和事中監管，也就是說醫生在開處方的時候系統就會做相關用藥違規提醒。
在現有的業務基礎上，數聯易康還計劃建立健康管理業務， 但張巖龍表示，目前狹義的健康管理並沒有看到成功的案例， 這種通過改變用戶生活習慣的方法存在兩個問題:第一是沒效 果，第二是幾乎掙不到錢。所以具體數聯易康的健康管理業務 如何來構建，目前仍在探索中。此外，數聯易康還在做“大數 據 + 人工智能”的應用。張巖龍表示，將“大數據 + 人工智 能”應用於醫保控費領域，不僅可以防範違規和欺詐騙保行為， 保障基金安全，更能通過推進藥品療效分析、用藥方式分析、 疾病分組分析、診療方案分析、疾病譜分析等大數據手段，在 不降低療效的情況下，規範醫生的用藥行為、診療行為，從而 控制醫療費用不合理增長。不過，張巖龍認為，其所作的醫療 人工智能產品一定要是跟醫療場景緊密結合，而不是獨立存在 的普世性產品。
而在醫保控費領域，數聯易康還將面臨諸多競爭對手，比如主 打 PBM 模式的海虹控股，東軟醫療、東華醫療、衛寧軟件等 諸多傳統 HIS 廠商，以及還有平安保險這樣的保險巨頭，還 有醫保信通、金豆醫療等諸多創業公司。
另一方面，隨著國家醫療保障局的成立，未來的醫保控費方式和方向或也將發生一定調整和變化，這對於做醫保控費的企業來說，亦將面臨新的機遇和挑戰
商業模式分析
互聯網巨頭:整體互聯網醫療佈局中的重要一步 2 從盈利模式來看，醫療人工智能的商業模式多種多樣，比如與醫院進行合作提供醫院管理、輔助診療等服務，與保險公司合作提供附加服務，與體檢機構提供健康管理、用戶管理等服務。但是對於創業公司而言，這種種商業模式目前最亟需解決的難題就是落地。
相比於把控各大流量入口的 BAT，初創公司在 C 端的優勢並不明顯。相比之下， 對於初創公司來說，與 B 端的合作業務更值得深入挖掘。實際上，目前中國很多 醫療人工智能企業正是從 B 端發力。不過，具體如何與醫療機構合作，很多公司 也都處於摸索。
以醫療人工智能公司 Airdoc 為例，今年 4 月 Airdoc 宣佈已完成由復星領投、搜 狗追投的數億元人民幣 B 輪融資，本輪融資完成後，Airdoc 開始大範圍複製已成 功試點的應用場景和商業模式，基於現有產品線，與醫院、保險公司、製藥企業、 健康管理企業產業化協同，加速醫療人工智能技術的規模化應用。對此，復星國 際執行董事兼聯席總裁陳啟宇表示，“我們看中 Airdoc 慢病篩查系統的高技術含 量及未來廣闊的院外場景。將來 Airdoc 的篩查技術與復星的產品、服務和醫療體 系相結合，可摸索出人工智能高效的落地模式。”
互聯網巨頭:整體互聯網醫療佈局中的重要一步
無論是國內還是國外，互聯網巨頭們都已經加快了在醫療人工智能領域的佈局速度。在國外，IBM、谷歌和微軟都已經佈局多年。Facebook、蘋果、亞馬遜等巨頭在人工 智能領域也已經有長遠考慮，不過他們還是主要佈局在各自有競爭優勢的行業，對於 跨界應用於醫療行業的人工智能項目較少。
相比之下，國內以 BAT 和科大訊飛為首的互聯網巨頭更看重醫療人工智能的市場，並 且他們更傾向利用自身平臺特點與優勢的互聯網技術來進行佈局。2016 年 10 月，百 度醫療大腦正式上線其通過海量醫療數據、專業文獻的採集與分析進行人工智能化的 產品設計，模擬醫生問診流程，與用戶多輪交流，依據用戶的症狀，提出可能出現問題， 反覆驗證，給出最終建議。目前，百度醫療大腦有兩款產品一個是針對患者自診的平臺， 一個是為醫生服務的、協助醫生進行輔助診療的平臺。
與百度相比，阿里佈局醫療人工智能的時間更晚。2017 年 3 月，阿里巴巴發佈了 ET 醫療大腦，正式進入醫療人工智能領域。據瞭解，ET 醫療大腦可在患者虛擬助理、醫 學影像、精準醫療、藥效挖掘、新藥研發、健康管理等領域承擔醫生助手的角色。這 是繼 IBM 和百度以後的第三個醫療大腦。同年 7 月，阿里健康發佈了醫療人工智能應 用“Doctor You”，該產品囊括了臨床醫學科研診斷平臺、醫療輔助檢測引擎、醫師 能力培訓系統等。今年 2 月，阿里巴巴又宣佈將與製藥大佬阿斯利康合作開發一種人 工智能篩查和診斷系統，旨在幫助臨床醫生改善慢性疾病管理和診斷效率。
在 BAT 中，騰訊雖然開始佈局的時間最晚，但卻起勢強勁。2017 年 8 月騰訊覓影首 次面市，3 個月後，該產品進入科技部公佈首批國家人工智能開放創新平臺名單，騰 訊也被指定為醫療影像平臺的建設者。據瞭解，目前該產品已經具備人工智能醫學圖 像分析和人工智能輔助診療兩項核心能力。前者能對海量的影像數據進行學習分析， 提高醫生看片子的效率、減少漏診;後者可構建“醫學知識圖譜”和診斷模型，為醫 生提供診斷決策。值得注意的是，今年 6 月 21 日，騰訊宣佈開放人工智能輔診引擎， 通過接口，醫療信息化廠商可以將騰訊覓影人工智能輔診引擎與醫院的 HIS 系統融合， 讓醫院 HIS 系統具備人工智能輔診能力。
從商業模式的角度來講，這些互聯網巨頭大多以互聯網技術見長，資金實力雄厚，因此也不急於變現。與創業企業相比， 醫療人工智能產品大多隻是為其產業鏈佈局而服務。以騰訊的人工智能產品為例，在陸續發佈了一系列“互聯網 + 醫療” 產品後，騰訊嘗試將多條產品線進行融合，打造城市級“互聯網 + 醫療健康”解決方案。今年 7 月，宜昌市衛計委、 宜昌市智慧辦攜手騰訊公司推出“宜健通”微信小程序。作為一個城市級“互聯網 + 醫療健康”解決方案，“宜健通” 以微信小程序、健康門戶等為入口，集宜昌市民卡、社保卡、就診卡、健康卡的功能於一身，市民只需要通過一部手機 就可以使用智能導診、預約掛號、在線繳費、健康管理等服務。其中騰訊睿知人工智能引擎就是一個重要的服務板塊。
傳統醫療企業:不急於變現，依託設備、賦能設備
傳統醫療企業是醫療人工智能的另外一股重要力量。相比於創業公司，他們不愁資金，因此不急於變現，醫療 人工智能也可以作為器械產品附加值產生效益。相比於互聯網公司，他們更加熟悉醫療行業，瞭解醫療行業痛 點與用戶需求，同時也更容易接觸到醫療數據的獲取渠道。
也正因如此，包括 GE、西門子、飛利浦在內的傳統醫療企業也紛紛開始在醫療人工智能領域開始佈局，且投 入鉅額資金進項相關產品的研發。以飛利浦為例，此前在接受健康點採訪過程中，飛利浦中國副總裁兼首席技 術官王熙提到，近年來飛利浦也不斷加大在人工智能產品研發上的投入，每年投資 17 億歐元用於研發，其中 60% 用於軟件的開發。值得注意的是，作為飛利浦整體轉型佈局中的全球第二大市場，中國醫療市場也備受重 視。2017 年以來，飛利浦在中國市場相繼發佈腫瘤疾病整體解決方案、胸痛中心 / 腦卒中中心整體解決方案、 睡眠呼吸疾病整體解決方案、監護系統及母嬰關愛解決方案。隨後，今年 4 月，飛利浦又聯合神州醫療發佈了 中國智慧醫療雲平臺“神飛雲”，隨後宣佈在上海成立人工智能實驗室。
對此，飛利浦中國副總裁兼首席技術官王熙表示，器械廠商更適合來做醫療人工智能。一方面，有設備就更容 易獲取數據，對數據有更深刻的把握。比如目前很多肺癌篩查產品的數據來自於公開數據集，而飛利浦的數據 則來源於我們的臨床實踐。另一方面，器械廠商的銷售渠道也已經比較成熟。
正如王熙所言，對於傳統醫療企業來說，醫療器械是一個相對更便利的獲取數據的途徑;與此同時，與不同品 牌器械彙集到一起的數據相比，同一品牌產品收集的數據更加規範，格式更加統一，便於數據的挖掘和應用。 而這些傳統醫療企業在研發上的巨大投入，也決定了其在未來很長的一段時間裡能夠保持技術上的優勢。
挑戰與前瞻
隨著醫療人工智能產業的發展，其所面臨的一些困難也逐漸顯現。比如行業缺少統一標準進行監 管、複合型人才不足、數據結構化較差、機器學習需要結合市級醫療場景進行訓練，算法有待提高、 技術仍待完善等
缺標準:CNDA 尚無一例過審產品
2018 年以來，國內對人工智能醫療的質疑聲越來越多。除了上述底層技術和數據的問題 之外，商業化前景不明也是人們不看好醫療人工智能的關鍵一點。一種產品能否商業化落地， 政策是起到決定性作用的，而我國在人工智能醫療的相關政策上似乎有點“拖後腿”。
此前，中華醫學會放射學分會候任主委、上海長征醫院影像科主任劉士遠教授也對媒體表 示，目前醫療影像人工智能已經進入了發展的關鍵階段，但是醫療影像人工智能能解決什麼問題，產品應該聚焦在什麼領域，產品如何解決臨床實際問題等一系列問題都在等待解決。而其中 的重中之重就是做好標準，完善相關政策。政策缺位最直接的結果就是相關產品無法過審。劉士遠提 到，目前已經有多項醫學人工智能產品向國家藥品監督管理局(CNDA)進行申報三類器械，但沒有 一個被批准，用什麼樣的標準和規範也仍在討論當中。對此，首都醫科大學附屬北京天壇醫院院長王 擁軍院長也表示，“如果法律上不批准，如果未來不納入醫保，人工智能醫療的推廣速度將極為緩慢， 我想醫療人工智能落地的最大障礙，還是來自法規的阻礙。”
正如專家們所言，在發展的過程中，人工智能技術必須滿足客觀的標準從而保證對安全性、可信賴性、 可追溯性、隱私保護等方面的要求。為了更有效的評估人工智能技術，相關的測試方法必須標準化， 並創建人工智能技術基準。未來人工智能技術標準化將有助於人工智能的穩健發展，統一技術、數據、 安全。積極參與國際標準化研討，加強在人工智能領域話語權。從而實現第三次浪潮下中國人工智能 的超車。
健康點了解到，自從 2017 年 7 月 20 日國務院發佈《新一代人工智能發展規劃》，中國藥品生物製品 檢定所、國家藥品監督管理局(CNDA)等相關機構都在積極與行業人士接觸，相關政策、監管方案 都在緊鑼密鼓的制定當中。不過，目前尚未通過相關政策。此前，騰訊公司優圖實驗室醫療人工智能 總監鄭冶楓在接受健康點採訪時表示，“藥品和器械在國家的監管層面有很詳細的規定，但是醫療人 工智能產品是新產品，詳細的標準還在制定中。”位列國家首批新一代人工智能平臺之一的騰訊覓影 團隊也參與了相關標準的制定工作。此外，十三五規劃中關於醫療人工智能方面騰訊是有所參與的， 另外國家糖網檢測的人工智能應用騰訊也有所參與。
對於標準具體規定的是什麼，騰訊互聯網 + 生態合作總經理古佳告訴健康點，人工智能產品是軟件， 需要不斷的更新迭代，沒辦法固化下來。而國家希望通過認證的版本可以達到一個既定的目標。比如， 產品的檢出率是多少，假陰性和假陽性的比例是多少。而軟件每一次迭代更新都可以根據這個標準來 破判定是否可以通過認證。
實際上，按照醫療器械註冊流程，產品從申報到最終過審要經過產品定型、檢測、臨床試驗、註冊申報、 技術審評、行政審批等六步。目前，申報三類器械的醫療人工智能產品大多停留在註冊申報之前的階段。
值得注意的是，在中國尚無產品通過審批的情況下，飛利浦等傳統醫療相關企業的器械產品及平臺已 經通過 FDA 和 CFDA 的認證，因此，其搭載了人工智能的器械產品及平臺會更加受到用戶的青睞。
少人才:醫療人工智能發展亟需複合型人才
人工智能人才現在是短板中的短板，既懂醫療，又懂技術的複合型、戰略型 人才尤其短缺。
領英此前發佈的《全球人工智能領域人才報告》顯示中國人工智能領域專業 技術人才總數超過 5 萬人，排名全球第七位。而美國有超過 85 萬的人工智能 人才。儘管我國人工智能專業人才總量較美國和歐洲發達國家來說還較少，10 年以上資深人才尚缺乏。可見，在我國，人工智能領域的專業人才供求失衡嚴重，供求比例接 近 1 比 10。國內企業百度、騰訊、滴滴等以設立研究院的形式，殺入美國高科技中心硅谷，與谷歌、 亞馬遜、微軟等企業掀起人才的激烈爭奪戰。
而在醫療行業，既懂人工智能又懂醫療的人才更是稀缺。在醫學領域，據動脈網統計發現 47 名 醫療人工智能創業公司的 CTO 或者首席科學家，有 30 名都在國外或者中國的香港、臺灣進修過， 佔比 63.8%，而與醫學專業相關的人才僅有 7 人，佔比 14.9%。可見人工智能人才短缺大背景下， 醫療人工智能的人才更是短缺，有估算稱人工智能人才從事醫療行業的大約只有十分之一。
基於這樣的背景，我國加強對人工智能專業人才的重視程度，國家發改委、科技部等四部委去年 聯合發佈《“互聯網 +”人工智能三年行動實施方案》，並將“人工智能”首次納入到中國政府 工作報告中。從人才從業年限結構分佈上來看，我國新一代人工智能人才比例較高，人才培養和 發展空間廣闊。此外，教育部在《高等學校人工智能創新行動計劃》中也強調，要加強人工智 能領域專業建設，推進“新工科”建設，形成“人工智能 +X”複合專業培養新模式。到 2020 年建設 100 個“人工智能 +X”複合特色專業，推動重要方向的教材和在線開放課程建設。到 2020 年編寫 50 本具有國際一流水平的本科生和研究生教材、建設 50 門人工智能領域國家級精 品在線開放課程、建立 50 家人工智能學院、研究院或交叉研究中心，並引導高校通過增量支持 和存量調整，加大人工智能領域人才培養力度。在職業院校大數據、信息管理相關專業中增加人 工智能相關內容，培養人工智能應用領域技術技能人才。
醫療人工智能的發展離不開人才的助力，當務之急應當改變現有人才困局，加速培養醫療人工智 能專業人才，諸如各大高校及公司紛紛揭牌建立人工智能學院，此舉將大大促進人工智能人才的 培養。今年 6 月，清華大學正式成立人工智能研究院，中國科學院院士張鈸院士擔任新研究院的 院長，圖靈獎得主姚期智院士被聘為學術委員會主任，還聘請谷歌人工智能負責人 Jeff Dean 為 清華大學計算機學科顧問委員會委員。5 月，吉林大學人工智能學院、人工智能研究院、智能制 造研究院、智能醫療研究中心也相繼成立。
與此同時，相關企業也紛紛推出相應的人才培養計劃。此前，飛利浦中國副總裁兼首席技術官王 熙對健康點表示，無論是對於整個醫療人工智能產業來說，還是對正在踐行本土化戰略的飛利浦 來說，人才都是必不可少的重要因素。一方面大家都在競爭人才。另一方面，隨著人工智能的越 來越有挑戰性，對於相關人才的素質也提出了更高的要求。飛利浦一方面希望可以吸引到更多的 科學家，和相應的從業人員。另一方面也在不斷地培養人才，通過內部的相關機制，去拓寬拓展 他的視野。因為飛利浦的研究院是世界範圍的，相關工作人員可以共享飛利浦來自世界範圍的知 識和經驗，從而拓寬自己的視野。
基礎差:技術與數據兩大基石尚待鞏固
作為人工智能發展的兩個基因要素，技術的發展和數據的完善依舊是中國醫 療人工智能必須要解決的問題。
從技術角度而言，中國的人工智能尚處於弱人工智能階段。雖然當前益於圖 像識別、深度學習、神經網絡等關鍵技術的突破，人工智能在機器人、語言 識別、遠程自主控制和規劃、虛擬個人助理、醫療等領域已被廣泛應用，但 對於大多數受政策紅利爆發的醫療人工智能公司而言，技術力量是限制其進 一步發展的主要阻礙。一方面，這些公司對於複雜學科或多學科聯合診斷算 法還存在技術瓶頸，獨立研發和創新能力還有待進一步提升;另一方面，目 前中國缺少安全評估體系，企業對於醫療數據隱私防護措施不夠。
在數據方面，如果把人工智能分成算法、算力和數據三個維度，則現在行業主要的機會集中在數據及應用層面，競爭的核心在於數據的質量和數量。然而，對於中國醫療人工智能企業而言，市場中有大規模潛在的數據，但是卻無法被整理、利用起來。一方面，中國醫院內的數量龐大，但 75%以上是非結構化的，並不能發揮出“大數據”挖掘的價值。另一方面，無論是建模還是訓練機器，都離不開真實的臨床環境，而目前中國大部分醫療人工智能產品缺少臨床環境。
與此同時，數據的誤差也會對人工智能的發展造成障礙。在中國當前的醫療 系統中，醫院與醫院、院內科系互不相連、沒有統一標準的臨床結構化病歷 報告、醫生手寫病歷不規範、臨床用藥、檢查等細節缺失、患者離開醫院後 失訪率高等各種原因造成健康醫療數據“誤入誤出”。而深度學習需要使用 大規模數據進行訓練，細微的數據誤差均會為深度學習帶來負面影響。這樣 的數據質量不免令人為目前醫療人工智能做出的結果產生質疑。
除了技術與數據為人工智能帶來的挑戰外，人工智能還面臨著倫理的爭議。機器智能是否能夠成為倫理主體?實際上，雖然醫療人工智能給醫療診斷治療康復帶來諸多便利，但當面臨複雜的疾病診斷與治療時，“生殺大權”依舊不能交給人工智能，如果完全依賴人工智能，那麼醫學事故的責任認定及醫療安全的監管責任認定則又是一大難題。此前，復旦大學哲學學院教授徐英瑾曾提到，雖然目前機器人還遠未智能到成為倫理主體，但機器人具有倫理意識不是完全沒有可能。為實現這一目標，需要人類研究倫理意識和程序之間的關係，需要人類研究倫理意識和程序之間的關係，以一套編程語言表達這套規則。
除此之外，人工智能是否能通過進化達到甚至超過人類智能也是人們關注的問題。未來人工智 能突破點不僅在邏輯推理能力方面，而且還在情感智能方面有較大提升。加上生命科學的發展， 診斷、治療技術會日漸增多，相信人工智能工具在醫療領域具有更多的應用場景。
閱讀更多 行業報告研究院 的文章
