醫(yī)療人工智能發(fā)展迅速，產(chǎn)業(yè)格局風(fēng)起云涌

2017 年醫(yī)療人工智能發(fā)展迅速，產(chǎn)業(yè)格局風(fēng)起云涌。人工智能在醫(yī)療領(lǐng)域中的應(yīng)用已非常廣泛，包括醫(yī)學(xué)影像、臨床決策支持、語(yǔ)音識(shí)別、藥物挖掘、健康管理、病理學(xué)等眾多領(lǐng)域。本白皮書梳理和研究國(guó)際、國(guó)內(nèi)醫(yī)療人工智能的發(fā)展?fàn)顩r，總結(jié)醫(yī)療人工智能行業(yè)及基礎(chǔ)設(shè)施領(lǐng)域國(guó)內(nèi)外的技術(shù)發(fā)展特點(diǎn)和趨勢(shì)，分析我國(guó)醫(yī)療人工智能產(chǎn)業(yè)面臨的政策環(huán)境，為政府及產(chǎn)業(yè)界決策提供參考。

▌前 言

2017 年醫(yī)療人工智能發(fā)展迅速，產(chǎn)業(yè)格局風(fēng)起云涌。人工智能在醫(yī)療領(lǐng)域中的應(yīng)用已非常廣泛，包括醫(yī)學(xué)影像、臨床決策支持、語(yǔ)音識(shí)別、藥物挖掘、健康管理、病理學(xué)等眾多領(lǐng)域。人工智能技術(shù)呈現(xiàn)與醫(yī)療領(lǐng)域不斷融合的趨勢(shì)，其中數(shù)據(jù)資源、計(jì)算能力、算法模型等基礎(chǔ)條件的日臻成熟成為行業(yè)技術(shù)發(fā)展的重要力量。在新形勢(shì)下，我國(guó)醫(yī)療人工智能的發(fā)展面臨著機(jī)遇和挑戰(zhàn)，技術(shù)能力不斷增強(qiáng)，但產(chǎn)品和服務(wù)仍需完善。

本白皮書梳理和研究國(guó)際、國(guó)內(nèi)醫(yī)療人工智能的發(fā)展?fàn)顩r，總結(jié)醫(yī)療人工智能行業(yè)及基礎(chǔ)設(shè)施領(lǐng)域國(guó)內(nèi)外的技術(shù)發(fā)展特點(diǎn)和趨勢(shì)，分析我國(guó)醫(yī)療人工智能產(chǎn)業(yè)面臨的政策環(huán)境，為政府及產(chǎn)業(yè)界決策提供參考。

▌一、人工智能的發(fā)展

（一）人工智能的技術(shù)演變

從上世紀(jì)八九十年代的 PC 時(shí)代到二十一世紀(jì)的互聯(lián)網(wǎng)時(shí)代，信息技術(shù)改造了人類的生產(chǎn)方式，提高了生產(chǎn)效率，改善了我們的生活。在進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代后，萬(wàn)物互聯(lián)成為趨勢(shì)，但技術(shù)的限制導(dǎo)致移動(dòng)互聯(lián)網(wǎng)難以催生出更多的新應(yīng)用和新業(yè)態(tài)。如今，人工智能儼然已經(jīng)成為這個(gè)時(shí)代最炙手可熱的技術(shù)，甚至將成為未來(lái)十年內(nèi)信息技術(shù)產(chǎn)業(yè)發(fā)展的焦點(diǎn)。

人工智能的概念誕生于上世紀(jì) 50 年代，從最初的神經(jīng)網(wǎng)絡(luò)和模糊邏輯，到現(xiàn)在的深度學(xué)習(xí)、圖像搜索，人工智能技術(shù)經(jīng)歷了一系列的起伏。在 1956 年的一次科學(xué)會(huì)議上，人工智能的概念被首次確立：讓機(jī)器像人那樣思考和認(rèn)知，用計(jì)算機(jī)實(shí)現(xiàn)對(duì)人腦的模擬。上世紀(jì)50 年代至 70 年代是人工智能的早期發(fā)展階段，該階段人工智能主要用于解決一些小型的數(shù)學(xué)問題和邏輯問題。此時(shí)人工智能出現(xiàn)了一些代表性應(yīng)用，如機(jī)器定理證明、機(jī)器翻譯、專家系統(tǒng)、模式識(shí)別等，但是該階段人工智能仍可以被歸納為“弱人工智能”時(shí)代，其發(fā)展和應(yīng)用還遠(yuǎn)遠(yuǎn)不能達(dá)到人類的智慧水平。

1972 年，用于傳染性血液診斷和處方的知識(shí)工程系統(tǒng) MYCIN 研發(fā)成功，該事件標(biāo)志著人工智能進(jìn)入“專家系統(tǒng)”時(shí)期。專家系統(tǒng)的出現(xiàn)使得計(jì)算機(jī)可以和人進(jìn)行結(jié)合，通過(guò)對(duì)數(shù)據(jù)的分析解決一些實(shí)際的問題。但是專家系統(tǒng)的發(fā)展并不順利，也并未得到廣泛的應(yīng)用。其原因主要有兩個(gè)方面。一是專業(yè)知識(shí)的獲取需要行業(yè)內(nèi)長(zhǎng)時(shí)間的積累，大量的行業(yè)數(shù)據(jù)在彼時(shí)難以全部植入專家系統(tǒng)。二是專家系統(tǒng)的程序主要由解釋性語(yǔ)言“LIPS”編寫，其開發(fā)效率和易用性較低，難以實(shí)現(xiàn)實(shí)際應(yīng)用。人工智能技術(shù)發(fā)展在彼時(shí)陷入的瓶頸使得人類開始思考，如何讓計(jì)算機(jī)自發(fā)理解和歸納數(shù)據(jù)，掌握數(shù)據(jù)間的規(guī)律，即“機(jī)器學(xué)習(xí)”。

上世紀(jì) 90 年代末，IBM“深藍(lán)”計(jì)算機(jī)擊敗國(guó)際象棋大師卡斯帕羅夫再次引發(fā)了全球?qū)θ斯ぶ悄芗夹g(shù)的關(guān)注。但是受限于當(dāng)時(shí)的技術(shù)條件，人工智能尚無(wú)法支撐大規(guī)模的商業(yè)化應(yīng)用。2006 年，Geoffrey Hinton教授發(fā)表的論文《A Fast Learning Algorithm for Deep Belief Nets》中提出了深層神經(jīng)網(wǎng)絡(luò)逐層訓(xùn)練的高效算法，使當(dāng)時(shí)計(jì)算條件下的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練成為了可能。

（二）人工智能發(fā)展的三大因素

人工智能的概念雖然在上世紀(jì)已經(jīng)出現(xiàn)，但由于彼時(shí)軟硬件條件的不成熟，數(shù)據(jù)資源的短缺，人工智能并未實(shí)現(xiàn)廣泛的應(yīng)用。如今，隨著算法、算力等基礎(chǔ)技術(shù)條件的日漸成熟，行業(yè)數(shù)據(jù)的積累，人工智能得以應(yīng)用在各個(gè)領(lǐng)域。

算力。GPU（圖形處理器）顯著提升了計(jì)算機(jī)的性能，擁有遠(yuǎn)超CPU 的并行計(jì)算能力。由于處理器的計(jì)算方式不同，CPU 擅長(zhǎng)處理面向操作系統(tǒng)和應(yīng)用程序的通用計(jì)算任務(wù)，而 GPU 擅長(zhǎng)完成與顯示相關(guān)的數(shù)據(jù)處理。CPU 計(jì)算使用基于 x86 指令集的串行架構(gòu)，適合快速完成計(jì)算任務(wù)。GPU 擁有多內(nèi)核處理并行計(jì)算，適合處理 3D 圖像中上百萬(wàn)的圖像像素。此外，FPGA 也在越來(lái)越多地應(yīng)用在 AI 領(lǐng)域。FPGA（Field Programmable Gate Array）是在 PAL、GAL、CPLD 等可編程邏輯器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了全定制電路的不足，又克服了原有可編程邏輯器件門電路數(shù)有限的缺點(diǎn)。

一方面，F(xiàn)PGA 是可編程重構(gòu)的硬件，相比 GPU 有更強(qiáng)大的可調(diào)控能力；另一方面，與日增長(zhǎng)的門資源和內(nèi)存帶寬使得它有更大的設(shè)計(jì)空間。由于深層神經(jīng)網(wǎng)絡(luò)包含多個(gè)隱藏層，大量神經(jīng)元之間的聯(lián)系計(jì)算具有高并行性的特點(diǎn)，具備支撐大規(guī)模并行計(jì)算的 FPGA 和 GPU 架構(gòu)已成為了現(xiàn)階段深度學(xué)習(xí)的主流硬件平臺(tái)。FPGA 和 GPU 架構(gòu)能夠根據(jù)應(yīng)用的特點(diǎn)定制計(jì)算和存儲(chǔ)的結(jié)構(gòu)，方便算法進(jìn)行微調(diào)和優(yōu)化，實(shí)現(xiàn)硬件與算法的最佳匹配，獲得較高的性能功耗比。

算法。深度學(xué)習(xí)是當(dāng)前研究和應(yīng)用的熱點(diǎn)算法，也是人工智能的重要領(lǐng)域。深度學(xué)習(xí)通過(guò)構(gòu)建多隱層模型和學(xué)習(xí)海量訓(xùn)練數(shù)據(jù)，可以獲取到數(shù)據(jù)有用的特征。通過(guò)數(shù)據(jù)挖掘進(jìn)行海量數(shù)據(jù)處理，自動(dòng)學(xué)習(xí)數(shù)據(jù)特征，尤其適用于包含少量未標(biāo)識(shí)數(shù)據(jù)的大數(shù)據(jù)集。深度學(xué)習(xí)采用層次網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行逐層特征變換，將樣本的特征表示變換到一個(gè)新的特征空間，從而使分類或預(yù)測(cè)更加容易。

深度學(xué)習(xí)驅(qū)動(dòng)圖像識(shí)別精度大幅度提升。2012 年, 深度學(xué)習(xí)模型首次被應(yīng)用在圖像識(shí)別大賽（ImageNet），將錯(cuò)誤率降至16.4%，一舉奪冠。2015 年，微軟通過(guò)152 層的深度網(wǎng)絡(luò)，將圖像識(shí)別錯(cuò)誤率降至 3.57%，而人眼的辨識(shí)錯(cuò)誤率約在 5.1%，Deep Learning 模型的識(shí)別能力已經(jīng)超過(guò)了人眼。在2017 年的 ImageNet 挑戰(zhàn)賽中，Momenta 團(tuán)隊(duì)利用 SENet 架構(gòu)奪魁，他們的融合模型在測(cè)試集上獲得了 2.251% 的錯(cuò)誤率，對(duì)比于去年第一名的結(jié)果 2.991%,獲得了將近 25% 的精度提升。

自 Hinton 提出 DBN（深度置信網(wǎng)絡(luò)）以來(lái)，深度學(xué)習(xí)的發(fā)展經(jīng)歷了一個(gè)快速迭代的周期，其中卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）目前已成為圖像識(shí)別領(lǐng)域應(yīng)用最廣泛的算法模型。在利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行圖像理解的過(guò)程中，圖像以像素矩陣形式作為原始輸入，第一層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能通常是檢測(cè)特定方向和形狀的邊緣的存在與否，以及這些邊緣在圖像中的位置；第二層往往會(huì)檢測(cè)多種邊緣的特定布局，同時(shí)忽略邊緣位置的微小變化；第三層可以把特定的邊緣布局組合成為實(shí)際物體的某個(gè)部分；后續(xù)的層次將會(huì)通過(guò)全連接層來(lái)把這些部分組合起來(lái)，實(shí)現(xiàn)物體的識(shí)別。目前，CNN 已廣泛應(yīng)用于醫(yī)療健康行業(yè)特別是醫(yī)療影像輔助診斷，用以實(shí)現(xiàn)病變檢測(cè)和特定疾病的早期篩查。

大數(shù)據(jù)。機(jī)器學(xué)習(xí)是人工智能的核心和基礎(chǔ)，而數(shù)據(jù)和以往的經(jīng)驗(yàn)是機(jī)器學(xué)習(xí)優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)。隨著大數(shù)據(jù)時(shí)代的到來(lái)，來(lái)自全球的海量數(shù)據(jù)為人工智能的發(fā)展提供了良好的基礎(chǔ)。據(jù) IDC 統(tǒng)計(jì)，2011 年全球數(shù)據(jù)總量已經(jīng)達(dá)到 1.8ZB，并以每?jī)赡攴环乃俣仍鲩L(zhǎng)，預(yù)計(jì)到 2020 年全球?qū)⒖偣矒碛?35ZB 的數(shù)據(jù)量，數(shù)據(jù)量增長(zhǎng)近20 倍；數(shù)據(jù)規(guī)模方面，預(yù)計(jì)到 2020 年，全球大數(shù)據(jù)產(chǎn)業(yè)規(guī)模將達(dá)到2047 億美元，我國(guó)產(chǎn)業(yè)規(guī)模將突破萬(wàn)億元 。

隨著電子病歷的實(shí)施，CT 影像、磁共振成像等放射圖像的普及，醫(yī)療行業(yè)的數(shù)據(jù)量已呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。據(jù)統(tǒng)計(jì)，2013 年全球醫(yī)療健康數(shù)據(jù)量為 153EB，預(yù)計(jì)年增長(zhǎng)率為 48%。通過(guò)自然語(yǔ)言理解、機(jī)器學(xué)習(xí)等技術(shù)，大量文本、視頻、圖像等非結(jié)構(gòu)化數(shù)據(jù)得以分析利用。來(lái)源于三甲醫(yī)院的電子病歷數(shù)據(jù)庫(kù)，基層醫(yī)院和體檢機(jī)構(gòu)的健康檔案數(shù)據(jù)庫(kù)，國(guó)家各統(tǒng)計(jì)部門的人口數(shù)據(jù)庫(kù)通過(guò)大數(shù)據(jù)技術(shù)可以實(shí)現(xiàn)互聯(lián)互通，形成個(gè)人完整生命周期的醫(yī)療健康大數(shù)據(jù)，為人工智能技術(shù)在醫(yī)療健康行業(yè)的應(yīng)用提供了有力的支撐。

（三）人工智能上升為我國(guó)國(guó)家戰(zhàn)略

2017 年 7 月 20 日，國(guó)務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》（以下簡(jiǎn)稱《規(guī)劃》），提出了面向 2030 年我國(guó)新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，部署構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)，描繪了我國(guó)新一代人工智能發(fā)展的藍(lán)圖?！兑?guī)劃》指出以提升新一代人工智能科技創(chuàng)新能力為主攻方向，構(gòu)建開放協(xié)同的人工智能科技創(chuàng)新體系，把握人工智能技術(shù)屬性和社會(huì)屬性高度融合的特征，堅(jiān)持人工智能研發(fā)攻關(guān)、產(chǎn)品應(yīng)用和產(chǎn)業(yè)培育“三位一體”推進(jìn)。

其中，對(duì)于涉及民生需求的醫(yī)療、養(yǎng)老等方面，《規(guī)劃》重點(diǎn)提出應(yīng)加快人工智能創(chuàng)新應(yīng)用，為公眾提供個(gè)性化、多元化、高品質(zhì)服務(wù)，包括：推廣應(yīng)用人工智能治療新模式新手段，建立快速精準(zhǔn)的智能醫(yī)療體系；探索智慧醫(yī)院建設(shè)，開發(fā)人機(jī)協(xié)同的手術(shù)機(jī)器人、智能診療助手，研發(fā)柔性可穿戴、生物兼容的生理監(jiān)測(cè)系統(tǒng)，研發(fā)人機(jī)協(xié)同臨床智能診療方案，實(shí)現(xiàn)智能影像識(shí)別、病理分型和智能多學(xué)科會(huì)診；基于人工智能開展大規(guī)?；蚪M識(shí)別、蛋白組學(xué)、代謝組學(xué)等研究和新藥研發(fā)，推進(jìn)醫(yī)藥監(jiān)管智能化；加強(qiáng)流行病智能監(jiān)測(cè)和防控。同時(shí)，國(guó)家也從重大科技專項(xiàng)角度支持醫(yī)療人工智能發(fā)展，醫(yī)學(xué)人工智能成為了 2018 年科技部重大專項(xiàng)的重點(diǎn)。

2017 年 5 月份，我國(guó)科技部發(fā)布《“十三五”衛(wèi)生與健康科技創(chuàng)新專項(xiàng)規(guī)劃》，提出加快引領(lǐng)性技術(shù)的創(chuàng)新突破和應(yīng)用發(fā)展，攻克一批急需突破的先進(jìn)臨床診治關(guān)鍵技術(shù)。重點(diǎn)部署生命組學(xué)、基因操作、精準(zhǔn)醫(yī)學(xué)、醫(yī)學(xué)人工智能、疾病早期發(fā)現(xiàn)、新型檢測(cè)與成像、生物治療、微創(chuàng)治療等前沿及共性技術(shù)研發(fā)，提升我國(guó)醫(yī)學(xué)前沿領(lǐng)域原創(chuàng)水平，增強(qiáng)創(chuàng)新驅(qū)動(dòng)源頭供給，加快前沿技術(shù)創(chuàng)新及臨床轉(zhuǎn)化。《“十三五”衛(wèi)生與健康科技創(chuàng)新專項(xiàng)規(guī)劃》對(duì)推進(jìn)醫(yī)學(xué)人工智能的技術(shù)發(fā)展指明了具體方向：開展醫(yī)學(xué)大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)等技術(shù)研究，開發(fā)集中式智能和分布式智能等多種技術(shù)方案，重點(diǎn)支持機(jī)器智能輔助個(gè)性化診斷、精準(zhǔn)治療輔助決策支持系統(tǒng)、輔助康復(fù)和照看等研究，支撐智慧醫(yī)療發(fā)展。

▌二、醫(yī)療人工智能的寶貴價(jià)值

醫(yī)療行業(yè)長(zhǎng)期存在優(yōu)質(zhì)醫(yī)生資源分配不均，診斷誤診漏診率較高，醫(yī)療費(fèi)用成本過(guò)高，放射科、病理科等科室醫(yī)生培養(yǎng)周期長(zhǎng)，醫(yī)生資源供需缺口大等問題。隨著近些年深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，人工智能逐步從前沿技術(shù)轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)應(yīng)用。在醫(yī)療健康行業(yè)，人工智能的應(yīng)用場(chǎng)景越發(fā)豐富，人工智能技術(shù)也逐漸成為影響醫(yī)療行業(yè)發(fā)展，提升醫(yī)療服務(wù)水平的重要因素。與互聯(lián)網(wǎng)技術(shù)在醫(yī)療行業(yè)的應(yīng)用不同，人工智能對(duì)醫(yī)療行業(yè)的改造包括生產(chǎn)力的提高，生產(chǎn)方式的改變，底層技術(shù)的驅(qū)動(dòng)，上層應(yīng)用的豐富。通過(guò)人工智能在醫(yī)療領(lǐng)域的應(yīng)用，可以提高醫(yī)療診斷準(zhǔn)確率與效率；提高患者自診比例，降低患者對(duì)醫(yī)生的需求量；輔助醫(yī)生進(jìn)行病變檢測(cè)，實(shí)現(xiàn)疾病早期篩查；大幅提高新藥研發(fā)效率，降低制藥時(shí)間與成本。

（一）輔助醫(yī)生診斷，緩解漏診誤診問題

醫(yī)療數(shù)據(jù)中有超過(guò) 90%的數(shù)據(jù)來(lái)自于醫(yī)學(xué)影像，但是對(duì)醫(yī)學(xué)影像的診斷依賴于人工主觀分析。人工分析只能憑借經(jīng)驗(yàn)去判斷，容易發(fā)生誤判。據(jù)中國(guó)醫(yī)學(xué)會(huì)數(shù)據(jù)資料顯示，中國(guó)臨床醫(yī)療每年的誤診人數(shù)約為 5700 萬(wàn)人，總誤診率為 27.8%，器官異位誤診率為 60%。以心肌絞痛病癥為例，其早期臨床表現(xiàn)輕微，除胸口痛外，常會(huì)伴隨出現(xiàn)肩部到手部?jī)?nèi)側(cè)疼痛，精神焦慮，血壓異常等尋常體征現(xiàn)象，對(duì)于門診醫(yī)生而言很容易發(fā)生誤診。對(duì)于病理醫(yī)生而言，從眾多細(xì)胞中依靠經(jīng)驗(yàn)找到微小的癌變細(xì)胞難度較大，診斷錯(cuò)誤現(xiàn)象時(shí)有發(fā)生。人工智能技術(shù)的出現(xiàn)已經(jīng)在一定程度上緩解了以上問題。

利用圖像識(shí)別技術(shù)，通過(guò)大量學(xué)習(xí)醫(yī)學(xué)影像，人工智能輔助診斷產(chǎn)品可以輔助醫(yī)生進(jìn)行病灶區(qū)域定位，有效緩解漏診誤診問題。

（二）提高診斷效率，彌補(bǔ)資源供需缺口

據(jù)統(tǒng)計(jì)，我國(guó)每千人平均醫(yī)生擁有量?jī)H為 2.1 人 2，醫(yī)生資源缺口問題較為嚴(yán)重。醫(yī)生資源缺口問題在影像科、病理科方面尤為嚴(yán)重。

目前我國(guó)醫(yī)學(xué)影像數(shù)據(jù)的年增長(zhǎng)率約為 30%，而放射科醫(yī)師數(shù)量的年增長(zhǎng)率僅為4.1%。放射科醫(yī)師數(shù)量的增長(zhǎng)遠(yuǎn)不及影像數(shù)據(jù)增長(zhǎng)。這個(gè)現(xiàn)象意味著放射科醫(yī)師在未來(lái)處理影像數(shù)據(jù)的壓力會(huì)越來(lái)越大，甚至遠(yuǎn)遠(yuǎn)超過(guò)負(fù)荷。供需不對(duì)稱的問題在病理方面表現(xiàn)尤甚。據(jù)統(tǒng)計(jì)，我國(guó)病理醫(yī)生缺口達(dá)到 10 萬(wàn)，而培養(yǎng)病理醫(yī)生的周期卻很長(zhǎng)，這意味著此問題短期內(nèi)將無(wú)法解決。面對(duì)嚴(yán)重的稀缺資源缺口問題，人工智能技術(shù)或?qū)?lái)解決這個(gè)難題的答案。人工智能輔助診斷技術(shù)應(yīng)用在某些特定病種領(lǐng)域，甚至可以代替醫(yī)生完成疾病篩查任務(wù)，這將大幅提高醫(yī)療機(jī)構(gòu)、醫(yī)生的工作效率，減少不合理的醫(yī)療支出。

（三）疾病風(fēng)險(xiǎn)預(yù)警，提供健康顧問服務(wù)

多數(shù)疾病都是可以預(yù)防的，但是由于疾病通常在發(fā)病前期表征并不明顯，到病況加重之際才會(huì)被發(fā)現(xiàn)。雖然醫(yī)生可以借助工具進(jìn)行疾輔助預(yù)測(cè)，但人體的復(fù)雜性、疾病的多樣性會(huì)影響預(yù)測(cè)的準(zhǔn)確程度。人工智能技術(shù)與醫(yī)療健康可穿戴設(shè)備的結(jié)合可以實(shí)現(xiàn)疾病的風(fēng)險(xiǎn)預(yù)測(cè)和實(shí)際干預(yù)。風(fēng)險(xiǎn)預(yù)測(cè)包括對(duì)個(gè)人健康狀況的預(yù)警，以及對(duì)流行病等公共衛(wèi)生事件的監(jiān)控；干預(yù)則主要指針對(duì)不同患者的個(gè)性化的健康管理和健康咨詢服務(wù)。

（四）支持藥物研發(fā)，提升制藥效率

利用傳統(tǒng)手段的藥物研發(fā)需要進(jìn)行大量的模擬測(cè)試，周期長(zhǎng)、成本高。目前業(yè)界已嘗試?yán)萌斯ぶ悄荛_發(fā)虛擬篩選技術(shù)，發(fā)現(xiàn)靶點(diǎn)、篩選藥物，以取代或增強(qiáng)傳統(tǒng)的高通量篩選（HTS）過(guò)程，提高潛在藥物的篩選速度和成功率。通過(guò)深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù)可以理解和分析醫(yī)學(xué)文獻(xiàn)、論文、專利、基因組數(shù)據(jù)中的信息，從中找出相應(yīng)的候選藥物，并篩選出針對(duì)特定疾病有效的化合物，從而大幅縮減研發(fā)時(shí)間與成本。

（五）手術(shù)機(jī)器人，提升外科手術(shù)精準(zhǔn)度

智能手術(shù)機(jī)器人是一種計(jì)算機(jī)輔助的新型的人機(jī)外科手術(shù)平臺(tái)，主要利用空間導(dǎo)航控制技術(shù)，將醫(yī)學(xué)影像處理輔助診斷系統(tǒng)、機(jī)器人以及外科醫(yī)師進(jìn)行了有效的結(jié)合。手術(shù)機(jī)器人不同于傳統(tǒng)的手術(shù)概念，外科醫(yī)生可以遠(yuǎn)離手術(shù)臺(tái)操縱機(jī)器進(jìn)行手術(shù)，是世界微創(chuàng)外科領(lǐng)域一項(xiàng)革命性的突破。

目前達(dá)芬奇機(jī)器人是世界上最為先進(jìn)的微創(chuàng)外科手術(shù)系統(tǒng)之一，集成了三維高清視野、可轉(zhuǎn)腕手術(shù)器械和直覺式動(dòng)作控制三大特性，使醫(yī)生將微創(chuàng)技術(shù)更廣泛地應(yīng)用于復(fù)雜的外科手術(shù)。相比于傳統(tǒng)手術(shù)需要輸血，會(huì)帶來(lái)傳染疾病等危險(xiǎn)，機(jī)器人做手術(shù)則出血很少。此外，手術(shù)機(jī)器人可以保證精準(zhǔn)定位誤差不到 1 毫米，對(duì)于一些對(duì)精確切口要求非常高的手術(shù)實(shí)用性很高。

▌三、國(guó)內(nèi)外醫(yī)療人工智能發(fā)展?fàn)顩r及分析

（一）市場(chǎng)規(guī)模及發(fā)展趨勢(shì)

據(jù)統(tǒng)計(jì)，到 2025 年人工智能應(yīng)用市場(chǎng)總值將達(dá)到 1270 億美元，其中醫(yī)療行業(yè)將占市場(chǎng)規(guī)模的五分之一。我國(guó)正處于醫(yī)療人工智能的風(fēng)口：2016 年中國(guó)人工智能+醫(yī)療市場(chǎng)規(guī)模達(dá)到 96.61 億元，增長(zhǎng)37.9%；2017 年將超過(guò) 130 億元，增長(zhǎng) 40.7%；2018 年有望達(dá)到 200億元。投資方面，據(jù) IDC 發(fā)布報(bào)告的數(shù)據(jù)顯示，2017 年全球?qū)θ斯ぶ悄芎驼J(rèn)知計(jì)算領(lǐng)域的投資將迅猛增長(zhǎng) 60%，達(dá)到125億美元，在2020年將進(jìn)一步增加到 460 億美元。其中，針對(duì)醫(yī)療人工智能行業(yè)的投資也呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)。其中 2016 年總交易額為 7.48 億美元，總交易數(shù)為 90 起，均達(dá)到歷史最高值。

（二）國(guó)內(nèi)外行業(yè)發(fā)展熱點(diǎn)分析

國(guó)內(nèi)外科技巨頭均重視人工智能技術(shù)在醫(yī)療領(lǐng)域的布局與應(yīng)用。IBM 在2006年啟動(dòng)Watson項(xiàng)目，于2014年投資10億美元成立Watson事業(yè)集團(tuán)。Watson 是一個(gè)通過(guò)自然語(yǔ)言處理和機(jī)器學(xué)習(xí)，從非結(jié)構(gòu)化數(shù)據(jù)中洞察數(shù)據(jù)規(guī)律的技術(shù)平臺(tái)。Watson 將散落在各處的知識(shí)片段連接起來(lái)，進(jìn)行推理、分析、對(duì)比、歸納、總結(jié)和論證，獲取深入的洞察以及決策的證據(jù)。

2015 年，沃森健康(Watson Health)成立，專注于利用認(rèn)知計(jì)算系統(tǒng)為醫(yī)療健康行業(yè)提供解決方案。Watson 通過(guò)和一家癌癥中心合作，對(duì)大量臨床知識(shí)、基因組數(shù)據(jù)、病歷信息、醫(yī)學(xué)文獻(xiàn)進(jìn)行深度學(xué)習(xí)，建立了基于證據(jù)的臨床輔助決策支持系統(tǒng)。目前該系統(tǒng)已應(yīng)用于腫瘤、心血管疾病、糖尿病等領(lǐng)域的診斷和治療，并于 2016 年進(jìn)入中國(guó)市場(chǎng)，在國(guó)內(nèi)眾多醫(yī)院進(jìn)行了推廣。

Watson 在醫(yī)療行業(yè)的成功應(yīng)用標(biāo)志著認(rèn)知型醫(yī)療時(shí)代的到來(lái)，該解決方案不僅可以提高診斷的準(zhǔn)確率和效率，還可以提供個(gè)性化的癌癥治療方案。此外，谷歌、微軟等也都紛紛布局醫(yī)療 AI。2014 年谷歌收購(gòu)DeepMind 公司，后開發(fā)知名的人工智能程序 AlphaGo。在基礎(chǔ)技術(shù)層面，谷歌的開源平臺(tái) TensorFlow 是當(dāng)今應(yīng)用最廣泛的深度學(xué)習(xí)框架。

在醫(yī)療健康領(lǐng)域，Google 旗下的 DeepMind Health 和英國(guó)國(guó)家醫(yī)療服務(wù)體系 NHS(National Health Service)展開合作，DeepMind Health可以訪問 NHS 的患者數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，訓(xùn)練有關(guān)腦部癌癥的識(shí)別模型。微軟將人工智能技術(shù)用于醫(yī)療健康計(jì)劃“Hanover”，尋找最有效的藥物和治療方案。此外，微軟研究院有多個(gè)關(guān)于醫(yī)療健康的研究項(xiàng)目。Biomedical Natural Language Processing 利用機(jī)器學(xué)習(xí)從醫(yī)學(xué)文獻(xiàn)和電子病歷中挖掘有效信息，結(jié)合患者基因信息研發(fā)用于輔助醫(yī)生進(jìn)行診療的推薦決策系統(tǒng)。

國(guó)內(nèi)科技巨頭也紛紛開始在醫(yī)療人工智能領(lǐng)域布局，各家公司均投入大量資金與資源，但各自的發(fā)展重點(diǎn)與發(fā)展策略并不相同。例如，阿里健康以云平臺(tái)為依托，結(jié)合自主機(jī)器學(xué)習(xí)平臺(tái) PAI2.0 構(gòu)建了堅(jiān)實(shí)而完善的基礎(chǔ)技術(shù)支撐。同時(shí)，阿里健康與浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院、浙江大學(xué)第二附屬醫(yī)院等醫(yī)院、上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院以及第三方醫(yī)學(xué)影像中心建立了合作伙伴關(guān)系，重點(diǎn)打造醫(yī)學(xué)影像智能診斷平臺(tái)，提供三維影像重建、遠(yuǎn)程智能診斷等服務(wù)。

此外，阿里云聯(lián)合英特爾、零氪科技聯(lián)合舉辦了天池醫(yī)療 AI 大賽。該大賽面向全球第一高發(fā)惡性腫瘤——肺癌，以肺部小結(jié)節(jié)病變的智能識(shí)別、診斷為課題，開展大數(shù)據(jù)與人工智能技術(shù)在肺癌早期影像診斷上的應(yīng)用探索。大賽基于阿里云天池大數(shù)據(jù)平臺(tái)，邀請(qǐng)全球生物、醫(yī)療、人工智能等眾多領(lǐng)域的校內(nèi)團(tuán)隊(duì)、專家學(xué)者、醫(yī)療企業(yè)參賽。參賽者使用大賽提供的數(shù)千份胸部 CT 掃描數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練，在此基礎(chǔ)上開發(fā)算法模型，檢測(cè) CT 影像中的肺部結(jié)節(jié)區(qū)域。準(zhǔn)確率排名靠前的參賽者將進(jìn)入決賽，決賽要求參賽者提交診斷結(jié)果的 CSV 文件，并標(biāo)記檢測(cè)到的結(jié)節(jié)坐標(biāo)，最終根據(jù)參賽者給出的坐標(biāo)信息判斷結(jié)節(jié)是否檢測(cè)正確，如果結(jié)節(jié)落在以參考標(biāo)準(zhǔn)為中心半徑為 R 的球體中，則認(rèn)為檢測(cè)正確。

大賽通過(guò)探索早期肺癌精確智能診斷的優(yōu)秀算法，提升早期肺癌檢測(cè)的準(zhǔn)確度，降低臨床上常見的假陽(yáng)性的誤診發(fā)生，實(shí)現(xiàn)“早發(fā)現(xiàn)，早診斷，早治療”。同時(shí)，本次大賽能夠激發(fā)傳統(tǒng)醫(yī)學(xué)與機(jī)器學(xué)習(xí)的碰撞與融合，為整體學(xué)科發(fā)展進(jìn)行探路與思辨，推動(dòng)了人工智能技術(shù)在醫(yī)療影像診斷上的應(yīng)用。

騰訊在人工智能領(lǐng)域的布局涵蓋基礎(chǔ)研究、產(chǎn)品研發(fā)、投資與孵化等多個(gè)方面。騰訊在 2016 年建立了人工智能實(shí)驗(yàn)室 AI lab，專注于 AI 技術(shù)的基礎(chǔ)研究和應(yīng)用探索。2017 年 11 月，在“2017 騰訊全球合作伙伴大會(huì)”上騰訊宣布了自己的“AI 生態(tài)計(jì)劃”，旨在開放AI 技術(shù)，并結(jié)合資本機(jī)構(gòu)孵化醫(yī)療 AI 創(chuàng)業(yè)項(xiàng)目。2017 年 4 月，騰訊向碳云智能投資 1.5 億美元。

碳云智能由原華大基因 CEO 王俊牽頭組建，致力于建立人工智能的內(nèi)核模型，并對(duì)健康風(fēng)險(xiǎn)進(jìn)行預(yù)警、進(jìn)行精準(zhǔn)診療和個(gè)性化醫(yī)療。在產(chǎn)品研發(fā)方面，騰訊在 2017 年 8 月推出了自己首個(gè)應(yīng)用在醫(yī)學(xué)領(lǐng)域的 AI 產(chǎn)品騰訊覓影。騰訊覓影把圖像識(shí)別、深度學(xué)習(xí)等領(lǐng)先的技術(shù)與醫(yī)學(xué)跨界融合，可以輔助醫(yī)生對(duì)食管癌進(jìn)行篩查，有效提高篩查準(zhǔn)確度，促進(jìn)準(zhǔn)確治療。除了食管癌，騰訊覓影未來(lái)也將支持早期肺癌、糖尿病性視網(wǎng)膜病變、乳腺癌等病種的早期篩查。

在國(guó)際上權(quán)威的肺結(jié)節(jié)檢測(cè)比賽 LUNA 中，中國(guó)企業(yè)參賽隊(duì)伍阿里云 ET 和科大訊飛均取得了優(yōu)異的成績(jī)?？拼笥嶏w醫(yī)學(xué)影像團(tuán)隊(duì)以92.3%的召回率刷新了世界記錄。召回率是指成功發(fā)現(xiàn)的結(jié)節(jié)數(shù)在樣本數(shù)據(jù)中總節(jié)結(jié)數(shù)的占比。

召回率是評(píng)測(cè)診斷準(zhǔn)確率的重要指標(biāo)，召回率低代表遺漏了患者的關(guān)鍵病灶信息，因此科大訊飛團(tuán)隊(duì)采用了多尺度、多模型集成學(xué)習(xí)的方法顯著提升了召回率，同時(shí)針對(duì)假陽(yáng)性導(dǎo)致的醫(yī)生重復(fù)檢測(cè)問題，創(chuàng)新性地使用結(jié)節(jié)分割和特征圖融合的策略進(jìn)行改善。在診斷效率方面，科大訊飛團(tuán)隊(duì)采用 3D CNN 模型來(lái)計(jì)算特征圖，并在特征圖上進(jìn)行檢測(cè)，并通過(guò)預(yù)訓(xùn)練大幅提升了檢測(cè)效率，實(shí)現(xiàn)薄層 CT 的秒級(jí)別處理。

▌四、我國(guó)醫(yī)療人工智能細(xì)分領(lǐng)域

人工智能與醫(yī)療的結(jié)合方式較多，就醫(yī)流程方面包括診前、診中、診后；適用對(duì)象方面包括醫(yī)院、醫(yī)生、患者、藥企、檢驗(yàn)機(jī)構(gòu)等；從賦能醫(yī)療行業(yè)的角度分析，包括降低醫(yī)療成本，提高診斷效率等多種模式。我國(guó)醫(yī)療人工智能企業(yè)聚焦的應(yīng)用場(chǎng)景集中在虛擬助理、病歷與文獻(xiàn)分析、醫(yī)療影像輔助診斷、藥物研發(fā)、基因測(cè)序等領(lǐng)域。

（一）虛擬助理

虛擬助理是指通過(guò)語(yǔ)音識(shí)別、自然語(yǔ)言處理等技術(shù)，將患者的病癥描述與標(biāo)準(zhǔn)的醫(yī)學(xué)指南作對(duì)比，為用戶提供醫(yī)療咨詢、自診、導(dǎo)診等服務(wù)的信息系統(tǒng)。智能問診是虛擬助理廣泛應(yīng)用的場(chǎng)景之一。

智能問診是指機(jī)器通過(guò)語(yǔ)義識(shí)別與用戶進(jìn)行溝通，聽懂用戶對(duì)于癥狀的描述，再根據(jù)醫(yī)療信息數(shù)據(jù)庫(kù)進(jìn)行對(duì)比和深度學(xué)習(xí)，對(duì)患者提供診療建議，包括用戶可能患有的健康隱患，應(yīng)當(dāng)在醫(yī)院進(jìn)行復(fù)診的門診科目等。通用型的虛擬助手如蘋果 Siri、微軟 Cortana 等與用戶溝通時(shí)，用戶可以自由輸入，由虛擬助手進(jìn)行語(yǔ)義理解。醫(yī)療領(lǐng)域的虛擬助手與通用型的虛擬助手和用戶的溝通方式不同，因?yàn)槠胀ㄓ脩綦y以使用準(zhǔn)確的醫(yī)學(xué)用語(yǔ)去描述自己的問題。因此，醫(yī)療虛擬助手在幫助用戶進(jìn)行智能問診時(shí)通常采用選擇題的形式。

智能問診在醫(yī)生端和用戶端均發(fā)揮了較大的作用。在醫(yī)生端，智能問診可以輔助醫(yī)生診斷，尤其是受限于基層醫(yī)療機(jī)構(gòu)全科醫(yī)生數(shù)量、質(zhì)量的不足，醫(yī)療設(shè)備條件的欠缺，基層醫(yī)療成為了我國(guó)分級(jí)診療發(fā)展的瓶頸。人工智能虛擬助手可以幫助基層醫(yī)生進(jìn)行對(duì)一些常見病的篩查，以及重大疾病的預(yù)警與監(jiān)控，幫助基層醫(yī)生更好地完成轉(zhuǎn)診的工作，這是人工智能問診在醫(yī)生端的價(jià)值體現(xiàn)。

在用戶端，人工智能虛擬助手能夠幫助普通用戶完成健康咨詢、導(dǎo)診等服務(wù)。在很多情況下，用戶身體只是稍感不適，并不需要進(jìn)入醫(yī)院進(jìn)行就診。人工智能虛擬助手可以根據(jù)用戶的描述定位到用戶的健康問題，提供輕問診服務(wù)和用藥指導(dǎo)。2017 年，康夫子、大數(shù)醫(yī)達(dá)等公司研發(fā)的智能預(yù)問診系統(tǒng)得到了在多家醫(yī)院的落地應(yīng)用。預(yù)問診系統(tǒng)是基于自然語(yǔ)言理解、醫(yī)療知識(shí)圖譜及自然語(yǔ)言生成等技術(shù)實(shí)現(xiàn)的問診系統(tǒng)。患者在就診前使用預(yù)問診系統(tǒng)填寫病情相關(guān)信息，由系統(tǒng)生成規(guī)范、詳細(xì)的門診電子病歷發(fā)送給醫(yī)生。

預(yù)問診系統(tǒng)采用層次轉(zhuǎn)移的設(shè)計(jì)架構(gòu)模擬醫(yī)生進(jìn)行問診，既能有邏輯地像醫(yī)生一樣詢問基本信息、疾病、癥狀、治療情況、既往史等信息，同時(shí)可以圍繞任一癥狀、病史等進(jìn)行細(xì)節(jié)特征的問診。除問診外，預(yù)問診系統(tǒng)基于自然語(yǔ)言生成技術(shù)自動(dòng)生成規(guī)范、詳細(xì)的問診報(bào)告，主要包括：患者基本信息、主訴、現(xiàn)病史、既往史和過(guò)敏史五個(gè)部分。此外，語(yǔ)音識(shí)別技術(shù)為醫(yī)生書寫病歷，為普通用戶在醫(yī)院導(dǎo)診提供了極大的便利。當(dāng)放射科醫(yī)生、外科醫(yī)生、口腔科醫(yī)生工作時(shí)雙手無(wú)法空閑出來(lái)去書寫病歷，智能語(yǔ)音錄入可以解放醫(yī)生的雙手，幫助醫(yī)生通過(guò)語(yǔ)音輸入完成查閱資料、文獻(xiàn)精準(zhǔn)推送等工作，并將醫(yī)生口述的醫(yī)囑按照患者基本信息、檢查史、病史、檢查指標(biāo)、檢查結(jié)果等形式形成結(jié)構(gòu)化的電子病歷，大幅提升了醫(yī)生的工作效率。

科大訊飛的智能語(yǔ)音產(chǎn)品“云醫(yī)聲”為了應(yīng)對(duì)醫(yī)院科室內(nèi)嘈雜的環(huán)境，達(dá)到更好的語(yǔ)音處理效果，開發(fā)了醫(yī)生專用麥克風(fēng)，可以過(guò)濾掉噪音及干擾信息，將醫(yī)生口述的內(nèi)容轉(zhuǎn)換成文字。目前，訊飛醫(yī)療的語(yǔ)音轉(zhuǎn)錄準(zhǔn)確率已超過(guò) 97%，同時(shí)推出了 22 種方言的版本，并已在北大口腔、瑞金醫(yī)院等超過(guò) 20 家醫(yī)院落地使用?？拼笥嶏w的另一款產(chǎn)品“曉醫(yī)”導(dǎo)診機(jī)器人利用科大訊飛的智能語(yǔ)音和人工智能技術(shù)，能夠通過(guò)與患者進(jìn)行對(duì)話理解患者的需求，實(shí)現(xiàn)智能地院內(nèi)導(dǎo)診，告訴患者科室位置、應(yīng)就診的科室，并解答患者就診過(guò)程中遇到的其他問題，實(shí)現(xiàn)導(dǎo)醫(yī)導(dǎo)診，進(jìn)一步助力分診?！皶葬t(yī)”機(jī)器人目前已在安徽省立醫(yī)院、北京 301 醫(yī)院等多家醫(yī)院投入使用。

（二）病歷與文獻(xiàn)分析

電子病歷是在傳統(tǒng)病歷基礎(chǔ)上，記錄醫(yī)生與病人的交互過(guò)程以及病情發(fā)展情況的電子化病情檔案，包含病案首頁(yè)、檢驗(yàn)結(jié)果、住院記錄、手術(shù)記錄、醫(yī)囑等信息。其中既有結(jié)構(gòu)化數(shù)據(jù)，也包括大量自由文本輸入的非結(jié)構(gòu)化數(shù)據(jù)。對(duì)電子病歷及醫(yī)學(xué)文獻(xiàn)中的海量醫(yī)療大數(shù)據(jù)進(jìn)行分析，有利于促進(jìn)醫(yī)學(xué)研究，同時(shí)也為醫(yī)療器械、藥物的研發(fā)提供了基礎(chǔ)。人工智能利用機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)可以自動(dòng)抓取來(lái)源于異構(gòu)系統(tǒng)的病歷與文獻(xiàn)數(shù)據(jù)，并形成結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)庫(kù)。

大數(shù)醫(yī)達(dá)、惠每醫(yī)療、森億智能等企業(yè)正是基于自己構(gòu)建的知識(shí)圖譜，形成了供醫(yī)生使用的臨床決策支持產(chǎn)品，為醫(yī)生的診斷提供輔助，包括病情評(píng)估、診療建議、藥物禁忌等。

構(gòu)建醫(yī)療知識(shí)圖譜的過(guò)程需經(jīng)過(guò)醫(yī)學(xué)知識(shí)抽取、醫(yī)學(xué)知識(shí)融合的過(guò)程。在醫(yī)學(xué)知識(shí)抽取過(guò)程中，傳統(tǒng)的基于醫(yī)學(xué)詞典及規(guī)則的實(shí)體抽取方法存在諸多弊端。首先，目前沒有醫(yī)學(xué)詞典能夠完整地囊括所有類型的生物命名實(shí)體，此外同一詞語(yǔ)根據(jù)上下文語(yǔ)境的不同可能會(huì)指代的是不同實(shí)體，因此簡(jiǎn)單的文本匹配算法無(wú)法識(shí)別實(shí)體。近年來(lái)，深度學(xué)習(xí)開始被廣泛應(yīng)用于醫(yī)學(xué)實(shí)體識(shí)別，目前實(shí)驗(yàn)結(jié)果表明基于BiLSTM-CRF 的模型能夠達(dá)到最好的識(shí)別效果。

由于數(shù)據(jù)來(lái)源的多樣性，在醫(yī)學(xué)知識(shí)融合的過(guò)程中存在近義詞需要進(jìn)行歸類，目前分類回歸樹算法、SVM 分類方法在實(shí)體對(duì)齊的過(guò)程中可以實(shí)現(xiàn)良好的效果。和其他行業(yè)相比，分散在醫(yī)療信息化各個(gè)業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)包含管理、臨床、區(qū)域人口信息等多種數(shù)據(jù)，復(fù)雜性更高，隱藏價(jià)值更大。

新華三等企業(yè)在 2017 年大力推進(jìn)利用大數(shù)據(jù)技術(shù)挖掘醫(yī)療數(shù)據(jù)價(jià)值，助力人工智能與精準(zhǔn)醫(yī)療。通過(guò)大數(shù)據(jù)平臺(tái)充分挖掘各種類型數(shù)據(jù)的價(jià)值，幫助實(shí)現(xiàn)輔助診斷、精準(zhǔn)醫(yī)療、臨床科研等多種目標(biāo)。大數(shù)據(jù)平臺(tái)通過(guò)自然語(yǔ)言處理技術(shù)，對(duì)電子病歷中的自由文本進(jìn)行分詞、實(shí)體識(shí)別、依存句法分析、信息提取等操作，實(shí)現(xiàn)自由文本結(jié)構(gòu)化。在實(shí)現(xiàn)病歷結(jié)構(gòu)化的基礎(chǔ)上，利用機(jī)器學(xué)習(xí)聚類分析建立診斷建議模型，從而為醫(yī)生的臨床決策提供支持。

對(duì)電子病歷的結(jié)構(gòu)化和數(shù)據(jù)挖掘，可以幫助一線人員及科研人員挖掘疾病規(guī)律，進(jìn)行疾病相關(guān)性分析、患病原因分析、疾病譜分析等，并建立新的研究課題。例如，新華三在協(xié)助醫(yī)院進(jìn)行關(guān)于卵巢癌的相關(guān)課題研究時(shí)，得出血小板與淋巴細(xì)胞的關(guān)系對(duì)卵巢癌診斷具有重要價(jià)值。

（三）醫(yī)療影像輔助診斷

醫(yī)療影像數(shù)據(jù)是醫(yī)療數(shù)據(jù)的重要組成部分，從數(shù)量上看超過(guò) 90%以上的醫(yī)療數(shù)據(jù)都是影像數(shù)據(jù)，從產(chǎn)生數(shù)據(jù)的設(shè)備來(lái)看包括 CT、X 光、MRI、PET 等醫(yī)療影像數(shù)據(jù)。據(jù)統(tǒng)計(jì)，醫(yī)學(xué)影像數(shù)據(jù)年增長(zhǎng)率為 63%，而放射科醫(yī)生數(shù)量年增長(zhǎng)率僅為 2%，放射科醫(yī)生供給缺口很大。

人工智能技術(shù)與醫(yī)療影像的結(jié)合有望緩解此類問題。人工智能技術(shù)在醫(yī)療影像的應(yīng)用主要指通過(guò)計(jì)算機(jī)視覺技術(shù)對(duì)醫(yī)療影像進(jìn)行快速讀片和智能診斷。人工智能在醫(yī)學(xué)影像中應(yīng)用主要分為兩部分： 一是感知數(shù)據(jù)，即通過(guò)圖像識(shí)別技術(shù)對(duì)醫(yī)學(xué)影像進(jìn)行分析，獲取有效信息;二是數(shù)據(jù)學(xué)習(xí)、訓(xùn)練環(huán)節(jié)，通過(guò)深度學(xué)習(xí)海量的影像數(shù)據(jù)和臨床診斷數(shù)據(jù)，不斷對(duì)模型進(jìn)行訓(xùn)練，促使其掌握診斷能力。目前，人工智能技術(shù)與醫(yī)療影像診斷的結(jié)合場(chǎng)景包括肺癌檢查、糖網(wǎng)眼底檢查、食管癌檢查以及部分疾病的核醫(yī)學(xué)檢查和病理檢查等。利用人工智能技術(shù)進(jìn)行肺部腫瘤良性惡性的判斷步驟主要包括：數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、圖像分割、肺結(jié)節(jié)標(biāo)記、模型訓(xùn)練、分類預(yù)測(cè)。

首先要獲取放射性設(shè)備如 CT 掃描的序列影像，并對(duì)圖像進(jìn)行預(yù)處理以消除原 CT 圖像中的邊界噪聲,然后利用分割算法生成肺部區(qū)域圖像，并對(duì)肺結(jié)節(jié)區(qū)域進(jìn)行標(biāo)記。數(shù)據(jù)獲取后，對(duì) 3D 卷積神經(jīng)網(wǎng)絡(luò)的模型進(jìn)行訓(xùn)練，以實(shí)現(xiàn)在肺部影像中尋找結(jié)節(jié)位置并對(duì)結(jié)節(jié)性質(zhì)進(jìn)行分類判斷。

食管癌是常見惡性腫瘤之一，據(jù)統(tǒng)計(jì)，我國(guó) 2015 年新發(fā)食管癌人數(shù)為 47.7 萬(wàn)，占全球患病人數(shù)的 50%。針對(duì)食管癌的早期治療是診療的關(guān)鍵，食管癌早期五年內(nèi)治療的生存率超過(guò) 90%，而進(jìn)展期/晚期五年生存率則小于 15%。但是由于基層醫(yī)療機(jī)構(gòu)醫(yī)生缺乏足夠的認(rèn)知以及篩查手段，導(dǎo)致我國(guó)對(duì)早期食管癌的檢出率較低。

利用人工智能技術(shù)輔助醫(yī)生對(duì)食管癌進(jìn)行篩查，可以有效提高篩查準(zhǔn)確度與檢測(cè)效率。騰訊公司研發(fā)的覓影 AI 針對(duì)食管癌的早期篩查準(zhǔn)確率可超過(guò) 90%，并且完成一次內(nèi)鏡檢查的時(shí)間已經(jīng)可控制在數(shù)秒之內(nèi)。阿爾茨海默病，俗稱老年癡呆癥，是一種發(fā)病進(jìn)程緩慢、隨著時(shí)間不斷惡化的持續(xù)性神經(jīng)功能障礙，該疾病的真正成因至今仍不明確，沒有可以阻止或逆轉(zhuǎn)病程的治療。在我國(guó)，對(duì)該病癥的重視程度不高，現(xiàn)已造成就診率低、診斷率低、治療率低的“三低”局面。根據(jù)國(guó)際阿爾茨海默病聯(lián)合會(huì)報(bào)告，2015 年中國(guó)阿爾茨海默病患者超過(guò) 950 萬(wàn)，患病人數(shù)已居世界第一，且仍在快速增長(zhǎng)，2050 年或?qū)⑦_(dá)到 3000 萬(wàn)。

阿爾茨海默癥在患病早期是可以干預(yù)的，但檢測(cè)卻相對(duì)困難，越早檢測(cè)出這種病癥，患者就越有機(jī)會(huì)提早尋求治療，減緩病情的影響。阿爾茨海默病的臨床診斷需要通過(guò)神經(jīng)心理學(xué)測(cè)驗(yàn)、血液學(xué)檢查、結(jié)構(gòu)影像學(xué)或功能影像學(xué)檢查、腦電圖等方式綜合判斷。

阿爾茨海默病的診療難點(diǎn)在于癥狀以及檢查指標(biāo)等的非特異性，較難實(shí)現(xiàn)早期診斷。雅森科技等企業(yè)通過(guò)輸入核磁、腦電圖和量表三種不同類型的數(shù)據(jù)，綜合運(yùn)用機(jī)器訓(xùn)練、統(tǒng)計(jì)分析和深度學(xué)習(xí)的方法，找出患者是否患病與輸入信息之間的關(guān)系。對(duì)于阿爾茨海默病診斷所用到的人工智能，已不只是傳統(tǒng)意義上的深度學(xué)習(xí)對(duì)醫(yī)學(xué)影像的識(shí)別，而是在此基礎(chǔ)上找出多種信息源之間的聯(lián)系，并基于這三種數(shù)據(jù)訓(xùn)練多模態(tài)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，從而提前兩至三年預(yù)測(cè)老年癡呆發(fā)病的可能性以及病情發(fā)展的階段。

糖網(wǎng)病是糖尿病引起的視網(wǎng)膜病變。據(jù)統(tǒng)計(jì)，我國(guó)約 5 億人處于糖尿病前期，糖尿病患者約有 1.1 億人，糖網(wǎng)病患者約有 3000 萬(wàn)。

對(duì)糖尿病患者進(jìn)行眼底篩查具有重要意義，因?yàn)樘蔷W(wǎng)病患者通常早期難以發(fā)覺患有疾病，癥狀表現(xiàn)不明顯，只有經(jīng)過(guò)眼底早期篩查，及時(shí)發(fā)現(xiàn)糖網(wǎng)病，及早干預(yù)，才能有效抵制疾病的發(fā)生。相較于其他疾病的診斷需要結(jié)合臨床信息，人工智能在糖網(wǎng)眼底領(lǐng)域的檢查具備更高的可操作性，因?yàn)閮H針對(duì)眼部圖像的檢查就具備較高的診療價(jià)值。針對(duì)滲出或者出血等病變，AI 系統(tǒng)也可以實(shí)現(xiàn)較高的準(zhǔn)確率。在 2017年，眾多企業(yè)、科研機(jī)構(gòu)均進(jìn)行了關(guān)于此方面的研究。

例如，中國(guó)移動(dòng)通信有限公司研究院與沈陽(yáng)何氏眼科醫(yī)院有限公司深度合作，研發(fā)眼底圖像質(zhì)量評(píng)估、糖尿病視網(wǎng)膜病變嚴(yán)重程度分級(jí)、糖網(wǎng)病變病灶位置檢測(cè)等智能算法。首先對(duì)所采集的眼底圖像質(zhì)量是否合格（即是否滿足病理分析要求）進(jìn)行評(píng)估，并對(duì)質(zhì)量合格的眼底圖像，分析其為左眼或右眼、是否存在眼底疾病、糖網(wǎng)病變嚴(yán)重程度的分級(jí)（如有糖網(wǎng)），并檢測(cè)眼底圖像中出現(xiàn)微動(dòng)脈瘤、出血、滲出等糖網(wǎng)病變病灶的具體位置，最終自動(dòng)生成結(jié)構(gòu)化篩查報(bào)告，為患者提供轉(zhuǎn)診建議。

中國(guó)移動(dòng)研究院面向基層醫(yī)院、眼視光中心、社區(qū)服務(wù)站、鄉(xiāng)村診所等基層篩查場(chǎng)景，將專業(yè)眼科影像設(shè)備采集的眼底圖像通過(guò)固網(wǎng)或移動(dòng)蜂窩網(wǎng)上傳至云端，利用先進(jìn)的人工智能、深度學(xué)習(xí)技術(shù)進(jìn)行分析，實(shí)現(xiàn)眼底致盲疾病的自動(dòng)篩查、糖尿病視網(wǎng)膜病變（如有）嚴(yán)重程度分級(jí)以及病灶位置檢測(cè)和跟蹤，其結(jié)果供臨床醫(yī)生參考，施行必要的干預(yù)、治療，使廣泛、低成本、快速響應(yīng)的規(guī)?；Y查成為可能。病理是醫(yī)學(xué)界的金標(biāo)準(zhǔn)，也是許多疾病診斷的最終確定指標(biāo)。

但是，病理醫(yī)生通常必須花費(fèi)大量的時(shí)間檢查病理切片，因?yàn)椴±磲t(yī)生需要在上億級(jí)像素的病理圖片中識(shí)別微小的癌細(xì)胞。對(duì)于同一種疾病的病理診斷，不同的醫(yī)生往往會(huì)得出不同的判斷結(jié)論，足見病理診斷存在的誤診問題。人工智能技術(shù)為數(shù)字病理診斷帶來(lái)了技術(shù)革新，幫助病理醫(yī)生提高效率避免遺漏。相較于 CT、X 光等影像的人工智能輔助診斷，病理人工智能輔助診斷難度更大，因?yàn)椴±淼脑\斷既要觀察整體，還要觀察局部；不只要學(xué)習(xí)細(xì)胞特征，還要學(xué)習(xí)其生物行為。

我國(guó)已有蘭丁高科、泰立瑞、迪英加科技等眾多企業(yè)開始研究利用人工智能輔助數(shù)字病理診斷，他們開發(fā)的人工智能輔助診斷系統(tǒng)針對(duì)乳腺癌、宮頸癌等疾病的病理檢查已實(shí)現(xiàn)較高的準(zhǔn)確率。

（四）藥物研發(fā)

人工智能正在重構(gòu)新藥研發(fā)的流程，大幅提升藥物制成的效率。傳統(tǒng)藥物研發(fā)需要投入大量的時(shí)間與金錢，制藥公司平均成功研發(fā)一款新藥需要 10 億美元及 10 年左右的時(shí)間。藥物研發(fā)需要經(jīng)歷靶點(diǎn)篩選、藥物挖掘、臨床試驗(yàn)、藥物優(yōu)化等階段。目前我國(guó)制藥企業(yè)紛紛布局 AI 領(lǐng)域，主要應(yīng)用在新藥發(fā)現(xiàn)和臨床試驗(yàn)階段。

靶點(diǎn)篩選。靶點(diǎn)是指藥物與機(jī)體生物大分子的結(jié)合部位，通常涉及受體、酶、離子通道、轉(zhuǎn)運(yùn)體、免疫系統(tǒng)、基因等。現(xiàn)代新藥研究與開發(fā)的關(guān)鍵首先是尋找、確定和制備藥物篩選靶—分子藥靶。傳統(tǒng)尋找靶點(diǎn)的方式是將市面上已有的藥物與人體身上的一萬(wàn)多個(gè)靶點(diǎn)進(jìn)行交叉匹配以發(fā)現(xiàn)新的有效的結(jié)合點(diǎn)。人工智能技術(shù)有望改善這一過(guò)程。AI 可以從海量醫(yī)學(xué)文獻(xiàn)、論文、專利、臨床試驗(yàn)信息等非結(jié)構(gòu)化數(shù)據(jù)中尋找到可用的信息，并提取生物學(xué)知識(shí)，進(jìn)行生物化學(xué)預(yù)測(cè)。據(jù)預(yù)測(cè)，該方法有望將藥物研發(fā)時(shí)間和成本各縮短約 50%。

藥物挖掘。藥物挖掘也可以稱為先導(dǎo)化合物篩選，是要將制藥行業(yè)積累的數(shù)以百萬(wàn)計(jì)的小分子化合物進(jìn)行組合實(shí)驗(yàn)，尋找具有某種生物活性和化學(xué)結(jié)構(gòu)的化合物，用于進(jìn)一步的結(jié)構(gòu)改造和修飾。人工智能技術(shù)在該過(guò)程中的應(yīng)用有兩種方案，一是開發(fā)虛擬篩選技術(shù)取代高通量篩選，二是利用圖像識(shí)別技術(shù)優(yōu)化高通量篩選過(guò)程。利用圖像識(shí)別技術(shù)，可以評(píng)估不同疾病的細(xì)胞模型在給藥后的特征與效果，預(yù)測(cè)有效的候選藥物。

病人招募。據(jù)統(tǒng)計(jì)，90%的臨床試驗(yàn)未能及時(shí)招募到足夠數(shù)量和質(zhì)量的患者。利用人工智能技術(shù)對(duì)患者病歷進(jìn)行分析，可以更精準(zhǔn)的挖掘到目標(biāo)患者，提高招募患者效率。

藥物晶型預(yù)測(cè)。藥物晶型對(duì)于制藥企業(yè)十分重要，熔點(diǎn)、溶解度等因素決定了藥物臨床效果，同時(shí)具有巨大的專利價(jià)值。利用人工智能可以高效地動(dòng)態(tài)配置藥物晶型，防止漏掉重要晶型，縮短晶型開發(fā)周期，減少成本。

（五）基因測(cè)序

基因測(cè)序是一種新型基因檢測(cè)技術(shù)，它通過(guò)分析測(cè)定基因序列，可用于臨床的遺傳病診斷、產(chǎn)前篩查、罹患腫瘤預(yù)測(cè)與治療等領(lǐng)域。單個(gè)人類基因組擁有 30 億個(gè)堿基對(duì)，編碼約 23000 個(gè)含有功能性的基因，基因檢測(cè)就是通過(guò)解碼從海量數(shù)據(jù)中挖掘有效信息。目前高通量測(cè)序技術(shù)的運(yùn)算層面主要為解碼和記錄，較難以實(shí)現(xiàn)基因解讀，所以從基因序列中挖掘出的有效信息十分有限。人工智能技術(shù)的介入可改善目前的瓶頸。通過(guò)建立初始數(shù)學(xué)模型，將健康人的全基因組序列和RNA序列導(dǎo)入模型進(jìn)行訓(xùn)練，讓模型學(xué)習(xí)到健康人的 RNA剪切模式。

之后通過(guò)其他分子生物學(xué)方法對(duì)訓(xùn)練后的模型進(jìn)行修正，最后對(duì)照病例數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性。

目前，IBM 沃森，國(guó)內(nèi)的華大基因、博奧生物、金域檢驗(yàn)等龍頭企業(yè)均已開始自己的人工智能布局。以金域檢驗(yàn)為例，金域檢驗(yàn)利用其綜合檢驗(yàn)檢測(cè)技術(shù)平臺(tái)，以疾病為導(dǎo)向設(shè)立檢測(cè)中心，融合生物技術(shù)與人工智能等新一代信息技術(shù)為廣大患者提供專業(yè)化的臨床檢驗(yàn)服務(wù)。金域檢驗(yàn)的基因組檢測(cè)中心擁有全基因組掃描、熒光原位雜交、細(xì)胞遺傳學(xué)、傳統(tǒng) PCR 信息平臺(tái)，并利用基因測(cè)序領(lǐng)域中最具變革性的新技術(shù)之高通量測(cè)序技術(shù)(HTS)為臨床提供高通量、大規(guī)模、自動(dòng)化及全方位的基因檢測(cè)服務(wù)。同時(shí)，金域檢驗(yàn)依托覆蓋全國(guó) 90％以上的人口所在地區(qū)、年服務(wù)醫(yī)療機(jī)構(gòu) 21000 多家和年標(biāo)本量超 4000萬(wàn)例的覆蓋全國(guó)不同地域、不同民族、不同年齡層次的海量醫(yī)療檢測(cè)樣本數(shù)據(jù)，創(chuàng)建了具有廣州特色的“精準(zhǔn)醫(yī)療”檢驗(yàn)檢測(cè)大數(shù)據(jù)研究院。

▌五、面臨的問題與挑戰(zhàn)

（一）數(shù)據(jù)是行業(yè)發(fā)展的瓶頸，積累與創(chuàng)新是解決問題的關(guān)鍵

數(shù)據(jù)是人工智能技術(shù)最重要的因素之一。對(duì)于機(jī)器學(xué)習(xí)而言，模型越復(fù)雜、越具有強(qiáng)表達(dá)能力越容易降低對(duì)未來(lái)數(shù)據(jù)的解釋能力，而專注于解釋訓(xùn)練數(shù)據(jù)。這種現(xiàn)象會(huì)導(dǎo)致訓(xùn)練數(shù)據(jù)效果很好，但遇到未知的測(cè)試數(shù)據(jù)預(yù)測(cè)效果會(huì)大幅降低，即發(fā)生過(guò)擬合現(xiàn)象，從而也就需要更多的數(shù)據(jù)來(lái)避免該問題的發(fā)生，以保證訓(xùn)練的模型對(duì)新的數(shù)據(jù)也能有良好的預(yù)測(cè)表現(xiàn)。對(duì)于醫(yī)療人工智能而言，數(shù)據(jù)的重要性更為明顯。以醫(yī)療影像輔助診斷公司為例，企業(yè)訓(xùn)練模型的數(shù)據(jù)來(lái)源通常是公開數(shù)據(jù)集，或者企業(yè)與個(gè)別醫(yī)院合作獲取的影像數(shù)據(jù)。

這種模式在企業(yè)創(chuàng)業(yè)初期可以維持，但是當(dāng)企業(yè)發(fā)展到一定階段時(shí)弊端會(huì)開始出現(xiàn)。以肺結(jié)節(jié) CT 篩查為例，企業(yè)通常與個(gè)別醫(yī)院展開合作，獲取該醫(yī)院 CT 設(shè)備的數(shù)據(jù)。但是，目前市面上廣泛流通的 CT 設(shè)備商有七到八家，機(jī)型則達(dá)到了上百種，企業(yè)在與醫(yī)院合作時(shí)是針對(duì)某一機(jī)型的設(shè)備進(jìn)行的數(shù)據(jù)訓(xùn)練，該模型在適用于其他機(jī)型時(shí)，如果一些諸如層厚、電流、電壓、掃描時(shí)間等參數(shù)不同，模型需要重新針對(duì)新機(jī)型進(jìn)行數(shù)據(jù)預(yù)訓(xùn)練。除此以外，病人受檢測(cè)時(shí)的姿勢(shì)（平躺或者趴窩），CT 長(zhǎng)寬 512 像素或者 768 像素的差別，不同排數(shù)機(jī)器的層厚差異以及薄層重構(gòu)算法都是會(huì)對(duì)模型訓(xùn)練產(chǎn)生影響的因素。

因此，數(shù)據(jù)問題的解決是保證醫(yī)療影像輔助診斷產(chǎn)品是否能夠廣泛應(yīng)用的關(guān)鍵，廣泛開展合作，加深數(shù)據(jù)的積累以及技術(shù)上的創(chuàng)新或是下一步行業(yè)發(fā)展的重點(diǎn)。

（二）醫(yī)療 AI產(chǎn)品需要實(shí)現(xiàn)從試驗(yàn)向臨床應(yīng)用的突破

目前，業(yè)內(nèi)針對(duì)肺結(jié)節(jié)、糖網(wǎng)病檢查等場(chǎng)景的醫(yī)療人工智能產(chǎn)品診斷準(zhǔn)確率普遍很高，但是真實(shí)情況并非如此樂觀。企業(yè)在訓(xùn)練自己模型時(shí)通常都有自己的數(shù)據(jù)庫(kù)，各自的算法都是按照自己的數(shù)據(jù)進(jìn)行訓(xùn)練，然后以自己的數(shù)據(jù)來(lái)驗(yàn)證準(zhǔn)確性。在沒有得到臨床驗(yàn)證前，基于標(biāo)準(zhǔn)或特定數(shù)據(jù)集的實(shí)驗(yàn)室測(cè)試結(jié)果并不具備較大的意義，因?yàn)閷?shí)際臨床應(yīng)用的場(chǎng)景是非常復(fù)雜的。具體體現(xiàn)在以下幾個(gè)方面：

1.數(shù)據(jù)采樣

以糖網(wǎng)病篩查為例，瞳孔較小、晶狀體渾濁等人群的免散瞳眼底彩照，圖像質(zhì)量往往達(dá)不到篩查的要求。此外，受限于成本因素，很多基層醫(yī)療機(jī)構(gòu)使用的是手持眼底相機(jī)，成像質(zhì)量堪憂。

2.數(shù)據(jù)格式

在病理方面，數(shù)據(jù)缺少通用的國(guó)際標(biāo)準(zhǔn)，各醫(yī)院使用的病理切片掃描儀廠家也并不一致，各掃描儀廠商的掃描文件數(shù)據(jù)格式多數(shù)為私有格式，數(shù)據(jù)的標(biāo)準(zhǔn)化需要各廠家與醫(yī)院積極配合，開放自己的數(shù)據(jù)存儲(chǔ)格式。

3.診斷標(biāo)準(zhǔn)

目前圖像識(shí)別技術(shù)在醫(yī)療影像輔助診斷上的應(yīng)用已經(jīng)取得了比較好的應(yīng)用，技術(shù)上也取得了較大的突破，但是醫(yī)療影像輔助診斷產(chǎn)品下一步應(yīng)當(dāng)完善自己的算法，避免“就圖論圖”。以甲狀腺結(jié)節(jié)診斷為例，醫(yī)生診斷的依據(jù)并非只是彩超的拍片結(jié)果，還要結(jié)合甲狀腺功能化驗(yàn)，查看抗體的相關(guān)表現(xiàn)。因此，將臨床表征信息、患者基本信息、LIS 指標(biāo)、隨訪記錄等都作為預(yù)測(cè)模型的因子，實(shí)現(xiàn)多模態(tài)的診斷體系將是醫(yī)療影像輔助診斷產(chǎn)品下一步重點(diǎn)突破的方向。

（三）加深合作，可持續(xù)的商業(yè)模式亟待建立

現(xiàn)在的醫(yī)療人工智能企業(yè)多數(shù)是依靠單點(diǎn)醫(yī)療機(jī)構(gòu)開展工作，合作方式較為單一，數(shù)據(jù)作為醫(yī)院資產(chǎn)也難以供企業(yè)放置于院外使用。

此外，醫(yī)療人工智能產(chǎn)品想以銷售軟件的形式讓醫(yī)院付費(fèi)，不論從計(jì)費(fèi)方式、軟件資質(zhì)等方面都較為困難。因此，建立可持續(xù)的商業(yè)模式是醫(yī)療人工智能行業(yè)長(zhǎng)久發(fā)展的關(guān)鍵。與政府、醫(yī)院開展合作，向醫(yī)療機(jī)構(gòu)提供服務(wù)或是解決方案之一。例如，四川華西醫(yī)院與希氏異構(gòu)醫(yī)療科技有限公司聯(lián)合成立華西-希氏醫(yī)學(xué)人工智能研發(fā)中心，在消化內(nèi)鏡人工智能技術(shù)研發(fā)方面開展了合作。

正如華西醫(yī)院院長(zhǎng)李為民所言：“華西-希氏醫(yī)學(xué)人工智能研發(fā)中心，既是四川大學(xué)華西醫(yī)院產(chǎn)學(xué)研用協(xié)同創(chuàng)新的重大科技轉(zhuǎn)化平臺(tái)，也是華西醫(yī)院以開放姿態(tài)釋放醫(yī)院資源的重要標(biāo)志”。目前華西醫(yī)院與公司的合作已取得了進(jìn)展，醫(yī)生可以上傳胃鏡圖像，通過(guò)在云端進(jìn)行數(shù)據(jù)分析，可以對(duì)胃癌、靜脈曲張、息肉等常見胃鏡檢查結(jié)果進(jìn)行篩查，目前準(zhǔn)確率超過(guò) 90%?；?AI 的消化胃鏡智能系統(tǒng)可以提供高質(zhì)量的檢測(cè)結(jié)果，提高醫(yī)生診斷效率，提升基層醫(yī)療機(jī)構(gòu)的服務(wù)水平。另外一個(gè)案例是，一款用于肺癌早期篩查的 APP 與上海某區(qū)政府簽署合作協(xié)議，企業(yè)進(jìn)入社區(qū)基層為廣大居民提供疾病篩查服務(wù)，政府給予相應(yīng)補(bǔ)貼。

（四）明確醫(yī)療責(zé)任主體，劃清權(quán)責(zé)范圍

人工智能不論在學(xué)習(xí)能力還是成本控制方面，都具備發(fā)揮能力的空間，可以為普通用戶和醫(yī)生帶來(lái)幫助。但是，人工智能幫助進(jìn)行輔助診斷在醫(yī)療責(zé)任認(rèn)定方面也存在問題和挑戰(zhàn)。例如，用戶在使用醫(yī)療虛擬助手表達(dá)主訴時(shí)，可能會(huì)漏掉甚至錯(cuò)誤地進(jìn)行描述，導(dǎo)致虛擬助手提供的建議是不符合用戶原本的疾病情況的。因此，目前監(jiān)管部門禁止虛擬助手軟件提供任何疾病的診斷建議，只允許提供用戶健康輕問診咨詢服務(wù)。

我國(guó)監(jiān)管部門對(duì)于利用人工智能技術(shù)提供診斷功能是審核要求非常嚴(yán)格。在 2017 年 CFDA 發(fā)布的新版《醫(yī)療器械分類目錄》中的分類規(guī)定，若診斷軟件通過(guò)算法提供診斷建議，僅有輔助診斷功能不直接給出診斷結(jié)論，則按照二類醫(yī)療器械申報(bào)認(rèn)證；如果對(duì)病變部位進(jìn)行自動(dòng)識(shí)別并提供明確診斷提示，則必須按照第三類醫(yī)療器械進(jìn)行臨床試驗(yàn)認(rèn)證管理。未來(lái)，應(yīng)進(jìn)一步明確針對(duì) AI 診斷進(jìn)入臨床應(yīng)用的法律標(biāo)準(zhǔn)，做出 AI 診斷的主體在法律上是醫(yī)生還是醫(yī)療器械，AI 診斷出現(xiàn)缺陷或醫(yī)療過(guò)失的判斷依據(jù)等問題。

（五）制定人才培養(yǎng)計(jì)劃，搶占戰(zhàn)略制高點(diǎn)

人才專業(yè)水平是人工智能發(fā)展的關(guān)鍵因素之一。目前，我國(guó)從事人工智能行業(yè)的從業(yè)人員數(shù)不足 5 萬(wàn)人，每年通過(guò)高校培養(yǎng)出來(lái)的技術(shù)人員也不足 2000 人，人工智能人才缺口較大。相比于數(shù)據(jù)資源較為充足，我國(guó)的人工智能人才儲(chǔ)備較發(fā)達(dá)國(guó)家差距較大。據(jù)統(tǒng)計(jì)，在人工智能行業(yè)從業(yè)者當(dāng)中，美國(guó)擁有 10 年以上工作經(jīng)驗(yàn)的人才占比接近 50%，而我國(guó)只有不到 25%。此外，我國(guó)同時(shí)掌握醫(yī)療與人工智能知識(shí)的復(fù)合型人才更是匱乏。

因此，只有解決人才問題，我國(guó)才能突破醫(yī)療人工智能行業(yè)發(fā)展的瓶頸?；诖吮尘?，我國(guó)高度重視人工智能培養(yǎng)，并制定《新一代人工智能發(fā)展規(guī)劃》國(guó)家戰(zhàn)略，指出要把高端人才隊(duì)伍建設(shè)作為人工智能發(fā)展的重中之重。2017 年 11 月，科技部在京召開新一代人工智能發(fā)展規(guī)劃暨重大科技項(xiàng)目啟動(dòng)會(huì)，科技部、發(fā)改委、財(cái)政部等聯(lián)合成立人工智能規(guī)劃推進(jìn)辦公室，宣布首批四個(gè)專項(xiàng)開放創(chuàng)新平臺(tái)的依托單位，其中包括依托騰訊公司建設(shè)醫(yī)療影像國(guó)家人工智能開放創(chuàng)新平臺(tái)。我國(guó)現(xiàn)已通過(guò)建設(shè)國(guó)家級(jí)開放平臺(tái)集聚高端人才，通過(guò)鼓勵(lì)深度交叉學(xué)科研究，推進(jìn)產(chǎn)學(xué)研合作的新模式加速人才培養(yǎng)。