深度分析AI+医疗的4大趋势与8大应用

由于我国医疗需求不断上升、资源严重缺乏、卫生人员整体素质有待提升、卫生支出相对不足以及医疗资源浪费严重等问题普遍存在，医疗行业急需新技术的注入。

随着数据量的上涨、运算力的提升、图像识别、深度学习、神经网络等关键技术的突破，极大促进了AI+医疗的迅速发展。

AI技术本身的商业价值不大，只有将它正确、准确地赋能给传统行业，才会产生巨大价值。各个国家和地区看到AI的巨大前景，纷纷出台政策、投入资金加快布局速度。

在全球各个地区，AI+医疗不再是一种创新概念，它已经为医生、患者、企业、医疗及研究机构提供了最前沿和最切合实际的服务。而美国、中国、欧洲是在AI+医疗领域表现最抢眼的区域。

中国 AI+医疗 行业报告

公司数量：131家（截止至2017年7月31日）

融资公司：104家

融资总额：180亿（截止至2017年8月15日）

最活跃的投资机构：红杉资本中国、真格基金、北极光创投、经纬中国、软银

创新中心：北京、上海、深圳、杭州等一二线城市

美国 AI+医疗 行业报告

融资总额：440亿美元（2009年至2017年）

投资者数量：900人

市场份额最高的应用：药物发现

2017年-2022年增速最快的场景：医学影像和诊断技术

创新中心：旧金山、圣地亚哥、匹兹堡、休斯顿

AI+医疗的4大趋势、8大应用

AI+医疗的4大趋势：机器学习、计算视觉、自然语言处理（NLP）、智能机器人

AI+医疗的8大应用：虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台

AI+医疗 4大趋势

AI+医疗的结合，创造了与医疗相关的产业链新模式，将逐步解决医疗领域的各大痛点。

1、机器学习

机器学习的主要应用：药物发现、基因检测、个性化医疗服务、医疗大数据、电子健康档案；

2、计算视觉

计算视觉的主要应用：肿瘤检测、医学成像与诊断、图像归档与传输（PAC）、外科成像；

3、NLP（自然语言处理）

NLP的主要应用：护士助理、自动化护理管理工作流、管理型工作流、远程医疗网络；

4、智能机器人

智能机器人的主要应用：机器人辅助手术、手术精度、纳米机器人、机器人护士、个人助理机器人、制药机器人。

AI+医疗 8大应用

我国“AI+医疗”领域的产品主要应用于虚拟助理、医学影像、疾病风险预测等8大应用场景中。

疾病风险管理和医学影像是最热门的两大应用场景，提供药物挖掘的公司较少。由于计算视觉与基因测序技术的迅猛发展，疾病风险预测、医学影像场景下的公司数量最多，相关产品相对成熟。

1

虚拟助理

医用型虚拟助理是基于特定领域的知识系统，通过智能语音技术和NLP技术，实现人机交互，主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求。

语音电子病历

调查显示，中国50%以上的住院医生每天用于手写病历的时间平均在4小时以上，效率极低。虚拟助理可以将医生的主诉内容实时转换为文本，录入到医院信息管理软件中，这样不仅提高了填写病历的效率，还可以使医生将更多时间和精力用于与患者交流和疾病诊断之中。

导诊机器人

基于人脸识别、 语音识别、远场识别等技术，通过人机交互，导诊机器人可以执行挂号、科室分布及就医流程引导、身份识别、数据分析、知识普及等导诊任务。

智能问诊

智能问诊系统包含预问诊和自诊两大功能。

消费者可以在与医生沟通之前，通过手机或PC端进入医院智能问诊模块中，输入患者的基本信息、症状、既往病史、过敏史等信息，系统将初步形成诊断报告，以减少医生与患者的沟通时间，大大提升医患沟通效率。

推荐用药

推荐用药属于相对小众的应用场景，后台算法系统能够通过手机端和PC端为患者提供用药建议。

2

医学影像

医学影像，是目前人工智能在医疗领域最热门的应用场景之一。据统计，目前国内共有43家公司致力于医学影像领域。

计算视觉技术主要解决“医学影像”应用场景中的三种需求：

A.病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；

B. 靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理；

C. 影像三维重建：针对手术环节的应用。

AI+医学影像的产品形态主要以用于影像识别与处理的软件为主，极少数结合硬件。目前基本成型的AI+医学影像产品大多正处于医院试用阶段，该领域公司基本没有实现盈利。

3

辅助诊疗

目前国内有8家公司提供医疗大数据辅助诊疗服务，11家公司提供“医疗机器人”服务。

A.医疗大数据辅助诊疗：基于海量医疗数据与AI算法发现病症规律，从而为医生诊断和治疗提供参考意见;

B. 医疗机器人：国内目前的医疗机器人主要包括手术机器人、肠胃检查与诊断机器人、康复机器人以及其他用于治疗的机器人。

4

疾病风险预测

根据统计，目前国内共有45家公司提供“疾病风险预测”服务。疾病风险预测主要通过算法对基因数据进行分析，提前预测疾病发生的风险。

5

药物挖掘

在药物挖掘方面，利用AI技术分析化合物结构与药效的关系，以及预测小分子药物晶型结构。AI与药物挖掘的结合，使得新药研发时间大大缩短，研发成本大大降低。

目前国内有7家公司提供药物挖掘服务。药物挖掘主要应用场景有肿瘤早期筛查、个性化药物诊断和新药研发。

6

健康管理应用场景

健康管理主要包括营养学、身体健康、精神健康三大管理领域。据统计，目前国内共有14家公司提供“健康管理”服务，大多集中于身体健康管理场景。

营养学场景：利用AI技术对食物进行识别与检测，以帮助用户合理膳食，保持健康的饮食习惯；

身体健康管理：结合智能穿戴设备等硬件设备提供的健康类数据，利用AI技术分析用户健康水平，并通过行为干预，帮助用户养成良好的生活习惯；

精神健康管理：利用AI技术进行情绪管理，对精神疾病进行预测和治疗。

7

医院管理应用场景

医院管理是针对医院内部、医院之间各项工作的管理，主要包括病历结构化、分级诊疗、DRGs（诊断相关分类）智能系统、医院决策支持的专家系统等。目前国内共有21家公司提供医院管理服务，业务大多集中于病历结构化服务。

8

辅助医学研究平台应用场景

辅助医学研究平台是利用AI技术辅助生物医学相关研究者进行医学研究的技术平台。据统计，目前国内共有14家AI公司建立辅助医学研究平台，大致可以分为两大类：数据收集/存储与统计分析和基因测序等生物信息分析。

任何一种颠覆性的技术，其产生、发展和应用必然要经历一个漫长的被市场认可的过程。虽然人工智能在医疗领域的应用能产生巨大的潜在价值，但是现实中AI+医疗在人才、技术发展、数据壁垒、市场认可、政府监管、法律伦理和隐私安全等方面挑战。

目前，消费者对AI+医疗仍处于远观和存疑的态度。普华永道2017年就AI+医疗的应用意愿进行了调查，有近4成的消费者不愿意接受人工智能来看病。

但是，无论是医疗行业人士，还是AI创业者，他们都认为AI医疗可以真正切入到医疗领域的核心，解决医疗行业的痛点，并将掀起医疗行业的变革。