AI結合醫(yī)療：人工智能落地的第一步？

　　IBM的人工智能Watson，近日僅用10秒就開出了癌癥處方。在引發(fā)輿論熱潮的同時，也再次把“AI+醫(yī)療”推向高潮。方正證券近日發(fā)布的互聯(lián)網(wǎng)醫(yī)療深度報告就顯示，盡管安防和智能投顧最為火熱，但AI在醫(yī)療領域可能會率先落地。

　　接手“互聯(lián)網(wǎng)+”無奈的醫(yī)療痛點

　　圖像識別、深度學習、神經(jīng)網(wǎng)絡等關鍵技術帶動了人工智能新一輪大發(fā)展

　　該份報告指出，從互聯(lián)網(wǎng)改造醫(yī)療行業(yè)的角度來劃分，中國互聯(lián)網(wǎng)醫(yī)療發(fā)展經(jīng)歷了三個階段：信息服務階段，即互聯(lián)網(wǎng)改造的是醫(yī)療的信息流，實現(xiàn)人和信息的連接;咨詢服務階段，即互聯(lián)網(wǎng)改造的是健康咨詢的服務流，實現(xiàn)人和醫(yī)生連接;診療服務階段，互聯(lián)網(wǎng)改造的是醫(yī)療的服務流，實現(xiàn)人和醫(yī)療機構的連接。

　　然而，互聯(lián)網(wǎng)帶來的模式創(chuàng)新沒有根本上提升醫(yī)療供給端的服務能力，從而根本上解決醫(yī)療資源(尤其是醫(yī)生)供不應求的局面。

　　與此同時，圖像識別、深度學習、神經(jīng)網(wǎng)絡等關鍵技術的突破帶動了人工智能新一輪的大發(fā)展。“人工智能+醫(yī)療”概念應運而生。

　　與互聯(lián)網(wǎng)的不同，人工智能對醫(yī)療領域的改造是顛覆性的。

　　對人工智能醫(yī)療的需求主要基于幾方面客觀現(xiàn)實：一方面是優(yōu)質(zhì)醫(yī)療資源供給不足，成本高，醫(yī)生培養(yǎng)周期長，誤診率高，疾病譜變化快，技術日新月異;另一方面，隨著人口老齡化加劇、慢性疾病增長、對健康重視程度提高，醫(yī)療服務需求持續(xù)增加。

　　人工智能的核心能力實際上是人類自身已擁有的能力，但與人類相比，最大優(yōu)勢在于計算能力的高效，尤其在數(shù)據(jù)密集型、知識密集型、腦力勞動密集型行業(yè)領域。

　　在醫(yī)療領域，IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學專著、24.8萬篇論文，69種治療方案、61540次試驗數(shù)據(jù)、10.6萬份臨床報告。通過海量汲取醫(yī)學知識，包括300多份醫(yī)學期刊、200多種教科書及近1000萬頁文字，IBM Watson在短時間內(nèi)迅速成為腫瘤專家。

　　阿里云研究中心和BCG的最新合作報告指出，從技術突破和應用價值兩維度分析，未來人工智能會出現(xiàn)服務職能、科技突破、超級智能三個階段?；跀?shù)據(jù)的服務智能階段將在接下來3—5年爆發(fā)：人工智能拓展、整合多個垂直行業(yè)應用，豐富實用場景。IDC Digital預測，截至2020年，醫(yī)療數(shù)據(jù)量將達40萬億GB，預計約80%數(shù)據(jù)為非結構化數(shù)據(jù)。

　　四大模式分爭萬億市場

　　人工智能+輔助診療潛在市場空間巨大，至少是萬億級以上的營收規(guī)模

　　從全球創(chuàng)業(yè)公司實踐的情況來看，AI+醫(yī)療的具體應用包括洞察與風險管理、醫(yī)學研究、醫(yī)學影像與診斷、生活方式管理與監(jiān)督、精神健康、護理、急救室與醫(yī)院管理、藥物挖掘、虛擬助理、可穿戴設備以及其他，其中以四種模式為主流。

　　首先是AI+輔助診療，即將人工智能技術用于輔助診療中，讓計算機“學習”專家醫(yī)生的醫(yī)療知識，模擬醫(yī)生的思維和診斷推理，從而給出可靠診斷和治療方案。輔助診療場景是醫(yī)療領域最重要、也最核心的場景，人工智能+輔助診療潛在市場空間巨大，至少是萬億級以上的營收規(guī)模。

　　在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。2012年Watson通過了美國職業(yè)醫(yī)師資格考試，并部署在美國多家醫(yī)院提供輔助診療的服務。目前IBM Watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。

　　AI+醫(yī)學影像，是將人工智能技術具體應用在醫(yī)學影像的診斷上，主要分為兩部分：一是圖像識別，應用于感知環(huán)節(jié)，其主要目的是將影像這類非機構化數(shù)據(jù)進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環(huán)節(jié)，是AI應用的最核心環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡進行深度學習訓練，促使其掌握“診斷”的能力。

　　如今，AI+醫(yī)學影像已經(jīng)走出實驗室，下一步將迎來商業(yè)化浪潮。貝斯以色列女執(zhí)事醫(yī)學中心(BIDMC)與哈佛醫(yī)學院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%，與病理學家的分析結合在一起時，它的診斷準確率可以高達99.5%。國內(nèi)的DeepCare對于乳腺癌細胞識別的準確率也達到了92%。

　　AI+藥物挖掘，是指將深度學習技術應用于藥物臨床前研究，達到快速、準確地挖掘和篩選合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。通過計算機模擬，AI可以對藥物活性、安全性和副作用進行預測。借助深度學習，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領域取得了新突破。目前，已經(jīng)涌現(xiàn)出多家AI技術主導的藥物研發(fā)企業(yè)。

　　最后是AI+健康管理。目前從全球AI+醫(yī)療創(chuàng)業(yè)公司來看，主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫(yī)學的健康管理。