醫療診斷

診前預防：AI+基因檢測

通過人工智能與基因檢測技術相結合，可以進行更專業更高效的基因測序與檢測，提前預測疾病發生的風險。該技術主要是通過測定組成人類染色體中所包含的30億個堿基對組成的核苷酸序列，繪制人類基因組圖譜，并且辨識其載有的基因及其序列，達到破譯人類遺傳信息的最終目的，認識疾病產生的機制，從而實現疾病的預測。

傳統基因檢測中，基因組數量龐大，人工實驗費時且實驗成本高昂、檢測準確率低，而人工智能基于強大的計算能力，科研迅速完成數據的分析，窮盡已有數據庫，且能夠避免遺漏，挖掘出隱藏于表層原因之下的深層次關聯結構，實時高效的更新突變位點和疾病的潛在聯系，通過增強解讀基因能力，提供個性化精準疾病干預方案，從而有效預測該疾病的相關癥狀，提前做好相關預防工作。但是基因檢測的難度極高，需要高昂的時間和經濟成本。生命科學龍頭企業如華大基因等，通過多年的技術及數據的積累加持在基因檢測方面形成較深的護城河，正在引入人工智能技術檢驗其在基因測序領域的應用效果，不斷嘗試拓闊健康管理服務領域。

診中判斷：人工智能+醫療影像

醫療影像，是目前人工智能在醫療領域最熱門的應用場景之一。目前我國醫療影像領域存在諸多問題：供給不平衡，影像科醫生數量不足，尤其是具有豐富臨床經驗，高質量的醫生十分短缺，而且閱片數量極大，根據《中國人工智能醫療白皮書》，以肺結節檢測為例，一家三甲醫院平均每天接待200例左右的肺結節篩查患者，每位患者在檢查環節會產生200~300張左右的CT影像，放射科醫生每天至少需要閱讀4萬張影像，而診斷結果基本由影像科醫生目測和經驗決定，尤其是在長時間處理機械式閱片工作后，精力和準確度會下降，誤診、漏診率較高。如果都能將人工智能與醫學影像相結合，能夠為醫生閱片提供輔助和參考，大大節約醫生的時間，提高診斷的精確度。

該場景運用涉及到的人工智能技術為計算機視覺技術。主要應用計算機視覺技術解決以下三種需求：一是病灶識別與標注，可針對醫學影像進行圖像分割，特征提取、定量分析、對比分析等工作;二是靶區自動勾畫與自適應放療，針對腫瘤放療環節的影像進行處理;三是影像三維重建，針對手術環節的應用。

針對不同的醫療影響應用場景和當下急需解決的醫療痛點，上海聯影醫療科技有限公司推出了基于uAI聯影智能平臺打造的智能體檢讀片、智能骨傷鑒定等智能診斷應用以及智能化醫學影像設備，探索人工智能與醫療影像結合的無限可能，且為診斷精準度和疾病可控性的提高做出了重要的貢獻。以“智能體檢讀片”為例，在中國，一家體檢中心每天會產生上千例X光胸片，但平均往往只有幾十例存在異常，醫生要將大量時間精力耗費在逐一閱讀健康胸片上。這樣不僅醫生負擔重，患者看病也要耗費更多等待時間。現在，只需在X光設備上安裝這款“智能體檢讀片”智能診斷應用，就能有效解決這一問題，它如同一位醫生的“AI助理”，可快速從海量影像中預篩出健康的X光胸片，只將有疑似疾病的提交醫生閱讀，不僅能將不同肺部疾病的片子分流整理，讓醫生知其然;還能將片子中的異常區域可視化，讓醫生知其所以然。目前，在肺結節、肺水腫、胸膜增厚等14種肺部疾病中，這位“AI助理”已有9種診斷精準度排名世界第一。同樣，基于uAI聯影智能平臺推出的智能化醫學影像設備也將大大提升醫生的掃描效率，使醫學成像過程更好、更快、更安全、更經濟。

2018年7月29日，Vision China視覺健康創新發展國際論壇(2018)聯手醫療領域人工智能企業Airdoc首次為大眾帶來了一場眼科領域的“人機大戰”，比賽采用的是人機協作的PK方式，一方是由北京大學人民醫院眼科與眼視光中心主任趙明威領隊的5位專家團隊，一方是由溫州醫科大學附屬眼視光醫院眼底外科醫師陳峰領隊的5位非眼底專業的年輕醫生加上已經完成數百萬張影像識別學習的AI輔助團隊。在比賽的最終環節，兩組醫生需要用最短時間挑選出30張眼底圖中的糖網照片并進行分期。在人工智能的幫助下，AI團隊僅花費3分鐘就完成了30張影像的判讀，并且準確率達到了91%，取得了比賽的勝利。這一比賽的事實結果表明有人工智能協助的從醫時間較短、資歷較淺的眼科醫生的診斷準確率和效率可以與從業經驗豐富的資深眼科醫生達到相同水平線上，圖瑪深維等公司的AI影像產品已獲得了二類醫療器械認證，但由于監管要求，其產品應用僅限于異常識別，尚不可以開展自主診斷，應用場景有待于進一步開發。

診中判斷：AI+輔助診斷

隨著醫學的不斷發展以及檢驗病灶的不斷增加，相關專業劃分更加細致，面對復雜的多學科多領域的病情，需要臨床醫生掌握更豐富的疾病知識以及治療手段，以便及時洞察病情本質;與此同時，中國的醫療資源供給不均衡，部分基層衛生機構的醫師資源不足、經驗和診療能力不足，而配套硬件設施卻較為齊全，在這種情況下，人工智能輔助診斷應運而生。

通過利用自然語言處理、計算機視覺、機器學習等技術，人工智能設施通過患者檔案上傳、自測化驗結果分析等快速了解患者所患病癥;然后結合數據庫中大量數據信息如文獻、臨床指南和臨床經驗等，合理通過推理假設將獲取的病癥信息聯系起來，形成各種可能的結論及其對應的可能性;進而生成對應的診斷方案和治療結論，在此基礎上由專業的臨床醫生進行最終診斷，并把有關治療數據實時反饋于人工智能輔助診斷之中。

在上海的一些三甲醫院已經開始嘗試運用導診機器人、智能助理等人工智能輔助手段來提升治療效率、簡化手續流程。以復旦大學附屬腫瘤醫院為例，患者自主量血壓、測脈搏、測體溫后，連接設備同步初診情況，整個過程不到十分鐘，便可前往醫生處進行下一步診斷，通過 “精準預約”的預約掛號模式以及AI引擎模型的預先設置，讓人工智能引擎有了分診功能。患者只需要按照平臺要求實名上傳病史資料，通過AI引擎的計算分析判斷患者病情，并將專家號匹配給病情重、急需專家診療的患者，同時為患者智能提供合理的就醫路徑引導。

從2018年3月試點精準預約到2019年6月，復旦大學附屬腫瘤醫院共有11個外科科室、83位醫生，每周共計875個專家號接入精準預約功能。僅2019年上半年，該項智能服務就為超過11萬患者提供服務，為超過16000名患者提供專家號源，解決了這些疑難患者的燃眉之急。目前，醫院精準預約服務已覆蓋甲狀腺癌、乳腺癌、胰腺癌等15種常見腫瘤疾病。在該項服務下，每位患者平均節省2.5小時的就診時間，患者掛專家號的等待時間平均減少7.4天，專家門診的效率平均提高了3.5倍左右[1]。

診后治療：醫療機器人、AI個性化治療

結合人工智能技術可以實現個性化的治療方案。治療過程包括評估疾病風險和制定個性化的診療方案等，需要大量的計算資源及數據的深度挖掘，人工智能基于強大的計算能力，能快速完成海量數據的分析，挖掘并更新突變位點和疾病的潛在聯系，強化人們對基因的解讀能力，進而提供更快速、更精確的疾病預測和分析結果，實現個性化的治療方案，便于患者更好更快痊愈。

機器人是人工智能各類應用中最備受關注的一項應用，國內目前的醫療機器人主要包括手術機器人、腸胃檢查與診斷機器人(包括胃鏡診斷治療輔助機器人等)、康復機器人(針對部分喪失運動能力的患者)以及其他用于治療的機器人(例如輸液藥物配制機器人)。面對新型冠狀病毒這樣的具備高傳染性疾病時，如果能通過醫療機器人、遠程醫療、遠程手術等設備和手段實現醫療過程，將會大幅度減少醫療人員被感染的狀況。但是目前存在的問題就是，醫療機器人開發成本過高，且遠程診療和遠程手術等技術研發成本也是非常高的，且高度依賴5G和AI等技術，目前雖然這些設備和技術已經有定點試用，但是高成本的使用條件使得這些設備和技術暫時只允許在一線城市的小部分領域應用，且5G等技術還未真正成熟和得到普遍推廣應用，醫療機器人、遠程診療和遠程手術等還隱藏著許多未知的安全風險，以上的種種因素都導致在面對現階段大面積感染疾病的情況下，醫療機器人、遠程診療和遠程手術等無法普及應用。

藥物研發

AI+藥物挖掘

人工智能在藥物研發中的應用表現為藥物挖掘：AI助力縮短新藥研發時間，降低研發成本，使低成本、快速研發個性化治療藥物成為可能。

藥物挖掘，主要完成新藥研發、老藥新用、藥物篩選、藥物副作用預測、藥物跟蹤研究等方面的內容;人工智能技術在藥物挖掘方面的應用，主要體現于分析化合物的構效關系(即藥物的化學結構與藥效的關系)，以及預測小分子藥物晶型結構;同一藥物的不同晶型在外觀、溶解度、生物有效性等方面可能會有顯著不同，從而影響了藥物的穩定性、生物利用度及療效。

人工智能與藥物挖掘的結合，使得新藥研發時間大大縮短，研發成本大大降低，這將有可能根本上改變用藥“平均”觀念，即某種藥物在臨床使用中對大多數人有效，則認為這種藥物對所有人有效，比如腫瘤患者，每位患者的腫瘤基因組均不相同，導致生物學行為有差異，也就導致藥物在臨床反應中效果不一;而通過低成本、快速的藥物挖掘研發個性化治療藥物將成為可能，目前主要成果體現于抗腫瘤藥、心血管藥、孤兒藥(罕見藥)以及經濟欠發達地區常見傳染病藥，其中抗腫瘤藥占了1/3左右。

健康管理

AI+預防管理

傳統的醫療路徑為“患病后治病”，而在未來的醫療健康生態體系下，醫療對健康結果的達成將超越對于診療項目數量的關注，通過基因檢測等途徑，獲取基因、代謝和表型(性狀)等數據，引入人工智能技術對以上數據進行分析，進而可對用戶或患者進行個性化行為干預，為用戶提供飲食、起居等方面的健康生活建議，以保持長期的身體健康 。因此在未來，對于疾病大家都可以做到“防范于未然”和“居安思危”，未來的醫療路徑將通過提前預防，從而切斷患病根源等來實現，將病源扼殺在搖籃里，大大降低人們患病的概率。

目前來看，健康管理市場在模式和格局等方面尚未成熟，依然是各大企業紛紛布局與嘗試的新興市場，國內以碳云智能和妙健康為典型代表，海外則有Validic、Welltok等公司，健康管理的具體落地場景可分為三大子場景，一是營養學場景，根據人工智能技術結合目標用戶的基因序列幫助其飲食結構的合理化，二是身體健康管理，根據智能可穿戴設備實時檢測用戶的信息，幫助其生活習慣的規律化，三是精神健康管理，通過各項可測得數據的結合與分析，及時反饋用戶的情緒波動，幫助其心理狀態的良性化。

AI+醫院管理

醫院管理，主要指針對醫院內部、醫院之間各項工作的管理，主要包括病歷結構化、分級診療等。現階段病例電子化的逐步實現，使病例結構化以挖掘更深層次數據價值成為可能。病例電子化，為人工智能技術提供了數據支撐，通過人工智能中的自然語言處理技術，能將非結構化的醫療數據，轉換成結構化的醫療數據。使全國各大醫院的數據互聯互通，能對重大傳染疾病做出迅速的反應，及時重視預防。

AI+分級診療

分級診療，就是要按照疾病的輕、重、緩、急及治療的難易程度進行分級，不同級別的醫療機構承擔不同疾病的治療。分級診療的實現，離不開醫聯體與智能云服務，二者是相輔相成的。醫聯體是將大型醫療機構(提供高級醫療服務)，基層醫院，鄉鎮醫療機構等鏈接在一起，實現數據互通，將數據和人才集中在影像云平臺，實現分級診療。其中比較典型的是瑞達醫療，其建立的分級診療平臺，能夠實現遠程門診，遠程托管與會診，以及雙向轉診等功能。這一技術的普及將會有效整合醫療資源，大幅度提高現有醫療體系的運作效率。

目前大部分醫院處于數字化轉型的初級階段，而且無論在臨床規范和標準的一致化、醫院企業數據互聯互通上以及信息化發展的程度上，均未達到智慧醫療的實踐程度，需要進一步的技術發展、醫企合作和政府推動。

器械生產

AI+智能制造

人工智能與制造業結合的本質，是將智能設備如機器人、數控機床、3D打印等通過通信技術有機連接起來，實現生產過程自動化;并通過各類感知技術如傳感器、計算機視覺等收集生產過程中的各種數據，通過工業以太網等通信手段，上傳至工業服務器，在MES(Manufacturing Execution System，制造執行系統)、DCS(Data Collection System，數據收集系統)等軟件系統的管理下進行數據處理分析，并與ERP(Enterprise Resource Planning，企業資源計劃)軟件系統相結合，提供最優化的生產方案或者定制化生產，最終實現智能化生產。

不斷通過流程智能化帶動生產智能化，因為流程領域的生產流程本質上是連續的，而且往往是處于密閉的管道或容器中，生產工藝相對簡單，生產流程清晰連貫，生產全過程數字化難度相對較低。流程領域企業接下來要做的是在全面貫通整合各階段數據的基礎上，運用人工智能的深度學習、強化學習(主要是動態規劃方法)進行實時數據分析和實時決策，并進一步將智能系統延伸至供應鏈、生產后服務等各個環節，最終實現生產的全面智能化。

同時在運輸過程中建議和提倡非接觸，通過相關設備的運輸和傳遞醫療物資和設備，提升了產業端上游的生產效率，提升產品質量，降低人為錯誤，替代人類進行高風險勞動，保障生命安全，也減少了產業端下游與有關病毒的接觸，如廣東等地區的幾家公司紛紛向武漢等疫情嚴重地區無償捐贈自己公司的智能機器人，機器人可以自動識別障礙物、避開障礙物等，實現了點對點傳輸和運輸醫療物資和設備，有效地保護了在前線奮斗的一線援助人員。

發展路徑建議

產業端

(1)不斷積累醫療大數據，實現各方數據共享

在產業端，一是要不斷積累高質量數據，高質量數據是人工智能發揮作用的基礎與前提，當前的醫療行業數據大、種類多，但是如何標準化數據是需要進一步解決的問題，不斷將非結構化數據轉化為結構化數據，逐步實現患者患病全周期數據記錄，是醫療行業各參與方需要長期關 注并解決的問題。二是要加強整合各個醫院和企業的數據共享，由于各參與方的利益訴求不盡相同，所以短期內很難自主共享重要數據，而從長遠發展來講，數據的不斷積累會使得技術的應用實現規模效應，從而降低成本促進整個行業的健康發展。

(2)擴大交流與合作，搭建合作伙伴網絡

一方面是積極業內間的交流與合作，通過行業內的高等院校、科研機構以及醫院企業對國家發展政策規劃以及國際技術發展演進趨勢的研究，在此基礎上結合行業共性及自身比較優勢，規劃整體的醫療智能化措施流程，包括醫療智能化的定義、目標、標準、商業以及盈利模式等等。另一方面是確定搭建業間合作伙伴網絡，提高端到端解決問題的效率，在醫療服務供給方和需求方、人工智能技術供給方和需求方之間提供有效溝通合作渠道，通過統籌結合各方的需求使得技術的開發、服務的提供更加完備健全。

技術端

(1)搭建統一技術平臺，重點突破共性技術

通過企業和資本對人工智能技術的不斷投入，并對人工智能關鍵共性技術的持續歸納總結，使得人工智能技術可以在各個行業都能落地，同時鼓勵各方整合相應技術標準，搭建統一的技術平臺，促進規模效應聯合研究突破，適當海外建立研究機構，不斷學習國外先進的技術應用以及人才的培養體系。通過在人工智能技術的不斷突破，看到更多與醫療行業應用落地的可能性，進而達到掌握醫療AI核心技術、奠定發展基礎的目的，不斷在算法技術、感知認知、數據平臺等多方面積累核心優勢，實現從技術到應用的演進，助力醫療行業蓬勃發展。

(2)以結果為導向，搭建產學研多方協作平臺

鼓勵產學研聯合組建智能制造技術聯盟，在產權保護基礎上促進計算力、數據、算法等開源或開放，提供更高效便捷的產學研等協作的信息溝通渠道，提供創新企業注冊、項目申報、稅務等服務，促進各方更深入、專業的交流，促進資源共享、信息互通的實現，以產生一加一大于二的協同效應，通過高等院校的人才培養、科研機構的技術開法以及醫院企業的落地應用，使得相關的課程與技術理論不斷在實踐中得到驗證，以結果為導向，不斷提高技術的實用性和實效性。

政府端

(1)建立多渠道投融資機制，激發產業發展熱情

人工智能行業作為信息化時代處在發展前期的行業，需要政府通過設立專門的貸款方案及補貼政策，鼓勵銀行等金融機構提供資金，吸引民間資本進行投資，以此來積極引導各大科技巨頭、相關初創企業以及醫療行業中醫企的積極轉型，激發外部圍觀者進入新興賽道的熱情與活力，由于初創企業的智能化之路面臨更大的試錯成本和不可控風險，稍有不慎就會危及生存同時，政府也應嚴格審核，注意向中小初創企業進行適當的政策傾斜與鼓勵，如成果返稅、政策補貼等，讓更多的小微企業參與到智能化進程的浪潮當中。

(2)適當放開政府監管，豐富醫療治理環境

對于新興行業，會存在由于監管機制不完善、配套政策的不健全而導致業內投機分子鉆空子問題的出現，人工智能不同于傳統計算機行業，其自主學習能力強、迭代速度快、推理過程存在著黑匣子的情況，因此審慎監管的原則是正確無誤的，但是從長遠角度來看，需要適當的在風險可控范圍內進行適當試錯，通過進一步合理放開合適的產品性能檢測和注冊審批流程，不斷授予人工智能技術在醫療行業中更高級更廣泛的使用權限，不斷在實踐中建立相應的評價體系和監管審批標準，使得醫療行業智能化程度不斷加深，為整個社會帶來更豐富的醫療治理環境。