未来智库 > 人工智能论文 > 【人工智能:撬动智慧医疗】
    一、人工智能助推智慧医疗迈入新阶段
    (一)生产力变革:从互联网医疗到人工智能医疗
    近年来,在信息化浪潮推动下,医院通过把部分业务流程以互联网为媒质对外开放,形成医疗资源供给和病患需求的即时对接,解放医疗生产力。而随着人工智能技术的发展,医院能够以人工智能技术为工具,取代人工基因测序、诊断治疗、手术操作等的部分工作环节,提供基于大数据的系统化精准精细医疗服务,形成供给端的技术和生产力变革。自此,智慧医疗从互联网医疗迈入人工智能医疗新阶段。在这一阶段,智慧医疗利用人工智能技术将数字化人体和数字化医疗等高度智慧化,部分代替了以往由人力完成的医疗工作,构建从底层基因、中层病症数据,到上层诊断和手术于一体的,人与机器互联、协作的新医疗服务链条。
    (二)四大应用方向:机器学习+智能视觉+智能语音+智能机器人
    人工智能特点在高效计算和精准分析、决策,在医疗领域中的应用场景越来越广泛,涵盖机器学习、智能视觉、智能语音和智能机器人四大方向,具体包括基因测序、药物研发、辅助诊断、智能影像、数字医疗、医疗机器人等。
    1、机器学习。机器学习来自于有早期的人工智能领域,是实现人工智能的方法之一,在医疗领域的应用集中在三大方向。一是基因测序。依靠计算智能搭建基因数据库、处理基因数据、可视化表达基因,实现基因组与表型组、疾病组有机关联。二是药物研发。通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物,降低新药研发成本、提升新药研发迭代效率。三是辅助诊断。让计算机“学习”专家医生的医疗知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案,IBM Watson 是典型例子。
    2、智能视觉。智能视觉在医疗行业的应用的要求要比其他行业更高,其最广泛的应用就是医学成像与诊断,通过智能视觉的图像识别技术,计算机可以分析病人的医学成像如X片检查情况,通过更精准的智能识别,给出更准确的判断。目前,智能视觉在对图像的检测效率和精度两个方面,都可以做得比一般专业医生更好,在肿瘤检测和癌症诊断中的应用比较突出。
    3、智能语音。医疗智能语音是基于语音识别、语音合成、自然语言处理NLP等技术,为企业在多种实际应用场景下,赋予产品“能听、会说、懂你”式的智能人机交互体验。智能语音和机器学习的结合应用更为广泛,主要体现在数字医疗方面,一是用于医院内部管理,使医患沟通更快捷,二是作为日常健康保健的咨询顾问和智能虚拟助手,提供个性化的健康保障,三是远程医疗。
    4、智能机器人。机器人技术在医疗领域应用广泛且发展迅速,如智能假肢和辅助设备等修复人类受损身体、医疗保健机器人等。目前实践中的医疗机器人主要有两类:一是能够读取人体神经信号的可穿戴机器人,成为智能外骨骼,二是能够承担手术或医疗保健功能的机器人,最为典型的代表就是达.芬奇手术机器人。未来还将逐渐拓展到制药机器人等特殊领域。
    二、人工智能将对医疗行业带来颠覆性影响
    通过采用人工智能手段分析人群健康大数据,制定规范化临床路径,可有效提高医生的诊疗水平和问诊效率,实现医疗服务的高质与高效,解决医疗行业面临的医疗资源配置不均衡、基层诊疗水平低、医生培养周期长等痛点。
    医药制造行业方面。一方面,人工智能的应用,可以通过海量数据模拟药物的效果与药物成分之间的化学反应,实现微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制,有利于快速实现药物发现。另一方面,人工智能通过辨别基因等方式来确定人的个性,并针对性地设计对其效果最佳的药品,能够帮助制药企业实现由原来提供通用药物变成提供个性化、精准化的药物,这也是未来长期的发展趋势。
    医生诊疗方式方面。人工智能技术为医生临床诊疗提供数据和工具支撑,以阿里ET医疗大脑为例,其已经可以实现比专家医生更可靠的图像识别,在图像识别、语音识别等医疗工作中做一名优秀的“医生助理”。斯隆凯特琳研究所估计,受限于人脑处理数据的能力,在诊断癌症患者和处方治疗时,医生只使用了20% 的实验性知识,人工智能应用程序则可以在数百万页的医学证据中筛选,几秒内提供诊断和治疗方案。
    患者治疗体验方面。随着人工智能的发展,虚拟医院和远程医疗将逐步实现和完善。病人可以足不出户地借助随身可穿戴设备等感知智能设备实时读取自身精准的医疗信息数据,然后通过网络将医疗信息数据传给诊断治疗方(医生或智能诊断云端),�\断治疗方根据病人的精准医疗信息做出疾病的诊断并制定配套的治疗方案。从而病人可以得到更好的检测体验与治疗体验。
    医院运营模式方面。人工智能手段可帮助实现对大规模人员的系统性、针对性管理,并帮助制定前瞻性管理决策、预算规划和资源配置。如利用人工智能工具结合个人医疗记录和其他信息,追踪传染性疾病的发病率,帮助预估有多少人需要住院治疗。还如在急诊环节用人工智能技术识别非急诊病人如尿路感染、咽喉痛等患者,可有效减少急诊入院率。
    三、产业刚刚起步,机遇与挑战并存
    目前,我国人工智能+医疗产业尚处于起步阶段。从公司数量看,2010年之前相关公司数量极少。其后迅速出现一大批医疗人工智能公司,并于2014和2015年出现创业高峰。据亿欧智库统计,截止到2017年7月31日,我国医疗人工智能公司共有131家,集中分布于北京、上海、深圳、杭州、武汉等一、二线城市,其中北京、上海、深圳三城集中了97家公司,占全部公司的76%左右。从市场规模看,据互联网医疗健康产业发布的《医疗人工智能技术与应用白皮书(2018年)统计,2016年中国人工智能+医疗市场规模达到96.61亿元,增长37.9%;2017年预计超过130亿元,增长40.7%。从投资情况看,据亿欧智库统计,截止至2017年8月15日,国内医疗人工智能公司累积融资额已超过180亿人民币,融资公司共104家;另有27家公司未获投,或未公布融资信息。从巨头企业看,百度搭建了人工智能辅助诊疗系统“医疗大脑”,阿里推出人工智能医学影像平台“Doctor You”,腾讯发布人工智能影像产品“腾讯觅影”,华大基因将人工智能与基因测序相结合,布局精准医疗领域。
         总体来看,人工智能+医疗发展迎来机遇期。一是政府高度重视。《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018-2020年)》等系列规划政策红利不断释放。二是市场机会丰富。人工智能在医疗领域的深入应用,在创造与医疗相关的产业链新模式的同时,也创造着市场需求和相关企业新的增长突破点。三是创业和投资热潮只增不减。随着全球科技巨�^布局如实,未来更多针对性应用有望破蛹而出,投资热潮一年高过一年,未来几年将出现爆发式增长。
    不论是创业界还是投资界,目前都十分看好医疗人工智能未来的发展前景和市场表现,但产品真正大规模应用于临床,还需要克服诸多挑战。一是数据问题。如何获取有效数据,是人工智能+医疗应用最先需要跨越的障碍。以医疗影像为例,我国的医学影像还处于从传统胶片向电子数据过渡的阶段,大量的影像资料还没有实现电子化和数据化。再加上数据源头多、类型多、结构复杂、标准不统一等特征,导致要获得真正高质量的有效数据,需要花费高昂的成本。同时,大数据价值加速溢出的同时,也加大了数据泄露的安全隐患。二是认证和监管面临挑战。凡用于临床的医疗人工智能产品,都需要经过认证。然而,FDA认可创新性诊断软件的进展缓慢,注册和审批周期长,对于企业来讲时间成本较高。同时,我国的医疗器械监管非常严格。如对于所有的第二、三类医疗器械都要求临床试验,而在美国对于第二类医疗器械则是部分需要临床试验。三是人才问题。据领英发布的《全球AI领域人才报告》显示,截至2017年第一季度,基于领英平台的全球人工智能领域技术人才超过190万,其中美国总数超过85万,而中国人才总数仅有5万多。在医疗领域,目前市场人工智能人才稀缺招人难问题突出。尤其是既熟悉人工智能有熟悉医疗的跨界人才。此外,技术成熟也需要时间,获得市场认可也尚需过程,还带来了法律伦理等通用性难题。
    四、乘势而为,加快人工智能+医疗发展
    中共中央、国务院印发了《“健康中国2030”规划纲要》,将把健康融入所有政策,全方位、全周期保障人民健康。智慧医疗也已成为推动“健康中国”建设和满足人民健康需求的重要基础和保障。新形势下,应抓住重大科技变革发展机遇,把握精准医疗发展新趋势,从以下方面发力,加快人工智能+医疗发展。
    一是加大资金支持,发挥引导作用。鼓励各地设立人工智能+医疗产业创新基金,孵化新领域新技术,重点关注生物创新药、分子诊断、数字医疗等领域的尖端技术。支持人工智能企业与海外公司进行战略合作,共同进行基于国内市场环境的模型训练和产品研发。鼓励通过战略投资、并购等方式,引进核心技术和创新产品,培育具有竞争力的行业龙头企业。充分发挥各级重大专项、各地战略性新兴产业等专项资金的杠杆作用,滚动支持人工智能+医疗创新产品及相关的关键技术研发。
    二是完善支撑政策,加强分类指导。针对人工智能+医疗产业发展的关键环节和核心问题,完善相关支持引导政策。如围绕高端医学影像领域,建议完善政府采购政策,推进本土企业自主研发制造的国产高端医学影像的示范应用。对于手术机器人领域,建议对经确定为创新医疗器械的产品,按照程序优先审查,推进新产品临床使用。对于基因检测领域,建议创新基因检测相关产品注册、生产、流通、使用和宣传等环节的监管,注重加强基因检测中的个人隐私保护。
    三是加快引才聚才,培养人才梯队。鼓励有条件的省市瞄准全球人工智能+医疗的顶尖团队,通过引进转化成果的方式,在科研场地、研究经费、生活住房等全方位给予支持。鼓励医疗人工智能企业与国内外高校和科研机构合作,基于产品技术应用方向进行算法模型开发,潜移默化培养公司人才队伍。引导各地高校与行业龙头企业共建共办相关专业,围绕企业的现实需求,按需定制培养人才队伍。举办人工智能+医疗创新创业大赛,搭建数据开放、人才交流、技术创新、场景对接、应用孵化落地等平台,助力人工智能在医疗领域创新发展。
转载请注明来源。原文地址:https://www.7428.cn/vipzj19691/
 与本篇相关的热门内容: