九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

研究背景：近年來，人工智能技術(shù)得到長(zhǎng)足進(jìn)步，逐步成為一項(xiàng)可應(yīng)用和可普及的基礎(chǔ)技術(shù)。在醫(yī)療健康領(lǐng)域，人工智能在疾病篩查、輔助診療、藥物研發(fā)等領(lǐng)域取得了不俗的成績(jī)。

2017 年7 月20 日，國(guó)務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，這是在國(guó)家層面首次對(duì)一項(xiàng)技術(shù)內(nèi)容進(jìn)行全盤布局。借此契機(jī)，我們決定對(duì)人工智能與醫(yī)療大數(shù)據(jù)在醫(yī)療健康領(lǐng)域的應(yīng)用進(jìn)行全面梳理，輸出我們浸淫行業(yè)多年所得認(rèn)知，希冀實(shí)現(xiàn)我們?yōu)樾袠I(yè)鼓與呼的理想。

對(duì)象界定：本報(bào)告的研究對(duì)象為全球范圍內(nèi)醫(yī)療健康領(lǐng)域的人工智能企業(yè)，判斷企業(yè)是否屬于人工智能企業(yè)的標(biāo)準(zhǔn)為企業(yè)業(yè)務(wù)流程中是否使用到一種或多種人工智能算法。

數(shù)據(jù)來源：本報(bào)告信息基于于行業(yè)人士訪談、動(dòng)脈網(wǎng)數(shù)據(jù)庫、Crunchbase、學(xué)術(shù)文獻(xiàn)以及相關(guān)產(chǎn)業(yè)報(bào)告。動(dòng)脈網(wǎng)蛋殼研究院未對(duì)現(xiàn)有或提供給動(dòng)脈網(wǎng)研究院的此信息做獨(dú)立驗(yàn)證，且不就此類信息的準(zhǔn)確性或完整性作任何明示或默示的陳述和保證。本報(bào)告中包含的分析和結(jié)論均基于上述信息。

研究方法：本次研究采用案頭研究與田野調(diào)查同步進(jìn)行的方法，以人工智能技術(shù)發(fā)展及實(shí)現(xiàn)形式為主線，探討技術(shù)發(fā)展的外延產(chǎn)業(yè)發(fā)展，試圖描繪當(dāng)人工智能這一關(guān)鍵技術(shù)逐漸演進(jìn)，經(jīng)濟(jì)運(yùn)行模式發(fā)生改變，行業(yè)重新域定的過程。

注：我們認(rèn)為醫(yī)療影像在技術(shù)成熟度曲線上的位置應(yīng)該在剛越過頂峰期的位置。而其他類型的人工智能+醫(yī)療企業(yè)，都還大部分處于技術(shù)萌芽之后的快速上升期。排名最后的疾病篩查和預(yù)測(cè)，因?yàn)殡y度最大，算法最復(fù)雜、需要數(shù)據(jù)最多，暫時(shí)還在學(xué)術(shù)機(jī)構(gòu)的研究階段。

以下是《2017醫(yī)療大數(shù)據(jù)與人工智能產(chǎn)業(yè)報(bào)告》精簡(jiǎn)版，包含報(bào)告的所有結(jié)構(gòu)，在全文10萬字的基礎(chǔ)上進(jìn)行縮減。

一、人工智能發(fā)展歷程

人工智能已經(jīng)歷兩次低谷

第一次人工智能浪潮，出現(xiàn)在1956～1974 年。其間，算法和方法論有了新的進(jìn)展，特別是算法方面出現(xiàn)了很多世界級(jí)發(fā)明，其中包括一種稱作增強(qiáng)學(xué)習(xí)的雛形（貝爾曼公式）。

第一次人工智能的冬天，出現(xiàn)在1974～1980 年。人們發(fā)現(xiàn)邏輯證明器、感知器和增強(qiáng)學(xué)習(xí)等，只能做很簡(jiǎn)單，領(lǐng)域很窄的任務(wù)，稍微超出范圍就無法應(yīng)對(duì)。

第二次人工智能的寒冬，系由1987 ～ 1993 年個(gè)人電（PC）出現(xiàn)“促成”的。計(jì)算機(jī)由此走入家庭，特別是費(fèi)用遠(yuǎn)遠(yuǎn)低于專家系統(tǒng)所使用的Symbolics和Lisp等機(jī)器。于是，在美國(guó)，由于政府支持的經(jīng)費(fèi)數(shù)額開始下降，故又一次寒冬來臨。雖然研究還在繼續(xù)，但是人工智能已經(jīng)很少被提及了。

21 世紀(jì)初，隨著計(jì)算機(jī)周邊的互聯(lián)能力、大數(shù)據(jù)、計(jì)算性能、存儲(chǔ)能力和傳感器技術(shù)的大幅度進(jìn)步，以及人工智能相關(guān)的圖像識(shí)別、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法等關(guān)鍵技術(shù)的突破，人工智能終于有了革命性發(fā)展。人工智能從過去的基于專家和人為設(shè)定規(guī)則中走出，開始從海量數(shù)據(jù)中自動(dòng)尋找規(guī)則。

解放人類腦力的第四次工業(yè)革命

以人工智能為代表的智能互聯(lián)技術(shù)被譽(yù)為是第四次工業(yè)革命的推動(dòng)力。前三次革命主要解放了人類的體力，而這次革命，將要解放的是人類的腦力。

社會(huì)的生態(tài)構(gòu)成，是以底層技術(shù)、在此基礎(chǔ)上所形成的社會(huì)關(guān)系、協(xié)調(diào)社會(huì)運(yùn)行的規(guī)則機(jī)制和法度組成的。而域，就是一個(gè)時(shí)期技術(shù)、方法、實(shí)踐的總和。當(dāng)域里的關(guān)鍵技術(shù)逐漸演進(jìn)最終發(fā)生根本性改變的時(shí)候，舊域會(huì)躍遷到新域，經(jīng)濟(jì)運(yùn)行模式會(huì)在此基礎(chǔ)上達(dá)到新的穩(wěn)定，這個(gè)過程被稱為重新域定。

人工智能產(chǎn)業(yè)鏈一般來說劃分為三個(gè)層次：

• 底層的基礎(chǔ)層

• 中間的技術(shù)層

• 上層的應(yīng)用層

但是，數(shù)據(jù)是人工智能產(chǎn)業(yè)鏈中非常重要的一環(huán)。它原本屬于基礎(chǔ)層，因?yàn)槠渲匾?，我們把它提出來，和基礎(chǔ)層并列。

人工智能在各行各業(yè)中的能力：

• 一是高效率地輔助決策，

• 二是對(duì)項(xiàng)目運(yùn)營(yíng)進(jìn)行優(yōu)化。
  

輔助決策。通過大數(shù)據(jù)收集，顯著提高決策效率，并降低成本。全面的數(shù)據(jù)收集不會(huì)漏過蛛絲馬跡，再用深度學(xué)習(xí)算法來洞察業(yè)務(wù)中的關(guān)鍵決策點(diǎn)，計(jì)算速度和準(zhǔn)確性都要高于人類。

運(yùn)營(yíng)優(yōu)化。通過圖像、語音、物聯(lián)網(wǎng)等各種傳感器收集回來數(shù)據(jù)，對(duì)項(xiàng)目運(yùn)營(yíng)中的問題進(jìn)行分析，并提出優(yōu)化建議。

二、人工智能改變醫(yī)療未來

醫(yī)療領(lǐng)域最突出的問題就是優(yōu)質(zhì)醫(yī)療資源不足，同時(shí)，醫(yī)生對(duì)疾病的診斷準(zhǔn)確度和效率還有非常大的提升空間。

長(zhǎng)期以來，大多數(shù)國(guó)家和地區(qū)，特別是進(jìn)入老齡化社會(huì)之后，對(duì)醫(yī)生的需求量有增無減。解決醫(yī)生資源不足的問題，除了增加供給量，別無他法。但是醫(yī)生培養(yǎng)需要周期，而且供給量也不能無限增加。

于是，人們開始寄希望于機(jī)器。因?yàn)橐坏┠軌驅(qū)崿F(xiàn)機(jī)器看病，供給量將會(huì)無限增加。所以，人工智能+ 醫(yī)療健康的結(jié)合，是人工智能諸多應(yīng)用場(chǎng)景中最重要一個(gè)。

三、算力算法齊備，人工智能+醫(yī)療等待醫(yī)療大數(shù)據(jù)引爆

算法、算力和數(shù)據(jù)，是人工智能快速發(fā)展的三個(gè)要素。

算力是人工智能的基礎(chǔ)設(shè)施之一，目前每GFLOPS的算力成本已降至8 美分。

算法是人工智能發(fā)展的基礎(chǔ)，算法框架中諸如Caffe、TensorFlow、Torch 等大多數(shù)已經(jīng)實(shí)現(xiàn)了開源，成為大多數(shù)工程師的選擇，對(duì)行業(yè)的加速發(fā)展和人才的培養(yǎng)起到了非常大的作用。

數(shù)據(jù)方面，人工智能系統(tǒng)必須通過大量的數(shù)據(jù)來“訓(xùn)練”自己，才能不斷提升輸出結(jié)果的質(zhì)量。目前醫(yī)療數(shù)據(jù)還具有公開性不高，難以獲得、清洗的特點(diǎn)。

醫(yī)療人工智能學(xué)習(xí)數(shù)據(jù)三大獲取途徑

一是企業(yè)自有數(shù)據(jù)。通過大量的人力采集，再對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，形成人工智能的訓(xùn)練基礎(chǔ)。大部分人工智能企業(yè)在進(jìn)入這個(gè)領(lǐng)域之前，正是在各自領(lǐng)域采集到了相當(dāng)多的行業(yè)數(shù)據(jù)，才考慮對(duì)數(shù)據(jù)資源進(jìn)行利用，形成人工智能業(yè)務(wù)。

二是各國(guó)政府的公共數(shù)據(jù)。美國(guó)聯(lián)邦政府在Data.gov 數(shù)據(jù)平臺(tái)開放了來自多個(gè)領(lǐng)域的13 萬個(gè)數(shù)據(jù)集的數(shù)據(jù)，包含醫(yī)療、商業(yè)、農(nóng)業(yè)、教育等領(lǐng)域。我國(guó)和其他國(guó)家也陸續(xù)開放了部分領(lǐng)域的公共數(shù)據(jù)。

三是產(chǎn)業(yè)合作數(shù)據(jù)。人工智能創(chuàng)業(yè)公司通過和行業(yè)公司，以及產(chǎn)業(yè)鏈上游的數(shù)據(jù)公司建立合作獲取數(shù)據(jù)，比如醫(yī)療方面和醫(yī)院建立合作關(guān)系。IBM Watson 一開始就是通過和紀(jì)念斯隆凱特琳癌癥中心合作獲取病歷、文獻(xiàn)等數(shù)據(jù)。

四、醫(yī)療人工智能的核動(dòng)力：醫(yī)療大數(shù)據(jù)

醫(yī)療大數(shù)據(jù)是因健康活動(dòng)而產(chǎn)生的數(shù)據(jù)，是有出生、免疫、體檢、門診、住院和其他活動(dòng)所產(chǎn)生的數(shù)據(jù)。按照數(shù)據(jù)來源劃分，可以將目前數(shù)據(jù)庫分為三類，分別為電子健康檔案數(shù)據(jù)庫、電子病歷數(shù)據(jù)庫和全員人口個(gè)案數(shù)據(jù)庫。

除了傳統(tǒng)的以上三個(gè)來源之外，醫(yī)療大數(shù)據(jù)還包含通過“物聯(lián)網(wǎng)”所收集的數(shù)據(jù)——醫(yī)療器械收集的健康數(shù)據(jù)，APP、遠(yuǎn)程監(jiān)控、傳感器提供的連續(xù)臨床數(shù)據(jù)。

醫(yī)療數(shù)據(jù)呈爆發(fā)式增長(zhǎng)

在過去的十年里，隨著電子病歷的實(shí)施，數(shù)字化的實(shí)驗(yàn)室幻燈片，高分辨率的放射圖像、視頻，醫(yī)療保健數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng)，整個(gè)醫(yī)療行業(yè)的數(shù)據(jù)量令人難以置信。再加上制藥企業(yè)和學(xué)術(shù)研究機(jī)構(gòu)檔案，以及數(shù)萬億的數(shù)據(jù)流從可穿戴式設(shè)備的傳感器中得到。

EMC和IDC發(fā)布的報(bào)告顯示，2013年全球醫(yī)療保健數(shù)據(jù)量為153EB，預(yù)計(jì)年增長(zhǎng)率為48%。這意味著到2020年，這個(gè)數(shù)字將達(dá)到2314EB。

大數(shù)據(jù)成為國(guó)家戰(zhàn)略，醫(yī)療進(jìn)入大數(shù)據(jù)時(shí)代

健康醫(yī)療大數(shù)據(jù)是一種高附加值的信息資產(chǎn)，關(guān)乎國(guó)計(jì)民生，具有重大的戰(zhàn)略性意義。目前，國(guó)家已陸續(xù)出臺(tái)關(guān)于扶持醫(yī)療大數(shù)據(jù)發(fā)展的相關(guān)政策，初步做好頂層設(shè)計(jì)并構(gòu)建出醫(yī)療大數(shù)據(jù)發(fā)展的宏偉藍(lán)圖。

雖然個(gè)體健康醫(yī)療數(shù)據(jù)對(duì)于醫(yī)療技術(shù)革新的價(jià)值有限，但通過對(duì)海量、來源分散、格式多樣的數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、深度學(xué)習(xí)和開發(fā)，可以從中發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值、提升新能力，從而進(jìn)一步反哺健康醫(yī)療服務(wù)產(chǎn)業(yè)。

五、我國(guó)人工智能發(fā)展現(xiàn)狀

我國(guó)人工智能學(xué)術(shù)研究世界領(lǐng)先

根據(jù)美國(guó)發(fā)布的《國(guó)家人工智能研究與發(fā)展策略規(guī)劃》報(bào)告，從2013年到2015年，SCI 收錄的人工智能方向論文，涉及“深度學(xué)習(xí)”的論文數(shù)量增長(zhǎng)了約6倍。中國(guó)學(xué)者的論文發(fā)表數(shù)量從2014年開始超過美國(guó)，并大幅度領(lǐng)先于其他國(guó)家。

雖然中國(guó)學(xué)者人工智能論文SCI 發(fā)表數(shù)量有增加，但是影響力還沒有得到相應(yīng)的提升。在麥肯錫的《中國(guó)人工智能的未來之路》報(bào)告中顯示，2015年中國(guó)學(xué)者發(fā)表的人工智能論文被引用量高達(dá)2124篇，遠(yuǎn)遠(yuǎn)超過美國(guó)的1116篇。但是去掉自我引用部分，美國(guó)學(xué)者的論文引用量將上升到第一。

人工智能是國(guó)家大力推動(dòng)技術(shù)

雖然在人工智能的基礎(chǔ)技術(shù)上，中國(guó)和美國(guó)之間還有一定的差距，但是中國(guó)政府已經(jīng)從系統(tǒng)布局，整體部署我國(guó)的人工智能發(fā)展規(guī)劃。2017年7月20日，國(guó)務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，這是在國(guó)家層面首次對(duì)一項(xiàng)技術(shù)內(nèi)容進(jìn)行全盤布局。

政策盲點(diǎn)

除了從國(guó)家層面推動(dòng)人工智能的產(chǎn)業(yè)發(fā)展需要政策支持，人工智能在應(yīng)用過程中所涉及到的法律法規(guī)問題也需要盡早規(guī)劃和監(jiān)管。特別是在監(jiān)管嚴(yán)格的醫(yī)療行業(yè)中，人工智能的商業(yè)化應(yīng)用，還有很多問題需要政策進(jìn)行規(guī)范。

第一，人工智能的應(yīng)用規(guī)范。醫(yī)療問題涉及到人的健康和生命，是一個(gè)復(fù)雜而謹(jǐn)慎的領(lǐng)域，任何問題都和患者的生命安全息息相關(guān)。所以，我們需要盡快在國(guó)家層面明確監(jiān)管措施，用法規(guī)來監(jiān)管人工智能在醫(yī)療上的應(yīng)用范圍是什么？監(jiān)管范圍是什么？風(fēng)險(xiǎn)的責(zé)任判定等等。

第二，數(shù)據(jù)的合理、合法應(yīng)用。因?yàn)槿斯ぶ悄苄枰獜倪^往數(shù)據(jù)中進(jìn)行學(xué)習(xí)，才會(huì)使其擁有智能，并得到提高。所以，大量高質(zhì)量的醫(yī)療數(shù)據(jù)是人工智能具有判斷力的基礎(chǔ)。

第三，產(chǎn)業(yè)政策扶持。目前，中國(guó)的高科技公司中，有超過半數(shù)的公司并沒有將人工智能列入戰(zhàn)略計(jì)劃之中。即使開始涉及人工智能，也可能在數(shù)據(jù)、人才、技術(shù)上還存在阻礙。如何引導(dǎo)數(shù)字醫(yī)療產(chǎn)業(yè)完成人工智能的變革，政府可以通過一些傳統(tǒng)經(jīng)濟(jì)工具，幫助企業(yè)克服人工智能發(fā)展初期所面臨的問題。

六、人工智能人才供需嚴(yán)重不平衡

領(lǐng)英發(fā)布《全球AI 領(lǐng)域人才報(bào)告》，中國(guó)人工智能領(lǐng)域?qū)I(yè)技術(shù)人才總數(shù)超過5 萬人，排名全球第七位，印度、英國(guó)、加拿大和澳大利亞分列2-5 位。而美國(guó)有超過85 萬的AI 人才。

中國(guó)11 所高校和中科院4 所研究所（計(jì)算機(jī)所、聲學(xué)所、軟件所、自動(dòng)化所），共15 家單位的AI 專家和碩博人才。47 名醫(yī)療人工智能創(chuàng)業(yè)公司的CTO 或者首席科學(xué)家，有30 名都在國(guó)外或者中國(guó)的香港、臺(tái)灣進(jìn)修過，占比63.8%，而與醫(yī)學(xué)專業(yè)相關(guān)的人才僅有7 人，占比14.9%。美國(guó)畢業(yè)的學(xué)校多為麻省理工、卡內(nèi)基梅隆、加州大學(xué)約翰霍金斯大學(xué)等高校。

據(jù)行業(yè)內(nèi)人士透露，現(xiàn)階段不僅人工智能人才短缺，醫(yī)療人工智能人才更加短缺。該人士所在實(shí)驗(yàn)室中，前后兩屆畢業(yè)生中只有他一人從事醫(yī)療行業(yè)。該現(xiàn)象在高校中比較普遍，AI 人才從事醫(yī)療行業(yè)的大約只占十分之一。

七、九個(gè)和人工智能擦出火花的細(xì)分領(lǐng)域

1.虛擬助手

定義：虛擬助手是一種可以和人類進(jìn)行溝通和交流的輔助機(jī)器人，它通過人工智能技術(shù)理解人類的想法，學(xué)習(xí)人類的需求，并輸出各類知識(shí)和信息，輔助人類的生活和工作。

醫(yī)療型和通用型虛擬助手的區(qū)別：

應(yīng)用場(chǎng)景分類：個(gè)人問診、用藥咨詢、導(dǎo)診機(jī)器人、分診和慢病管理、電子病歷語音錄入。

交互方式：人們和虛擬助手的交互方法一般有語音和文字兩種，醫(yī)療類型的虛擬助手還有另外一種交互方式，就是選擇題。因?yàn)槠胀ㄈ撕茈y用準(zhǔn)確的語言來表達(dá)自己的問題，所以醫(yī)療健康類的虛擬助手大部分會(huì)使用選擇題的方式和人進(jìn)行溝通。

• 主要參與者：

• 個(gè)人問診、用藥咨詢

個(gè)人問診和用藥咨詢第一個(gè)步驟是自然語言處理，通過自然語言處理之后，再根據(jù)疾病數(shù)據(jù)庫、醫(yī)療信息數(shù)據(jù)庫或者外部的醫(yī)療數(shù)據(jù)庫，進(jìn)行對(duì)比和深度學(xué)習(xí)，對(duì)患者提供醫(yī)療和護(hù)理建議。

個(gè)人問診類應(yīng)用連接的后續(xù)服務(wù)是進(jìn)行互聯(lián)網(wǎng)就醫(yī)導(dǎo)流，用藥咨詢類應(yīng)用連接的后續(xù)服務(wù)是進(jìn)行互聯(lián)網(wǎng)或線下的藥品購買導(dǎo)流。

• 智能分診、導(dǎo)診機(jī)器人

服務(wù)類機(jī)器人主要用于取代重復(fù)和簡(jiǎn)單的人力工作，大部分市場(chǎng)還處于空白狀態(tài)。而且通過搭載醫(yī)學(xué)相關(guān)知識(shí)體系，還可能用于家庭等服務(wù)場(chǎng)景。相比較而言，導(dǎo)診類服務(wù)機(jī)器人和家庭用醫(yī)療服務(wù)機(jī)器人是研究的熱點(diǎn)，創(chuàng)新度較高。

• 工作模式

醫(yī)療導(dǎo)診類服務(wù)機(jī)器人主要是通過患者的語音輸入進(jìn)行語義分析，然后給出醫(yī)院的分診和導(dǎo)診建議，節(jié)約人力，方便患者。更先進(jìn)的導(dǎo)診機(jī)器人還能通過傳感器收集患者的生命體征信息，給出更準(zhǔn)確的建議。

• 慢病管理

慢病管理環(huán)節(jié)中應(yīng)用人工智能聊天機(jī)器人，則可以保證患者病情在已知、可控的情況下進(jìn)行病情判斷和處理。

慢病APP 作為醫(yī)患溝通橋梁，當(dāng)患者的數(shù)據(jù)發(fā)生變化的時(shí)候，人工智能可以及時(shí)發(fā)現(xiàn)問題，邀請(qǐng)醫(yī)師或者藥師人工介入。在人工智能的幫助下，慢病APP連接線下所要匹配的醫(yī)護(hù)人員數(shù)量將得以降低，同時(shí)不會(huì)對(duì)服務(wù)體驗(yàn)造成不良影響。

• 電子病歷語音錄入
  

人工智能參與的智能語音錄入通常由語音識(shí)別、語義分析、智能糾錯(cuò)三部分構(gòu)成。智能語音錄入全過程由醫(yī)療領(lǐng)域語言數(shù)據(jù)模型進(jìn)行支撐，該數(shù)據(jù)由針對(duì)各個(gè)科室的業(yè)務(wù)進(jìn)行了梳理，定制語音模型而來，覆蓋各個(gè)科室常用的病癥、藥品名稱、操作步驟等關(guān)鍵信息。

語音智能錄入能夠大幅提高醫(yī)生錄入病歷的速度，從而節(jié)省醫(yī)生的寶貴時(shí)間，使其能專注治療。

2.疾病篩查和預(yù)測(cè)

現(xiàn)代醫(yī)學(xué)，是從人們的各種生化、影像的檢查結(jié)果中，去診斷是否患病。如果要實(shí)現(xiàn)疾病的未來發(fā)展預(yù)測(cè)，往往力不從心。

人工智能能夠參與疾病的篩查和預(yù)測(cè)，需要從行為、影像、生化等檢查結(jié)果中進(jìn)行判斷，依靠得最多的檢查數(shù)據(jù)是MRI、CT、X 光等影像數(shù)據(jù)。

根據(jù)篩查手段的不同，所以本節(jié)的企業(yè)類型也可以歸納到其他類型中。人工智能+ 影像領(lǐng)域也是參與企業(yè)最多，產(chǎn)品最豐富、涉及疾病種類最多的疾病診斷領(lǐng)域，我們將單獨(dú)作一個(gè)章節(jié)進(jìn)行詳細(xì)講解。

目前，人工智能參與的疾病篩查和預(yù)測(cè)上，絕大部分是人類尚無法攻克的嚴(yán)重疾病，一組數(shù)據(jù)說明了這一點(diǎn)。人工智能相關(guān)的醫(yī)學(xué)論文中，腫瘤以892 篇遙遙領(lǐng)先，阿茲海默排名第二。

目前，疾病預(yù)測(cè)大多還處于實(shí)驗(yàn)室階段，動(dòng)脈網(wǎng)蛋殼研究院通過收集整理，發(fā)現(xiàn)人工智能在以下疾病預(yù)測(cè)方面獲得了進(jìn)展：

腦疝預(yù)測(cè)：《中國(guó)衛(wèi)計(jì)統(tǒng)計(jì)》2014 年刊登了一篇名為《利用人工智能系統(tǒng)預(yù)測(cè)大面積腦梗死患者的轉(zhuǎn)歸》的論文，利用人工神經(jīng)網(wǎng)絡(luò)多層感知機(jī)建立多因素預(yù)測(cè)模型，對(duì)大面積腦?；颊叩念A(yù)后進(jìn)行預(yù)測(cè)。

慢性腎病分級(jí)預(yù)測(cè)：華南農(nóng)業(yè)大學(xué)食品學(xué)院的研究員曾經(jīng)基于人工智能對(duì)腎小球過濾進(jìn)行預(yù)測(cè)，通過BP 神經(jīng)網(wǎng)絡(luò)構(gòu)造了預(yù)測(cè)模型，從而最終構(gòu)建出一個(gè)實(shí)用性良好的慢性腎病分型預(yù)警模型。

心臟病患者死亡預(yù)測(cè)：英國(guó)科學(xué)家在《放射學(xué)（Radiology）》雜志上發(fā)表文章，研究結(jié)果認(rèn)為人工智能可以預(yù)測(cè)心臟病人何時(shí)死亡。英國(guó)醫(yī)學(xué)研究委員會(huì)下的MRC 倫敦醫(yī)學(xué)科學(xué)研究所稱，人工智能軟件通過分析血液檢測(cè)結(jié)果和心臟掃描結(jié)果，可以發(fā)現(xiàn)心臟即將衰竭的跡象。

骨關(guān)節(jié)炎發(fā)展預(yù)測(cè)：卡內(nèi)基梅隆大學(xué)生物工程博士Shinjini Kundu 在一次會(huì)議上，展示了人工智能在骨關(guān)節(jié)炎發(fā)展方面進(jìn)行預(yù)測(cè)的研究。在Shinjini Kundu 的研究中，通過收集大量人群10 年間的軟骨MRI 影像數(shù)據(jù)，通過人工智能去尋找健康人群和患病人群的影像差別。人工智能通過大量圖像數(shù)據(jù)的學(xué)習(xí)，能夠發(fā)現(xiàn)正常人的軟骨中的異常，從而預(yù)測(cè)出未來三年患有骨關(guān)節(jié)炎的概率。

流行病風(fēng)險(xiǎn)預(yù)測(cè)：中國(guó)平安與重慶疾控中心聯(lián)合課題組研發(fā)的全球首個(gè)流感預(yù)測(cè)模型取得階段性進(jìn)展：利用平安的大醫(yī)療健康數(shù)據(jù)和人工智能技術(shù)，及重慶市疾控中心監(jiān)測(cè)數(shù)據(jù)，能夠提前一周預(yù)測(cè)流感發(fā)病趨勢(shì)，并在驗(yàn)證中取得了準(zhǔn)確的預(yù)測(cè)效果。

3.醫(yī)學(xué)影像

現(xiàn)代醫(yī)學(xué)是建立在實(shí)驗(yàn)基礎(chǔ)上的循證醫(yī)學(xué)，醫(yī)生的診療結(jié)論必須建立在相應(yīng)的診斷數(shù)據(jù)上，影像是重要的診斷依據(jù)，醫(yī)療行業(yè)80%~90% 的數(shù)據(jù)都來源于醫(yī)學(xué)影像。所以臨床醫(yī)生有極強(qiáng)的影像需求，他們需要對(duì)醫(yī)學(xué)影像進(jìn)行各種各樣的定量分析、歷史圖像的比較，從而能夠完成一次診斷。

“人工智能+醫(yī)學(xué)影像”便是計(jì)算機(jī)在醫(yī)學(xué)影像的基礎(chǔ)上，通過深度學(xué)習(xí)，完成對(duì)影像的分類、目標(biāo)檢測(cè)、圖像分割和檢索工作，協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具。

我們把人工智能在圖像處理上的能力分為四類：影像分類、目標(biāo)檢測(cè)、圖像分割和圖像檢索。將上述四項(xiàng)能力進(jìn)行組合，便得到了人工智能在醫(yī)學(xué)影像上的具體應(yīng)用場(chǎng)景。

人工智能醫(yī)學(xué)影像在實(shí)際操作中解決了三類問題：

1.把信息更好地呈現(xiàn)給醫(yī)生。人工智能能夠完成臟器的定位、分類以及分割工作并將可疑位置進(jìn)行標(biāo)注，相當(dāng)于為醫(yī)生去除了干擾項(xiàng)，將更為直接的信息呈現(xiàn)出來。

2.幫助醫(yī)生定量分析。醫(yī)生非常擅長(zhǎng)定性分析，看到片子，醫(yī)生1秒內(nèi)就大致判斷什么問題，但是需要一些工具做更精準(zhǔn)的判斷，定量的分析，靠眼睛很難做到。

3.人工智能影像能夠解決的成像和智能圖像識(shí)別的問題。這兩個(gè)步驟很多年前是被分開的，技師拍片子，醫(yī)生做分析。實(shí)際上，只有兩者結(jié)合起來才能更有效的優(yōu)化系統(tǒng)，幫助醫(yī)生提供有效的服務(wù)。

人工智能在醫(yī)學(xué)影像各領(lǐng)域的應(yīng)用情況：

4.病歷/ 文獻(xiàn)分析

人工智能的切入主要是利用機(jī)器學(xué)習(xí)和自然語言處理技術(shù)自動(dòng)抓取病歷中的臨床變量，智能化融匯多源異構(gòu)的醫(yī)療數(shù)據(jù)，結(jié)構(gòu)化病歷、文獻(xiàn)生成標(biāo)準(zhǔn)化的數(shù)據(jù)庫將積壓的病歷自動(dòng)批量轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)庫。

目前人工智能病歷/ 文獻(xiàn)分析的應(yīng)用場(chǎng)景主要有三類：病歷結(jié)構(gòu)化處理、多源異構(gòu)數(shù)據(jù)挖掘、臨床決策支持。

• 病歷結(jié)構(gòu)化處理

人工智能系統(tǒng)參與到病歷結(jié)構(gòu)化的過程中，能夠像一個(gè)有經(jīng)驗(yàn)的醫(yī)生一樣，精準(zhǔn)完整的讀懂病歷所表達(dá)的含義，并消解其中的歧義。系統(tǒng)利用自然語言處理技術(shù)，深度挖掘和分析醫(yī)療文本的信息，它可以快速批量抓取病歷中的信息生成一個(gè)結(jié)構(gòu)化數(shù)據(jù)庫，這個(gè)抓取環(huán)節(jié)可以為醫(yī)生節(jié)省數(shù)月的時(shí)間，把這個(gè)過程的耗時(shí)壓縮到幾秒。

• 多源異構(gòu)數(shù)據(jù)挖掘

由于歷史原因，我國(guó)醫(yī)院同時(shí)運(yùn)行著過百種醫(yī)療信息化系統(tǒng)，這些多源、異構(gòu)的系統(tǒng)彼此割裂，指使各醫(yī)療數(shù)據(jù)處于孤島狀態(tài)，無法得到有效利用。而且，信息化廠商往往通過接口收取高額的費(fèi)用。

人工智能企業(yè)與醫(yī)院合作，無需和原系統(tǒng)對(duì)接，利用大數(shù)據(jù)技術(shù)完成多源、結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)的清洗、脫敏、結(jié)構(gòu)化、標(biāo)準(zhǔn)化，使得醫(yī)院能夠一統(tǒng)原先分裂的醫(yī)療數(shù)據(jù)，形成互聯(lián)互通的醫(yī)療大數(shù)據(jù)平臺(tái)，為實(shí)現(xiàn)大數(shù)據(jù)處理和分析奠定數(shù)據(jù)基礎(chǔ)。

• 臨床決策支持

臨床對(duì)于輔助診斷的要求甚高，醫(yī)學(xué)數(shù)據(jù)或者說輔助診斷場(chǎng)景里，對(duì)于結(jié)論的可推測(cè)性——因果推測(cè)鏈條要求十分嚴(yán)格。在這個(gè)場(chǎng)景下，大數(shù)據(jù)里常用的基于相關(guān)性結(jié)論的應(yīng)用和產(chǎn)品設(shè)計(jì)，并不適用于醫(yī)學(xué)這個(gè)特殊領(lǐng)域。

5.醫(yī)院管理

“醫(yī)院管理”顧名思義，是指以醫(yī)院為對(duì)象的管理科學(xué)，它根據(jù)醫(yī)院工作的客觀規(guī)律，運(yùn)用現(xiàn)代的管理理論和方法，對(duì)人、財(cái)、物、信息、時(shí)間等資源，進(jìn)行計(jì)劃、組織、協(xié)調(diào)、控制，充分利用醫(yī)院的現(xiàn)有資源，實(shí)現(xiàn)醫(yī)療效用的最大化。

人工智能在醫(yī)院管理應(yīng)用上主要有兩個(gè)方向，分別是優(yōu)化醫(yī)療資源配置和彌補(bǔ)醫(yī)院管理漏洞。

• 優(yōu)化醫(yī)療資源配置

傳統(tǒng)的醫(yī)院管理方式完全依靠人工，這帶來的問題一方面是醫(yī)護(hù)工作者不能將全部精力投入到醫(yī)療工作中，造成醫(yī)療資源的浪費(fèi)；另一方面醫(yī)護(hù)工作者的工作任務(wù)已經(jīng)非常沉重，如果再給予他們更多行政事務(wù)，難免造成工作上的低效。

人工智能能夠很好的彌補(bǔ)傳統(tǒng)的人工進(jìn)行醫(yī)院管理帶來的問題。人工智能應(yīng)用機(jī)器學(xué)習(xí)等方式，根據(jù)醫(yī)院已有的信息進(jìn)行建模，訓(xùn)練出一套精準(zhǔn)的算法，并在實(shí)際應(yīng)用中不斷自我更新，使模型更有針對(duì)性。

• 彌補(bǔ)醫(yī)院管理漏洞

系統(tǒng)能夠從點(diǎn)評(píng)網(wǎng)站、社交平臺(tái)和新聞媒體等渠道收集客戶對(duì)醫(yī)院的評(píng)價(jià)，通過自然語言處理技術(shù)將非結(jié)構(gòu)化的數(shù)據(jù)處理成能被系統(tǒng)識(shí)別的結(jié)構(gòu)化數(shù)據(jù)，根據(jù)已經(jīng)搭建好的模型，系統(tǒng)能夠整理、分析出各種評(píng)價(jià)背后的真實(shí)含義。最后將信息總結(jié)成可視化的圖表，呈現(xiàn)給醫(yī)院的管理者，告訴他們根據(jù)客戶的評(píng)價(jià)醫(yī)院在哪些方面做的不到位，可以通過哪些方式進(jìn)行整改。

在相對(duì)流程化的信息收集階段，人工智能相比人工收集的優(yōu)勢(shì)是非常明顯的。對(duì)信息的收集和清洗往往需要耗費(fèi)人工幾周甚至幾個(gè)月的時(shí)間，而人工智能系統(tǒng)全部進(jìn)行數(shù)字化處理，將時(shí)間縮短至幾個(gè)小時(shí)或幾天，大大減少了工作量。

6.智能化器械

智能化器械是指由現(xiàn)代通信與信息技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、行業(yè)技術(shù)、智能控制技術(shù)、人工智能技術(shù)匯集而成的針對(duì)醫(yī)療器械的應(yīng)用。但是智能化器械不是指普通的擁有智能功能的醫(yī)療器械，它可以擺脫對(duì)醫(yī)生操作的依賴，通過機(jī)器學(xué)習(xí)等底層技術(shù)實(shí)現(xiàn)自我的更新迭代。

智能化器械在兩個(gè)方面能夠大大提升醫(yī)療效率：首先，智能化器械能夠幫助醫(yī)生節(jié)省工作量。其次，智能化器械能夠提高器械使用的精準(zhǔn)度。

對(duì)于傳統(tǒng)的器械公司來說，組建一個(gè)新部門研發(fā)產(chǎn)品的流程是比較復(fù)雜的，但是與人工智能公司合作，自己就無需耗費(fèi)時(shí)間、財(cái)力和精力去做這個(gè)事情，通過合作的方式將人工智能系統(tǒng)搭載在器械上面銷售，增加器械的競(jìng)爭(zhēng)力。

對(duì)于醫(yī)療人工智能公司來說，產(chǎn)品研發(fā)出來以后，與器械廠商的合作有兩種好處，一方面可以通過科研合作的方式，驗(yàn)證自己產(chǎn)品的實(shí)際臨床效果。

7.藥物發(fā)現(xiàn)

新藥的開發(fā)流程可分為藥物發(fā)現(xiàn)、臨床前開發(fā)和臨床開發(fā)三個(gè)部分。而現(xiàn)代藥物發(fā)現(xiàn)在技術(shù)上又可以分為三個(gè)階段：靶點(diǎn)的發(fā)現(xiàn)和確證、先導(dǎo)物的發(fā)現(xiàn)、先導(dǎo)物的優(yōu)化三個(gè)階段。

人工智能在新藥研發(fā)上的應(yīng)用主要可以是兩個(gè)階段：一個(gè)是新藥發(fā)現(xiàn)階段，另一個(gè)是臨床試驗(yàn)階段。共7種不同應(yīng)用方向。

8.健康管理

個(gè)人的健康數(shù)據(jù)十分復(fù)雜，按照數(shù)據(jù)的來源我們可以將個(gè)人健康數(shù)據(jù)分為基因數(shù)據(jù)、生理數(shù)據(jù) ( 比如血壓、脈搏 )、環(huán)境數(shù)據(jù) ( 比如每天呼吸的空氣 )、社交數(shù)據(jù)等。有了這些個(gè)人健康數(shù)據(jù)，加上人工智能最終可以實(shí)現(xiàn)人們對(duì)健康的前瞻性管理。

健康管理是變被動(dòng)的疾病治療為主動(dòng)的自我健康監(jiān)控。通過帶有醫(yī)療監(jiān)控功能的可穿戴設(shè)備實(shí)時(shí)監(jiān)控人體各項(xiàng)生理指標(biāo)，結(jié)合其他個(gè)人健康數(shù)據(jù)，對(duì)潛在健康風(fēng)險(xiǎn)做出提示，并給出相應(yīng)的改善策略。

根據(jù)人工智能應(yīng)用在不同領(lǐng)域的健康管理，我們將AI 在健康管理上的應(yīng)用分為：慢病健康管理、人口健康管理、母嬰健康管理、精神健康管理、術(shù)后健康管理、運(yùn)動(dòng)健康管理六個(gè)細(xì)分領(lǐng)域。

9.人工智能+ 基因

近年來，基因領(lǐng)域的發(fā)展已經(jīng)進(jìn)入了快車道，基因檢測(cè)技術(shù)得到不斷發(fā)展和完善，落地應(yīng)用多點(diǎn)開花，檢測(cè)價(jià)格不斷下降，基因檢測(cè)趨向大眾化發(fā)展，海量的基因數(shù)據(jù)的獲得已不再是制約。

隨著數(shù)據(jù)的不斷積累，對(duì)數(shù)據(jù)的準(zhǔn)確注釋解讀及其如何對(duì)臨床產(chǎn)生應(yīng)用價(jià)值成為了基因產(chǎn)業(yè)下一步發(fā)展的關(guān)鍵，分析能力和大數(shù)據(jù)庫是遺傳解讀和咨詢的關(guān)鍵，信息的解讀與整合成為了基因相關(guān)企業(yè)的核心競(jìng)爭(zhēng)力。

如何解讀基因的奧秘，是當(dāng)代生命科學(xué)界的一大難題；如何通過解讀基因大數(shù)據(jù)，獲取與疾病相關(guān)的變異，找到致病基因，是基因應(yīng)用于精準(zhǔn)治療、藥物研發(fā)、個(gè)人健康管理并產(chǎn)生影響的核心環(huán)節(jié)。

通常我們講基因應(yīng)用包含兩個(gè)方面：基因測(cè)序和基因解讀?；驒z測(cè)已趨向

大眾化，基因序列解讀成為目前發(fā)展的瓶頸，人工智能便依靠其強(qiáng)大的數(shù)據(jù)處理能力和學(xué)習(xí)能力切入到了基因序列解讀的進(jìn)程中。

• 發(fā)展情況

目前，基因企業(yè)都意識(shí)到了基因解讀的瓶頸，Illumina 、華大基因、貝瑞和康等龍頭企業(yè)已經(jīng)走在了前列，紛紛將人工智能納入自己的分析體系。

人工智能在基因解讀領(lǐng)域帶來了人類不曾擁有的能力，讓人類有機(jī)會(huì)用數(shù)字描述生命。相信在不遠(yuǎn)的將來，這樣的場(chǎng)景將會(huì)出現(xiàn)，基因檢測(cè)由專業(yè)檢測(cè)機(jī)構(gòu)完成，結(jié)果分析交給人工智能，臨床醫(yī)師只需要最終結(jié)論，用這個(gè)結(jié)論去指導(dǎo)治療、進(jìn)行精準(zhǔn)的健康管理。

基因領(lǐng)域的企業(yè)融資理由絕大部分是因?yàn)榛蚣夹g(shù)和生物技術(shù)，和人工智能的關(guān)聯(lián)度不大?；蛐袠I(yè)本身近年來融資額度大，頻率高。所以，在后續(xù)章節(jié)的人工智能企業(yè)融資盤點(diǎn)中我們沒有考慮納入基因行業(yè)。

人工智能+ 醫(yī)療創(chuàng)業(yè)公司的成本組成

醫(yī)療人工智能企業(yè)的成本主要有生產(chǎn)成本（數(shù)據(jù)成本、技術(shù)成本和人力成本等）和營(yíng)銷成本（運(yùn)營(yíng)成本和推廣成本等），一般情況下生產(chǎn)成本占據(jù)全部成本的大部分。本章節(jié)的所有數(shù)據(jù)和內(nèi)容來自于采訪和研報(bào)。

• 數(shù)據(jù)成本

醫(yī)學(xué)AI 創(chuàng)業(yè)公司涉及的領(lǐng)域有很多，各個(gè)領(lǐng)域用來訓(xùn)練模型的數(shù)據(jù)也不盡相同，這些數(shù)據(jù)包含放射影像數(shù)據(jù)、眼底圖像數(shù)據(jù)、病理圖像數(shù)據(jù)、語音數(shù)據(jù)、電子病例文本數(shù)據(jù)。因?yàn)槟壳皣?guó)內(nèi)尚未形成完整的數(shù)據(jù)歸屬權(quán)、使用權(quán)、隱私權(quán)等法規(guī)文件，所以各個(gè)公司獲取數(shù)據(jù)的渠道和費(fèi)用也不相同。

• 算力成本

算力成本也是人工智能創(chuàng)業(yè)者不可忽視的一筆費(fèi)用，計(jì)算力又可以分為三個(gè)方面：芯片、超級(jí)計(jì)算機(jī)、云計(jì)算。創(chuàng)業(yè)者往往根據(jù)自己的公司數(shù)據(jù)量的大小，周期、費(fèi)用、準(zhǔn)確性來選擇使用哪些計(jì)算方法。

據(jù)了解，出于成本考慮，購買芯片是大多數(shù)創(chuàng)業(yè)者的選擇，他們購買5000-100000 之間的芯片，自己構(gòu)建服務(wù)器，在本地運(yùn)算進(jìn)行模型訓(xùn)練，一般創(chuàng)業(yè)者會(huì)選擇購買英偉達(dá)的GPU，適應(yīng)性更好。

大部分創(chuàng)業(yè)者在起步階段都會(huì)選擇購買芯片，進(jìn)行初步的運(yùn)算，后期需要提高精度或者商業(yè)部署的時(shí)候，他們會(huì)租賃云服務(wù)器，這樣會(huì)降低成本。

• 人力成本

今年開始，人工智能領(lǐng)域的人才價(jià)格暴漲，無論是哪個(gè)量級(jí)的公司面對(duì)上百萬甚至幾百萬年薪的人工智能專家，都有人才招聘難的問題。

• 醫(yī)療AI 的盈利方式

醫(yī)療AI 企業(yè)的現(xiàn)實(shí)挑戰(zhàn)

雖然人工智能在醫(yī)療領(lǐng)域的應(yīng)用能產(chǎn)生巨大的潛在價(jià)值，但是在現(xiàn)實(shí)中讓人工智能達(dá)到預(yù)期效果仍要面臨一些問題。尤其是在人才、技術(shù)發(fā)展、客觀基礎(chǔ)條件、數(shù)據(jù)壁壘、政府監(jiān)管和市場(chǎng)培育等挑戰(zhàn)。

人才供需不平衡：人才供需不均衡，人才成本過高嚴(yán)重影響了人工智能公司的發(fā)展。

數(shù)據(jù)質(zhì)量：人工智能可以對(duì)人的意識(shí)、思維的信息過程進(jìn)行模擬，可以像人一樣思考，人工智能學(xué)習(xí)醫(yī)生的經(jīng)驗(yàn)就像我們上學(xué)時(shí)學(xué)習(xí)課本知識(shí)，因此數(shù)據(jù)的質(zhì)量至關(guān)重要。

數(shù)據(jù)標(biāo)注問題：人工智能數(shù)據(jù)處理中80% 的時(shí)間都是在做數(shù)據(jù)預(yù)處理工作，標(biāo)注的準(zhǔn)確性關(guān)乎結(jié)果的準(zhǔn)確性，近兩年之內(nèi)沒有什么好的辦法，還是要大量醫(yī)生去標(biāo)注。

算法方向選擇問題：在醫(yī)生的工作中，影像只是一部分，還有很多主訴和交流，但是目前人工智能尚處于弱人工智能階段，并不能進(jìn)行深入的溝通，因此選擇輔助分析算法的時(shí)候需要選擇更少溝通，更客觀的方向。

數(shù)據(jù)監(jiān)管問題：醫(yī)療技術(shù)監(jiān)督管理是衛(wèi)生監(jiān)督體系的主要組成部門，是規(guī)范醫(yī)療服務(wù)市場(chǎng)秩序的重要手段和方式，而人工智能剛剛應(yīng)用到醫(yī)療領(lǐng)域，很多監(jiān)管政策還沒有制定，在接下來的發(fā)展過程中一定會(huì)遇到醫(yī)療監(jiān)管的問題。

市場(chǎng)培養(yǎng)：醫(yī)療被認(rèn)為是人工智能最早落地的領(lǐng)域，但是醫(yī)療的特殊性對(duì)產(chǎn)品的要求會(huì)更高，從認(rèn)識(shí)到被接受再到相應(yīng)支付體系的完善，以及到醫(yī)保的接入，都需要一個(gè)很長(zhǎng)的過程。

政府監(jiān)管：目前醫(yī)療人工智能行業(yè)還處于跑馬圈地階段，雖然國(guó)家出臺(tái)了《新一代人工智能發(fā)展規(guī)劃》，但是規(guī)劃中指出，到2025 年，國(guó)家才會(huì)初步建立人工智能法律法規(guī)、倫理規(guī)范和政策體系，形成人工智能安全評(píng)估和管控能力。也就是說在這幾年內(nèi)，人工智能幾乎 “無法可依”。

大公司分析

國(guó)外的科技巨頭中，IBM 在人工智能+ 醫(yī)療領(lǐng)域的布局最早也最深入，谷歌和微軟也有部分參與。Facebook、蘋果、亞馬遜等巨頭在人工智能領(lǐng)域已經(jīng)有長(zhǎng)遠(yuǎn)考慮，但是主要布局在它們各自有競(jìng)爭(zhēng)優(yōu)勢(shì)的行業(yè)，對(duì)于跨界應(yīng)用于醫(yī)療行業(yè)的人工智能項(xiàng)目較少。

國(guó)內(nèi)的科技巨頭中，百度和阿里都推出了自己的人工智能+ 醫(yī)療解決方案，而騰訊主要以投資創(chuàng)業(yè)公司的形式在人工智能+ 醫(yī)療領(lǐng)域布局，最近也推出了具體的人工智能醫(yī)療產(chǎn)品。

人工智能+ 醫(yī)療初創(chuàng)公司分析

國(guó)內(nèi)有83 家企業(yè)將人工智能應(yīng)用于醫(yī)療領(lǐng)域，主要布局在醫(yī)學(xué)影像、病歷/ 文獻(xiàn)分析和虛擬助手三個(gè)應(yīng)用場(chǎng)景，而其中涉足醫(yī)學(xué)影像類的企業(yè)數(shù)量達(dá)到40 家，遠(yuǎn)高于其他應(yīng)用場(chǎng)景的企業(yè)數(shù)量。

根據(jù)動(dòng)脈網(wǎng)數(shù)據(jù)庫、IT 桔子和因果樹等渠道的信息，截至2017 年8 月31 日，國(guó)內(nèi)83 家企業(yè)的融資總額已經(jīng)接近42億人民幣，歷年的融資情況走勢(shì)如下（其中2017 年為2017 年1月至8 月的融資金額，單位百萬人民幣）：

2016 年是人工智能+ 醫(yī)療在國(guó)內(nèi)形成投資風(fēng)口的元年，有27 家企業(yè)在2016 年進(jìn)行融資，其中16 家企業(yè)融資金額在千萬級(jí)人民幣或美元以上，醫(yī)療大數(shù)據(jù)公司碳云智能當(dāng)年的融資金額高達(dá)10 億人民幣。

國(guó)內(nèi)83 家人工智能+ 醫(yī)療企業(yè)中有61 家有公開的融資信息，它們目前的融資輪次集中于A輪和天使輪，國(guó)內(nèi)企業(yè)在人工智能應(yīng)用于醫(yī)療領(lǐng)域的商業(yè)競(jìng)賽才剛剛開始。

• 國(guó)外企業(yè)圖譜

國(guó)外有109 家企業(yè)將人工智能應(yīng)用于醫(yī)療領(lǐng)域，它們?cè)诮】倒芾?、醫(yī)學(xué)影像、新藥發(fā)現(xiàn)、病歷/ 文獻(xiàn)分析等應(yīng)用場(chǎng)景都有比較均衡的布局。

國(guó)外有109 家企業(yè)將人工智能應(yīng)用于醫(yī)療領(lǐng)域，它們?cè)诮】倒芾?、醫(yī)學(xué)影像、新藥發(fā)現(xiàn)、病歷/ 文獻(xiàn)分析等應(yīng)用場(chǎng)景都有比較均衡的布局。

根據(jù)動(dòng)脈網(wǎng)數(shù)據(jù)庫、Crunchbase 等渠道的信息，至2017 年8 月31 日，國(guó)外109 家企業(yè)的融資總額已經(jīng)超過12 億美元，歷年的融資情況走勢(shì)如左下圖（其中2017 年為2017 年1月至8 月的融資金額，單位，百萬美元）。

其中在2014 年腫瘤大數(shù)據(jù)公司Flatiron Health 融資1.3 億美元，醫(yī)學(xué)影像公司ButterflyNetwork 融資1 億美元。排除這兩筆融資后，2012 年至2017 年，國(guó)外的人工智能+ 醫(yī)療領(lǐng)域的融資規(guī)模逐年穩(wěn)步增長(zhǎng)。

國(guó)外109 家人工智能+ 醫(yī)療企業(yè)中有99 家有公開的融資信息，它們目前的融資輪次也集中于種子輪和A 輪。

因此可見，全球的人工智能+ 醫(yī)療領(lǐng)域均處于早期發(fā)展的狀態(tài)。如果僅以市場(chǎng)成熟度的標(biāo)準(zhǔn)觀察，國(guó)外市場(chǎng)相比于國(guó)內(nèi)市場(chǎng)基本不存在競(jìng)爭(zhēng)優(yōu)勢(shì)。

• 投資機(jī)構(gòu)盤點(diǎn)

國(guó)內(nèi)和國(guó)外都沒有出現(xiàn)大量布局在人工智能+ 醫(yī)療領(lǐng)域的投資機(jī)構(gòu)，造成這種情況的原因一是人工智能+ 醫(yī)療是近年才逐漸成為投資者關(guān)注的話題，行業(yè)內(nèi)的優(yōu)質(zhì)投資標(biāo)的并不多；二是人工智能+ 醫(yī)療企業(yè)的融資金額普遍較高，但由于醫(yī)療固有的嚴(yán)謹(jǐn)性和人工智能技術(shù)的不確定性，商業(yè)化進(jìn)程相對(duì)緩慢，因此投資風(fēng)險(xiǎn)較高。

人工智能+ 醫(yī)療技術(shù)成熟度曲線

從人工智能+ 醫(yī)療企業(yè)的投融資數(shù)據(jù)可以看出來，這個(gè)領(lǐng)域已經(jīng)開始蓬勃發(fā)展。早期的人工智能初創(chuàng)公司主要負(fù)責(zé)基礎(chǔ)研究，搭建人工智能學(xué)習(xí)平臺(tái)進(jìn)行算法及算法框架等。

在研究成果出來不久，隨即被大公司收購。比如Deepmind 和Wit.ai。第二波的人工智能企業(yè)負(fù)責(zé)技術(shù)層面的研究，在語音識(shí)別、圖像識(shí)別等領(lǐng)域提升準(zhǔn)確度。第三波的人工智能企業(yè)，則開始在各領(lǐng)域的應(yīng)用層面推出產(chǎn)品。

而人工智能+ 醫(yī)療企業(yè)的蓬勃發(fā)展，也正是說明了人工智能的商業(yè)化應(yīng)用正在逐漸接近成功。但是人工智能+ 醫(yī)療還有多種應(yīng)用模式，不同細(xì)分領(lǐng)域的發(fā)展情況也有很大的差別。那么，這些細(xì)分領(lǐng)域之間的市場(chǎng)應(yīng)用區(qū)別有多大？技術(shù)成熟度如何？動(dòng)脈網(wǎng)蛋殼研究院嘗試用Hype Cycles 技術(shù)成熟度曲線來衡量。

動(dòng)脈網(wǎng)蛋殼研究院嘗試用我們自己的方法論，來客觀描述人工智能+ 醫(yī)療各細(xì)分領(lǐng)域的發(fā)展?fàn)顩r。技術(shù)成熟度判斷的相關(guān)計(jì)算指標(biāo)如下：

1）該細(xì)分領(lǐng)域企業(yè)的平均融資額。

2）該細(xì)分領(lǐng)域的企業(yè)數(shù)量。

3）該細(xì)分領(lǐng)域的行業(yè)分散度。

4）該細(xì)分領(lǐng)域商用的醫(yī)院數(shù)量。

最后，我們通過自己的分析，列出了如下的人工智能+ 醫(yī)療技術(shù)成熟度分布。  

目前企業(yè)數(shù)量最多的醫(yī)療影像和平均融資額最高的病歷/ 文獻(xiàn)分析類企業(yè)排在成熟度的第一位和第二位。

那么成熟度第一的醫(yī)療影像應(yīng)該位于曲線上的那個(gè)位置？蛋殼研究院這樣思考。

第一，蛋殼研究院在前面統(tǒng)計(jì)過人工智能醫(yī)療企業(yè)的合作醫(yī)院數(shù)量和目前的產(chǎn)品臨床應(yīng)用情況。從醫(yī)療影像類的企業(yè)入駐醫(yī)院數(shù)量來看，目前國(guó)內(nèi)科研能力較強(qiáng)，醫(yī)療水平靠前的大型醫(yī)院幾乎都已經(jīng)和企業(yè)開始了相關(guān)的臨床實(shí)驗(yàn)。首批種子用戶活躍度已經(jīng)達(dá)到了頂峰；

第二，相關(guān)領(lǐng)域的大規(guī)模媒體報(bào)道大約出現(xiàn)在2015 ～ 2017 年，目前在一個(gè)平穩(wěn)的高峰期；

第三，同時(shí)涉足醫(yī)療影像和病歷/ 文獻(xiàn)分析的人工智能標(biāo)桿企業(yè)IBM Watson，和MD 安德森醫(yī)院分手的負(fù)面報(bào)道開始在2017 年出現(xiàn)，質(zhì)疑人工智能在醫(yī)療上的發(fā)揮作用。但是，其他的負(fù)面報(bào)道并不多見。

所以，我們認(rèn)為醫(yī)療影像在曲線上的位置應(yīng)該在頂峰期往下一點(diǎn)。投資者和創(chuàng)業(yè)者也應(yīng)該謹(jǐn)慎，在人工智能+ 醫(yī)療影像行業(yè)目前初創(chuàng)企業(yè)扎堆的情況下，如何獲得生存空間是值得思考的問題。

這個(gè)領(lǐng)域算法和技術(shù)已經(jīng)成熟，企業(yè)的瓶頸在于如何獲取足夠豐富的醫(yī)療影像數(shù)據(jù)，如何完成準(zhǔn)確的標(biāo)注，以及如何獲取收益。

而其他類型的人工智能+ 醫(yī)療企業(yè)，都還大部分處于技術(shù)萌芽之后的快速上升期。排名最后的疾病篩查和預(yù)測(cè)，因?yàn)殡y度最大，算法最復(fù)雜、需要數(shù)據(jù)最多。報(bào)告中所舉例的案例，也大部分還在大學(xué)、研究機(jī)構(gòu)的研究階段，所以位列最后也符合其市場(chǎng)表現(xiàn)。

參考資料

1.《The Big Data Revolution in Healthcare》，麥肯錫，2013年1月。

2.《基因+人工智能，Deep Genomics將會(huì)把精準(zhǔn)醫(yī)療帶往何處？》，周倫，2015年8月6日。

3.《人工智能 未來制勝之道》，波士頓咨詢，2016年10月。

4.《IBM攜手西門子共同打造醫(yī)療大健康最強(qiáng)人工智能Watson》，電子工程世界，2016年10月13日。

5.《中國(guó)高管眼中的人工智能》，麥肯錫，2016年12月。

6.《Artificial Intelligence》，高盛集團(tuán)，2016年12月。

7.《人機(jī)共存的新紀(jì)元》，麥肯錫，2017年1月。

8.《2017年語音產(chǎn)業(yè)報(bào)告》，VoiceLabs，2017年3月。

9.《中國(guó)人工智能的未來之路》，麥肯錫，2017年3月。

10.《Why AI and robotics will define new health》，普華永道，2017年4月。

11.《AI Healthcare's New Nervous System》，埃森哲，2017年4月。

12.《Big Data and AI Approach to Investment Management》，J.P.摩根，2017年5月。

13.《Sizing the Prize》，普華永道，2017年6月。

14.《Artificial Intelligence Discussion Paper》，麥肯錫，2017年6月。

15.《Sherlock in Health》，普華永道，2017年6月。

16.《強(qiáng)人工智能的未來已來》，羅蘭貝格，2017年6月23日。

17.《阿里云：大數(shù)據(jù)視覺智能實(shí)踐及醫(yī)學(xué)影像智能診斷探索》，行湘，2017年6月29日。

18.《人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用與前景》，THU數(shù)據(jù)派，2017年6月30日。

19.《全球AI領(lǐng)域人才報(bào)告》，領(lǐng)英，2017年7月。

20.《全球首個(gè)流感預(yù)測(cè)模型落戶重慶，平安人工智能助力疾病預(yù)測(cè)》，經(jīng)濟(jì)參考網(wǎng)，2017年7月25日。

21.《金蝶醫(yī)療易延華：電子病歷與健康醫(yī)療大數(shù)據(jù)，區(qū)域化應(yīng)用是未來》，動(dòng)脈網(wǎng)，郝雪陽，2017年8月9日。

22.《健康醫(yī)療大數(shù)據(jù)領(lǐng)域的政策和法律問題》，動(dòng)脈網(wǎng)，2016年11月10日。

23.《全球56%的醫(yī)療機(jī)構(gòu)將在2020年前投資區(qū)塊鏈技術(shù)，生命科學(xué)和制藥行業(yè)優(yōu)先獲益》，動(dòng)脈網(wǎng)，陳欣，2017年8月19日。