人工智能与医疗产业浅析
关注奥咨达公众号
人工智能
人工智能简称AI(Artificial Intelligence)，指的是使机器像人类一样看，听，思考，运动的技术科学，源于计算机分支学科和数学，目前也涉及神经生理学、信息学、认知科学、心理学、仿生学。目前，深度学习算法、计算能力和大数据三者相辅相成，使得人工智能有机会从专用技术成为通用技术，融入各行各业。
图表1： AI的三大技术基石
随着2015年11月9日Google发布人工智能系统TensorFlow并宣布开源，人工智能、机器学习仿佛一夜间家喻户晓。那么人工智能、机器学习、深度学习三者之间到底有何区别和联系呢？
可以参考下图进行理解：人工智能的概念最为宽泛，且出现最早；然后是机器学习，出现的稍晚；最后是深度学习。
人工智能代表一个科技领域，可以选择合适的切入点与传统领域进行结合，机器学习是实现人工智能的一种方法，侧重于技术方面。
机器学习的概念来自早期的人工智能研究者，已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等。简单来说，机器学习就是使用大量数据和算法“训练”机器，从中学习并做出推断或预测，以此来完成任务。
深度学习是实现机器学习的一种技术，属于一种算法模型。总结来说就是机器学习是人工智能的前沿，深度学习是机器学习的前沿。
图表2、3： 人工智能、机器学习、深度学习的关系
目前国内外的巨头公司也纷纷将战略重点倾斜到AI与医疗领域，如下表所示，IBM、谷歌、微软等均在AI与医疗领域布局。
图表4：国内外巨头公司在医疗人工智能领域的布局
我国AI行业发展
2015年7月，国务院发布了《关于积极推进“互联网+”行动的指导意见》，人工智能上升为国家战略规划。2017年，人工智能（AI）被首次写入我国政府工作报告，国务院下发《新一代人工智能发展规划》的部署和《“互联网+”人工智能三年行动实施方案》；10 月 13 日，由国家发改委、科技部、工信部等指导，200 余家人工智能企业发起组建中国人工智能产业发展联盟（AIIA），整合全产业链资源，推动人工智能技术在各场景的应用；10月28日，在福州闭幕的2017中国计算机大会展示了我国在人工智能、大数据、无线感知计算、量子计算、言语与听觉研究、多媒体计算、智慧医疗等方面的最新成果。
图表5：AI上升为国家战略，利好政策持续出台
图表6：中国AI“三步走的战略目标”
AI与医疗产业结合点
1.智能医疗
推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系。探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防控。
IBM Waston是智能诊疗领域最为成熟的案例，可在17秒内阅读3469本医学专著、248000篇论文、69种治疗方法、61540次试验数据、106000份临床报告，并于2012年通过美国职业医师资格考试，目前在美国多家医院提供包括多项癌症在内的辅助诊疗服务，曾于2017年2月初来天津市第三中心医院参与为癌症患者的义诊，短短2个小时就为20位癌症患者生成了诊疗方案，大大提高了诊疗效率。沃森健康与百洋医药集团旗下的百洋智能科技于2017年3月28日在北京签约，后者代理的Watson for Oncology已在11家医院落地，预计年底覆盖150家三级综合医院。
图表7：医疗机器人发展历程中代表性产品
2.智能健康和养老。
加强群体智能健康管理，突破健康大数据分析、物联网等关键技术，研发健康管理可穿戴设备和家庭智能健康检测监测设备，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变。建设智能养老社区和机构，构建安全便捷的智能化养老基础设施体系。加强老年人产品智能化和智能产品适老化，开发视听辅助设备、物理辅助设备等智能家居养老设备，拓展老年人活动空间。开发面向老年人的移动社交和服务平台、情感陪护助手，提升老年人生活质量。
3.AI与医疗保健
机器学习、深度学习和神经网络构建预测模型后，构建透视模型，采用预测与业务流程相结合的认知系统，推荐疗程或疗程措施。远程医疗、可穿戴设备和远程传感器等数字解决方案。如仿生外骨骼、仿生手臂等。
图表8：106家医疗保健领域的新兴AI科技公司
4.AI与医疗监管体系
借助医保信息化系统建立医疗保险监管体系，涵盖事前、事中、事后的诊疗全过程，管理对象包括参保人、医师、医院和药店，管理的处方内容包括药品、检验检测和医用材料，建立一套智能医保监管系统。如发生违规问题，监控系统会及时预警，医疗保险经办机构会立即采取措施，从而达到医保控费、防止重复参保和重复报销等诈骗套取医保基金等目的。
AI在医疗领域面临的挑战？
1.数据孤岛严重
各个区域内不同医疗机构中患者的基础信息和各种临床信息资源分散、重复、孤立导致有效信息闲置、信息重复或不一致，很难得到有效利用。将信息进行有效的整合是未来的一项重要挑战。
2.数据量大且产生快
从GB到TB再到PB已经势不可挡。据估计，中国一个中等城市（1000万人口）50年所积累的医疗数据会达到10PB级别以上；医疗信息服务中会存在大量在线或实时数据分析处理的需求。能够处理和利用好大量的数据也是未来的一项挑战。
因此未来AI技术的发展迅猛快捷，已经势不可挡；AI与医疗技术的结合也是不可避免，我们希望AI技术可以克服各种困难，更好地服务于医疗产业，为病患带来福音。
【来源】壹贰视界
【全文整理】奥咨达
【声明】部分文章和信息来源于互联网，不代表本订阅号赞同其观点和对其真实性负责。如转载内容涉及版权等问题，请立即与我们联系，我们将迅速采取适当措施。
热点推荐
可点击标题阅读原文