刘建立

（平安普惠企业管理有限公司）

人工智能技术引发全球产业链开始了新一轮的技术革命，各产业界谋求产业转型发展，抢先布局人工智能，打造生态创新的新形态。伴随着医疗健康领域快速发展，医疗健康数据快速增长以及AI技术不断进步，人工智能在医疗健康的应用逐步从实验室研究阶段转换到商业场景落地，并且应用场景覆盖在医疗健康产业链的各环节当中，呈现形式越发丰富多样。本文结合人工智能在医疗、健康领域的应用场景，探知以数据与计算密集、脑力与知识密集为特征的医疗、健康产业与人工智能的融合情况，探索其面临的挑战和发展机遇，旨在为我国人工智能公司在医疗、健康领域应用发展提供方向。

一、人工智能应用于医疗健康的主要场景

（一）智能医学影像

智能医学影像，就是将AI技术应用在医学影像的相关分析、诊断和预测中。主要包含有三个方面：一是自动构建与自适应放疗肿瘤靶区，针对肿瘤放疗环节的影像进行分析处理；二是影像标注、识别，针对医学影像进行图像切分、特征提取、定量与对比分析等处理；三是影像三维重建，主要用于手术环节影像处理。

肿瘤病人通常会选择放疗作为主要治疗方式之一，而放疗的基础和关键技术是对病变器官的正确定位和精准勾画。在放疗之前，医生会先对CT上的肿瘤和器官位置做标记，人工标注通常需要耗费240分钟。通过应用人工智能勾画靶区和自适应放疗软件，帮助放疗科医生在30分钟即可完成一套200-450张CT片自动勾画，使效率和准确度大大提升。目前，AI+靶区勾画在各类癌症疾病上的应用已经比较成熟，如食管癌、鼻咽癌、肺癌、皮肤癌等癌症疾病，参与研发企业包括依图科技、连心医疗、汇医慧影等公司。

影像的识别与标注，是指通过对特定疾病的图像数据进行训练学习，在医院临床使用，帮助医生纠正误诊漏诊情况。目前主要应用在糖网病的筛查，糖网病是糖尿病患者的致盲眼病，在视网膜血管病变中较为常见。当糖网病出现症状时通常已错过了最好治疗时机，因为其早期通常无临床医学症状。通过对糖网病眼底图像的深度学习，应用在眼底读片环节，进行初步筛选、检查，可以大幅提升糖网病筛查的效率。除了糖网病，还可用于白内障、黄斑裂孔、老年性黄斑变性等疾病的筛查诊断。另外推想科技推出的智能CT辅助筛查产品在肺癌筛查中也有很好的效果。

影像三维重建在20世纪就已经被采用过，但由于配准缺陷而使用率不高，通过AI算法相关技术，仅需少量地采集信号做图像恢复，就能够得到与全采样同样质量的图像。并且使用三维影像重建技术，通过低剂量的CT与PET图像重建得到高质量图像，在满足临床诊断诉求的同时还能降低辐射的风险。目前国内应用最为广泛的领域是在肺结节识别上，特别是易漏诊结节，AI能够做到有效识别，比如6毫米以下磨玻璃结节和实性结节，AI能达到90%以上准确率，同时还能提供结节性质、密度、位置等信息。

影像三维重建还可通过结合3D手术的规划功能，助力医生实现术前规划。首先是将患者器官的真实3D模型自动化重构，其次是无缝对接3D打印机，最终实现3D器官实体模型的精准打印，确保手术顺利，也推动了医疗数字化和精准化。

（二）智能导诊

智能导诊是基于医疗健康专业领域的知识系统，通过声纹识别、语音合成、识别及自然语言转义处理等相关技术，实现人机交互，解决诸如语音电子病历、智能问诊和导诊以及衍生等更多需求。

目前我国医生书写病历占用大量工作时间，采用传统书写病例方式转录电脑效率低下，语音电子病历可以将医生主诉内容实时转换成文本，录入CIS、HIS等医院信息管理软件中，提升病历填写效率，节省医生时间，使其能更多地投入到疾病诊断和与患者的交流中。国内提供电子语音病历的公司主要有中科汇能、科大讯飞及云知声。中科汇能科技的“医语通”软硬件一体解决方案，通过自主研发麦克风及无监督自适应技术逐步解决口音识别问题。科大讯飞的“云医生”App+自主研发的麦克风，语音识别技术相对成熟。云知声开发的“云知声”软硬件一体解决方案，具备云端语义校正，识别有口音的普通话。

智能问诊主要用来解决目前医生供给不足、医患沟通效率低下两大难题。智能问诊系统包括“自诊”和“预问诊”两大功能。“自诊”主要是在PC端或手机端患者通过人机互动完成智能问诊，生成诊断信息给患者参考。“预问诊”是指患者在挂号完成后，访问医院系统的智能问诊模块，系统根据患者输入的基本信息、过敏史、病情症状、既往病史等信息生成初步报告诊断，并把信息推给医生，缩短问诊时间，减少医患沟通内容，提升医患沟通的效率。目前这一板块的公司主要有云听、半个医生、壹健康、康夫子、云知声、万物语联，春雨医生、好大夫等移动医疗服务平台也在尝试进入，智能问诊系统是移动医疗平台服务升级的突破口。

（三）智能诊疗

智能诊疗是将人工智能技术应用于辅助诊疗中，通过机器学习、知识图谱等技术，掌握专家医生的医疗知识体系，模拟医生就诊逻辑及诊断推理，提供诊断结果和最佳治疗方案。

国外最早将AI应用于医疗诊断的是MYCIN专家系统，国内的是福建中医学院与福建计算机中心在20世纪80年代初研制的林如高骨伤计算机诊疗系统。在智能诊疗的案例应用中，目前最成熟的是IBM的Watson应用。它是认知计算系统的杰出代表，每秒能够读800000000页的资料，还可以从来自于医学文献、临床报告、影像报告及其他方面的数据中洞察分析，提取信息，帮助医生做出最佳决策治疗方案。

（四）智能健康管理

智能健康管理是通过智能方式如AI、大数据等技术进行的健康管理。目前主要通过移动医疗设备、智能终端、医疗健康应用软件、数据管理系统，网络接入多项检测数据，同时对患者的行为数据进行智能监控分析，实现患者的健康管理。目前智能健康管理主要用于精神健康管理、健康干预、流感预测等方面。

精神健康管理，主要表现为利用人脸跟踪与识别、智能语音、情感处理、数据挖掘等AI技术进行情绪分析，做到对精神类疾病的预测和治疗。Ginger.io公司是一家提供个性化，全面的护理服务的公司，他们通过将智能手机数据和人际关系相结合来识别用户精神健康的微弱波动，了解个人的生活习惯是否有变化，从而能够为用户提供全面的护理和量身定制的个性化服务。国内中威电子开发的情感人工智能系统，通过摄像头远程提取人的面部信息，通过血谱光学成像技术，对关键检测区域提取面部血流信息进行识别，再通过情感智能引擎及预测生理、心理状态的分析测量，透过表层面部现象看用户内心活动。

健康干预主要是通过智能穿戴设备收集用户的健康相关数据，利用人工智能、大数据技术分析个人健康水平，对用户进行健康干预，为用户提供饮食起居方面的建议，帮助用户养成良好的生活习惯。Welltok搭建了健康管理优化平台，通过可穿戴设备FitBit和Map MyFitness等合作方拿到用户相关数据，运用AI技术分析，提供用户预防性健康管理计划和个性化的生活习惯干预。

流感预测是通过对人员数据收集，建立相关数据库、智能分析模型等，预测某些流行疾病的发病概率。Google Fit提供多种可穿戴设备，通过对生物统计数据持续海量地收集，能够做到对部分传染性疾病的预防、监控，非常及时和准确。

（五）智能药物研发

智能药物研发通过医药、医疗大数据信息，结合深度学习、机器学习等算法，对研发药物中不同化学物质组成进行判断分析，预测药物安全性、活性及副作用。通过这种方式，可以有效缩短药品研发周期，降低药品研发价格和成本。人工智能特别在孤儿药、心血管药、常见传染病药及抗肿瘤药应用研发中效果显著。

除通过药物化学物质分析研制新药外，美国科德宝生物医药公司还通过对生物数据进行研究研制新药。科德宝通过研究人体健康组织，探索人体分子和细胞自身防御组织以及发病原理机制，通过自身的AI平台，结合大数据分析人体自身分子潜在的药物组成。通过这种方式来医治类似于癌症、糖尿病等疑难病症，比研究新药的资金投入及时间成本减少50%。

（六）医疗机器人

机器人技术在医疗领域的应用较为常见，如修复人类受损身体的智能外骨骼、智能辅助设备、假肢等技术设备，辅助医生做手术的医疗手术机器人。目前应用中的医疗机器人主要有两类：一类是称为“智能外骨骼”的可穿戴型机器人，主要通过读取人体神经信号来实现；另外一类是医疗保健功能或者能够承担手术的机器人。

智能外骨骼的应用，如俄罗斯ExoAtlet公司生产的EAM（ExoAtlet Medy）产品，通过辅助行走来帮助患者恢复行走能力及一些其他的动作训练。用于改善肌肉萎缩症等疾病患者的步行机能的“医疗用混合型辅助肢”已经在日本国内得到生产许可，作为医疗器械，可以在本国内销售。

世界上做手术的机器人最具典型代表的就是达·芬奇手术系统，它主要分成两个部分，一部分是手术室的手术台相关设备，另外一部分是医生可以远程操控的终端设备。手术台设备是有三个机械臂的机器人，可以提供高清3D视像并执行精密操作，它负责对病人进行手术。达·芬奇手术机器臂的灵活性远远超过人手，可以转出人的手腕、手指无法企及的角度，并且可以长时间手术手臂不抖。用机械臂作手术还可以做到手术切口非常小，从而使患者伤口愈合更快。在终端控制设备上，通过摄像机二维图像计算还原人体三维高清晰图像，方便医生监控手术全流程。

（七）基因大数据

基因测序技术的发展让我们积累了海量的基因数据，并且也让对应的成本做到大幅度降低。超大量的基因数据让医学界理解了病变基因、基因缺陷等相关知识。基因测序技术目前已进化至第三代，第三代测序方法做到了时间大幅缩短和成本显著降低，加速推动了基因测序技术的商业化进程。

国内致力于疾病风险预测的公司主要有两类：一是掌握基因测序核心技术，研发基因测序仪器的上游企业。业务模式主要是通过中游合作伙伴做基于测序仪上的应用开发。二是利用基因测序仪，面向B端和C端提供测序服务的中游企业。业务模式则主要是开发测序相关应用，面向B端医院或者C端公众和患者。基因检测行业中，华大基因作为我国基因检测龙头，通过持续多年对研发的高投入，积累了较明显的技术壁垒，特别是通过遗传性耳聋基因筛查服务（累计服务超过250万名新生儿和成人），检测出几千名迟发性耳聋及先天性耳聋患者。

二、人工智能在医疗健康应用中面临的挑战和机遇

（一）人工智能在医疗健康应用中的挑战

智能医疗健康虽然在国内外的发展热度不断提升，但医疗作为一个特殊的传统行业，人工智能在其应用中还存在诸多问题，总结概括为四个方面。一是医学作为一个的前沿学科，会随时遇到新的疑难杂症，医学领域的高门槛和技术力量的欠缺会限制人工智能的发展。二是医疗健康相关数据的积累需要时间，算法模型难以迅速得到优化，同时AI医疗面临医疗数据孤岛、结构化数据不足、数据标准不统一难以共享等问题，也导致算法模型训练优化难度加大。例如在2017年，IBM Watson和著名的MD安德森癌症中心合作不欢而散，其主要原因就是医疗数据不规范、不完整、标准不统一，导致其信息无法应用于AI机器学习或神经网络训练。三是人工智能医疗广泛落地的同时，商业化落地难题困扰了各个创业企业，商业模式不清晰导致造血能力不足，行业目前仍处于普遍亏损阶段，产品大多处于试用阶段。四是医疗健康也是一个强监管行业，政策在某种程度上起到了决定性作用。

（二）人工智能在国内医疗健康发展中的机遇

1.人口老龄化的发展

人口老龄化已成为全球未来一个世纪的大趋势。据联合国预计，全球生育率将从2010-2015年的2.5降至2025-2030年的2.4，并在2095-2100进一步降至2.0。我国劳动年龄人口从2012年就出现了首次下滑，人口抚养比拐点向上已至，人口红利优势不在，而出生率下滑和平均寿命延长带来的人口老龄化问题也刺激了医疗健康领域的需求。通过互联网、远程医疗、人工智能等技术来促进医疗公平、填补巨大的医疗需求缺口，能够弥补生产力下降并减缓劳动力人口减少对经济带来的冲击。

2.医疗健康政策的支持

医疗健康作为我国大力支持人工智能应用落地的四大产业之一，针对我国医疗资源所面临的问题，政府也出台了多项政策文件来加速人工智能场景的落地。例如我国自2002年以来陆续推出了一系列病历电子化方面的规范文件，推动病历电子化和医疗数据结构化、标准化、统一化进程。

3.行业自身发展的需要

我国现阶段医疗资源存在基层医疗水平不高、分布不均、供给不足、无法满足病患重大疑难疾病看病需求等现状，应用人工智能技术解决上述问题是必然的选择。伴随着分级诊疗制度的逐步建立，人工智能、互联网等科技手段实施将有效缓解我国医疗资源不足及分布严重不平衡的现状，也将大幅提升基层医疗水平。

总体而言，我国智能医疗健康的发展还处于起步阶段，结合我国具体国情及政府政策的大力支持，人工智能的应用将横向延伸到医疗健康产业链的各个环节，并将进一步深耕细化。随着人工智能应用全球化浪潮的推进，智能医疗健康领域这片蓝海潜藏着无限的商机，面对前所未有的发展机遇，我国智能医疗健康领域将会迎来大发展。