本文首發於2018年6月18日
《中國戰略新興產業》
顧彥
| 本文共 2,730 字 閱讀需 6 分鐘
經過 10 多年的探索，互聯網醫療從 1.0 時代的信息查詢，到 2.0 時代的在線問診，逐漸向 3.0 時代的人工智能發展。互聯網醫療的蓬勃發展積累起海量的醫療數據，促進了智能醫療的發展，人工智能正在教會機器如何“聽懂”、“讀懂”、“看懂”，協助醫生診斷疾病。
中國經濟信息社發佈的《新一代人工智能發展年度報告 2017》指出，目前，人工智能已在醫療影像、醫療機器人、遠程問診、藥物挖掘等領域逐漸開展探索與應用。人工智能正在重建以患者為中心的醫療體系，尤其在醫療影像領域的商業化取得較快進展。
我國正處於醫療人工智能的風口
互聯網醫療健康產業聯盟發佈的《2018 年醫療人工智能技術與應用白皮書》（以下簡稱《白皮書》）指出，醫療行業長期存在優質醫生資源分配不均，診斷誤診漏診率較高，醫療費用成本過高，放射科、病理科等科室醫生培養週期長，醫生資源供需缺口大等問題。
隨著近些年深度學習技術的不斷進步，人工智能逐步從前沿技術轉變為現實應用。在醫療健康行業，人工智能的應用場景越發豐富，人工智能技術也逐漸成為影響醫療行業發展，提升醫療服務水平的重要因素。通過人工智能在醫療領域的應用，可以提高醫療診斷準確率與效率；提高患者自診比例，降低患者對醫生的需求量；輔助醫生進行病變檢測，實現疾病早期篩查；大幅提高新藥研發效率，降低製藥時間與成本。
麥肯錫全球研究院新近發佈的《人工智能：下一個數字前沿》調查報告指出，人工智能在醫療行業的應用主要集中在疾病預防、疾病診治、資源配置、患者服務四大方面，包括疾病預測、智能決策、個體化精準醫療、慢病管理等。通過採用人工智能手段分析人群健康大數據，制定規範化臨床路徑，可有效提高醫生的診療水平和問診效率，實現醫療服務的精準、個體化、高質與高效，節約醫療成本，幫助解決行業面臨的醫療資源配置不均衡、基層診療水平低、醫生培養週期長、疾病譜變化快等問題。
據統計，到 2025 年人工智能應用市場總值將達到 1270 億美元，其中醫療行業將佔市場規模的 1/5。我國正處於醫療人工智能的風口：2016 年中國人工智能+醫療市場規模達到 96.61 億元，增長 37.9%；2017 年估計超過 130 億元，增長 40.7%；2018 年有望達到 200 億元。
投資方面，IDC 發佈的報告顯示，2017 年全球對人工智能和認知計算領域的投資將迅猛增長 60%，達到 125 億美元，在 2020 年將進一步增加到 460 億美元。其中，針對醫療人工智能行業的投資也呈現逐年增長的趨勢。其中 2016 年總交易額為 7.48 億美元，總交易數為 90 起，均達到歷史最高值。
醫療影像人工智能應用發展最快
在多種模式的智能醫療中，以醫療影像領域的應用進展最為迅速。市場研究公司 Frost & Sullivan 在對 2018 年全球醫療健康業十大趨勢作出預測時指出，人工智能將成為影像診斷的主流。
《白皮書》介紹，醫療影像數據是醫療數據的重要組成部分，從數量上看超過 90%以上的醫療數據都是影像數據，從產生數據的設備來看包括 CT、X 光、MRI、PET 等醫療影像數據。據統計，醫學影像數據年增長率為 63%，而放射科醫生數量年增長率僅為 2%，放射科醫生供給缺口很大。人工智能技術與醫療影像的結合有望緩解此類問題。
人工智能技術在醫療影像的應用主要指通過計算機視覺技術對醫療影像進行快速讀片和智能診斷。人工智能在醫學影像中應用主要分為兩部分：一是感知數據，即通過圖像識別技術對醫學影像進行分析，獲取有效信息；二是數據學習、訓練環節，通過深度學習海量的影像數據和臨床診斷數據，不斷對模型進行訓練，促使其掌握診斷能力。
目前，人工智能技術與醫療影像診斷的結合場景包括肺癌檢查、糖網眼底檢查、食管癌檢查以及部分疾病的核醫學檢查和病理檢查等。目前，我國已有蘭丁高科、泰立瑞、迪英加科技等眾多企業開始研究利用人工智能輔助數字病理診斷，他們開發的人工智能輔助診斷系統針對乳腺癌、宮頸癌等疾病的病理檢查已實現較高的準確率。
市場研究公司 Reaseach and Markets 的數據顯示，全球醫療影像設備在 2013 年達到 302 億美元，預計 2020 年達到接近 500 億元的規模，2010-2020 年複合年增長率達到 7%，而我國約佔 12%的市場。基於醫療影像的人工智能產品應用才剛剛開始，未來有望滲透到醫療影像設備和影像服務市場，提高診斷效率和準確度，應用空間較大。
產品和服務仍需完善
在新形勢下，我國醫療人工智能的發展也面臨著機遇和挑戰，技術能力不斷增強，但產品和服務仍需完善。
《白皮書》指出，數據是人工智能技術最重要的因素之一，卻也是行業發展的瓶頸。對於機器學習而言，模型越複雜、越具有強表達能力越容易降低對未來數據的解釋能力，而專注於解釋訓練數據，這種現象會導致訓練數據效果很好，但遇到未知的測試數據預測效果會大幅降低。因此，數據問題的解決是保證醫療影像輔助診斷產品是否能夠廣泛應用的關鍵。
而且，醫療人工智能產品需要實現從試驗向臨床應用的突破。目前，業內針對肺結節、糖網病檢查等場景的醫療人工智能產品診斷準確率普遍很高，但是真實情況並非如此樂觀。企業其實“既是選手又是裁判”，各家有自己的數據庫，各自的算法都是按照自己的數據進行訓練的，然後再以自己的數據來驗證準確性。在沒有得到臨床驗證前，這種基於標準或特定數據集的實驗室測試結果並不具備較大的意義，因為實際臨床應用的場景是非常複雜的。
另外，缺乏可持續的商業模式、醫療責任認定不明確、缺乏專業人才等也是目前醫療人工智能發展的面臨的主要問題。
工信部相關負責人建議，未來應當從 3 個方面推動醫療人工智能領域的發展。
一是促進行業跨界融合、協同創新。希望信息通信產業能夠切實對接醫療衛生行業需求，加強跨行業的技術交流與產業合作，進一步優化產業創新資源，共同推進醫療雲計算和人工智能關鍵技術和發展模式的研究。
三是建立互聯網醫療健康標準與評測體系。要建立適應產業發展的聯盟標準工作機制，推進相關產品和服務標準的研究和制定，並開展相關評測驗證，充分發揮標準在產業發展的指導、引領和示範作用。
顧彥近期文章
從“互聯網+”到“人工智能+” 中國正在成為AI領跑者
互聯網＋農業： 信息技術從實驗室走進田間地頭
END
製作：艾麗
閱讀更多 中國戰略新興產業 的文章
