AI＋醫(yī)療算法生態(tài)成熟＋應用廣泛

有人將人工智能在醫(yī)療上的運用，比作是醫(yī)生的另一個大腦，而且是對數(shù)據(jù)的儲存處理傳輸能力更強的大腦。

有了它，就能為群眾提供更加智慧的服務，也能提升醫(yī)生的工作效率，有助于緩解當前優(yōu)質(zhì)醫(yī)療資源緊缺的問題。

目前傳統(tǒng)的機器學習和深度學習算法已被廣泛得應用，來處理臨床研究和醫(yī)療服務中的結(jié)構(gòu)化數(shù)據(jù)，如醫(yī)學影像數(shù)據(jù)、基因數(shù)據(jù)和生物標志物數(shù)據(jù)。

而非結(jié)構(gòu)化數(shù)據(jù)，如人工筆記、醫(yī)學期刊與患者調(diào)查等則依靠專門的醫(yī)學自然語言處理技術(shù)來分析。

在全球聯(lián)合抗擊疫情的大背景下，人工智能與醫(yī)療產(chǎn)業(yè)也進行了快速的融合，AI＋醫(yī)療產(chǎn)品開始延伸到更多不同的醫(yī)療服務應用場景當中，并不斷的發(fā)展落地。

目前相對成熟的應用場景主要有：AI＋醫(yī)療影像、AI＋輔助診斷、AI＋新藥研發(fā)、以及AI＋健康管理等。

政府高度重視＋持續(xù)釋放紅利

2017年國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中提出要發(fā)展便捷高效的智能服務，推廣應用人工智能治療新模式、新手段，建立快速精準的智能醫(yī)療體系。

從2017年開始，我國已把人工智能作為一個國策進行推動，近幾年的兩會上AI也被多次寫入政府工作報告中。

2018年政府提出人工智能向基層醫(yī)療進行滲透，2019年將AI＋醫(yī)療的范圍進一步擴大到康養(yǎng)范疇；2020年進一步提出未來的建設指南，期望在2023年在以醫(yī)療為代表的人工智能領(lǐng)域中建立一套初步的標準體系規(guī)范。

AI＋醫(yī)療市場將進入快速成長期

2019年之前，由于大部分細分領(lǐng)域的盈利模式尚未明朗，導致AI＋醫(yī)療市場一度陷入低谷。

2019年由于智慧病案的興起，使得整體AI＋核心醫(yī)療軟件服務市場規(guī)模超過20億，同比增速高達93．9％，其中CDSS占比最多，達到55．2％。

2020年加之疫情的影響，AI＋醫(yī)療的優(yōu)勢更加凸顯，因此，國家開始逐步發(fā)放各類醫(yī)療影像AI軟件三類證，并進一步出臺鼓勵AI＋醫(yī)療發(fā)展的政策，這些將會使各細分領(lǐng)域的盈利模式逐漸明晰，市場也將會進入快速成長期。

從2020年到2022年，包含CDSS、AI＋輔助檢查以及智慧病案等在內(nèi)的核心醫(yī)療軟件服務市場規(guī)模，其整體的CAGR（復合年均增長率）將達到51．9％；并預計將在2022年超過70億美元的總值。

基礎層技術(shù)層已布局完備

AI＋核心醫(yī)療產(chǎn)業(yè)鏈可以分為AI基礎層，AI+醫(yī)療技術(shù)層與應用層：

基礎層：除數(shù)據(jù)服務外，芯片與通信等基礎核心領(lǐng)域已形成牢固的技術(shù)壁壘，市場呈寡頭局面，中、短期內(nèi)市場格局不會改變；

技術(shù)層：算法、框架以及通用技術(shù)則需要長期的投入與研發(fā)來攻克，目前各大科技企業(yè)與互聯(lián)網(wǎng)巨頭企業(yè)基本已完成布局，中小企業(yè)生存空間較少；

應用層：應用層可觸達全醫(yī)療服務場景，如院內(nèi)臨床決策系統(tǒng)、手術(shù)機器人、智慧病案系統(tǒng)、醫(yī)療影像、藥企新藥研發(fā)與基因檢測，已有大量的互聯(lián)網(wǎng)醫(yī)療公司和傳統(tǒng)醫(yī)療公司涌入。

AI＋醫(yī)療本質(zhì)上可以創(chuàng)造出新的醫(yī)療資源供給市場，幫助我國解決醫(yī)療資源供給不足這個痛點。

憑借其出色的算法和大數(shù)據(jù)分析，不斷滲透到相關(guān)服務平臺的數(shù)據(jù)資源層和技術(shù)應用層。

同時，打通各個服務端口的數(shù)據(jù)壁壘，降低整體醫(yī)療成本，并實現(xiàn)在醫(yī)學影像、輔助診療、健康管理、新藥研發(fā)、疾病預測、虛擬助理、流程管理、研究平臺等核心應用場景的完美落地，最終提升國內(nèi)整體醫(yī)療水平。

AI＋醫(yī)療存在技術(shù)難點＋標準缺失

隨著我國醫(yī)療體制改革的深化、分級診療制度的落實，政府開始加大力度解決醫(yī)療資源分配問題以及醫(yī)療服務效率問題。

其中，醫(yī)療人工智能的廣泛應用在提高醫(yī)療質(zhì)量和服務效率、減少誤診誤治方面發(fā)揮了重要作用。

然而，目前AI＋醫(yī)療仍存在醫(yī)學數(shù)據(jù)相關(guān)問題、復合人才短缺、行業(yè)標準缺失以及醫(yī)療科研轉(zhuǎn)化為成熟產(chǎn)品的周期過長等問題。

其中，數(shù)據(jù)的獲取、使用與數(shù)據(jù)共享是阻礙AI＋醫(yī)療發(fā)展的最大因素。

由于AI＋醫(yī)療發(fā)展的主要推動力仍是滿足醫(yī)療行業(yè)的剛性需求，因而AI＋醫(yī)療在未來必然會打通數(shù)據(jù)壁壘，實現(xiàn)數(shù)據(jù)的安全、高質(zhì)量及共享的應用。

醫(yī)療AI企業(yè)面臨著不少痛點等待解決

像我國國內(nèi)企業(yè)在醫(yī)療影像方面面臨著數(shù)據(jù)流轉(zhuǎn)的問題，患者無法保存和管理自己原始的影像資料。

醫(yī)療領(lǐng)域里最重要的是準確度，需要在綜合一系列由人工智能計算出的指標的基礎上，由醫(yī)生來做出最后判斷和決策。

由于試驗設計質(zhì)量參差不齊，具體的有效性很難進行比較和評估。

沒有統(tǒng)一行業(yè)評判的標準，可能會給數(shù)百萬患者帶來風險。同時也易助長醫(yī)療企業(yè)炒作AI實效性的火焰。

AI在醫(yī)療領(lǐng)域的應用更接近與體檢和預防，有時候帶來的效果很大，但非常間接，不容易形成控費價值的影響。

產(chǎn)學研實踐要掃清的障礙

從醫(yī)生角度看，年輕醫(yī)生首先要打好臨床、教學、科研的基礎，但到了一定階段，醫(yī)生不會滿足于常規(guī)的工作內(nèi)容，而是往產(chǎn)學研的方向發(fā)展，會涉及更多跨領(lǐng)域的合作。

醫(yī)生的臨床思維和程序員的開發(fā)思維存在巨大的差異，AI產(chǎn)品能否觸及醫(yī)學本質(zhì)，只有讓醫(yī)生愿意使用它，AI才有意義。

從應用場景上看，?？婆c全科領(lǐng)域邊界的劃分有待明確，醫(yī)養(yǎng)康的技術(shù)閉環(huán)沒有形成。

更大的挑戰(zhàn)來自于行業(yè)內(nèi)AI評測體系標準尚未規(guī)范，造成企業(yè)理解差異大、產(chǎn)品良莠不齊。

醫(yī)療場景下，數(shù)據(jù)脫敏需求強烈、數(shù)據(jù)操作合規(guī)性要求高。標準的暫時缺位無疑影響這一領(lǐng)域的應用推廣。

在另一方面，國內(nèi)由醫(yī)生參與和主導的產(chǎn)學研實踐還處于探索階段，尚未形成一個規(guī)范、明確的流程或方案，還面臨一些更深層次的障礙。

醫(yī)療大數(shù)據(jù)整體建設速度略顯乏力

相較其他獲得互聯(lián)網(wǎng)技術(shù)助推的行業(yè)而言，中國醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)的整體建設速度仍略顯乏力。

縱觀行業(yè)歷史，國內(nèi)的醫(yī)療大數(shù)據(jù)發(fā)展可向上追溯至2009年新一輪醫(yī)改中將電子病歷等醫(yī)療信息化的建設劃為重點任務，目前為止行業(yè)內(nèi)已然擁有了10年的海量數(shù)據(jù)積累。

各個醫(yī)院管理者有時會形成數(shù)據(jù)壁壘。我們在信息交流過程當中，目前可以做到徐匯區(qū)共享，但與其他的醫(yī)院和醫(yī)療還不能夠達到數(shù)據(jù)共享，造成信息孤島。

同時，我們也缺少有基層醫(yī)療經(jīng)驗又擅長人工智能的交叉人才。

然而，由于醫(yī)療數(shù)據(jù)的在流通共享環(huán)節(jié)和其他方面的諸多問題，即使已經(jīng)打下了十年的醫(yī)療信息化建設基礎，卻仍然出現(xiàn)了一個又一個信息孤島，掣肘著行業(yè)的發(fā)展。

結(jié)尾

疫情期間，醫(yī)療AI的應用得到了進一步的創(chuàng)新與推廣。但不可否認的是，醫(yī)療AI在發(fā)展中還有著各種各樣的瓶頸與痛點。如何打破瓶頸尷尬期，進而推動行業(yè)向前發(fā)展，是擺在醫(yī)療AI行業(yè)人士面前十分關(guān)鍵的課題。

責任編輯：lq6