美國著名神經外科醫(yī)生保羅·卡拉尼什在他的臨終著作《當呼吸化為空氣》中曾寫道：“我們背負著無形的枷鎖，肩負著生死攸關的責任，也許病人鮮活的生命就在我們手中?！?/p>

確實如此，醫(yī)療的嚴肅性，讓這個行業(yè)天然擁有一種“遲鈍感”。然而，最近這幾年，人工智能不斷地進入垂直細分領域，AI+醫(yī)療卻被認為是最容易落地的領域之一。

從可穿戴設備掀起健康管理熱潮，到影像輔助技術用于病灶精準識別，再到遠程醫(yī)療讓大山里的病人也能享受到先進的醫(yī)療服務，技術紅利大大提高了醫(yī)療服務質量，也深刻改變著醫(yī)療服務模式和理念，為構建新型醫(yī)療體系提供了重要支撐。

事實上，除了傳統(tǒng)的醫(yī)療器械公司，各大科技公司也在醫(yī)療領域正在上演新一輪的軍備競賽。國外的IBM、Google、蘋果、微軟、亞馬遜等均已布局醫(yī)療人工智能，國內的阿里巴巴、騰訊、百度、科大訊飛、華大基因等先后以“智慧醫(yī)療大腦”或其他形式切入市場。

此外，圍繞人才培養(yǎng)、技術創(chuàng)新、產業(yè)融合、產品落地等，世界各國紛紛展開布局。就國內而言，早在2015年，《政府工作報告》就將醫(yī)療領域納入“互聯網+”行動計劃，去年4月發(fā)布的《關于促進“互聯網+醫(yī)療健康”發(fā)展的意見》，推動醫(yī)療人工智能研究和應用進入高潮。

那么，人工智能在哪些方面可以幫助改善醫(yī)療環(huán)境？目前活躍在智慧醫(yī)療領域的企業(yè)有哪些？在落地的過程中有哪些痛點與難點呢？

智慧醫(yī)療以場景取勝

AI+醫(yī)療是什么？就是將人工智能技術應用到醫(yī)學診療中，讓計算機“學習” 醫(yī)療專家的醫(yī)療經驗和醫(yī)學文獻知識，模擬醫(yī)生的診治思維和推理過程，從而給出可靠的診治療方案，其價值可以從不同維度來觀察：

首先，從應用場景來看，智慧醫(yī)療最大的市場在基層。我們知道，基層醫(yī)療醫(yī)務人員需要承擔大量常見病、多發(fā)病、慢性病的病人，因此更需要提高診療水平和效率的工具。

目前，國家正在提倡分級診療，而基層首診是分級診療制度的重要基礎，分級診療需要基層醫(yī)療機構做好 “守門人” 和 “健康管理者”。這里說的基層主要是指醫(yī)療服務能力比較薄弱的地方，比如說具備“老三件”、簡單生化儀器的社區(qū)衛(wèi)生服務中心或村衛(wèi)生室等。

值得注意的是，雖然智慧醫(yī)療在基層的推廣和普及，可能是一種“攪局式”創(chuàng)新，但是這些技術創(chuàng)新有助于推動原來需要專家才能做到的診斷、治療，讓基層醫(yī)生在缺乏高端儀器設備的情況下，也能為患者提供初步的診治工作。

其次，從技術應用來看，比較常見并且高效運轉的智慧醫(yī)療，主要是自然語言處理類輔助診斷系統(tǒng)和醫(yī)學影像識別類輔助診斷系統(tǒng)兩個細分領域。實際上，醫(yī)療人工智能作為一種提高效率的工具，目前已經覆蓋了醫(yī)療產業(yè)鏈條上的醫(yī)療、醫(yī)藥、醫(yī)保、醫(yī)院四大環(huán)節(jié)，主要應用于醫(yī)學影像、虛擬助手、藥物發(fā)現、醫(yī)院管理、健康管理、疾病預測、精準治療以及輔助診療等方面。

其中，最熱門的領域當屬醫(yī)學影像。第三方市場調研機構Global Market Insights數據顯示，醫(yī)療影像和診斷技術將成為2017年－2022年智慧醫(yī)療領域增速最快的行業(yè)，預計到2024年，行業(yè)將達到250億美元，增速超40％。

事實上，在醫(yī)療診斷中，影像的價值是無可取代的，90％的醫(yī)療數據需要醫(yī)生通過影像來判斷病理情況、手術方案、用藥風險等。但在臨床應用中，影像解讀高度依賴于醫(yī)生經驗，具有較大的主觀性，因此，尋求客觀、有效的評估方法是一個重要的研究方向。使用“醫(yī)學影像＋AI”能更全面地獲取病灶信息，降低漏檢概率，具有重要的臨床意義。

除此之外，像上海、北京、廣州等地的大醫(yī)院都承擔著一些附屬醫(yī)院的會診工作，但讓這些醫(yī)院的醫(yī)生每次都去現場指導是不現實的。通過 AI+5G 的方式可以讓大醫(yī)院的醫(yī)生從去隱私、脫敏的病人基本信息輸入到病情的分期、病理診斷方案、用藥的順序對附屬醫(yī)院的醫(yī)生進行演示，對遠程會診、遠程醫(yī)療起到比較好的作用。

客觀來說，目前人工智能的應用更注重場景。實際上，如果沒有具體的產品落地去滿足用戶的需求，僅是擁有超強的計算能力，AI+醫(yī)療只能是一個空中樓閣。所以，智慧醫(yī)療需要結合行業(yè)應用，一方面利用精準數據資源、算法，另一方面根據特定的應用場景設計商業(yè)模式。

智慧醫(yī)療的三類玩家

眾所周知，目前國內面臨優(yōu)質醫(yī)療資源的供需不平衡，醫(yī)生培養(yǎng)周期長，疾病譜變化快，技術日新月異，人口老齡化加劇，慢性疾病增長等問題待解決。公開數據顯示，全球醫(yī)療行業(yè)，平均每萬人擁有醫(yī)生14人，在中國這一數字也是14人，美國在27人左右。隨著人們對健康重視程度提高，大量需求催生了醫(yī)療AI的快速發(fā)展。

毫無疑問，將AI應用于醫(yī)療領域已成為眼下的科技熱點。麥肯錫有一項預測，到2025年，全球智慧醫(yī)療行業(yè)規(guī)模將達到總254億美元，約占全球人工智能市場總值的1/5。但在實際的產業(yè)發(fā)展中，中國智慧醫(yī)療仍處于起步階段，賽道里的玩家熙熙攘攘，大體上可以分為三類，簡單來說：

第一類，是傳統(tǒng)醫(yī)療器械公司，主要有三大巨頭GPS，即GE、飛利浦以及西門子醫(yī)療。近幾年，三大巨頭相繼轉型：GE將醫(yī)療業(yè)務拆分，聚焦于數字醫(yī)療應用和解決方案；飛利浦以醫(yī)療AI為突破點，自建生態(tài)平臺、并購初創(chuàng)企業(yè)、聯合生態(tài)合作伙伴；西門子醫(yī)療正從頭開始構建AI能力，希望建立數字化醫(yī)療“App store”。

值得一提的是，幾年前對這些企業(yè)的定義更側重于工業(yè)側，但現在它們已經完全被業(yè)界認可為健康科技企業(yè)。

第二類，是科技巨頭。較為典型的就是IBM旗下的Watson Health，成立四年來，Watson Health收購多家醫(yī)療數據公司，砸下數十億美元，發(fā)布了超過120個解決方案，覆蓋醫(yī)療支付、服務提供、政府管理、生命科學四大領域。除此之外，國外的Google、蘋果、微軟、亞馬遜等均已在智慧醫(yī)療領域有所布局。

不同于中國互聯網公司在20年前的跟隨姿態(tài)，在人工智能領域，國內科技巨頭也不枉多讓，阿里巴巴、騰訊、華為、百度、科大訊飛、華大基因等均有所布局。

比如，騰訊在此前的昆明大會上，公布了七大智慧醫(yī)療新科技，既涵蓋AI醫(yī)學影像、AI輔助診療、AI運動視頻分析、AI病理分析等技術層的突破，也包含互聯網醫(yī)院、電子健康卡、醫(yī)學科普等創(chuàng)新解決方案；阿里健康攜手萬里云發(fā)布“Doctor You”AI系統(tǒng)，并在去年宣布啟動面向醫(yī)療AI行業(yè)的第三方人工智能開放平臺，12家醫(yī)療AI公司成為首批入駐平臺的合作伙伴；華為通過大數據、云計算技術的深度融合打造健康檔案區(qū)域醫(yī)療信息平臺，利用物聯網技術實現患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的互動，構建智慧化醫(yī)療服務體系。

第三類，是創(chuàng)業(yè)公司。近兩年，已經有超過100家以醫(yī)療為重點的AI創(chuàng)業(yè)公司拔地而起，資本市場對AI 醫(yī)療行業(yè)也頗為青睞。據不完全統(tǒng)計，2018上半年有18家從事醫(yī)療人工智能行業(yè)的公司獲投，總金額超過31億元。其中，云知聲先后完成C輪和C+輪融資、深?？萍家荒陜全@得三次融資。

值得一提的是，2017全年國內有關醫(yī)療人工智能行業(yè)的融資總額才18億元左右。由此可見，資本對于醫(yī)療人工智能市場的熱情是持續(xù)增長的。

毫無疑問，未來隨著人工智能在醫(yī)療應用領域的不斷拓展，醫(yī)療人工智能研究和應用將進入高潮，國內優(yōu)質醫(yī)療資源的供需不平衡等現狀將得到改善，智慧醫(yī)療也將不再僅存在于愿景之中。

智慧醫(yī)療落地的挑戰(zhàn)

當然，AI+醫(yī)療的融合并不是“一蹴而就”的，在落地的過程中，依然會有很多的痛點和難點，主要表現在以下幾個方面：

一是，數據難題。根據IDC Digital的預測，截至2020年醫(yī)療數據量將達到40萬億GB，是2010年的30倍。即使醫(yī)療數據量巨大，但其中80%左右都是非結構化數據，發(fā)揮不了“大數據”的價值。

我們知道，目前國家乃至全世界都推行使用電子病例，目的就是將醫(yī)療數據信息化、結構化，以便于智慧醫(yī)療的發(fā)展。然而中國大部分患者的數字化病例資料都是不完全的，這就對醫(yī)療數據的數字化整合帶來一定的難度，那么企業(yè)獲取優(yōu)質醫(yī)療數據的難度也隨之增加。

同時，不同的醫(yī)療機構或者企業(yè)，其數據錄入標準也是不一樣的，而單個醫(yī)療機構或者企業(yè)積累的數據難以訓練出有效的深度學習模型。因此，在不同醫(yī)療機構或者企業(yè)合作時，容易因標準不一導致優(yōu)質的醫(yī)療數據丟失。

可以說，AI醫(yī)療是基于大數據來發(fā)展的，而其要想為醫(yī)生輔助診斷疾病提供最好的支持，首先必須要解決數據的難題。

二是，復合型人才缺口。據業(yè)內統(tǒng)計，目前我國人工智能行業(yè)的從業(yè)人員不足5萬人，每年通過高校培養(yǎng)出來的技術人員也不足2000人，而在人工智能行業(yè)從業(yè)者中，我國擁有10年以上工作經驗的人才占比不到25%。

更為關鍵的是，在人工智能人才短缺的大背景下，醫(yī)療人工智能的復合型人才更是短缺。據動脈網統(tǒng)計發(fā)現，在47名醫(yī)療人工智能創(chuàng)業(yè)公司的CTO或者首席科學家中，與醫(yī)學專業(yè)相關的人才僅有7人，占比14.9%。

不同領域的人才之間的交流還是會存在比較大的困難，一個領域的專業(yè)人才去了解另外一個自己不熟悉的領域，其困難也是顯而易見的。因此，復合型人才在智慧醫(yī)療行業(yè)尤為重要，如果讓越多具備醫(yī)學知識和AI知識的復合型人才加入，必然對AI醫(yī)療的發(fā)展起到事半功倍的效果。

三是，技術基石尚待鞏固。從技術的角度來說，目前AI醫(yī)療大多還處于弱人工智能的階段。雖然AI醫(yī)療的應用場景很廣泛，比如虛擬助理、藥物研發(fā)、健康管理、醫(yī)療影像輔助診斷等，但是真正落地、符合醫(yī)院使用場景的產品還是比較少，因此，相關技術和產品的研發(fā)還有待進一步提升。

目前，大多數公司在多學科聯合診斷算法上還存在技術瓶頸。醫(yī)學算是一個比較前沿的行業(yè)，隨時都有可能碰到疑難雜癥，也就會出現新的數據，那么AI醫(yī)療產品的數據算法就要不斷的更新，而數據算法的技術難度也會隨之增大。

總的來說，我國在人工智慧醫(yī)療方面仍有很大的進步空間，絕大多數的產品都還沒到商業(yè)化階段。對于那些掌握人工智能技術的計算機專家和技術的公司來說，AI+醫(yī)療就是興奮劑，但依然存在諸多需要突破的壁壘。毋庸置疑的是，只有那些真正有實力的公司，才能在大浪淘沙的競爭中留存下來。