“AI + 医疗”： 人工智能落地的第一只靴子？

人工智能最大优势在于计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。与互联网不同，人工智能对医疗领域的改造是颠覆性的。

IBM 的人工智能 Watson，近日仅用 10 秒就开出了癌症处方。在引发舆论热潮的同时，也再次把 “AI + 医疗” 推向高潮。方正证券近日发布的互联网医疗深度报告就显示，尽管安防和智能投顾最为火热，但 AI 在医疗领域可能会率先落地。

接手 “互联网 +” 无奈的医疗痛点

图像识别、深度学习、神经网络等关键技术带动了人工智能新一轮大发展

该份报告指出，从互联网改造医疗行业的角度来划分，中国互联网医疗发展经历了三个阶段：信息服务阶段，即互联网改造的是医疗的信息流，实现人和信息的连接；咨询服务阶段，即互联网改造的是健康咨询的服务流，实现人和医生连接；诊疗服务阶段，互联网改造的是医疗的服务流，实现人和医疗机构的连接。

然而，互联网带来的模式创新没有根本上提升医疗供给端的服务能力，从而根本上解决医疗资源（尤其是医生）供不应求的局面。

与此同时，图像识别、深度学习、神经网络等关键技术的突破带动了人工智能新一轮的大发展。“人工智能 + 医疗” 概念应运而生。

与互联网的不同，人工智能对医疗领域的改造是颠覆性的。

对人工智能医疗的需求主要基于几方面客观现实：一方面是优质医疗资源供给不足，成本高，医生培养周期长，误诊率高，疾病谱变化快，技术日新月异；另一方面，随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高，医疗服务需求持续增加。

人工智能的核心能力实际上是人类自身已拥有的能力，但与人类相比，最大优势在于计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。

在医疗领域，IBM Watson 可以在 17 秒内阅读 3469 本医学专著、24.8 万篇论文，69 种治疗方案、61540 次试验数据、10.6 万份临床报告。通过海量汲取医学知识，包括 300 多份医学期刊、200 多种教科书及近 1000 万页文字，IBM Watson 在短时间内迅速成为肿瘤专家。

阿里云研究中心和 BCG 的最新合作报告指出，从技术突破和应用价值两维度分析，未来人工智能会出现服务职能、科技突破、超级智能三个阶段。基于数据的服务智能阶段将在接下来 3—5 年爆发：人工智能拓展、整合多个垂直行业应用，丰富实用场景。IDC Digital 预测，截至 2020 年，医疗数据量将达 40 万亿 GB，预计约 80% 数据为非结构化数据。

四大模式分争万亿市场

人工智能 + 辅助诊疗潜在市场空间巨大，至少是万亿级以上的营收规模

从全球创业公司实践的情况来看，AI + 医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他，其中以四种模式为主流。

首先是 AI + 辅助诊疗，即将人工智能技术用

于辅助诊疗中，让计算机 “学习” 专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。辅助诊疗场景是医疗领域最重要、也最核心的场景，人工智能 + 辅助诊疗潜在市场空间巨大，至少是万亿级以上的营收规模。

在 AI + 辅助诊疗的应用中，IBM Watson 是目前最成熟的案例。2012 年 Watson 通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。目前 IBM Watson 提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。

AI + 医学影像，是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是 AI 应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握 “诊断” 的能力。

如今，AI + 医学影像已经走出实验室，下一步将迎来商业化浪潮。贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到 92%，与病理学家的分析结合在一起时，它的诊断准确率可以高达 99.5%。国内的 DeepCare 对于乳腺癌细胞识别的准确率也达到了 92%。

AI + 药物挖掘，是指将深度学习技术应用于药物临床前研究，达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟，AI 可以对药物活性、安全性和副作用进行预测。借助深度学习，在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前，已经涌现出多家 AI 技术主导的药物研发企业。

最后是 AI + 健康管理。目前从全球 AI + 医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

巨头筑基下的生态圈竞争

底层基本都已由科技巨头布局，开放人工智能平台是其构建生态的必然趋势

报告指出，根据技术层级从上到下，人工智能产业链，目前分为基础层、技术层和应用层三个产业层次构成。

基础层的计算能力是构建生态的基础，技术层的算法、框架以及通用技术是构建技术护城河的基础，都属于人工智能产业大生态的基础设施，具有高投入、高收益的特点，需要中长期进行投资。而应用层是人工智能技术在具体行业、具体应用场景价值变现的渠道，具有变现能力强的特点。

目前，底层基本都已由科技巨头布局，且未来开放人工智能平台是其构建生态的必然趋势。应用层汇聚了大量的 AI + 医疗创业公司，分布在多个细分领域。总体而言，全球 AI + 医疗产业结构呈现倒金字塔形态。

对于全球科技巨头而言，之间的竞争不仅仅是某项技术、某个领域的竞争，更多是生态圈与生态圈的竞争。目前科技巨头均已利用禀赋优势打造属于自己的生态圈基本形态，已基本完成 “人工智能 +” 生态的基础设施布局。

随着科技巨头在 AI + 医疗的基础层和技术层布局逐步完善，在应用层的布局也开始发力。目前正在医疗行业应用布局的大公司主要有四家：IBM、谷歌、微软、百度。

目前，中国 AI + 医疗产业处于起步阶段。2016 年是全球人工智能元年，也是我国人工智能元年。资本对 AI + 医疗的追捧，多家创业公司顺利获得融资。其中，成立仅半年的碳云智能在 A 轮获得 10 亿元的融资。随着全球科技巨头陆续将人工智能平台开放，将有效弥补我国在底层方面的积累不足，各个细分领域的 AI + 医疗创业公司将受益。