AI引爆医疗领域十张图带你了解人工智能医疗前景有多大！-电子工程世界

分享到: 微博; QQ; 微信; LinkedIn

人口老龄化+慢病高涨+医疗资源分配不均，医疗人工智能需求巨大

医学人工智能是解决医疗生产力的根本之道。在我国，人口老龄化、慢病高速增长、医疗资源供需严重失衡以及地域分配不均等问题，造就了对医疗人工智能的巨大需求；同时，我国人口基数大、产业组合丰富、人才储备充分等特点，又给人工智能的发展提供了很好的基础。

图表1：2010-2017年国内人口以及60岁以上的人口统计（单位：万人，%）

另一方面，近年来国家发布的80多条全国性政策以及多条医疗人工智能专项政策，都表明医疗人工智能的发展迎来政策利好。因此，中国已经成为了全球领先的AI研发中心，医学人工智能在中国的发展面临着非常好的机遇。

图表2：截至2017年医疗人工智能的相关政策

优质医疗资源匮乏，人工智能+医疗健康改变未来

医疗领域最突出的问题就是优质医疗资源不足，同时，医生对疾病的诊断准确度和效率还有非常大的提升空间。长期以来，大多数国家和地区，特别是进入老龄化社会之后，对医生的需求量有增无减。解决医生资源不足的问题，除了增加供给量，别无他法。但是医生培养需要周期，而且供给量也不能无限增加。于是，人们开始寄希望于机器。因为一旦能够实现机器看病，供给量将会无限增加。所以，人工智能+ 医疗健康的结合，是人工智能诸多应用场景中最重要一个。

图表3：医疗人工智能的发展历程（人工网络神经为例）

算力算法齐备，人工智能+医疗等待医疗大数据引爆

算法、算力和数据，是人工智能快速发展的三个要素。算力是人工智能的基础设施之一，目前每GFLOPS的算力成本已降至8 美分。算法是人工智能发展的基础，算法框架中诸如Caffe、TensorFlow、Torch 等大多数已经实现了开源，成为大多数工程师的选择，对行业的加速发展和人才的培养起到了非常大的作用。数据方面，人工智能系统必须通过大量的数据来“训练”自己，才能不断提升输出结果的质量。目前医疗数据还具有公开性不高，难以获得、清洗的特点。

图表4：医疗人工智能的三大要素

在过去的十年里，随着电子病历的实施，数字化的实验室幻灯片，高分辨率的放射图像、视频，医疗保健数据量呈指数级增长，整个医疗行业的数据量令人难以置信。再加上制药企业和学术研究机构档案，以及数万亿的数据流从可穿戴式设备的传感器中得到。EMC和IDC发布的报告显示，2013年全球医疗保健数据量为153EB，预计年增长率为48%。这意味着到2020年，这个数字将达到2314EB。

图表5： 2013-2020年全球医疗大数据数量及预测（单位：EB）

图表6：医疗数据特征

应用丰富，人工智能和医疗行业多个领域檫出火花

在医疗健康行业，人工智能的应用场景越发丰富，人工智能技术也逐渐成为影响医疗行业发展，提升医疗服务水平的重要因素。与互联网技术在医疗行业的应用不同，人工智能对医疗行业的改造包括生产力的提高，生产方式的改变，底层技术的驱动，上层应用的丰富。人工智能与医疗的结合方式较多，就医流程方面包括诊前、诊中、诊后；适用对象包括医院、医生、药企、检验机构等；就赋能医疗行业的角度分析，包括降低医疗成本，提高诊断效率等多种模式。我国医疗人工智能企业聚焦的应用场景集中在虚拟助理、病例与文献分析、医疗影像辅助诊断、药物研发、基因测序等领域。

图表7：医疗人工智能主要应用场景

创业公司层出不穷，国内医疗人工智能相关企业多达139家

据前瞻产业研究院统计数据显示，目前，国内医疗人工智能相关企业多达139家，主要分布在北京、广州以及长三角地区。从时间的维度上来看，国内的医疗人工智能企业从2014年开始出现了一个增长的高峰，虽然相较于国外来说发展较晚，但是近三年来的增长非常迅速，创业公司层出不穷。

图表8： 1998-2016年我国医疗人工智能成立公司数（单位：个）

从大的产业链层面来看整个行业的业态，我们可以看到，整个产业链可以分为三个层次：基础层、技术层与应用层。由于基础算法和计算平台、海量的数据来源还有机器学习、图像识别的基础技术的壁垒较高，往往需要较长期的高投入才能有高回报，因此科技巨头往往偏向于布局底层，而创业公司则往往选择在变现能力强、容易进入的辅助诊断、健康管理和药物研发等应用层扎堆。

图表9：医疗人工智能产业链

医疗人工智能潜力非凡，2018年市场规模有望达200亿

人工智能和医疗的结合具有非凡的发展潜力和想象空间，也是未来 5-10 年的投资热点之一。根据前瞻产业研究院发布的《2018-2023年中国人工智能行业市场前瞻与投资战略规划分析报告》：2016年中国人工智能+医疗市场规模达到96.61亿元，增长率为37.9％，中国人工智能+医疗市场规模在持续增长，2017年将超130亿元，增长40.7％，有望在2018年市场规模达到200亿元。

图表10： 2015-2018年中国人工智能+医疗市场规模增长趋势图（单位：亿元）

关键字：人工智能医疗引用地址：AI引爆医疗领域十张图带你了解人工智能医疗前景有多大！

上一篇：博恩思医学机器人完成1亿元A轮融资
下一篇：ROHM开发出高速脉搏传感器支持压力和血管年龄测量

推荐阅读最新更新时间：2024-03-16 12:13

深度学习发威人工智能为智能医疗添动能

人工智能持续展现其惊人的数据筛选能量。NVIDIA近期表示，该公司致力于新药开发的合作伙伴benevolent.ai，藉由内建GPU训练系统的人工智能计算机，在短短一个月内，便找出两种阿兹海默症药物的模型。明显增进科学家研究效率，为医疗体系的智慧化再添动能。研究机构IDC指出，到了2020年，80%的大数据与分析部署，将需要分布式的微分析，而有40%的公司分析软件中，将会包含基于认知运算功能的标准型分析。上述趋势，皆需要在现有运算能力上，有戏剧性的突破，而其很有可能将会由GPU来作驱动。 NVIDIA 解决方案工程架构经理康胜闵表示，NVIDIA在五年前开始投入深度学习领域，将影片、图片、文字，透过深度学习的过程，让计算机学习到

[医疗电子]

中国医疗设备市场成为电源制造商独特机会

　　IMSResearch认为，医疗设备市场可以方便地分成两块，分别是大型设备市场和小型/便携设备市场。大型医疗设备主要包括核磁共振成像设备(MRI),CT扫描仪和X光机，这些设备中使用的电源通常是高功率密度的开放式AC/DC电源和板载式DC/DC电源；而小型和便携式设备主要生命体征监测仪、心脏监测仪、呼吸机、血液分析仪和超声诊断设备，这些设备通常使用开放式电源或外部电源适配器。　　在中国，销往医疗设备市场的电源将保持快速稳步增长。根据IMSResearch的最新研究，到2012年，该市场将增至1.36亿美元。尽管在所有的应用领域中，医疗行业占电源市场的比重还很小，但该行业将保持高达19%的最快的年平均复合增长率。　　分析

[医疗电子]

卫生部：医疗器械故障应立即“待岗”

　　卫生部日前引发了《医疗器械临床使用安全管理规范（试行）》，从多方面对医疗器械临床使用定出规矩。《规范》要求，发生医疗器械临床使用安全事件或者医疗器械出现故障，医疗机构应当立即停止使用，经检修仍达不到标准的，不得再用于临床。　　为加强医疗器械临床使用安全监管工作，保障医疗质量安全，《规范》从临床使用前评估、临床使用管理、临床保障管理等方面对医疗器械临床使用定出规矩。　　《规范》要求，发生医疗器械临床使用安全事件或者医疗器械出现故障，医疗机构应当立即停止使用，并通知医疗器械保障部门按规定进行检修；经检修达不到临床使用安全标准的医疗器械，不得再用于临床。　　医疗机构临床使用医疗器械应当严格遵照产品使用说明书、技术操作规范

[医疗电子]

英特尔混合架构了人工智能芯片

英特尔在2019年发布了两款Nervana NNP系列新的处理器，目的在于加速人工智能模型的训练。据悉，英特尔的这两款芯片是以2016年收购的Nervana Systems命名，在人工智能训练以及数据分析等方面有着极大的价值。而英特尔与英伟达作为AI芯片竞争的主要成员，均在AI领域奋起发力，其中，英特尔主导AI推理市场，而英伟达主导AI训练芯片。但是用于神经网络处理的加速器系统，仍然存在着许多问题，例如由于与从存储器到数字处理单元的数据传输的带宽限制而导致的问题，这些加速器通常需要在片外存储器和数字处理单元之间传输大量数据，而这种数据传输会导致延迟和功耗的不良增加。为此，英特尔在2020年7月30日申请了一项名为“混合CPU

[手机便携]

Qualcomm强化其人工智能领域研究地位阐释未来愿景

　　8月16日， Qualcomm Incorporated子公司 Qualcomm Technologies， Inc.于今日阐释了其人工智能愿景——即以无处不在的终端侧人工智能对云端人工智能实现补充。下面就随网络通信小编一起来了解一下相关内容吧。在我们预想中的世界里，人工智能将使终端、机器、汽车和万物都变得更加智能，简化并丰富我们的日常生活。自2007年， Qualcomm 开始探索面向计算机视觉和运动控制应用的机器学习脉冲神经方法，随后还将其研究范围从仿生方法拓展到了人工神经网络——主要是深度学习领域。时至今日，Qualcomm Technologies宣布收购专注于前沿机器学习技术的阿姆斯特丹大

[网络通信]

2018年安防行业人工智能拉锯战刚刚拉开帷幕

在新工业革命的背景下，数据、计算力、算法和网络设施等快速迭代，正驱动人工智能进入新阶段。而人工智能由于巨大的技术溢出效应，将推动战略新兴产业总体突破，是各国必争的新动能、新机遇、新引擎。近一年来，虽然安防行业的自身格局已经趋于平和，但在行业面临技术变革的当前，这样的安稳的局面被打破也是迟早的事。颠覆一个行业的永远不是内行人，已经成为了各行各业无法摆脱的“魔咒”，而这些暗涌也让安防厂商开始新一轮的布局——企业整并、曲线上市、建立海外研发中心、生态建设等一系列新的举措层出不穷，为了能在智能时代拔得头筹，意识到这不是单纯的安防的战场，才能真正在“多元化”及“多极化”的商场上从容不迫。 AI时代下安企的机遇与挑战在《全球人工智

[安防电子]

通用机器人不再遥远，谷歌展示全球首个多任务AI智能体

近日，谷歌旗下的AI团队DeepMind推出了一个可以自我改进、自我提升的用于机器人的AI智能体，名为RoboCat。 RoboCat本质上是由AI赋能的软件程序，可以作为机器人的“大脑”，由其加持的机器人与传统机器人不同之处在于，RoboCat机器人更具“通用性”，并可实现自我改进、自我提升。 DeepMind称，RoboCat是全球第一个可以解决和适应多种任务的机器人AI智能体，并且它可以在各类真实的机器人产品上完成这些任务。据DeepMind的介绍，只需要通过100次左右的演示，RoboCat就可以学会操控机械臂来完成各式各样的任务，然后通过自生成的数据来进行迭代改进。要知道，构建通用机器人之所以进展缓慢，一个重

[机器人]

RPA突然火了？成为资本宠儿的背后

RPA为什么突然火了？两个月前，RPA还是个冷门领域，整个中国的ToB圈儿也没有太多人了解RPA。可就在这短短的两个月，RPA一下成了资本的宠儿、新兴的风口，成为火得不能再火的领域！一个行业突然火热，肯定有火热的道理，可这种火热到底是资本造出来的，还是RPA真的有用，倒是令我们心生疑惑。不过，在读本文之前，恐怕很多小伙伴还不清楚RPA是什么。所以，我们有必要在解答这些问题之前，给大家扫个盲。 01 什么是RPA？ RPA是智能化软件，可以理解为自动化机器人。只要预先设计好使用规则，RPA就可以模拟人工，进行复制、粘贴、点击、输入等行为，协助人类完成大量“规则较为固定、重复性较高、附加值较低”的

[嵌入式]