作為人工智能最大應用市場之一的醫療領域，市場前景廣闊；據WinterGreen Research估計，隨著新的認知計算技術的發展，到2019年全球醫療決策支持市場規模將達到2000多億美元。

　　在“健康中國”上升為國家戰略之后，醫療產業的發展再次成為社會矚目的焦點。未來十年，醫療資源的下沉將使醫療產業大爆發，但產業健康發展的關鍵，在于用大數據和人工智能，提高醫療服務水平。

　　2011年到2015年，短短五年時間，中國醫療設備的市場規模翻了一番，目前已經超過3000億元，而這僅僅是中國整個醫療產業的一個分支。中國醫療產業發展研究院院長金東認為，隨著國家加大對健康產業的重視力度，醫療產業接下來的發展速度預計會更快，尤其是醫療設備領域。

　　現在我們國家在重視和推廣家庭醫生制度和基礎醫療，這會引起這個行業的結構調整?；A醫療市場空間巨大，一些專家測算，隨著藥品、醫療器械、大健康產品以及新型醫療健康發展模式的成型，十萬億量級的大健康醫療產業將全面鋪開。

　　人工智能醫療應用

　　在醫療上，人工智能正在悄悄滲透各方各面，不管是醫療費、診斷、治療，還是藥物的運輸，我們都可以看出，人工智能正帶給醫療領域一場顛覆性的變化。

　　人工智能加上醫療可以做的事情涵蓋多個領域。虛擬助理、醫學影像、藥物挖掘、營養學、生物技術、急救室/醫院管理、健康管理、精神健康、可穿戴設備、風險管理和病理學等領域均有“人工智能+醫療”的參與。

　　1.醫療影像及輔助診斷

　　國際上投入在醫療影像診斷的創業公司非常多，這不僅僅得益于影像數據的高質量，連續性好的數據特點，人工智能技術在圖像識別上的高精準率，也得益于影像診斷在醫療決策中的重要性。

　　2.健康及生活方式管理

　　除院內診療外，院外的健康管理和生活方式管理是提升健康水平的重要途徑。國內外發展慢性病管理及健康生活方式管理的公司層出不窮，健康管理市場巨大。

　　3.洞察及風險管理

　　人工智能+大規模數據處理平臺，賦予機器洞察數據內在聯系及價值的能力。結合專業醫療知識庫，通過洞察數據可以找到更合適的診療方案，以及醫療服務流程中的高效策略。

　　4.虛擬助手

　　一位虛擬的護士是再自然不過的遠程健康管理交互方式。

　　科技巨頭搶灘人工智能醫療

　　國內外資本及科技巨頭都在積極布局人工智能+醫療健康行業。大批專注細分領域的初創公司也蓄勢待發。

　　微軟宣布將AI用于醫療健康的計劃Hanover，他們試圖幫助尋找最有效的藥物和治療方案。。除此之外，微軟還在研究模擬癌癥如何在不同病人身體里擴散，甚至于研究像計算機編程一樣創造生物細胞等。

　　實際上IBM的Watson是最早布局這一領域的科技巨頭，IBM于2015年5月宣布推出Watson Health服務，收集健康數據交給Watson超級計算機進行分析，和蘋果以及醫療行業的公司和機構建立了各種合作。

　　Google的DeepMind也在英國和UCH大學醫院合作類似的醫療研究，還投了英國的Babylon Health；Google自己還投了Zephyr Health、Flatiron Health。

　　今年早期，DeepMind英國基地推出了Health division人工智能醫療系統。Deep Mind Health設計了一個叫作Streams的軟件。在皇家自由醫院（Loyal Free）的試點項目中，它可以讓醫生快速查看體檢結果。7月又宣布將與穆菲爾德的眼科醫院合作，在臨床醫學移動APP的幫助下，共同將人工智能應用到糖尿病及視網膜病變等醫療科研上。

　　加拿大公司Deep Genomics利用深度學習技術從基因組的非編碼區段找到了和癌癥密切相關的變異位點。第一款產品SPIDEX只需將測序結果和細胞類型導入，便可分析出某一變異對DNA剪切的影響，并計算出該變異與疾病之間的關系。

　　由原華大基因CEO王俊主導組建的碳云智能，旨在收集各種各樣的生命體征和信息的大數據，然后在這個數據基礎上，去建立一個人工智能的內核模型，然后把它對接起來，做一個整合。它甚至可以解讀人類基因和健康信息，并對健康風險進行預警、進行精準醫療和個性化醫療。

　　美國公司Atomwise想用超級計算機、AI和復雜的算法來模擬藥品研發的過程，以此降低研發成本。利用Atomwise提供的服務，可以預測哪些新藥品真的有效，哪些無效。

　　中國騰訊也在人工智能醫療領域重兵布局，今年4月投資深圳的碳云智能iCarbonX 1.5億美元，此前還投資過灣區的CloudMedX。

　　根據CB Insights統計的全球92家應用AI的醫療健康初創公司，截止今年8月底，全球醫療健康領域和AI相關的股權融資交易已經達到55次了，而2011年的時候只有8次。

　　從AI應用的范疇去看，在所有與AI科技相關初創公司的交易中，健康醫療領域的比重從2011年的11%上升到2015年的15%。同時，從AI應用的投資熱圖也可以看到，AI的應用逐漸從廣告市場營銷領域轉到健康醫療。

　　雖然目前人工智能在醫療救助方面尚處初級層面，然而其基于深度學習系統的發展潛力可謂巨大。近年來，除了傳統的統計分析算法，深度學習和人工智能成了從海量數據中獲取知識的有力武器，在基于大數據的醫療研究應用中也逐漸顯示出優勢。

　　人工智能醫療的挑戰

　　1． 訓練機器人的醫療數據怎么來？

　　最龐大的醫療數據儲存地必然是醫療機構，但這種涉及到患者隱私的高度敏感問題，也必然是政策高度管制的地帶。政府政策的態度就顯得至關重要。

　　美國政府的態度很明確，對于醫療信息的商業化應用必須嚴格符合HIPAA和HITECH兩個法案的規定。所以，很多醫療信息化的創業公司都會在自己的介紹中加上這么一個詞兒“HIPAA-Compliant”。要想成為“HIPAA-Compliant”企業，就必須在physical和technical上符合HIPAA的要求。未經授權，無論是物理手段還是技術手段，都不能接觸醫療信息。

　　2016年6月，國務院辦公廳公布了《關于促進和規范健康醫療大數據應用發展的指導意見》。這份寫了一年半的指導意見，也成為我國醫療大數據應用綱領性文件。醫療大數據是國家重要的基礎性戰略資源，指導意見把重點放在規范和應用上，有利于行業的發展和創新。

　　2．醫療問題太復雜

　　醫療是個有限集合。基本上是普通病、常見病的種類、癥狀以及檢測的指標等，數量和范圍都是比較明確的。理想狀況下，可以像AlphaGo一樣算清所有變化。但問題是，醫療因為是發生在人身上的事情，就讓這個問題復雜了許多。

　　直觀上講，同種疾病會有不同癥狀，同種癥狀會對應不同疾病，在疾病的癥狀與結果之間沒有確定的對應關系，不同疾病之間也沒有清晰的邊界，而且還會存在同時發病的情況。這種情況，就讓很多依靠知識庫建立在“if-then”邏輯上的智能問診應用面臨很大問題，起碼可應用的范圍就會大大縮小。

　　進一步分析，疾病的治療過程是不可逆的，這就是它與AlphaGo下棋完全不是一回事；究竟是哪些因素導致的疾病，并不是所有的信息都是清楚的；正因為病因上不夠清楚，以及醫學本身的有限性，造成了疾病的治療結果不穩定性。

　　正是因為醫療如此復雜，造成了過去五十年對這個問題的研究遲遲沒有突破。而這些問題還是在第一環節診斷上，到后面的治療環節就會遇到當前互聯網醫療在商業化方面的各種問題，比如與醫院、醫生、藥店建立怎樣的商業生態。當然還有一個最重要的問題是，就算你的應用真的很牛，如何讓你的用戶用起來，以及如何獲得用戶都是相當艱巨的問題。

　　3.工作量巨大

　　IBM在連花了40億美金之后，驕傲的宣布自己已經擁有1億份患者病歷，3000萬份影像數據以及2億份保險記錄，數據總量超過60萬TB，覆蓋人數約3億。Google抱上了NHS的大腿，獲得了160萬患者的健康數據。但這些，在中國每年80億就診人次面前，簡直是滄海一粟。

　　中國公司成長空間巨大

　　盡管國外先進人工智能醫療公司如Watson和DeepMind，他們有IBM和Google這樣的強大靠山，但他們在醫療領域也僅僅是入門級。眾多醫療創業公司還有巨大的成長空間。

　　同國外先進公司相比，中國公司大體上呈現了幾個特點：

　　1. 智能化程度不夠高，不少醫療類的項目主要還是在線咨詢服務；

　　2. to C類產品仍然占據大多數，B端服務開發不足；

　　3. 醫療機構信息化領域比較活躍，主要是解決機構信息互聯互通的問題。

　　中國因為人口龐大而在醫療大數據上的巨大優勢，還遠遠沒有充分發揮出來，在醫療人工智能上成長空間巨大。

　　一是輔助診斷系統，應用人工智能為醫生診斷提供幫助，提高效率和準確性。中國公司目前與醫療機構打交道更多仍然是獲取醫療資源，提供簡單的在線咨詢服務。但這種對互聯網的應用方式，已經顯得普及化、大眾化，漸漸失去了商業價值。

　　二是服務醫藥器械企業，降低藥品和器械的研發成本、縮短研發周期。實際上，中國公司不缺乏服務藥企的的項目，但大多數僅僅是應用互聯網做藥品營銷。雖然這也是一個賺錢的業務，但相比直接服務新藥研發，仍然顯得技術含量不足。

　　三是醫學影像，這里包括普通的影像，也包括病理、放療涉及到“讀片”的大影像概念。IBM收購Merge表明，讀懂影像類數據對人工智能的發展是有價值的。而且美國過去一年的投資記錄也可以看到，美國投資人對影像類人工智能的應用也比較看好。

　　總結：

　　醫療健康一直是民生之向，而科技可以將其點亮。隨著人工智能技術與醫療不斷融合，醫療智能化時代將全面開啟。