人工智能引爆医疗领域 国内厂商有哪些应用在医院落地？

原标题:人工智能引爆医疗领域 国内厂商有哪些应用在医院落地？

“人工智能”大火，在不同行业的网站，都能看到人工智能在各个领域的发展成果和技术突破。人工智能不再是一项只能存在于研究中和人们的设想中的技术，而是逐渐成为一项可应用、可普及的基础技术。

医疗领域是一个相对来说比较特殊的领域。医疗领域最突出的问题就是优质医疗资源不足，世界卫生组织估计，全球约有430万医生和护士的缺口。医护人员的欠缺在发展中国家更为严重，而发达国家也面临医疗费用日益高昂的挑战。

资源缺乏带来的影响，往往体现在每个患者可以得到的诊疗时间。一项研究估计，美国医生在每个病人身上平均花费13-16分钟。而在国内，此前有报道称医生平均接诊时间4-6分钟。

更有调查称：“门诊医生平均只肯听病人述说病情19秒”。但是我们又不能去指责医生，毕竟很多医生忙的连饭也顾不上吃，据统计，2017年国内共发生九起医生因长时间工作后猝死的案例。

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。截至2017年底，中国60岁及以上老年人口已达2.41亿，占总人口的17.3%。人口老龄化程度持续加深，对医生的需求量更是有增无减。但是医生的增长的数量远远跟不上需求量的增加，医生的培养周期相对较长，这是学科和社会责任对医生的要求，从医学生开始到一个小医生要10年的时间。

怎么办？人们开始寄希望于机器，跟人比起来，机器不会累，只要有电，机器就可以一直工作下去。所以，人工智能在医疗领域的应用与其他的应用领域相比，重要性显得格外的突出。

在虚拟助手、医学影像、疾病筛查、医疗大数据等领域，人工智能已开始发挥作用，据因果树统计，在医疗领域，涉及人工智能的公司包括森亿智能、Airdoc、推想科技等在内共83家，跟进机构如腾讯投资、红杉资本、启明创投等共87家。如此多的国内科技企业携手资本市场涉足人工智能+医疗，到底有多少应用在医院真正落地使用了呢？

虚拟助手

虚拟助手是一种可以和人类进行沟通和交流的辅助机器人，医疗领域需要的是专注医疗健康类的专用虚拟助手。和比如siri等通用类型助手相比，医疗是一个更垂直，专业度更高的领域，有很多专业术语和专业技能需要我们去学习。

在虚拟助手领域，目前比较有代表性的企业就是科大讯飞。目前科大讯飞的布局主要分四个方向，智慧医院、智医助理、人工智能影像辅助诊断和人工智能辅助诊疗中心。科大讯飞最有名的莫过于人工智能导医导诊机器人“晓医”。

科大讯飞的医疗咨询经理丁兢娜博士曾表示，“科大讯飞的核心技术是语音技术，包括从语音的识别到语音的转写，语音合成和自然语言理解。我们的语音识别准确率已经达到98%以上。”

科大讯飞虚拟助手的落地情况也交出了一份漂亮的答卷。国内知名的超三甲医院，中国人民解放军总医院，中国医学科学院北京协和医院，上海交通大学医学院附属瑞金医院都与科大讯飞有合作。

在电子病历录入方面，北京云知声信息技术有限公司为北京协和医院提供的语音识别系统其识别率已高达95%以上。提高了病历书写的丰富性和便捷性，更提高了医护人员的工作效率。

此外，涉及医疗虚拟助手的企业如百世伽，银杏宝等也有不俗的表现。

医学影像

“人工智能+医学影像”被多位业内人士认为最有可能率先实现商业化。

早在2015年11月，华中科技大学同济医学院附属同济医院就已经和推想科技合作，将十几万张X光和数千张CT数据图像输入系统。推想科技其中有一款智能CT辅助筛查的产品，这个产品可以提升肺结节筛查的效率，原先医生完成整套胸片检查要十几分钟，而现在计算机几秒钟就可以看完。

在2017年3月份，四川大学华西医院和希氏异构在消化内镜人工智能技术研发方面进行了先期合作。现在，华西医院与希氏异构公司在消化内镜影像领域的人工智能技术研发取得突破性进展，对于消化内镜下的多种疾病判定准确度达到95%左右。

2017年9月，南京医科大学第一附属医院与推想科技建立合作关系，使用推想自主研发的胸部CT辅助筛查系统AI-CT。

人工智能在图像识别方面的应用，主要应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，可以减少医生的工作量，这是业界已经达成共识的，但是在通过大量的影像数据和诊断数据，不断深度学习，促使其掌握“诊断”的能力上，人工智能是否能给予医生很好的建议和意见？

疾病筛查

2017年中旬露面的腾讯觅影，能通过图像识别和深度学习的方法对各类医学影像（内窥镜、CT、眼底照相、病理、钼靶、超声、MRI等）进行训练学习，最终达到对病灶的智能识别。目前主要应用于辅助医生临床诊断和疾病的早期筛查。

其食管癌智能筛查系统最为成熟，准确率高达90%，该系统已于2017年8月在广西壮族自治区人民医院上线。腾讯还宣布与中山大学附属肿瘤医院（广东省食管癌研究所）、广东省第二人民医院、深圳市南山区人民医院进行合作。

近期，上海交通大学医学院附属瑞金医院结合精湛的专业知识与丰富临床经验，利用第四范式的机器学习平台‘先知’，采用先进的机器学习算法建立模型，预测出个人三年后患糖尿病的概率。对于糖尿病高风险人群，此类早期的提醒可以提高公众的重视程度。

医疗大数据

医疗行业，一个被看作是海量数据集中等待被“唤醒”的行业，对大数据的应用有着巨大的潜力。而现实情况是在医疗行业孤立存在、杂乱无章的病历、医疗数据和账单信息很难为数据分析提供依据，这样的数据孤岛不仅会导致医院关键的运营决策和临床决策不明智，而且效率低下直接影响医院对医疗资源的运营效率。

2013年，北京大学人民医院就建成了临床数据中心。医院产生的数据包括医嘱、检查、检验、病例、文书、费用信息和大量的影像数据。北大人民医院内部科研数据查询的需求涉及35个临床科室。

自2015年起，复旦大学附属中山医院信息中心和胃癌医学中心联合成立了胃癌数据库开发团队，充分挖掘胃癌临床诊疗真实世界数据，为优化胃癌综合治疗方案提供更多的高质量临床研究依据，进而提高我国胃癌的整体治疗水平。

人工智能+医疗前景巨大

目前国内有83 家企业将人工智能应用于医疗领域，主要布局在医学影像、虚拟助手两个应用场景，而其中涉足医学影像类的企业数量达到40 家，远高于其他应用场景的企业数量。

据因果树数据看来，目前企业数量最多的医疗影像和平均融资额最高的病历、文献分析类企业排在成熟度的第一位和第二位。

医学影像领域算法和技术已经成熟，企业的瓶颈在于如何获取足够丰富的医疗影像数据，如何实现综合诊疗，以及如何获取收益。

而其他类型的人工智能+医疗企业，都还大部分处于技术萌芽之后的快速上升期。疾病筛查和医疗大数据领域，因为难度最大，算法最复杂、需要数据最多，导致发展难度远远大于其他领域。报告中所举例的案例，也大部分还在大学、研究机构的研究阶段，所以位列最后也符合其市场表现。

“人工智能+医疗”在面对医疗机构与医生群体时，可以提供更多解决用户痛点的解决方案，例如病历文献分析、智能化器械、新药发现、医院管理；在面对消费者时，也可以辅助人们进行健康管理、疾病预防。人工智能与医疗的结合才刚刚开始，如果按人类3万多种疾病，每种都能有AI分析产品的话，AI+医疗的前景不可计量。