2017-2018人工智能+医疗产业研究报告

人工智能+医疗产业研究报告
人工智能技术能给医疗行业带来哪些改变？“人工智能对于医疗行业来说，可以让患者通过直接和间接感知到便利与高效，最终推动医疗行业不断发展。

”
直接感知主要是指现在一些医院已有智能导诊平台，就是基于对于医疗大数据样本的机器学习，通过人工智能设备人体识别分析后，告知患者该去哪个科室就诊，大大节约了医院排队等待时间。

人工智能目前在医疗临床应用主要包括以下四种：智能影像、智能语音、医学机器人、临床智能决策。

其中，智能影像和智能语音是基于图像和语音识别技术发展起来的，由于医学影像资料获取门槛较低、且更为标准化，语音数据识别技术成熟。

所以，智能医学影像目前发展最为成熟，临床接受程度也最高。

在不少业界人士看来，人工智能医疗只是辅助医生的手段，并不是主要医疗方式。

人工智能只是拟人化机器，如果用人工智能看诊，出错后谁来担责就是值得探讨的问题。

“医学是一个需要医生直接经验的累积和医学研究做支撑的实用科学，医生对患者看诊完后，才能对患者病情诊治得出准确结论；而人工智能医疗最大作用在于通过对大量真实、有效的医疗样本分析学习，最后推动整个医疗行业向前发展。

”
在今年的数博会期间，国际计算机学会知识发现专委会主席认为，目前面临的最大挑战和最大机会就用什么样的人工智能，管理、把握、经营不确定性。

比如，在医学上用人工智能技术能使医疗效率提高且
更有针对性，这不但带来了医疗技术的改变，还会带来新的挑战和机会。

“面对不确定性改变，企业和社会需要做出很多调整。

我们倡导建立一个共生协同的平台和生态，实现计算和智能深度融合，让用户聚焦业务和模式的创新”。

医学科研的发展需要用医疗过程中临床真实案例作为依据，对于案例样本数据的真实性和有效性有很高要求。

机器的算法、算力和大数据可以突破传统医学领域数据规模的局限性和地域数据偏差问题。

人工智能+医疗不是简单的用技术去找医院合作。

而是要让技术落地，就要历经千辛万苦找对场景，还要说服政策制定者、监管部门、医院采购者、科室主任、临床医生、病人等，证明技术的有效性、安全性和可行性。

最后，还要明白产品谁来买单。

“这需要花时间，企业家和投资人要更有耐心”。

人工智能+医疗首先要选取有科研能力和有医学前瞻性的大型医院进行合作，一方面保证数据来源的多样性和真实准确，另一方面医院有动力推动医疗大数据研究。

双方建立在相互信任的基础上，对数据进行标准和规范使用，将分散数据进行联通、收集，在取得成果得到肯定后来推动下一步的合作。

从高增长到高质量，还有一段路要走，尽管市场前景广阔，但是医疗人工智能产品从实验室走到临床大规模商用，还有待多重考验。

人工智能行业日新月异，对于需要频繁更新的AI辅助诊断系统，如何更好的实现动态监管，仍然面临挑战。

任何一个新兴的产业都会既有利又有弊，所以就要通过大量的实
验来验证是否符合当时的人们所生存的环境，总的来说人工智能运用在医疗行业方面将是一个好的结果，让我们期待吧！下面我将列举一些目前人工智能运用在医疗行业上的例子：
一、慢病管理
慢病的管理行为通常在院外发生，通过智能终端、数据管理系统、移动医疗设备和医疗健康应用软件，实现多项检测数据的网络接入，同时对患者的行为习惯、用药记录进行智能的监护和跟踪。

通过数据监控，可以了解患者当前的体征状况，是否遵医嘱按时吃药。

慢病管理类型的医疗大数据企业，其数据可能来自于临床医疗机构，也可能来自于患者所使用的智能设备积累而来。

根据患者的当前体征数据、行为数据，结合慢病大数据，为患者提供定制化用药及治疗方案。

通过对慢病患者的院外管理，可以延长他们的生命，减少并发症。

二、保险
保险机构非常依赖于医疗大数据，通过大量的疾病发病率、治疗效果、费用等数据的帮助下，才能制定出合适的保险产品，降低保险公司成本。

特别是火热的健康险，更需要依托医疗大数据和智能化的管理系统，将保险机构、医院、药房的数据进行整合，对目标人群进行精细管理，有效控制医保费用；
三、医药研发
通过医疗、医药大数据，利用人工智能深度学习能力的算法系统，对研发药物中各种不同的化合物以及化学物质进行分析，预测药品研
发过程中的安全性、有效性、副作用等，可以有效的降低药品研发成本，缩短研发周期，降低药品价格。

常见医药数据库包含临床数据、药物疾病信息、临床医学实验数据、研发情报、医药专利信息、市场销售数据等类别。

四、医院管理决策辅助
“医院管理”顾名思义，是指以医院为对象的管理科学，它根据医院工作的客观规律，运用现代的管理理论和方法，对人、财、物、信息、时间等资源，进行计划、组织、协调、控制，充分利用医院的现有资源，实现医疗效用的最大化。

通过对医院的临床数据、运营数据、物资数据进行挖掘，解决医院管理中的各种问题，提高设备的使用效率，降低医院运营成本。

医院管理运营中，已经较早通过数据分析实现了BI商务智能。

医疗信息化系统中，BI已经是一个非常重要部分，将医院信息化系统中的多源数据抽取、清洗后关联整合，建立医疗BI决策系统。

通过数据分析，实现人资、成本、绩效、医保、药事、门诊、住院、手术等多项管理，实时监控医院的运营状态，并可为医院的发展方向和运营做出决策支持的依据。

医疗大数据在医院管理应用上主要有两个方向，分别是优化医疗资源配置和弥补医院管理漏洞。

第一种是优化医疗资源配置：人工智能根据医院的情况，制定实时的工作安排，其目的在于优化医院的服务流程，最大限度利用好现有的医疗资源。

第二种是弥补医院管理漏洞。

通过大数据分析总结医院存在的问题，并给出解决方案，降低医院成本，提高医院的营收。

五、健康管理
医疗大数据应用，大多和疾病相关，是对患者的疾病体征、治疗方案等进行搜集的数据。

而健康大数据还关注健康人的体检数据、心理数据、运动数据、营养数据以及基因大数据。

通过数据的分析实现健康人的管理，让人不生病、少生病，是医疗大数据应用的终极方向。

借助物联网、智能医疗器械、智能穿戴设备，实时收集居民的健康大数据，通过对体征数据的监控，实现健康管理。

六、药企市场营销
通过对医疗大数据、医药大数据进行深度挖掘，可以从产业纵向及横向整合医院、药品生产、批发、零售全产业链资源，为医药行业提供集药品分销、零售品牌连锁、运营指导、医保对接等全方位的数字化市场营销方案；
七、基因大数据
基因测序技术的发展让基因测序成本迅速降低，数据也得到大量积累。

海量的基因数据让医学界了解了相当多人类的祖源、个体特征、罹患疾病的可能性、病变基因等知识。

人类对基因数据的研究虽然还只是沧海一粟，但是也已经在疾病筛查、诊断、精准治疗等方面开始展现出实力。

在基因检测行业中，上游是测序仪器、耗材的研发和生产商，被美国某个公司所垄断，中游是提供测序服务和基因分析的公司，下游是为用户解读测序数据报告输出的公司。

大多数基因数据被保留在提供测序服务和解读数据服务的公司中。

基因公司更像是一家数据公司，而不是医疗企业，是通过数据的分析和比对提供报告。