基于專利計量的全球人工智能技術在醫療健康領域應用發展態勢分析

陳欣然，李國正，崔一迪，夏秋芳，王明強

（1.中國中醫科學院，北京 100700；2.中國中醫科學院眼科醫院，北京 100400）

1 研究背景

專利是科技創新的源泉，而專利指標是反應創新過程的重要指標［1］。隨著專利申請量、優先權量的增長加速，掌握前沿領域及關鍵技術的專利權成為世界各國（地區）相互競爭的熱點，專利已經成為國際上處理國與國之間政治、經濟、科技、貿易競爭的重要手段之一［2-3］。

目前醫療衛生健康服務是當今世界發展最快的行業之一［4］。人工智能（artificial intelligence,以下簡稱AI）已經成為諸多行業技術創新發展的重要來源之一［5］。在國際創新政策環境不斷優化、科研投入持續加大的背景下，AI與醫療的結合,滿足了醫療行業的價值鏈多方面需求點，使精準化智能服務更加豐富多樣，在各個環節演化出豐富的應用場景［6］。因此，基于全球專利信息進行國內外醫療健康產業的AI創新應用分析，不僅能幫助了解相關領域申請專利的發展歷程，掌握AI作為創新醫療健康領域技術熱點和關鍵點的發展現狀及趨勢，也有利于相關決策者調整醫療衛生健康服務科技發展戰略與政策，提高資源配置效率。

2 數據獲取與研究方法

2.1 數據獲取

本文以德溫特專利數據庫（derwent innovations index，以下簡稱DII）為數據來源。德溫特專利數據庫是由Thomson Derwent與Thomson ISI公司共同推出的基于Web專利信息數據庫，整合了Derwent World Patents Index（德溫特世界專利索引）與Patents Citation Index（專利引文索引），共收錄了始于1963年來自全球40多個專利機構（涵蓋100多個國家）的3 000多萬條專利信息［7-8］，其專利情報和科技情報具有非常高的權威性。因此，本文使用DII作為數據來源，可保證結論分析的充分性、可靠性。

2.2 研究方法

2.2.1 數據分析工具

本文專利數據分析工具依托于中國工程科技知識中心，由中國工程院戰略咨詢中心、清華大學、華中科技大學、浪潮集團共同建設的戰略咨詢智能支持系統（intelligent Support System，以下簡稱ISS系統）及其CDA可視化分析軟件和Microsoft Excel。通過ISS系統對專利數據進行整理，提取專利信息分析中所需字段，如摘要、完整IPC報告、DWPI記錄等。

2.2.2 檢索策略及分析方法

根據本文研究的范圍和主要內容，結合中國專利保護協會發布的《AI技術專利深度分析報告》中列舉的AI的主要技術關鍵詞以及新興技術行業研究公司Venture Scanner對AI領域的分類［9-10］，通過調研關鍵詞在德溫特世界專利索引的檢索測試的結果，提煉出相應的關鍵詞及其英文，本文用于界定此次專利分析的檢索式如下：

ALLD=（（artificial intelligence or AI or machine learning or Depth learning or natural language processing or Speech Recognition or Computer vision or Gesture control or smart robot or Video recognition or Voice translation or Image Recognition or Basic algorithm or Smart search or Smart recommendation）and（healthcare or Clinical or medical or health or telemedicine or Diagnosis or health or hospital or Doctor-patient or medicine））;

使用高級檢索途徑在DII中檢索，得到國內外專利6957項以確保查全率和查準率又對重要申請人的申請進行了補充檢索，然后從結果中人工剔除明顯不符合研究范疇的文獻，最終確定全球相關領域專利3807項。

需明確的是有關本次數據分析的圖表數據約定:數據檢索日期截至2020年2月11日，由于專利申請滿18個月方可公開，因此導致在與年份有關的分析中并未完全展示全部量集，前瞻性可參考前兩年數值。

2.2.3 專利信息分析法

專利信息分析法又稱專利分析法，本文綜合運用實證分析、比較分析、系統分析、文字論述與圖表描述等研究方法，對收集整理的專利文獻中國家信息、申請人信息、技術信息進行統計與分析，旨在明晰AI技術在醫療健康領域應用發展態勢［11］。

3 結果

3.1 專利申請概況分析

3.1.1 申請量時間趨勢

AI技術在醫療健康領域全球專利申請總量如圖1所示。

圖1 人工智能技術在醫療健康領域全球專利申請總量

首先對所采集的數據按照時間序列進行了統計分析。從發展趨勢看，由于數據發布滯后，目前2019年專利數據未收錄全，但根據趨勢可以斷定隨著AI新技術浪潮的興起，其在醫學領域中的應用己勢不可擋，行業發展潛力較大。

圖1中全球申請量總體呈現增長態勢大致可分為3個階段：約從1973-2010年為萌芽階段，2010年開始有所發展，相較于前一個階段，專利數量增幅較大，說明AI技術在醫學領域的發明創造活動和專利申請近年來開始活躍，但仍未有實質性突破，可將這段時間視為初步發展階段；2012年開始專利數量增幅攀升，特別是2016年的專利數量是2012年專利數量的2.96倍。隨著技術的飛速發展，行業需求使得AI技術在醫療行業進入快速增長階段，顯示出醫學領域對AI技術的融合發展迎來新的發展趨勢，這與此時宏觀經濟發展趨勢、醫療需求及供給以及AI技術發展密切相關，人們對醫療健康服務的效果、品質、體驗等提出了更高的要求，醫療健康服務將更加注重個性化、人性化；優化就醫流程、增加便捷性、改善候診就診及病房條件、提升醫護人員服務意識、提供精準醫療將是大勢所趨。盡管醫療行業通過AI技術驅動服務提質增效的需求迫切，然而，醫療與AI依然需要不斷融合，圍繞醫療健康核心業務流程，AI技術在提高效率節約成本的目標下，明確技術創新突破攻堅方向。對于以上重點問題，下文將采用比較分析法從重點申請人、技術構成方面進行對比分析。2010-2019年年AI醫療健康領域專利申請數量如表1所示。

表1 2010-2019年人工智能在醫療健康領域專利申請情況

3.1.2 申請國家/地區分析

對3 807件專利進行統計分析得出，中國申請專利數量最多為1 391，其次是美國1 072件、世界知識產權組織611件，及日本、韓國、歐洲專利局等，詳見圖2所示。中國和美國的專利申請量占全球相關領域所有專利申請總量的36.53%和28.15%，發展態勢比較突出。作為創新領域技術發展的熱點和關鍵點，AI技術在醫療健康領域的融合應用不僅創造了開發新技術和知識的機會［12］，成為科技發展新的增長點，還成為改變一個地區乃至國家定位醫療產業創新的重要驅動力［13-14］。

圖2 人工智能在醫療健康領域專利申請國家/地區

繼而采用氣泡圖來展示申請國家-申請時間二維分析，進一步了解各個國家發展趨勢，見圖3所示。從圖3中可以看出，該領域的主要申請國家發展趨勢形成了該領域整體發展趨勢。

圖3 人工智能技術在醫療健康領域專利申請國家/地區-申請時間二維分析

如圖3所示，我國2004年之前相關專利零星分布，這一階段屬于探索階段。從2004年開始重視申請專利，致力于相關產業發展，開啟初步發展階段。尤其是對比中美的申請情況，我們可以發現從2016年開始中國申請數量突破百項，可將這段時間視為快速發展模式。由此可見，我國AI技術在醫學領域的應用專利申請雖然起步晚，探索階段比較短。

值得注意的是，美國、日本和歐洲專利局雖然總數上低于我國，但都屬于行業開始較早的領先國家；尤其是目前美國和中國的專利優先權申請數量增長迅速，領先其他國家地區，但中國只2018年才首次超過美國。這與我國相關醫療創新政策環境不斷優化、科研投入持續加大密切相關。我國首次正式在AI領域進行系統部署的規劃文件，是2017年7月8日，國務院發布的《新一代AI發展規劃》［15］。《規劃》指出到2030年，中國AI理論、技術與應用總體上要達到世界領先水平。在《規劃》提出的六大重點任務中，醫療作為其中一個重要的應用領域受到了極高的重視，明確了發展智能醫療方向：“推廣應用AI治療新模式新手段，建立快速精準的智能醫療體系。探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診。基于AI開展大規模基因組識別、蛋白組學、代謝組學等研究和新藥研發，推進醫藥監管智能化。加強流行病智能監測和防控”。

對比其他國家拓展AI技術在醫療健康領域創新應用，2016年美國白宮公布的兩份報告——《白宮為未來人工智能做好準備的報告》和《美國國家人工智能研究與發展戰略計劃》［16］，分別明確強調AI為醫療帶來的社會意義和經濟價值，使AI醫療領域具有非常樂觀的前景，并要在醫學診斷等領域開發有效的人類與AI協作的方法，當人類需要幫助時，AI系統能夠自動執行決策和進行醫療診斷。2017年3月［17］，法國《法國人工智能戰略》中指出“在國家健康數據研究所的基礎上，法國優先發展衛生健康領域，并將成立真正意義上的‘衛生健康數據中心’，該數據中心包括醫保報銷數據、臨床數據和科研數據等，并最終實現數據開放。”2017年3月，日本發布《人工智能技術戰略》，文中日本將醫療健康及護理作為AI的突破口［18］。為應對快速老齡化社會的到來，日本基于醫療、護理系統的大數據化，將建成以AI為依托、世界一流的醫療與護理先進國家。2019年12月17日，韓國政府公布“人工智能（AI）國家戰略”，以推動AI產業發展。該戰略旨在推動韓國從“IT強國”發展為“AI強國”［19］，從2020年起在高校增設AI專業。

縱觀世界各國在AI上的一系列戰略政策布局，不難發現擁有AI技術或在應用領域具有優勢的國家均快速作出反應，并基于自身國情制定出一系列相關醫療領域的AI應用戰略［20］。激發近年來全球多國AI在醫療領域申請專利數量增長迅速態勢。另一方面，這也與AI技術屬性相關，大量AI深度學習平臺的出現和框架開源，促使AI技術能夠迅速在醫療產業領域中融合研發，足見未來全球在醫療領域AI是重要的應用發展方向。

3.2 主要專利申請人分析

主要專利申請人的專利申請量可以反映出一個產業領域的技術開發程度、投入程度，對專利申請人的分析更能真實反映國內外技術競爭格局。通常認為擁有的專利申請數量較多的申請人的創新能力相對較強，或具備相當的技術優勢。圖4分析專利申請人的專利數量排名情況，即每個數據點代表該申請人總共申請了多少件專利。

圖4 人工智能技術在醫療健康領域主要專利申請人

由圖4可以發現申請人有科技巨頭、行業巨頭、醫療信息化企業和AI技術企業，這反映出AI在醫療行業的應用以滿足核心人群和主體參與者的價值需求點為中心，不再集中于醫療背書的行業結構參與為主體，這些申請人為醫療體系的改革突破以及創新發展注入了新的活力。從圖4可以看出，SIEMENS Inc.（西門子）、International Business Machines Corporation（國際商業機器）、PHILIPS Inc.（飛利浦）申請的專利數量最多，分別為:141件、120件、68件。其中企業專利申請人為9個，4個為美國公司，歐美國家公司具有顯著優勢；中國申請人為2個，其中1個為企業、1個自然人，回顧上一節分析我國AI技術在醫療應用專利申請領域總數多，對比排位差距，說明中國專利申請人構成相比國外較為分散，單位申請人能力與國際前沿水平相差較大，其中值得肯定的是平安集團走在我國申請人的前列。

圖5 人工智能技術在醫療健康領域專利申請人-申請時間二維分析

繼續分析前20排名的重點專利申請人-申請時間二維分析，如上圖5氣泡圖中可以看出，排名第1的SIEMENS Inc.（西門子）和排名第3的PHILIPS Inc.（飛利浦）雖然總數差距較大，但專利申請創新性的時序性，一直常年保持較為持續和高產的發展；而在整體趨勢分析中第5位的平安集團及其他后序中國申請人整體集中于近兩年開始申請專利，其中浙江工業大學起步較早；排名第8位的HITACHI Inc.（日本日立)雖然是最早開始相關領域的專利申請，但自2007年至2015年及2018年的申請數據為零，創新性相比其早期階段相差甚遠，說明該公司這段時期失去相關研發能力，進一步論證了該公司在重點專利申請人和重點專利權人排名差異較大的原因。

以上申請人中International Business Machines Corporation（國際商業機器）作為科技巨頭資金雄厚、能長期布局和投資，AI技術和人才實力有積累，并能結合云平臺提供服務，最容易形成全疾病范圍、多區域覆蓋、平臺式的產品服務。而SIEMENS Inc.（西門子）與PHILIPS Inc.（飛利浦）、General Electric Company（通用公司）、上海聯影等影像設備企業通過依靠現有的影像設備加入AI算法切入醫療機構，易在自有體系內形成一致性的標準和連接。HeartFlow、騰訊、平安等AI創企對市場反應靈活，部分企業在某些醫療健康領域布局較早，通過與醫院進行科研合作、集成進醫院信息化廠商軟件等形式，形成了一定數據和算法壁壘。足見在新一波技術發展浪潮中，以AI技術為代表的“技術簇”正在為各行各業帶來新的技術架構、新的商業模式和新的發展理念。AI技術發展催生的醫療健康行業智能化正在推動各行各業創新發展。

但是由于AI不同于傳統的計算機輔助系統，其具有自學習和快速迭代的特性，推理過程也不完全透明［21］，上述研究多從宏觀層面進行融合應用的整體跨領域研究，而從微觀層面即具體技術視角明確其是否能與醫療健康發展創新，產生持久的、穩健的、可靠的產業升級，這為本文提供了新的研究思考。

3.3 技術分析

國際專利分類（IPC）完善的專利技術分類體系，是目前國際通用的比較完善的專利技術分類體系。IPC分類號為5個不同等級：部（Section）、大類（Class）、小類（Subclass）、大組（Main Group）、小組（Group），可以進行技術領域的區分。

3.3.1 IPC3級分類技術分布趨勢分析

一般情況下，具有普通意義的可視化能夠展示分析結果?？墒遣扇〗换ナ娇梢暬姆绞剑軌驅M行探究式的詢問，從而讓分析有新的線索，從而形成分析迭代以及可視化。當前，該領域研究的重點，包括以大規模數據為基礎的實時交互可視化分析，以及該過程引入的、自動化相關的要素。

IPC能及時得到滿足分析需求的專利數據和信息。通常來說，公開專利申請數量較多的IPC，申請人在該技術分支中創新相對較為活躍?？蛇M一步揭示不同類型技術領域比較優勢持續時間特征的差異。具體而言，本文借鑒已有研究從以下 4個方面對 IPC大類進行分組分析。通過統計發現醫學AI領域的專利技術主要分布在G16H（包含專門用于處置或處理醫療或健康數據的信息和通信技術）、G06F（電數字數據處理）、A61B（診斷；外科）等小類。其中醫療專業性相關的專利數最多。

表2 人工智能技術在醫療健康領域專利申請IPC3級分類

在信息處理方面，G16H、G06F、G06N、G06K這與算法與數據作為AI基礎有直接關系。目前通用算法和開放數據集訓練構成AI醫療健康產品核心競爭力。通過實現數據精雕、滿足泛化醫療健康應用需求和有針對性優化算法的專利申請，為增強算法的魯棒性、安全性、易用性，獲取高質量數據并對數據標注進一步優化，增強對不同醫療屬性的數據良好適應性，以及在算法和技術層面針對小樣本、多模態、分布式樣本進行優化。

在醫療診斷及其圖像和語音處理方面，A61B、G06T、G10L的大量專利申請，與AI極大提升醫學用于疾病篩查和臨床診斷的能力有關。AI算法可接入醫院信息系統或醫療設備，表現為篩查系統、分析軟件、檢測診斷平臺等，也可將算法軟件集成到專業設備中，直接生成分析報告，例如輔助診療一體化解決方案。尤其是醫學影像已成為重要的臨床診斷方法，AI可大批量、快速處理圖像數據，提供疾病篩查和輔助診斷功能，有效解決臨床醫生讀片速度、時間長、工作量大，減少誤診、漏診率等問題?；谡Z音識別的AI技術醫療產品，實現深入發展醫療場景語言溝通模型的理論和應用，滿足無人在線語音溝通智能化、精準化提供技術支撐，達到適用于自然語言溝通的語音問答，滿足患者醫療知識需求，緩解醫療資源緊張。

圍繞醫療健康生態體系，醫療體制改革越來越重視以人為本的全生命周期精準醫療。G06Q作為適用于行政、商業、金融、管理、監督或預測目的專利應用，可以實現利用AI技術滿足醫療機構資源智能化管理，能對多源數據進行聯合處理，不僅為醫療健康服務質量管理提供核心算法與技術，還可進行適用于醫療資源利用效率最大化并行信息處理，達到符合醫療健康行業結構特征和運營特征的績效評價和資源配置方法，滿足對資源配置與調度智能管理，推動醫療體系各方的變革和提升。

在醫療健康藥物及材料方面的專利集中于A61K、G01N的申請。專利分類中定義為醫用的配制品、借助于測定材料的化學或物理性質來測試或分析材料。當前，盡管醫療行業通過人工智能技術驅動服務提質增效的需求迫切。然而，AI應用能夠帶來縮短研發周期、降低研發成本、提高研發成功率、加速臨床進程、提質增效、邁向精準醫學等多方面價值。尤其在藥物研發階段，成熟的AI技術協助，找到與原研藥相似的化學結構并優化設計，實現近似或更好的診療效果，則能夠在加速國內藥品上市的同時，幫助藥企控制研發成本。

3.3.2 IPC4級分類技術分布趨勢分析

圖5中每個數據點代表已公開的專利申請IPC4級分類情況?？梢粤私釧I技術在醫療健康領域專利申請中的具體應用情況。反映國內和國外在醫療健康領域技術能力的累積程度，也可剖析國內外在哪些技術領域從事創新活動的積極性。

圖6 人工智能技術在醫療健康領域專利申請IPC4級分類專利數

根據IPC4級分類數值趨勢來看，從圖6可知“用于診斷目的的測量；人的辨識”“專門適用于醫療診斷，醫學模擬或醫療數據挖掘的ICT；專門適用于檢測、監測或建模流行病或傳染病”“專門適用于特定應用的數字計算或數據處理的設備或方法”這3個IPC四級分類號在專利中的數量最多，數量分別為:754項、679項、652項，可見AI在醫療信息的獲取、處理上應用廣泛，醫療信息化是醫療AI融合創新的重點領域,而數據是醫療AI發展的基礎。對于病歷結構化、實現虛擬助理和輔助診斷、挖掘文獻和臨床等證據中藥物與疾病的關系等應用至關重要。當前，國內絕大部分醫院的病歷以自然語言記錄，這些非結構化的病歷無法直接被機器使用，需要通過AI技術轉換為結構化信息，以便機器進一步挖掘利用。

在引入技術領域的時間特征，從時間維度上拓展深化技術比較優勢的動態研究，進一步分析技術發展趨勢，該趨勢用來反映某個技術領域的技術機會空間。

圖7 人工智能技術在醫療健康領域專利IPC4級分類-申請時間二維分析

從年度申請趨勢上來看，第1位的“用于診斷目的的測量；人的辨識”申請數量最多且應用較早，近5年增長最快；第3位的“專門適用于特定應用的數字計算或數據處理的設備或方法”早期發展略有波動，2016年之前一直是申請數量最多的，而2016年后發展較差，證明在該技術分支中創新活力相對下降；而第4位的“用于閱讀或識別印刷或書寫字符或者用于識別圖形”持續時間相對較久，且申請量始終保持前列，創新保持相對較為活躍；相比較“圖像分析”和“語音識別”技術平穩發展，始終保持專利申請且態勢起伏較小，說明在語音和圖像數據處理技術方面的研究持續時間長，是AI技術在醫療健康領域應用中重要的一部分。

值得注意的是第2位的“專門適用于醫療診斷，醫學模擬或醫療數據挖掘的ICT；專門適用于檢測、監測或建模流行病或傳染病”、第7位的“專門用于加工或處理患者相關醫療或保健數據的ICT”、第10位的“專門用于處理或加工醫學圖像的ICT”、第17位的“特別適用于治療或健康改善計劃的ICT”及第20位的“專門適用于促進醫師或患者之間的溝通的ICT”從2008年陸續開始出現，且近三年來增長最快，目前國內外技術累積及競爭程度還處于中等水平，目前大部分醫院仍處于數字化的初級階段，AI應用于醫院管理的條件尚未完全成熟。AI技術的應用需要大量、標準、結構化的數據集，目前醫院在信息化發展、院內數據互聯互通、數據質量等方面尚不能滿足AI應用的條件，而且大部分醫院未形成一致性的臨床規范和標準，也為智慧醫院管理增加難度。未來，醫院應持續推進數字化進程，在整體業務和數字化發展策略的基礎上，規劃醫療AI發展舉措，建立一致性的、互聯互通的數據基礎，實施標準化的管理原則，在高度數字化的基礎上，將AI等先進技術應用于醫院管理中，從而提升醫院管理質量和效率。

4 結論

本文采用國內外申請的發明專利數據，從整體和分領域層面系統分析了AI技術在醫療健康領域的應用發展態勢。可以看出AI與醫療的結合,滿足了醫療行業的價值鏈多方面需求點，使精準化智能服務更加豐富多樣，在各個環節演化出豐富的應用場景［22］。

（1）在專利申請整體概況可知，目前，AI技術在醫學領域應用處于快速成長期，還有非常廣闊的發展空間，我國目前也處于快速發展期，國家或企業應該加強該專利領域的研發投入［23-24］。雖然在國家分析中，主要申請人國家集中產生于中國和美國，其他國家專利數量相對較少，但在優先權趨勢上，近5年諸多國家競爭意識加強，如澳大利亞的優先權遠高于申請數量，開始布局AI技術在醫療健康領域的專利申請，保護核心競爭力。尤其是在全球主要專利申請人分析中，中國公司/高校數量相較于醫學科技發達地區的公司，專利數量較少，國際化程度相對不高。雖然國內在穩步提升自主創新能力，涌現出了平安、高校等擁有全球競爭力的企業和科研機構，但該領域由于初始劣勢和早期積累不足，仍然受到跨國公司的嚴重掣肘。因此，我國未來應該以AI技術在智慧醫療產業發展為契機，拓展實施國家重大科技項目，通過資金支持加強高校和科研院所在該領域的基礎研發和應用拓展，同時通過政策引導促進產學研合作，培養具有競爭力的跨領域專業人才，為我國“人工智能+”戰略的充分實施提供人才支撐。

（2）從專利IPC分類和技術點二維分析可以看出，用于處置或處理醫療或健康數據的信息和通信技術是專利申請的熱點；電數字數據處理、數據識別、數據表示等是專利申請中關注度較高的基礎技術。此外，醫學AI領域還比較關注醫療信息相關設備、通信工程及材料裝置等，更多服務于醫療信息采集。長期積累的海量歷史數據如何發揮其作用、非結構化數據如何轉化為結構化數據、數據如何標準化、如何實現以人為本的數據全生命周期記錄、如何打通不同醫療參與方的數據，都是AI與醫療健康參與方需要長期關注并解決的問題。只有持續擁有高質量的數據，醫療AI才擁有真正發揮作用的基礎。

綜上所述，目前以醫學、AI學科為支撐，借助于大數據、云平臺、移動互聯、物聯網等行業發展［25-26］，專利技術已經不僅僅是醫學與AI的技術融合，已經滲透到了其他領域，很有可能促進突破性創新的發展事態。然而，面臨外國大企業激烈的市場壟斷競爭，我國必須努力在目前處于早期、累積技術能力相對較低以及新興高技術領域迎頭趕上，避免被鎖定在不利的國際技術分工格局之中。如根據不同醫療健康模式行業特征，適時調整AI的支持重點和方向，加強對目前處于比較劣勢或者比較優勢如中醫藥的新興技術領域的產業布局。中國作為科研新興國家，需要拓展相關多學科交叉融合，多學科協調發展，通過優勢互補、合作創新，深入聯合開展基礎與應用研究［27］，對接信息化促進醫療健康事業發展的國家重大戰略，從而提高醫療健康質量和效率的水平。

需要注意的是，隨著研究的不斷深入，領域出現越來越多相關的研究點，可以形成龐大的關鍵詞網絡，后續相關進一步醫學AI領域的專利技術分析可以結合分析與IPC高相關的詞云，從而提高領域前沿識別的準確度［28］，準確把握醫學研究前沿與AI開發前沿技術結合發展方向，不斷探索提高實踐技術成果轉化，引領醫學學術發展和產業升級。