人工智能在醫療健康領域的發展

劉建立

（平安普惠企業管理有限公司）

人工智能技術引發全球產業鏈開始了新一輪的技術革命，各產業界謀求產業轉型發展，搶先布局人工智能，打造生態創新的新形態。伴隨著醫療健康領域快速發展，醫療健康數據快速增長以及AI技術不斷進步，人工智能在醫療健康的應用逐步從實驗室研究階段轉換到商業場景落地，并且應用場景覆蓋在醫療健康產業鏈的各環節當中，呈現形式越發豐富多樣。本文結合人工智能在醫療、健康領域的應用場景，探知以數據與計算密集、腦力與知識密集為特征的醫療、健康產業與人工智能的融合情況，探索其面臨的挑戰和發展機遇，旨在為我國人工智能公司在醫療、健康領域應用發展提供方向。

一、人工智能應用于醫療健康的主要場景

（一）智能醫學影像

智能醫學影像，就是將AI技術應用在醫學影像的相關分析、診斷和預測中。主要包含有三個方面：一是自動構建與自適應放療腫瘤靶區，針對腫瘤放療環節的影像進行分析處理；二是影像標注、識別，針對醫學影像進行圖像切分、特征提取、定量與對比分析等處理；三是影像三維重建，主要用于手術環節影像處理。

腫瘤病人通常會選擇放療作為主要治療方式之一，而放療的基礎和關鍵技術是對病變器官的正確定位和精準勾畫。在放療之前，醫生會先對CT上的腫瘤和器官位置做標記，人工標注通常需要耗費240分鐘。通過應用人工智能勾畫靶區和自適應放療軟件，幫助放療科醫生在30分鐘即可完成一套200-450張CT片自動勾畫，使效率和準確度大大提升。目前，AI+靶區勾畫在各類癌癥疾病上的應用已經比較成熟，如食管癌、鼻咽癌、肺癌、皮膚癌等癌癥疾病，參與研發企業包括依圖科技、連心醫療、匯醫慧影等公司。

影像的識別與標注，是指通過對特定疾病的圖像數據進行訓練學習，在醫院臨床使用，幫助醫生糾正誤診漏診情況。目前主要應用在糖網病的篩查，糖網病是糖尿病患者的致盲眼病，在視網膜血管病變中較為常見。當糖網病出現癥狀時通常已錯過了最好治療時機，因為其早期通常無臨床醫學癥狀。通過對糖網病眼底圖像的深度學習，應用在眼底讀片環節，進行初步篩選、檢查，可以大幅提升糖網病篩查的效率。除了糖網病，還可用于白內障、黃斑裂孔、老年性黃斑變性等疾病的篩查診斷。另外推想科技推出的智能CT輔助篩查產品在肺癌篩查中也有很好的效果。

影像三維重建在20世紀就已經被采用過，但由于配準缺陷而使用率不高，通過AI算法相關技術，僅需少量地采集信號做圖像恢復，就能夠得到與全采樣同樣質量的圖像。并且使用三維影像重建技術，通過低劑量的CT與PET圖像重建得到高質量圖像，在滿足臨床診斷訴求的同時還能降低輻射的風險。目前國內應用最為廣泛的領域是在肺結節識別上，特別是易漏診結節，AI能夠做到有效識別，比如6毫米以下磨玻璃結節和實性結節，AI能達到90%以上準確率，同時還能提供結節性質、密度、位置等信息。

影像三維重建還可通過結合3D手術的規劃功能，助力醫生實現術前規劃。首先是將患者器官的真實3D模型自動化重構，其次是無縫對接3D打印機，最終實現3D器官實體模型的精準打印，確保手術順利，也推動了醫療數字化和精準化。

（二）智能導診

智能導診是基于醫療健康專業領域的知識系統，通過聲紋識別、語音合成、識別及自然語言轉義處理等相關技術，實現人機交互，解決諸如語音電子病歷、智能問診和導診以及衍生等更多需求。

目前我國醫生書寫病歷占用大量工作時間，采用傳統書寫病例方式轉錄電腦效率低下，語音電子病歷可以將醫生主訴內容實時轉換成文本，錄入CIS、HIS等醫院信息管理軟件中，提升病歷填寫效率，節省醫生時間，使其能更多地投入到疾病診斷和與患者的交流中。國內提供電子語音病歷的公司主要有中科匯能、科大訊飛及云知聲。中科匯能科技的“醫語通”軟硬件一體解決方案，通過自主研發麥克風及無監督自適應技術逐步解決口音識別問題?？拼笥嶏w的“云醫生”App+自主研發的麥克風，語音識別技術相對成熟。云知聲開發的“云知聲”軟硬件一體解決方案，具備云端語義校正，識別有口音的普通話。

智能問診主要用來解決目前醫生供給不足、醫患溝通效率低下兩大難題。智能問診系統包括“自診”和“預問診”兩大功能?！白栽\”主要是在PC端或手機端患者通過人機互動完成智能問診，生成診斷信息給患者參考?！邦A問診”是指患者在掛號完成后，訪問醫院系統的智能問診模塊，系統根據患者輸入的基本信息、過敏史、病情癥狀、既往病史等信息生成初步報告診斷，并把信息推給醫生，縮短問診時間，減少醫患溝通內容，提升醫患溝通的效率。目前這一板塊的公司主要有云聽、半個醫生、壹健康、康夫子、云知聲、萬物語聯，春雨醫生、好大夫等移動醫療服務平臺也在嘗試進入，智能問診系統是移動醫療平臺服務升級的突破口。

（三）智能診療

智能診療是將人工智能技術應用于輔助診療中，通過機器學習、知識圖譜等技術，掌握專家醫生的醫療知識體系，模擬醫生就診邏輯及診斷推理，提供診斷結果和最佳治療方案。

國外最早將AI應用于醫療診斷的是MYCIN專家系統，國內的是福建中醫學院與福建計算機中心在20世紀80年代初研制的林如高骨傷計算機診療系統。在智能診療的案例應用中，目前最成熟的是IBM的Watson應用。它是認知計算系統的杰出代表，每秒能夠讀800000000頁的資料，還可以從來自于醫學文獻、臨床報告、影像報告及其他方面的數據中洞察分析，提取信息，幫助醫生做出最佳決策治療方案。

（四）智能健康管理

智能健康管理是通過智能方式如AI、大數據等技術進行的健康管理。目前主要通過移動醫療設備、智能終端、醫療健康應用軟件、數據管理系統，網絡接入多項檢測數據，同時對患者的行為數據進行智能監控分析，實現患者的健康管理。目前智能健康管理主要用于精神健康管理、健康干預、流感預測等方面。

精神健康管理，主要表現為利用人臉跟蹤與識別、智能語音、情感處理、數據挖掘等AI技術進行情緒分析，做到對精神類疾病的預測和治療。Ginger.io公司是一家提供個性化，全面的護理服務的公司，他們通過將智能手機數據和人際關系相結合來識別用戶精神健康的微弱波動，了解個人的生活習慣是否有變化，從而能夠為用戶提供全面的護理和量身定制的個性化服務。國內中威電子開發的情感人工智能系統，通過攝像頭遠程提取人的面部信息，通過血譜光學成像技術，對關鍵檢測區域提取面部血流信息進行識別，再通過情感智能引擎及預測生理、心理狀態的分析測量，透過表層面部現象看用戶內心活動。

健康干預主要是通過智能穿戴設備收集用戶的健康相關數據，利用人工智能、大數據技術分析個人健康水平，對用戶進行健康干預，為用戶提供飲食起居方面的建議，幫助用戶養成良好的生活習慣。Welltok搭建了健康管理優化平臺，通過可穿戴設備FitBit和Map MyFitness等合作方拿到用戶相關數據，運用AI技術分析，提供用戶預防性健康管理計劃和個性化的生活習慣干預。

流感預測是通過對人員數據收集，建立相關數據庫、智能分析模型等，預測某些流行疾病的發病概率。Google Fit提供多種可穿戴設備，通過對生物統計數據持續海量地收集，能夠做到對部分傳染性疾病的預防、監控，非常及時和準確。

（五）智能藥物研發

智能藥物研發通過醫藥、醫療大數據信息，結合深度學習、機器學習等算法，對研發藥物中不同化學物質組成進行判斷分析，預測藥物安全性、活性及副作用。通過這種方式，可以有效縮短藥品研發周期，降低藥品研發價格和成本。人工智能特別在孤兒藥、心血管藥、常見傳染病藥及抗腫瘤藥應用研發中效果顯著。

除通過藥物化學物質分析研制新藥外，美國科德寶生物醫藥公司還通過對生物數據進行研究研制新藥。科德寶通過研究人體健康組織，探索人體分子和細胞自身防御組織以及發病原理機制，通過自身的AI平臺，結合大數據分析人體自身分子潛在的藥物組成。通過這種方式來醫治類似于癌癥、糖尿病等疑難病癥，比研究新藥的資金投入及時間成本減少50%。

（六）醫療機器人

機器人技術在醫療領域的應用較為常見，如修復人類受損身體的智能外骨骼、智能輔助設備、假肢等技術設備，輔助醫生做手術的醫療手術機器人。目前應用中的醫療機器人主要有兩類：一類是稱為“智能外骨骼”的可穿戴型機器人，主要通過讀取人體神經信號來實現；另外一類是醫療保健功能或者能夠承擔手術的機器人。

智能外骨骼的應用，如俄羅斯ExoAtlet公司生產的EAM（ExoAtlet Medy）產品，通過輔助行走來幫助患者恢復行走能力及一些其他的動作訓練。用于改善肌肉萎縮癥等疾病患者的步行機能的“醫療用混合型輔助肢”已經在日本國內得到生產許可，作為醫療器械，可以在本國內銷售。

世界上做手術的機器人最具典型代表的就是達·芬奇手術系統，它主要分成兩個部分，一部分是手術室的手術臺相關設備，另外一部分是醫生可以遠程操控的終端設備。手術臺設備是有三個機械臂的機器人，可以提供高清3D視像并執行精密操作，它負責對病人進行手術。達·芬奇手術機器臂的靈活性遠遠超過人手，可以轉出人的手腕、手指無法企及的角度，并且可以長時間手術手臂不抖。用機械臂作手術還可以做到手術切口非常小，從而使患者傷口愈合更快。在終端控制設備上，通過攝像機二維圖像計算還原人體三維高清晰圖像，方便醫生監控手術全流程。

（七）基因大數據

基因測序技術的發展讓我們積累了海量的基因數據，并且也讓對應的成本做到大幅度降低。超大量的基因數據讓醫學界理解了病變基因、基因缺陷等相關知識。基因測序技術目前已進化至第三代，第三代測序方法做到了時間大幅縮短和成本顯著降低，加速推動了基因測序技術的商業化進程。

國內致力于疾病風險預測的公司主要有兩類：一是掌握基因測序核心技術，研發基因測序儀器的上游企業。業務模式主要是通過中游合作伙伴做基于測序儀上的應用開發。二是利用基因測序儀，面向B端和C端提供測序服務的中游企業。業務模式則主要是開發測序相關應用，面向B端醫院或者C端公眾和患者。基因檢測行業中，華大基因作為我國基因檢測龍頭，通過持續多年對研發的高投入，積累了較明顯的技術壁壘，特別是通過遺傳性耳聾基因篩查服務（累計服務超過250萬名新生兒和成人），檢測出幾千名遲發性耳聾及先天性耳聾患者。

二、人工智能在醫療健康應用中面臨的挑戰和機遇

（一）人工智能在醫療健康應用中的挑戰

智能醫療健康雖然在國內外的發展熱度不斷提升，但醫療作為一個特殊的傳統行業，人工智能在其應用中還存在諸多問題，總結概括為四個方面。一是醫學作為一個的前沿學科，會隨時遇到新的疑難雜癥，醫學領域的高門檻和技術力量的欠缺會限制人工智能的發展。二是醫療健康相關數據的積累需要時間，算法模型難以迅速得到優化，同時AI醫療面臨醫療數據孤島、結構化數據不足、數據標準不統一難以共享等問題，也導致算法模型訓練優化難度加大。例如在2017年，IBM Watson和著名的MD安德森癌癥中心合作不歡而散，其主要原因就是醫療數據不規范、不完整、標準不統一，導致其信息無法應用于AI機器學習或神經網絡訓練。三是人工智能醫療廣泛落地的同時，商業化落地難題困擾了各個創業企業，商業模式不清晰導致造血能力不足，行業目前仍處于普遍虧損階段，產品大多處于試用階段。四是醫療健康也是一個強監管行業，政策在某種程度上起到了決定性作用。

（二）人工智能在國內醫療健康發展中的機遇

1.人口老齡化的發展

人口老齡化已成為全球未來一個世紀的大趨勢。據聯合國預計，全球生育率將從2010-2015年的2.5降至2025-2030年的2.4，并在2095-2100進一步降至2.0。我國勞動年齡人口從2012年就出現了首次下滑，人口撫養比拐點向上已至，人口紅利優勢不在，而出生率下滑和平均壽命延長帶來的人口老齡化問題也刺激了醫療健康領域的需求。通過互聯網、遠程醫療、人工智能等技術來促進醫療公平、填補巨大的醫療需求缺口，能夠彌補生產力下降并減緩勞動力人口減少對經濟帶來的沖擊。

2.醫療健康政策的支持

醫療健康作為我國大力支持人工智能應用落地的四大產業之一，針對我國醫療資源所面臨的問題，政府也出臺了多項政策文件來加速人工智能場景的落地。例如我國自2002年以來陸續推出了一系列病歷電子化方面的規范文件，推動病歷電子化和醫療數據結構化、標準化、統一化進程。

3.行業自身發展的需要

我國現階段醫療資源存在基層醫療水平不高、分布不均、供給不足、無法滿足病患重大疑難疾病看病需求等現狀，應用人工智能技術解決上述問題是必然的選擇。伴隨著分級診療制度的逐步建立，人工智能、互聯網等科技手段實施將有效緩解我國醫療資源不足及分布嚴重不平衡的現狀，也將大幅提升基層醫療水平。

總體而言，我國智能醫療健康的發展還處于起步階段，結合我國具體國情及政府政策的大力支持，人工智能的應用將橫向延伸到醫療健康產業鏈的各個環節，并將進一步深耕細化。隨著人工智能應用全球化浪潮的推進，智能醫療健康領域這片藍海潛藏著無限的商機，面對前所未有的發展機遇，我國智能醫療健康領域將會迎來大發展。