場景驅動視角下我國智能醫療產業演化研究

葉選挺,馬詩敏,王 宇,李京晏,張 劍

(1.北京理工大學 管理與經濟學院;2.北京理工大學 國際組織創新學院,北京 100081;3.浙江大學 公共管理學院,浙江 杭州 310030;4.中央財經大學 政府管理學院,北京 100081)

0 引言

人工智能是科技領域的一次重大創新,在緩解人口老齡化和資源不足帶來的社會壓力、滿足國家可持續發展要求、提升經濟結構轉型升級效率等方面發揮著重要作用,是不容忽視的歷史性戰略機遇[1]。我國高度重視人工智能發展,力求將人工智能技術與實體經濟發展緊密聯系起來,并將場景創新視為人工智能技術進步、支撐經濟社會高質量發展的重要途徑。近年來,我國先后發布《“互聯網+”人工智能三年行動實施方案》《新一代人工智能發展規劃》《新一代人工智能治理原則——發展負責任的人工智能》等政策文件,推動人工智能發展。2021年3月,《國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確將人工智能作為重點發展領域。2022年7月,科技部等六部委聯合發布《關于加快場景創新 以人工智能高水平應用促進經濟高質量發展的指導意見》,明確提出通過打造重大場景、提升場景創新能力等方式推動人工智能場景創新,并鼓勵以更智能的城市、更貼心的社會為導向,在醫療健康領域持續挖掘人工智能應用場景機會,積極探索包含醫院管理、輔助診斷、決策支持在內的主要應用場景,開展智能社會場景應用示范。同年8月,科技部發布《關于支持建設新一代人工智能示范應用場景的通知》,該通知將面向人民生命健康的智能診療列為首批人工智能示范應用場景。與此同時,騰訊、阿里、科大訊飛、IBM、Google等國內外科技企業、傳統醫療器械提供商和科研團隊積極推動醫療健康產業智能化升級,為患者、醫療從業人員、醫療機構及醫學研究團隊提供高效、便捷的服務。在抗擊新冠肺炎疫情過程中,無人消毒車、智能測溫系統、智能輔助診療、藥效檢測程序等智能醫療產品和服務為疫情防控及疫苗研發工作提供了重要保障。總體來看,人工智能技術在醫療領域的應用滲透正在加速,并催生出更多實際需求和更豐富的應用場景。

產業演化分析可綜合反映產業內外各種影響因素的作用效果,便于清晰把握產業動態發展規律[2]。綜觀目前智能醫療產業相關研究,學者偏重于運用理論和案例研究方法對其進行定性描述。具體來說,現有研究主要集中于探討產業總體現狀[3-4]、產業機遇與挑戰[5]、技術創新與成果轉化[6-7]、應用場景描述[8]等方面,基于場景驅動視角研究智能醫療產業演化的文獻較少。

技術、市場、政策作為影響產業發展的重要因素,受到學者廣泛關注[9-10]。對于智能醫療等新興產業而言,從技術、市場、政策維度分析其產業演化過程,有助于厘清技術發展脈絡、市場發展動態和政策實施布局。基于此,本文首先基于專利數據,利用LDA主題模型對智能醫療產業應用場景進行識別;其次,從“技術—市場—政策”3個維度開展場景驅動視角下我國智能醫療產業演化過程分析;最后,提出本文研究結論并對未來發展方向進行討論,可為我國智能醫療產業規劃和政策制定提供數據參考及決策支撐。

1 文獻回顧

場景是數字經濟時代需求的具象表達。伴隨著大數據、云計算、5G、人工智能、區塊鏈等新興技術的加速演進,場景具象化、可視化成為可能。人工智能從識別、整合、反饋層面賦能場景創新,場景中的數據內容支撐人工智能算法迭代優化,兩者實現相互聯結與支撐(俞鼎,2023)。場景創新結合用戶感知,通過供需融合聯動,形成從技術到產業的規模化發展[11],有利于推動產業進步與革新,促進創新技術流動與轉化。

近年來,有關場景驅動創新的研究成果不斷豐富,學者主要從概念內涵、倫理責任和商業模式等方面展開討論。尹西明等[11]剖析場景驅動創新的內涵和特征,認為技術應用于特定場景、場景需求驅動的新技術開發與應用均屬于場景驅動式創新,指出應加快推進技術創新、場景應用與商業模式融合,并探討了共同富裕場景下驅動科技創新與成果轉化的邏輯和路徑[12];陳勁等[13]在新型舉國體制框架下,提出重大民生公共工程科技創新、突發性重大公共社會危機治理、“卡脖子”技術攻關突破3類應用場景;俞鼎等(2023)分析人工智能社會實驗中的場景創新特征,研究兩者的賦能邏輯和內在要求,提出解決人工智能社會實驗責任鴻溝的新思路,即“有意義的人類控制”;江積海等[14]基于商業模式視角對場景價值進行探究,發現場景價值建立在顧客生活方式和生活細節情感體驗之上;王玉榮等[15]從消費者需求出發,發現在“互聯網+”場景下,客戶需求、商業模式突破等因素會激勵企業反向創新;張浩等[16]研究在區塊鏈不同部署方式中企業、產業、社會層面商業模式創新的主要應用場景;李健等[17]基于案例分析對場景驅動供應鏈金融商業模式創新、價值創造進行研究。

學者對智能醫療產業的相關研究主要集中在應用現狀、技術動態和發展趨勢等方面。Stelzner等[18]探究納米物聯網技術在醫療領域的應用,認為其在醫療通信場景中具有較大潛力,并提出中心功能納米網絡的概念;Wang等[19]提出一種不完全依賴專家編碼和特定臨床場景的人工智能,其可通過提取像素與原始信息等方式進行深度學習,進而實現智能醫療場景應用;Dananjayan等[20]認為,5G技術可以廣泛應用于虛擬病人咨詢、模擬手術流程、機器人手術和醫療設備維護等場景;陳欣然等[21]通過對全球相關領域專利信息進行分析,總結出人工智能在醫療健康行業的技術熱點和發展態勢;任佳妮等[22]通過對論文專利高頻關鍵詞和語義關鍵詞進行雙重分析,結合引用率和專家意見識別出醫療機器人領域的新興技術。

綜上所述,國內外學者圍繞場景驅動創新、智能醫療應用場景和產業態勢開展相關研究,為未來研究奠定了基礎。場景作為從市場營銷領域引入的新概念[11],學者更偏向于在商業模式范疇內對特定情境下所產生的需求與路徑展開討論。關于智能醫療技術應用場景的研究主要集中在輔助診療決策[6]、手術機器人[23]、影像分析[24]、可穿戴設備[8]、醫療管理[25]等方面,或集中于產業技術態勢與熱點分析。學者對新興技術在傳統領域的應用現狀及改進作出了較多討論,但對特定產業應用場景識別的研究較少,且偏向描述性分析,基于場景主題歸類處理的系統性定量識別與產業分析較少,從應用場景視角對智能醫療產業演化的研究尚處于起步階段。

基于上述研究現狀和國內外智能醫療產業發展態勢,本文構建基于智能醫療產業應用場景識別的技術、市場和政策綜合分析框架,使用隱含狄利克雷分布(Latent Dirichlet Allocation,LDA)主題模型及ITGInsight、SPSS軟件,對專利數據、市場數據和政策文本進行主題識別、篩選統計與可視化處理,開展場景驅動視角下我國智能醫療產業演化分析。

2 智能醫療產業應用場景識別

2.1 專利數據獲取與預處理

本文以德溫特專利數據庫為檢索平臺,以專利摘要中的“USE”項作為應用場景識別的基礎數據來源,通過查閱學術資料和咨詢專家意見構建專利識別檢索式。首先,將人工智能技術關鍵詞劃分為語音、視覺、自然語言處理、算法及平臺4個一級分類和17個二級分類,針對各二級分類選定英文關鍵詞,構建人工智能技術檢索式;其次,將與醫療相關的關鍵詞劃分為醫療對象、醫學場所、醫用縮寫、身體特征、疾病和健康、應用場景六大類,并枚舉常用的英文關鍵詞構建醫療檢索式;最后,將人工智能技術二級分類檢索式與醫療檢索式用“AND”運算符相連,構建智能醫療檢索式。以機器學習技術為例,檢索式如:TS=(機器學習關鍵詞)AND(醫療關鍵詞)。截至2021年2月,運用上述檢索式共檢索到53 581件智能醫療相關專利,人工智能技術二級分類名稱及對應專利數如表1所示。

表1 智能醫療專利分類檢索情況Tab.1 Classified search of intelligent medical patents

本文在此基礎上進行專利去重處理,共識別出46 576件專利作為新數據源,再利用Vantage Point數據處理軟件提取文本、分詞、清理與整理專利源數據,在42 075件專利數據中有效提取USE內容,最終生成詞袋格式的模型輸入文檔。

2.2 LDA主題模型分析與算法實現

自Blei等[26]提出LDA主題模型后,諸多學者對其進行了應用和改進。模型通過收集文本語料庫等離散數據,將其轉化為單詞頻率向量,利用概率產生式對文本主題進行挖掘,能夠對大規模文檔集合進行有效處理。LDA主題模型是一種對文本數據主題信息進行建模的方法,是目前最具代表性的主題模型方法之一[27]。目前,LDA主題模型已被廣泛應用于各類專利文獻主題識別、演化趨勢和文本分析[28-30]。

鑒于此,本文基于LDA主題模型方法對智能醫療產業專利數據進行挖掘,采用Java作為模型實現的編程語言,參考之前研究確定運行參數,通過計算困惑度(Perplexity)確定模型最優主題數,從而識別出智能醫療產業應用場景主題。

(1)采用Java的JGibbLDA包進行建模和主題挖掘,將形成的詞袋文檔作為輸入文檔,參考Griffiths等[31]基于LDA對美國國家科學院院刊研究主題的參數設置,將超參數α賦值為50/K,將β賦值為0.01,將Gibbs算法迭代次數Iteration設置為1 000,每個主題下詞語數為概率排行前20。

(2)將主題數K分別代入50、100、150、200、250、300,計算得到困惑度的最低值,再以困惑度最低值為原點、以10為間隔單位探究最優主題數。困惑度用以衡量模型對于新文本的預測能力,較小的困惑度意味著較強的模型預測能力,困惑度越小,說明主題數越優,如式(1)所示。其中,Nd表示文檔中出現的單詞,p(wd)表示每個單詞集中出現的概率。

(1)

(3)程序運行結果顯示當K=240時,困惑度指標最小。根據最優主題數為240時輸出的主題—高頻率詞文檔推斷主題內容,每個主題所包含的高頻率詞及其頻率用于應用場景識別。

2.3 智能醫療產業應用場景識別結果

本文根據最優主題數下的主題—高頻率詞輸出文檔,定量挖掘出12個與應用場景相關的主題。例如,根據Topic 62th中的expert system、neural-network、fuzzy-logic、support-vector-machine、information-retrieval、surgery等關鍵詞推斷該主題內容為專家系統,并以此類推出臨床決策支持、手術機器人、康復機器人、藥物研發等其它11個與醫療場景相關的主題。

基于上述12個主題構建其所屬的智能醫療應用場景關鍵詞。首先,根據前文識別出的代表詞,搜索專利源數據中包含代表詞的USE項內容;其次,通過分析USE項內容,多次迭代確定新關鍵詞;最后,結合主題—高頻率詞輸出文檔、專家意見和智能醫療產業相關文獻資料確定應用場景關鍵詞。例如,根據Topic 62th專家系統和Topic 177th臨床決策支持的高頻詞含義,對應識別“智能診療”應用場景。據此,本文共識別出智能診療、醫療機器人、藥物研發、智能醫學影像和智能健康管理五大應用場景。

智能醫療識別主題和所屬應用場景識別結果如表2所示。其中,智能診療是指利用人工智能技術輔助開展診療,通過整理分析醫學信息,模擬專家思維和醫學推理流程,為患者提供醫學診斷和治療方案,提高醫療體系服務質量。智能診療是醫療行業的重點布局領域,目前已被廣泛應用于癌癥、腫瘤、艾滋病、口腔疾病、貧血等醫療領域,在提高醫生診斷效率和準確率、優化醫療資源再分配等方面發揮著重要作用。醫療機器人是人工智能和生物智能的有機融合,在醫療領域作用效果顯著,具有操作精細、定位準確、手術創傷小、感染風險低等優勢,能夠為醫生手術提供支持,有效縮短患者康復周期。藥物研發是指利用深度學習、大數據技術在藥物研究中選取合適的化合物,目前在藥物研發效果預測、靶點篩選、藥物篩選、活性檢測、副作用分析等環節的滲透率逐步提升,可縮短研發機構或企業新藥開發周期,節約研發成本,提升研發成功概率。醫學影像數據占醫學數據的90%以上,為疾病識別和治療方案擬定提供重要參考,被視為人工智能技術在醫療行業最有發展前景的應用領域。智能醫學影像是指將人工智能技術運用于醫學影像分析與研究,涵蓋影像成像設備、影像分析、疾病診斷、術后康復計劃等多個應用方向,實現對影像診療流程的全方位覆蓋,可以輔助醫生進行影像分析,提高影像診斷效率和識別水準,從而達到優化醫療資源配置、實現分級診療的效果。智能健康管理是人工智能相關算法和技術在健康管理應用場景的落地,擁有身體狀況監測、疾病預防與控制、制定健康計劃等健康管理功能,目前主要適用于風險識別、智能助理、病情監控以及可穿戴設備等應用領域。

表2 智能醫療應用場景識別結果Tab.2 Identification of intelligent medical application scenarios

3 場景驅動視角下我國智能醫療產業演化發展態勢

3.1 場景驅動視角下我國智能醫療產業技術演化分析

當前,包括我國在內的許多國家都基于本國技術創新和產業發展制定了智能醫療產業戰略規劃,并將其視為科學技術領域的重要風口之一。專利作為分析技術產出質量的重要指標,可用于產業內技術演化趨勢分析。因此,本文沿用前文檢索得到的專利數據,并對其進行去重和整理,最終得到1974—2020年申請的46 259件全球智能醫療產業相關專利,從宏觀層面反映世界范圍內智能醫療技術發展趨勢,如圖1所示。

圖1 全球智能醫療產業專利申請數量年度分布(1974—2020年)Fig.1 Year distribution of patent application of global intelligent medical industry (1974-2020)

從申請趨勢看,人工智能技術在醫療產業的應用越來越廣泛,專利申請量穩步增長。具體而言,全球專利申請趨勢大致經歷3個階段:①萌芽階段(1974—2011年):專利申請量整體增長緩慢,人工智能技術剛開始在醫療產業發揮作用,但未取得實質性突破;②初步發展階段(2012—2014年):專利申請增長幅度逐步提升;③快速增長階段(2015—2020年):專利申請進入快速增長期,各國智能醫療支持政策數量迅猛增長,這一時期專利申請總量高達34 786件,占已有專利申請總量的75.2%。

從專利申請受理國或組織看,2000—2020年中國、美國、世界知識產權局、韓國、日本名列前五。自2010年起,在中國申請的專利數量開始快速增長,并于2017年專利申請總量超越美國,我國成為全球第一專利受理國,如圖2所示。

圖2 智能醫療產業專利申請主要受理國家/組織年度分布Fig.2 Distribution of intelligent medical patent application time of main accepted countries/organizations

醫療健康是基礎民生產業,我國醫療服務具有社會公益性質,形成以公立機構為主體、私營機構為補充的服務體系。政府資助的自然科學基金、國家重點研發計劃等科研項目研究方向可從一定程度上反映智能醫療產業前沿技術趨勢和重點發展領域。基于此,本文對2018—2020年國家重點研發計劃涉及的智能醫療產業內容進行梳理并對其應用場景進行識別分析。從國家科技管理信息系統公共服務平臺檢索相關數據,篩選出5項與智能醫療相關的國家重點研發計劃。通過梳理重點研發計劃申報指南,發現國家重點研發計劃對前文識別出的五大應用場景均有資助,共計17個子項目提及應用場景,如圖3所示。

圖3 國家重點研發計劃智能醫療產業五大場景相關項目數量(2018—2020年)Fig.3 Projects related to five scenarios of intelligent medical industry in National Key Research and Development Plan (2018—2020年)

總體而言,2018年國家重點研發計劃項目以醫療產業為研究背景,但從2020 年開始偏向將醫療作為人工智能技術的具體應用領域。具體而言,智能健康管理應用場景下的科技項目最多,而藥物研發應用場景下的科技項目較少。關于智能診療應用場景,政府主要對決策支持系統和輔助診療技術提供支持,從而達到實現人工智能輔助醫生診斷和傳統中醫治療流程智能化轉型的目的。關于醫療機器人應用場景,科技項目主要涉及手術治療技術和室內服務機器人兩種應用模式。智能醫學影像探索方向主要包括影像輔助診斷和腫瘤影像分析等。藥物研發應用場景下的科技項目主要強調人工智能技術在藥物質量評價中的應用。關于智能健康管理應用場景,國家重點研發計劃主要對慢性病和神經性疾病健康管理、危重監護以及在線問診提供支持。

3.2 場景驅動視角下我國智能醫療產業市場演化分析

近年來,我國積極推動醫療產業從數字化、信息化向智能化方向轉型。2015—2020年,我國智能醫療行業應用規模平穩發展,年均復合增長率達12.4%[32],如圖4所示。自2020年起,市場需求、利好政策、技術躍遷等因素疊加,未來智能醫療應用規模將高速發展。

截至2020年6月,我國人工智能產業共包含349個智能醫療融資項目,其中有81%的智能醫療項目處于種子輪、天使輪和A輪等比較靠前的融資輪次,僅有1%的項目實現了E輪投資。此外,人工智能醫療領域投資仍處于活躍期,在2018年左右達到頂峰[33],如圖5所示。雖然受到資本寒冬和新冠肺炎疫情的影響,但總體規模及案例仍呈上升態勢。整體而言,現階段我國智能醫療產業投融資項目熱度較高,產業整體處于早期發展階段。我國智能醫療服務需求、股權投資存在廣闊發展空間,未來賽道上將進一步實現細分。

根據全球人工智能企業榜單、全球醫療企業營收排名和中國人工智能醫療創新排行,本文選取各榜單排名前10的企業。基于所識別的五大應用場景,本文對全球范圍內主要企業在智能醫療領域的產品、合作項目、醫療設備和醫療解決方案等進行梳理,結果如表3所示。整體而言,不同類型企業都基于自身技術和資源優勢在智能醫療五大應用場景中進行了積極探索。科技企業主要通過將機器學習、語音識別和機器人技術運用到醫療產業,與醫療機構、醫學科研團隊和醫療器械公司開展合作;傳統醫療衛生保健公司通過與人工智能企業、軟件開發企業開展項目合作或戰略投資、收購技術企業等形式布局智能醫療領域。智能健康管理是目前企業布局最多的應用場景,主要是因為健康管理所包含的服務范圍廣,移動設備、護理系統等產品技術成熟、商業化程度較高且可替代性強,便于企業進入市場開展競爭。

表3 主要企業在智能醫療領域內的產品Tab.3 Products of main enterprises in the intelligent medical field

從智能診療國內市場應用場景看,我國企業開始嘗試將人工智能技術和深度學習算法賦能傳統醫學,搭建名醫治療經驗和醫學案例數據庫,但與國外IBM、Microsoft的成熟臨床產品相比仍有較大差距。從藥物研發應用場景看,中國企業在該領域的探索較淺,亟待加強核心技術攻關和突破。在新冠肺炎疫苗研制工作中,醫學專家團隊嘗試引入人工智能技術,以縮短疫苗研發周期、降低開發成本。從智能醫學影像應用場景看,中國企業已經深入影像設備、影像分析和影像識別病灶等應用領域,對乳腺、肺、心臟、腦、骨關節等醫學影像診斷提供豐富的智能化解決方案,使之成為智能醫療產業熱點發展領域。從醫療機器人應用場景看,我國醫療機器人正處于起步階段,雖在低端康復機器人和服務機器人領域開展積極探索,但在高端機器人領域研究成果相對空白,進口依賴程度較高。2021年以來,我國逐步將部分手術機器人納入省級醫保,進一步提升產品在實際應用中的迭代能力。從智能健康管理應用場景看,中國企業在癌癥早期篩查、智能醫用穿戴設備、在線問診、慢性病管理等方向開展了多樣化探索與布局,智能化升級了人民健康管理全周期,提高了身體特征數據的使用價值,將預防、治療等過程與信息化技術聯系起來。

3.3 場景驅動視角下我國智能醫療產業政策演化分析

近年來,我國在智能醫療領域積極布局,通過制定戰略政策、發展規劃等形式推動智能醫療產業發展,促進技術落地,深化醫療產業智能化改革,本文引入政策工具對我國智能醫療產業政策進行深入解析和分類。參考Rothwell &Zegveld[34]提出的供給型、環境型和需求型劃分維度,利用北大法寶法律法規數據庫、政府官方網站等平臺收集得到191件智能醫療產業相關政策文本(截至2021年3月31日),經過政策編碼分析,共得到244份政策工具。其中,從“財政投入”至“信息服務”為供給型政策工具,從“財政稅收”至“知識產權”為環境型政策工具,從“對外承包”至“政府采購”為需求型政策工具,如圖6所示。

圖6 我國智能醫療產業政策工具分布Fig.6 Distribution of policy tools in China's intelligent medical industry

進一步,對政策工具子類頻次進行分析發現環境型政策工具最多,共計151個(占比61.88%),其中“目標規劃”政策工具出現次數最多,高達79次,“法規管制”次之,而“財政稅收”僅出現1次,這源于我國智能醫療產業尚處于早期發展階段,政府在發布產業政策時更傾向于通過改變環境要素對智能醫療產業發展施加影響,從產業規劃和戰略綱要層面進行整體性布局,以政策法規、管理規范、技術標準等引導新興產業有序發展。供給型政策共計66個(占比27.05%),其中“科技支持”和“信息服務”出現次數較多,而“公營事業”出現次數較少,體現出我國政府通過科技項目、信息平臺等方式實現各醫療機構技術和數據共享,推動醫療服務向智能化方向發展。需求型政策共計27個(占比11.07%),其中“示范工程”政策工具出現次數最多,其余政策工具出現次數均小于5次。“貿易管制”政策工具未出現,側面反映出當前我國政府主要采取設置試點、示范區的方式拉動智能醫療產業發展。

總體而言,3類政策工具使用頻次均呈現“先增加、后減少、再增加”的趨勢,如圖7所示。2016年是“十三五”規劃發布年,涉及智能醫療相關政策文本內容最多,用到的政策工具頻次也最高,隨后呈逐年下降趨勢。由于篩選政策文本截止時間為2021年3月,故2021年數據相對偏低。

圖7 2007-2021年我國智能醫療產業政策工具使用時間分布Fig.7 Time distribution of policy tools in China′s intelligent medical industry from 2007 to 2021

以本文識別的五大應用場景為識別對象,分析我國智能醫療產業政策文本中直接提及應用場景的內容,識別并整理其出現頻次,如圖8所示。整體而言,2007—2021年,我國智能醫療產業政策文本共提及應用場景129次,呈現“逐漸上升、下降、再上升”趨勢,不同應用場景政策支持力度存在顯著差異。具體而言,智能健康管理應用場景出現次數最多,高達44次,占比34.11%,政策關鍵詞涉及“醫療健康可穿戴設備”“遠程醫療咨詢”“智能化預警”“語音電子病歷”等;智能診療應用場景共出現38次,占比29.46%,在政策文本中主要以“專家診療系統”“人工智能輔助診斷治療技術”“智能化脈診儀”等形式出現,許多政策文本都提到中醫相關智能輔助診療應用,一定程度上體現出人工智能技術對中國傳統醫學產業轉型發展的支持作用。醫療機器人應用場景出現23次,占比17.83%,政策文本中涉及“康復機器人”“機器人手術系統”“服務機器人”等不同類型醫療機器人。盡管智能醫學影像相關應用場景和技術在醫療產業應用廣泛,但國內政策文本較少提及,僅出現13次,占比10.08%,包含“智能影像超聲系統”“智能醫學影像識別”“術中精準成像”等關鍵詞。藥物研發應用場景出現次數最少,僅為11次,占比8.53%,政策文本指出應加快人工智能技術在藥材生產中的應用,提升藥物研發信息化水平。此外,政策文本還提及“智能化系統”“高端智能醫療設備”“醫療智能產品”等重點研發方向,體現出國家層面對智能醫療產業的關注以及對其發展方向的指引。

圖8 2007-2021年我國智能醫療產業政策文本應用場景時間分布Fig.8 Time distribution of application scenarios for domestic intelligent medical policy texts from 2007 to 2021

4 結論與討論

4.1 研究結論

本文基于LDA主題模型對智能醫療產業應用場景識別開展研究,篩選出與應用場景相關的專家系統、臨床決策支持、手術機器人、康復機器人、藥物研發、影像疾病診斷、影像分析、影像成像設備、風險識別、遠程數據收集、可穿戴設備和在線問診,共計12個主題,分別歸屬于智能診療、醫療機器人、藥物研發、智能醫學影像和智能健康管理五大應用場景。在此基礎上,從“技術—市場—政策”3個維度開展場景驅動視角下我國智能醫療產業演化過程分析,得出如下研究結論:第一,從技術角度看,全球智能醫療產業專利申請數量呈現快速增長態勢。在蓬勃發展的同時,相關技術處于不斷創新和發展階段。我國在智能醫療五大應用場景技術領域均有布局,在我國申請的相關專利數量已居于世界前列。然而,我國現在仍處于弱人工智能階段,核心算法和技術缺位,醫療機器人、醫學影像設備等高端智能設備主要依賴進口,創新能力和研發水平亟待提升。第二,從市場角度看,智能醫療總體市場與應用場景子市場目前均處于不斷增長態勢,具有廣闊的市場空間和良好的發展前景。包括我國在內的各國科技巨頭、醫療器械提供商和健康科技初創公司都在智能醫療領域積極布局,許多醫療產品和解決方案均在快速發展。我國智能醫療產業中有大量初創企業,多數投融資輪次比較靠前,現處于早期發展階段,呈現出積極探索的良好態勢。第三,從政策角度看,我國政府大力支持智能醫療產業發展,通過多種政策工具實現全方位支持智能醫療產業科技創新和成果轉化,但五大應用場景中的政策工具應用和支持力度有所不同。

4.2 政策建議

為進一步優化我國智能醫療產業政策布局,本文提出以下建議:

(1)加大對關鍵核心技術,尤其是薄弱環節研發投入和政策支持力度,夯實智能醫療研究根基,鼓勵高校和企業科研團隊參與智能醫療重大科技項目攻關,激發技術團隊創新活力,實現技術前沿化、產品精細化和服務差異化,打造具有影響力和知名度的自主品牌。

(2)深化官產學研用合作,搭建以智能醫療企業為核心,醫院、研究所和醫學院等醫療機構協同合作的發展體系,強化基礎層和技術層宏觀布局,鼓勵龍頭企業在智能健康管理、藥物研發等應用場景開展基礎研究、科技創新工作,積極引進新產品形式和技術方案,發揮行業帶動優勢,最終形成政府引導、市場驅動、醫療企業創新、醫院及醫療研究機構支持、用戶信賴的科研創新體系,提升技術—產品與服務方案轉化效率,為智能醫療產業技術研發與成果轉化提供有力保障。

(3)智能醫療產業發展和人工智能技術應用可能會帶來隱私、安全、知識產權和倫理等問題,因此我國應重視智能醫療領域法律法規建設及行業規則制定,在促進產業發展的同時明確各主體權利、義務和責任,規范行業內生產、應用活動,明確各類責任邊界。此外,政策設計還應注意對政策工具的綜合運用,重視人工智能等前沿技術賦能醫療產業的道德責任,厘清不同場景下的政策需求,優化現有政策,支持資源配置,將資源優先傾斜給需求大、時間緊、效果佳的場景,并及時更新政策體系,把握產業政策力度轉換時機,不斷激發產業增長活力,推動我國智能醫療產業健康、蓬勃發展。

4.3 不足與展望

本文存在如下不足:一是運用LDA主題模型識別應用場景關鍵詞主要以主題-高頻率詞輸出文檔推斷主題內容,以迭代檢索結果選取關鍵詞存在一定主觀性,未來可結合機器學習、神經網絡等算法,更深入地識別研究主題,增強識別結果的可靠性。二是目前世界上主要國家以及我國智能醫療產業處于早期發展階段,數據獲取難度較大,未來可通過企業調研、行業咨詢等形式擴大數據來源,提高產業演化分析的準確性。三是分別從“技術—市場—政策”3個維度對場景驅動視角下我國智能醫療產業演化過程進行分析,未來應該對產業發展影響因素進行交互分析,厘清不同情境下產業發展演化里程碑事件,進而挖掘產業發展規律,為未來我國智能醫療產業政策優化提供支持。