2017年人工智能在医疗领域应用的深度研究报告.docx

2017年人工智能在医疗领域应用的深度研究报告1、人工智能发展历程简介人工智能研究的目的在于使机器胜任一些通常需要人类智能才能完成的复杂工作。按照智能化的程度，人工智能可以被划分为计算智能、感知智能和认知智能。计算智能，在逻辑能力方面模拟人类，典型的应用比如阿尔法狗；感知智能，主要包括图像识别和声音识别，这个领域的典型应用是无人驾驶汽车，模拟人对外界的感受和反应；认知智能，指让机器有自己的语言，能够自我学习，学会推理和决策。认知智能是目前机器与人差距最大的领域，也被认为是未来提升空间最大的领域。图1 AI2.0 是人工智能崛起的黄金十年图2 AI2.0的关键性突破2、人工智能应用领域及市场规模人工智能在安防、城市运营、金融、法律服务、家居、医疗、服务机器人、农业等几大领域将产生冲击。从产业发展的角度看，长远一点来说人工智能在规则清晰、信息比较有限的领域如物体识别、下棋、驾车、简单行医、股票高频交易等一定会超越人类，而在规则比较模糊、信息量比较大的领域如文学创作、画画、科研，人工智能短期内想要达到与人类抗衡的水平还存在较大难度。目前，人工智能发展处于专用阶段，主要应用于完成具体任务，医疗、教育、安防、城市运营、法律等行业数据电子化程度深、数据较集中且数据质量高，预计这些领域将最先受到人工智能的改造，呈现机器协助人类、提高人类工作效率乃至替代人类行为的趋势。2018年，全球人工智能市场将达到约2700 亿元，并且以每年30%左右的速度增长图3 全球人工智能市场规模人工智能+医疗1、人工智能+医疗产业链人工智能产业链主要包括基础层、技术层、应用层。基础层、技术层是人工智能大生态系统的基础设施，应用层是在应用场景变现的渠道。每个层面的进入门槛、核心优势都不一样，投资机会、投资回报也不一样。目前全球共有90多家人工智能+医疗创业公司分布在应用层、技术层，基础层则主要由几家科技巨头切入，包括IBM、谷歌、微软、Facebook、亚马逊、阿里、百度等。图4 人工智能+医疗产业链价值分析进入门槛（前期投入）演化路径投资机会应用层医疗行业解决方案大量行业数据形成模型、竞争相对激烈垂直行业应用或跨行业延伸低投入，变现快，短期和长期投资价值大医疗行业应用平台需要有较高行业影响力和号召力，构建开发者生态和用户群 ?向APP ?store发展长期投资价值大技术层通用技术需要有一定规模的工程团队与行业结合，形成解决方案或通用技术平台投入适中，中长期布局算法、框架算法、框架及工具较多横向：算法工具平台纵向：开发者生态投入适中，中长期布局基础层医疗数据资源入口被拥有流量的公司占据数据资产化高投入，高回报，短期和长期投资价值均巨大计算能力选择计算量需求较大的行业切入横向：通用计算平台纵向：计算服务生态高投入、高回报，短期投资价值2、人工智能+医疗应用领域人工智能在医疗领域的应用主要包括：辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。全球各大科技巨头以及创业公司都已纷纷在人工智能+医疗领域布局。IBM在2011年将机器人Watson应用于医疗领域，并与苹果、纽约基因中心、辉瑞等在健康数据分析、肿瘤测序、患者远程监控等方面进行合作。谷歌的人工智能子公司是DeepMind, 2016年2月谷歌DeepMind公布成立DeepMind Health部门，随后，DeepMind Health与英国国家健康体系（NHS）合作，辅助NHS决策。另外，DeepMindHealth还与皇家自由医院、Moorfields眼科医院合作，开发帮助医生更快查看医疗结果、辨识视觉疾病的软件。微软2016年宣布将AI用于医疗健康的计划Hanover,帮助寻找最有效的药物和治疗方案。百度2016年发布百度大脑，模拟医生问诊，辅助医生完成问诊。人工智能+医疗在辅助诊断、医学影像、药物挖掘、健康管理的应用目前走得较快。以下重点介绍这几个方向的应用情况。3、人工智能+辅助诊疗人工智能+辅助诊疗，是指将人工智能技术用于辅助诊疗中，让计算机“学习”医疗知识，模拟医生的思维和诊断推理，给出可靠的诊断和治疗方案。在诊断中，人工智能需要获取患者的病症信息，通过已“学习”的医学知识推理判断疾病原因与发展趋势，形成治疗方案。一般的辅助诊疗模式为“获取病症信息--假设可能性--选择治疗方案”：第一步：病症指患者的临床症状表现。患者需要通过自述、上传化验结果等方式将病症信息输入人工智能系统，人工智能系统由此获得诊断的基础信息。第二步：假设，是指人工智能基于已“学习”的医学知识对患者做出的诊断的可能结论。第三步：选择治疗方案，是指人工智能通过已“学习”的医学经验，经过权衡利弊（疗效、毒性、副作用及其他）推理选择治疗方案。在AI+辅助诊疗的应用中，IBM Watson是目前