隨著圖像識別、深度學習、神經網絡等關鍵技術的突破，帶動了人工智能新一輪發展，對醫療領域的改造是顛覆性的。而2017年被稱為人工智能發展的轉折點，標志之一就是人工智能醫療技術的加速產品化。 中國人工智能醫療市場規模持續增長，有望在2018年市場規模達人民幣200億元。 根據預測，2016年中國人工智能+醫療市場規模達到人民幣96.61億元(以下單位同)，增長率為37.9%，中國人工智能+醫療市場規模持續增長，2017年將超130億元，增長40.7%，有望在2018年市場規模達到200億元。 通過調查的數據顯示，在醫療行業中已成熟應用以及正在嘗試、計劃應用人工智能技術的占比已達78.5%。同時，有76.39%的人認為人工智能技術將會在醫療行業廣泛應用。 人工智能醫療應用場景主要分成了語音識別、醫學影像、藥物挖掘、營養學、生物技術、急救室管理、醫院管理、健康管理、精神健康、可穿戴設備、風險管理和病理學共12個領域。 通過語音識別和疾病數據分析，可實現機器診斷疾病。醫療是一個更垂直，專業度更高的領域，有很多專業術語和專業技能需要我們去學習。而這就需要大量的醫療專業詞匯庫的積累。人工智能診斷疾病可更準確、更快捷、更安全，以及更便宜的實現病患處理。 醫學影像與人工智能的結合，是數字醫療領域較新的分支，而且是數字醫療產業的熱點。醫學影像包含了海量的數據，即使有經驗的醫生有時也顯得無所適從。醫學影像的解讀需要長時間專業經驗的積累，放射科醫生的培養周期相對較長，而人工智能在對圖像的檢測效率和精度兩個方面，都可以做得比專業醫生更快，還可以減少人為操作的誤判率。 藥物的發現和篩選經歷了三個階段：第一階段是1930~1960年之間的隨機篩選藥物階段。隨機篩選藥物的典型代表就是利用細菌培養法從自然資源中篩選抗菌素。 第二階段是1970~2000年可以使用高吞吐量的靶向篩選大型化學庫。組合化學的出現改變了人類獲取新化合物的方式，人們可以通過較少的步驟在短時間內同時合成大量化合物，在這樣的背景下高通量篩選的技術應運而生。高通量篩選技術經過發展，已經成為比較成熟的技術，不僅僅應用于對組合化學庫的化合物篩選，還更多地應用于對現有化合物庫的篩選。 第三階段是現在，虛擬藥物篩選階段，將藥物篩選的過程在計算機上模擬，對化合物可能的活性作出預測，進而對比較有可能成為藥物的化合物進行有針對性的實體體篩選，從而可以極大地減少藥物開發成本。 在醫藥領域，最早利用計算機技術和人工智能并且進展較大的就是在藥物挖掘上，如研發新藥、老藥新用、藥物篩選、預測藥物副作用、藥物跟蹤研究等，均起到了積極作用。這實際上已經產生了一門新學科，即藥物臨床研究的計算機仿真(CTS)。 現時人們生活水平大幅度上升，對食品的營養有更高的要求，合理的膳食搭配以及更安全的有機食品需求成為新的食品產業增長點，急需新技術推動行業變革。 研究者開發了一套機器學習算法，分析學習血樣、腸道菌群特征與餐后血糖水平之間的關聯，并嘗試用標準化食品進行血糖預測。葡萄糖是人類細胞最主要的能量來源，血糖異常會導致多項重要疾病?？梢哉f，機器學習算法可以給出了更精準的營養學建議。 其中，作為健康數據的采集基礎，可穿戴設備可以說是作為人工智能的先鋒來到大眾視野。隨著人工智能技術的快速發展，以及對醫療數據的采集及應用情況的完善，伴隨著物聯網大環境的促進下，可穿戴設備也將再次發力，為人們的健康保駕護航。 語音識別則可有效緩解醫院三大明顯的痛點：效率、安全、數據。語音識別能夠很好的與現有電子病歷系統相結合，在記錄每個病人病情時，通過語音錄入的方式極大的提高了效率。將醫生從機械的文字寫入工作中解放出來，提升就診效率和患者體驗度。 智能醫學影像是將人工智能技術應用在醫學影像的診斷上。人工智能在醫學影像應用主要分為兩部分： 一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。 從變革層面講，人工智能是從生產力層面對傳統醫療行業進行變革;從形式上講，人工智能應用在醫療領域是一種技術創新;從改造的領域來講，人工智能改造的是醫療領域的供給端;從驅動力來講，人工智能主要是技術驅動，尤其是底層技術的驅動。 從創新的性質而言，人工智能屬于重大創新;從對市場影響而言，人工智能帶來增量市場，且隨著智慧程度不斷提升，理論上潛在的市場空間無限。 |
