近來人工智能(ArtificialIntelligence，AI)在醫療領域的應用成為健康產業的一個技術發展和商業熱點，其背后蘊含著巨大的想象空間和產業價值。AI作為一個全新的技術如何在醫療這個具高度復雜性的領域落地，仍面臨許多挑戰。本篇將在總結醫療人工智能現狀的基礎上，介紹國內外在醫療人工智能領域的應用探索和商業實踐創新，供關心這一領域的專家和從業人員參考。

一、醫療人工智能的發展歷程與構成要素

人工智能(ArtificialIntelligence，AI)是計算機科學的一個分支，是通過對人的意識和思維過程進行模擬并系統應用的一門新興科學。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。1956年夏季在美國達特茅斯(Dartmouth)大學舉行的首次人工智能研討會，McCarthy第一次提出“人工智能”的概念，標志著人工智能學科的誕生。

醫療人工智能即人工智能在醫療領域的應用，涉及醫療行業各個環節，其終極目標是人工智能代替人來為患者診斷、治療，目前主要發展方向包括輔助診斷、醫學影像識別、藥品研發、健康管理、基因測序等。

1.1醫療人工智能的發展歷程

早期的醫療人工智能探索

最早在醫療領域進行人工智能探索的嘗試出現在上世紀70年代。1972年，由利茲大學研發的AAPHelp是資料記載當中醫療領域最早出現的人工智能系統。這個系統主要是用于腹部劇痛的輔助診斷以及手術的相關需求。

在隨后的整個七十年代，又產生了不少新的成果。INTERNISTI于1974年由匹茲堡大學研發問世，主要用于內科復雜疾病的輔助診斷。MYCIN于1976年由斯坦福大學研發，能對感染性疾病患者進行診斷，開出抗生素處方。在其內部共有500條規則，只要按順序依次回答其提問，系統就能自動判斷出患者所感染細菌的類別，為其開出相應處方。此外，還有羅格斯大學開發的CASNET/Glaucoma，MIT開發的PIP、ABEL，斯坦福大學開發的ONCOCIN等。到上世紀80年代，已經有一些商業化應用系統的出現，比如QMR（QuickMedicalReference），還有哈佛醫學院開發的DXplain，主要是依據臨床表現提供診斷方案。

總的來說，醫療人工智能方面過早期的大多數探索都并不成功。不過，這樣的現狀只能說明醫療的高度復雜性，并沒有阻止人類在醫療領域探索人工智能的嘗試。

近期國外在醫療人工智能領域的發展

目前，醫療人工智能領域最知名的就是IBMWatson，并且Watson已經取得了不俗的成績。例如在腫瘤治療方面，Watson能夠在幾秒之內篩選數十年癌癥治療歷史中的150萬份患者記錄，并為醫生提供可供選擇的循證治療方案。目前癌癥治療領域排名前三的醫院都在運行Watson，并且Watson已經正式進入中國。

除了IBM之外，谷歌、微軟等科技巨頭也在醫療人工智能領域取得了積極進展。2016年2月，谷歌DeepMind公布成立DeepMindHealth部門，將與英國國家健康體系（NHS）合作，幫助他們輔助決策，提高效率縮短時間。DeepMind還參與NHS一項利用深度學習開展頭頸癌患者放療療法設計的研究。DeepMind還與Moorfields眼科醫院的合作將人工智能技術應用于及早發現和治療威脅視力的眼部疾病。

微軟于2016年宣布將AI用于醫療健康的計劃Hanover，幫助尋找最有效的藥物和治療方案，并且與俄勒岡衛生科學大學Knight癌癥研究所合作，共同進行藥物研發和個性化治療。

蘋果公司一方面計劃自主開發人工智能芯片，另一方面則屢次收購人工智能公司。在2010年收購Siri之后，蘋果公司近年來還在語音技術方面進行了幾筆收購，其中包括VocalIQ和NovaurisTechnologies。

我國的醫療人工智能發展歷史與現狀

我國人工智能領域的開發研究始于20世紀80年代初，起步雖然較發達國家晚，但是發展速度迅猛。1978年北京中醫醫院關幼波教授與計算機科學領域的專家合作開發了“關幼波肝病診療程序”，第1次將醫學專家系統應用到我國傳統中醫領域。此后我國有代表性的人工智能產品有“林如高骨傷計算機診療系統”、“中國中醫治療專家系統”、具有咨詢和輔助診斷性質的“中醫計算機輔助診療系統”等。進入21世紀以來，我國的醫療人工智能則在更多領域取得長足發展。

2016年10月，百度以“開啟智能醫療新時代”為主題，正式對外發布百度人工智能在醫療領域內的最新成果——百度醫療大腦，對標谷歌和IBM的同類產品。作為百度大腦在醫療領域的具體應用，百度醫療大腦是通過海量醫療數據、專業文獻的采集與分析，模擬醫生問診流程，依據用戶的癥狀，給出診療最終建議。

騰訊則依托微信豐富的數據量和數據維度，探索發展醫療人工智能。如騰訊與中山腫瘤南山醫院的合作，在廣東汕頭地區開展食道癌早期篩查系統的試點。騰訊通過人工智能圖片處理，幫助開展食道癌前期篩查，在提升醫療機構醫療能力的同時，顯著降低了人工投入。此外，騰訊的人工智能實驗室還將和卓建、醫聯兩家公司合作，開發面向未來的復診系統。

阿里則在醫療智能診斷領域重點布局。2017年7月，阿里健康發布醫療AI“DoctorYou”，“DoctorYou”AI系統包括臨床醫學科研診斷平臺、醫療輔助檢測引擎、醫師能力培訓系統等。此外阿里健康還與多地政府、醫院、科研院校等外部機構合作，開發打造包括糖尿病、肺癌預測、心理智能、眼底篩查在內的20種常見、多發疾病的智能診斷引擎。

1.2醫療人工智能的三個階段

從技術發展的歷程看，人工智能分為計算智能、感知智能、認知智能三個階段。第一階段機器開始像人類一樣會計算，傳遞信息。第二階段機器開始看懂和聽懂，做出判斷，采取一些行動。第三階段機器能夠像人一樣思考，主動采取行動。

圖表1醫療人工智能發展的三個階段

圖表來源：奇璞研究

從數據有效性和商業模式的發展來看，醫療人工智能應用也可以分為三個階段：第一階段為數據整合階段。目前已存在深度學習等先進算法，但由于醫療數據標準化低，共享機制弱，導致人工智能在醫療行業的應用領域和效果受限。在共享機制尚未成熟前，擁有醫療大數據的公司具備競爭優勢與議價能力。第二階段是“數據共享+感知智能”階段。當醫療數據融合到一定程度后，將會在輔助診療、圖像識別等各領域出現輔助性的商用產品。在這個階段，數據和算法優勢都成為重要壁壘，有效數據將促進算法的實施得到進一步優化。第三階段是“認知智能+健康大數據”階段。在此階段，人工智能整體上從感知智能向認知智能發展，健康大數據的獲取成本也將降低，人類將步入個性化醫療時代。該階段將出現替代人類醫生的人工智能應用。

圖表2按照數據和算法角度，醫療人工智能的發展階段

圖表來源：奇璞研究

1.3醫療人工智能構成的三個要素

人工智能的核心是算法，基礎條件是數據及計算能力，因此，可以認為醫療與人工智能結合的關鍵要素是“算法+有效數據+計算能力”。

先進算法是實現醫療人工智能的核心，能夠提升數據使用效率。隨著先進算法的不斷開發，人工智能從計算智能邁向感知智能，未來將會向認知智能邁進。先進算法能夠提升從信息到“知識”的轉化效率，提升智能化程度。

有效的醫療大數據是人工智能應用的基礎。醫療數據的有效性包括三個方面：電子化程度、標準化程度以及共享機制。電子化程度強調數據和病歷的供給量；標準化程度強調數據之間的可比性和通用型；共享機制強調數據獲取渠道的便利性和合法性。只有滿足上述三個方面的條件，醫療大數據才能得到有效搜集和應用，進而為人工智能打下基礎。

計算能力是醫療人工智能的另一基礎條件。未來隨著量子計算以及速度更快的芯片的產生，將進一步推動人工智能應用的發展。

圖表3醫療人工智能的三大要素

圖表來源：奇璞研究

二、醫療人工智能的商業應用與模式創新

由于醫療人工智能的發展必須以有效的醫療大數據為基礎，所以在醫療領域，凡是具備獲取有效數據的領域，人工智能均有用武之地，比如在基因測序、輔助診斷、藥品研發的方面，醫療人工智能均有不錯的發展。

這里首先介紹醫療人工智能領域的代表公司——IBM的Watson，它主要的商業模式是通過在某一類疾病的數據和算法優勢，擴展相關領域人工智能的商業模式。

2.1IBMWatson：深度聚焦腫瘤領域人工智能技術

IBMWatson是自2007年開始，由IBM公司的首席研究員DavidFerrucci所領導的DeepQA小組開發的人工智能系統，目前是醫療人工智能領域的龍頭。Watson在醫療領域的商業戰略分為三個方面：一是深度聚焦腫瘤領域，并向其他領域擴展；二是通過收購獲取數據資源；三是通過合作擴展使用場景，輸出生態能力。

Watson在2011年便開始了腫瘤領域的機器學習，充分訓練后，形成WatsonforOncology產品。該產品可以輔助腫瘤醫生快速了解相似病歷，完成初步診斷，縮短診斷時間。接下來，Watson開始提供識別基于證據的輔助治療方案。

通過將患者文件中的屬性數據與臨床知識、外部數據相結合，Watson提供腫瘤解決治療方案供醫生參考。目前Watson對不同癌癥種類的診斷準確率能達到70%-90%之間。

更多資訊請關注工業機器人頻道