自從2017年7月20日國務院發布《新一代人工智慧發展規劃》，人工智慧不斷得到重視，發展也取得了矚目的成績。

在醫療領域，以阿里、騰訊、科大訊飛等科技巨頭為代表，相繼發布的醫療人工智慧產品，並將產品落地醫院，並且以人工智慧技術為基礎，共建智慧醫院，不斷拓寬人工智慧在醫療領域的應用範圍。

醫療，是目前人工智慧各應用領域中發展相對較快的領域。大量醫療人工智慧創業公司自2014年後集中湧現，不少傳統醫療相關企業紛紛引入人工智慧人才與技術。根據前瞻產業研究院發布的《2018-2023年中國醫療人工智慧行業市場前景預測與投資戰略規劃分析報告》數據統計：國內目前為止已有公開披露的融資事件有93筆，其中有57筆明確公布了融資金額。從時間上來看，2014-2016年融資數量有了明顯的上升，而且增長速度很快，資本的活躍度逐年走高。

從融資額度的角度來看，更是可以看出非常明顯的增長趨勢，僅國內來說，千萬級和億級的融資事件佔到了65%以上，國外的大部分融資也都分布在早期階段。

據統計，到2025年，人工智慧應用市場總值將達到1270億美元，其中醫療行業將佔市場規模的五分之一，所以說，醫療行業正處於人工智慧產業發展的風口。

目前，人工智慧在醫療領域的應用將主要集中在這幾方面。

1.診斷疾病

醫學面臨的最大挑戰是疾病的正確診斷和識別，這也是機器學習發展的重中之重。2015年的一份報告顯示，針對超800種癌症的治療方案正在臨床試驗中。而利用機器學習可使癌症識別更加精確。以，一家總部位於波士頓的生物製藥公司Berg為例，目前公司正在利用AI平台對臨床試驗患者數據進行分析，以促進治療各種疾病的新葯開發。

2.個體化用藥

關於使用機器學習和預測分析來定製針對個人的特異性治療潛能，目前正處於研究中。如果成功，這一策略可以優化診斷和治療方案。目前，研究的重點是有監督的學習，醫生可以利用遺傳信息和癥狀縮小診斷範圍，或對患者的風險做出有根據的推測。這可以促進更好的預防措施。預計未來10年，先進的健康測量移動應用以及微生物感測器和設備的使用將激增，這將提供豐富的數據，進而有助於有效的研發和更好的治療方案。

3.藥物開發

機器學習在早期藥物發現（如新葯開發）和研發技術（如下一代測序）中發揮著許多作用。這一領域的第一項是精確醫學，它使複雜疾病的識別和可能的治療方式更有效。MIT臨床機器學習小組是使用機器學習促成精密醫學的主要參與者之一，側重於演算法開發。英國皇家學會指出，醫藥開發中的機器學習可以幫助製藥公司通過分析製造過程數據來優化生產，並加快生產速度。

4.臨床試驗

臨床試驗研究是一個漫長而艱巨的過程。機器學習可以在各種方面幫助縮短這一過程。一種策略是通過對廣泛的數據使用高級預測分析，從而更快地確定目標人群的臨床試驗候選人。麥肯錫( McKinsey )的分析師描述了其他機器學習應用程序，這些應用程序可以通過簡化計算理想樣本大小、方便患者招募以及使用病歷將數據錯誤降至最低等任務來提高臨床試驗的效率。

5.放射治療和放射學

哈佛醫學院助理教授Ziad Obermeyer博士在2016年的一次採訪中表示:「20年後，放射學家將不會以現在的形式存在。它們看起來更像是電子機器人：監督每分鐘閱讀數千份研究報告的演算法。目前，倫敦大學學院醫院的deep mind Health正在開發機器學習演算法，通過區分健康組織和癌症組織來提高放射治療計劃的準確性。

6.電子健康記錄

支持向量機（Support vector machines用於分類患者電子郵件查詢的技術）和光學字元識別（用於數字化手寫筆記的技術）是用於文檔分類的機器學習系統的基本組件。這些技術的應用案例包括MathWorks的MATLAB （一個具有手寫識別應用程序的機器學習工具）和谷歌的雲視覺API。MIT臨床機器學習小組的重點之一是開發基於機器學習的智能電子健康記錄技術，其理念是開發「安全、可解釋、能從少量標記的訓練數據中學習、理解自然語言、並能在醫療環境和機構中很好地推廣的強大機器學習演算法」。

人工智慧技術在近年來的飛速發展使得醫學專家系統、人工神經網路等在醫學領域的開發與應用成為現實，並且取得了很大的突破。然而，目前在國內，醫學人工智慧的發展態勢和應用規模較西方發達國家仍然存在較大的差距，技術水平普遍不高，多數屬於低級別開發，在性能方面還有很大的提升空間，還需要與臨床實踐作更為緊密的結合。

推薦閱讀：

相关文章