“人工智能”四個字可以說是2017年的一個代表詞，隨着IBM Waston 和AlphaGo人機大戰等事件持續發酵，越來越多的人開始開始着眼於人工智能。AI是研究、開發以模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，人們已經開始在各個領域中研究和開發該技術。儘管目前AI在各個領域的研究日趨成熟，但是業內專家也指出，AI在醫療領域中的應用可能會率先落地。那麼目前AI在醫療領域中的應用情況是什麼？下文爲您詳解。

AI在執行操作時，計算機會通過語音識別、圖像識別、讀取知識庫、人機交互、物理傳感等方式，獲得語音視頻的感知輸入，然後從大數據中進行學習，得到一個有決策和創造能力的大腦。其應用技術主要包括：自然語言處理（包括語音和語義識別、自動翻譯）、計算機視覺（圖像識別）、知識表示、自動推理（包括規劃和決策）、機器學習和訓練。

AI與影像輔助診斷

人工智能在醫療健康領域中的應用領域包括虛擬助理、醫學影像、藥物挖掘、營養學、生物技術、急救室/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。其中人工智能+醫療健康各細分領域中，醫學影像項目數量最多（見下圖）。

從上圖可以看出，醫療影像領域的投融資交易數量最高。有需求就有市場，結合我國國情，病患多醫生少、醫療壓力巨大是造成這種結果的最大的原因。再加上現在圖像識別技術的成熟、電子膠片的普及、放射科醫師的缺乏是推動市場發展的主要因素；影像輔助診斷的使用和普及存在巨大的益處，對於患者而言，在影像輔助診斷的幫助下，和以往傳統的醫療手段相比較，將快速完成健康檢查，同時獲得更精準的診斷建議和個性化的治療方案；對醫生而言，可以節約讀片時間、降低誤診率並獲取提示（副作用等），起到輔助診斷的作用；醫院在雲平臺的支持下可建立多元數據庫，進一步降低成本。

影像輔助診斷的主要技術原理主要分爲兩部分：圖像識別和深度學習，首先計算機對蒐集到的圖像進行預處理、分割、匹配判斷和特徵提取一系列的操作，隨後進行深度學習，從患者病歷庫以及其他醫療數據庫搜索數據，最終提供診斷建議。目前來說影像輔助診斷的準確率較精準，相較於放射醫師，對臨牀結節或肺癌診斷的準確率高出50%，可以檢測整個X光片面積0.01%的細微骨折。

AI與藥物開發

近期我國藥政頻發使創新藥物研發獲諸多“政策紅利”，目前我國新藥研發面臨研發時間、成本及資金三座大山。人工智能助力藥物研發，可大大縮短藥物研發時間、提高研發效率並控制研發成本。

人工智能助力藥物研主要體現在臨牀前和臨牀研究上。在臨牀前通過深度學習，提高藥物篩選效率並優化其構效關係，在臨牀研究過程中結合醫院數據，可快速找到符合條件的受試病人。下表列出了目前人工智能在藥物研發中主要領域的情況。

人工智能在醫療中應用的最大的價值無疑將是藥物研發，近日賽諾菲宣佈與Exscientia簽訂一項潛在價值爲2.5億歐元的合作和許可交易，用於開發針對代謝疾病的雙特異性小分子藥物。前幾天藥明康德整理了全國9家值得關注的人工智能藥物研發初創公司，對每一家企業的研發情況進行了分析。由此我們預測，人工智能在藥物研發中的潛力是巨大的，未來如何發展，讓我們拭目以待。

AI與醫療機器人

說起醫療機器人，人們最熟悉的大概是達芬奇機器人，達芬奇機器人由手術檯以及可遠程控制的終端兩部分組成。手術檯機器人有三個機械手臂，在手術過程中，每個手臂各司其職且靈敏度遠超於人類，可輕鬆進行微創手術等複雜困難的手術。終端控制端可將整個手術二維影響過程高清還原成三維圖像，由醫生進行監控整個過程。

隨着人工智能的發展，一些其他類型的機器人開始出現在市場當中。日本厚生勞動省已經正式將“機器人服”和“醫療用混合型輔助肢”列爲醫療器械在日本國內銷售，主要用於改善肌萎縮側索硬化症、肌肉萎縮症等疾病患者的步行機能。除此之外，還有智能外骨骼機器人、眼科機器人和植髮機器人等等。本次生物舉辦的未來醫療科技大會上請到了醫療機器人專家張建偉院士，張院士擁有四十多項醫療機器人專利，開發過多款醫療機器人產品，相信在會議當天張院士會帶來非常有價值的報告。

AI與醫療領域中其他應用

文章開頭也提到人工智能在醫療領域中的應用比較多，上面列出了最具潛力也是當下主要的應用情況。IBM Waston在醫療界名聲已經很大了，這裏不再舉例說明。IBMWaston屬於智能診療應用範疇，目前我國也有多所高校開發出了人工智能醫學計算機專家系統，並且成功的應用到了臨牀當中。除此之外，人工智能在健康管理中的應用也在高速發展當中。此次會議第二天將進行人工智能醫療領域大賽PK，有衆多攜優秀項目來參賽的團隊，我們敬請期待。

結語：是“夢”還是“現實”？

任何一種科技備受矚目時，我們都應當理性去思考其背後所隱藏的危機。從醫療人工智能產業鏈佈局上看（如下圖），我國人工智能技術開發市場最大的優勢，也是非常重要的一個部分就是大數據，我國人口多數據來源豐富，合理的進行數據挖掘並且打造數據共享平臺，將爲整個產業鏈乃至社會帶來巨大的福利。但是機器算法和芯片作爲核心技術，目前大多仍然掌握在歐美企業手上，我國企業需要通過不斷的學習和資源整合並尋求相關的合作機會纔會有所突破。

而我國AI技術的發展應當重視以下三個問題：1. 數據從哪來：美國要求醫療信息的商業化應用必須嚴格符合HIPAA和HITECH兩個法案規定。中國目前在此領域政策上態度不明確，專家指出先想好如何利用數據，後續纔會有法律出臺；2. 醫療問題太過於複雜，互聯網醫療在商業轉化方面的各種問題如與醫院、醫生、藥店建立起怎樣的商業生態，如何獲取用戶；3. 工作量巨大，包括訓練病種機器人，金錢投入成本較高；

我國對人工智能技術的支持也體現在了相關的政策上，從2016年的《“互聯網”+人工智能三年行動實施方案》到剛頒佈不久的《“健康中國2030”規劃綱要》都直接或間接的表明了發展醫療人工智能產業的支持和推動態度。

綜上所述，你看得到機遇也看得到風險。生物谷本次會議將明確市場“可及性”，爲企業的發展指明方向。我們深信，隨着科技的發展，那些科幻片裏出現高科技也將不再陌生，那麼，這究竟是一場炫酷的“智能夢”還是可及的現實？讓我們拭目以待！