AI医疗医药，未来已来.docxVIP

AI+医疗/医药：未来已来，前景广阔 人工智能主要指利用计算机通过大量训练学习并模仿人类行为的技术，包括物理发现和识别、自然语言处理、自动推理、语音识别、知识管理等。近年来，随着医疗数据集的快速扩张、硬件设备的迭代升级、算法模型的优化改进，AI 在医疗场景中的技术积累越发成熟，应用场景日益丰富。近期 GPT 技术的突破再次引燃市场关于 AI+医疗/医药的讨论关注。我们认为 AI+医疗/医药未来空间广阔，当下值得重点关注，我们重点梳理了 AI 技术在医疗领域技术应用、政策变化，重点分析 AI 在药品开发、病理诊断、医学影像等领域的应用，探讨相关投资机会。 图表 1：AI+医疗/医药的应用场景丰富 主要场景 终端应用 具体内容 自然语言处理 智能辅诊 在挂号阶段，通过Al交互式对话平台，可对患者提供的语音或文本内容进行症状记录，症状分析，提供就诊建 议，导诊和导医决策。在候诊及院内导诊阶段，Al导诊机器人可提供常见问题的就诊和导诊解答。这个交互平台所具备的24小时不间断服务功能也能极大地解决患者在非常规时间段的导诊问题。在就诊及检查阶段，医师通过 Al语音电子病历系统，自动生成患者的就诊报告，从而提升病历录入效辟，提高病历质量 电子病历语音录入 借助Al技术，电子病历的录入效率和质量可以得到大幅度提高。在规范的电子病历和健康大数据的基础上，医师 可结合患者症状和病历信息个性化定制诊治方松(检查化验、药物处方、手术建议等）。医师通过语音交互系统，快捷建立诊疗流程，将医师从当下繁琐的记录和输入操作解放出来，让医师更专注于诊疗决策环节，站在医师的角度提高诊断效率。 体征监测 光容积扫描 光容积描记法是借光电手段在活体组织中检测血液容积变化的一种无创检测方法。在具体的应用层面，结合深度 学习和压缩感知技术，通过实现低采样并PPG信号的重建，在不损失信息的前提下，可以降低硬件功率和成本，提高便携设备的续航和寿命。Al技术针对房颤等在内的心律失常可以有效的进行监控，在心律失常事件发生的第一时间预警并记录数据，并在后续就诊过程中为医师提供重要参考依据。 心电图 心电图是一种经胸壁以时间为单位记录心脏的电生理活动，利用在人体皮肤表面贴上的电极，可以检测到心脏的 电位传动。应用AI算法大幅度提高ECG数据的分析识别能力，在就诊时同步结合多个导联由Al算法的自动分析并生成精确的监测报告。随着便携和可穿戴设备的发展，将Al算法应用在随身设备的持续、即时、跟踪监测中，进一步提高对心脏病的风险监控。 CGM CGM、是用户使用自动植入器在皮肤下插入一个微小的传感器，使用高频电波获取血液的中不同血糖浓度的反射 波，将其转换为电信号得到血糖浓度监测结果。Al算法可以长期跟踪用户的血糖数据，对其进行动态分析和症状监测。对患者用药或影响症状的行为进行记录并及时反馈。对于无创或极微创的体征监测，Al算法可以有效推动患者的自检及症状跟踪，以专家水平给出可靠的诊断结果。可以给感者和医师都带来极大的便利，使患者减少在院检查次数的同时提供给医师有效的监测数据，降低心脏、血糖等慢性疾病患者的就医成本，提高诊断效率。 基因组学和蛋白质组学 蛋白质组学 在诊断研究方面，可以把Al应用于蛋白质组学来进行蛋白质组学分析，也可以应用于功能蛋白质组学，用来进行 蛋白质质谱监测，通过对蛋白质代谢信息的分析来提供治疗策略。此外，还可应用于功能性脂类组学分析，分析作用酶和环境影响下疾病的病理学改变，运用系统工程和生物信息学的交叉验证输出结果 基因组学 与传统工具相比，应用Al技术开发出的深度学习工具，与传统工具相比，能够更准确地识别常见的遗传变异类型 。高通量测序的普及和指数级上升的信息交流速率，大量数据产出正在驱使科研工作者思考如何对海量数据进行消化、归纳和应用。深度学习算法也可以应用于RNA事件构建预测模型，例如剪接、转录和聚腺苷酸化;能够识别突变并将其标记为致病性，并借助这些结果开发由短的核酸序列衍生出来的治疗方法;或是应用于癌细胞的生物标记物分析。当痛细胞摧毁免疫细胞和其他健康组织后，DNA和RNA的碎片在被重吸收之前仍然进行循环，其他无细胞的核酸则直接由痛细胞自身流出。通过结合这些无细胞的生物标志，可以对痛细胞在体内的活动进行实施跟 踪，以达到对癌症的预测和分析 医学影像 X光胸片阅读 通过AI对X线胸片提前进行辅助阅读分析，帮助医师完成多种疾病的医学影像筛查(例如;肺结节、肺结核、气胸 等)，或是对医师阅片顺序进行智能排序，从而提高医师的阅片效率和诊断精度 眼底检测 眼科医师数量少，眼底诊断设备昂贵，眼底诊断渠道门榜高，导致眼科疾病诊治困难。Al通过学习眼底图像，实 现对一些严重眼科疾病如青光眼、糖尿病性祈网膜病变和老年黄斑变性的有效诊断，推动眼底疾病诊断的普及和眼科疾病的治疗。