人工智能在医疗领域应用的深度研究报告.docxVIP

2017 年人工智能在医疗领域应用的深度研究报告 1、人工智能发展历程简介 人工智能研究的目的在于使机器胜任一些通常需要人类智能才能完成的复杂工作。按照智 能化的程度，人工智能可以被划分为计算智能、感知智能和认知智能。计算智能，在逻辑 能力方面模拟人类，典型的应用比如阿尔法狗；感知智能，主要包括图像识别和声音识别， 这个领域的典型应用是无人驾驶汽车，模拟人对外界的感受和反应；认知智能，指让机器 有自己的语言，能够自我学习，学会推理和决策。认知智能是目前机器与人差距最大的领 域，也被认为是未来提升空间最大的领域。 图 1 AI2.0 是人工智能崛起的黄金十年 图 2 AI2.0 的关键性突破 2、人工智能应用领域及市场规模 人工智能在安防、城市运营、金融、法律服务、家居、医疗、服务机器人、农业等几大领域将产生冲击。从产业发展的角度看，长远一点来说人工智能在规则清晰、信息比较有限的领域如物体识别、下棋、驾车、简单行医、股票高频交易等一定会超越人类，而在规则比较模糊、信息量比较大的领域如文学创作、画画、科研，人工智能短期内想要达到与人类抗衡的水平还存在较大难度。目前，人工智能发展处于专用阶段，主要应用于完成具体任务，医疗、教育、安防、城市运营、法律等行业数据电子化程度深、数据较集中且数据质量高，预计这些领域将最先受到人工智能的改造，呈现机器协助人类、提高人类工作效率乃至替代人类行为的趋势。 2018 年，全球人工智能市场将达到约 2700 亿元，并且以每年 30%左右的速度增长 图 3 全球人工智能市场规模 1、 1、人工智能+医疗产业链 人工智能产业链主要包括基础层、技术层、应用层。基础层、技术层是人工智能大生态系 统的基础设施，应用层是在应用场景变现的渠道。每个层面的进入门槛、核心优势都不一 样，投资机会、投资回报也不一样。目前全球共有 90 多家人工智能+医疗创业公司分布在应用层、技术层，基础层则主要由几家科技巨头切入，包括 IBM、谷歌、微软、Facebook、亚马逊、阿里、百度等。 图 4 人工智能+医疗产业链价值分析 进入门槛（前期投入） 演化路径 投资机会 医疗行业解决方案 大量行业数据形成模型、竞争相对激烈 垂直行业应用或跨行业延伸 低投入，变现快，短期和长期投资价值大 应用层  医疗行业应用平台 需要有较高行业影响力和号召力，构建开发者生态和用户群  向 APP store 发展 长期投资价值大 与行业结合，形成解 技术层 通用技术 需要有一定规模的工程团队 决方案或通用技术平 台 投入适中，中长期布局 算法、框架 算法、框架及工具较多 横向：算法工具平台纵向：开发者生态  投入适中，中长期布局 基础层  医疗数据资源  入口被拥有流量的公司占据 高投入，高回报，短期 数据资产化 和长期投资价值均巨大 计算能力 选择计算量需求较大的行业 横向：通用计算平台 高投入、高回报，短期 切入 纵向：计算服务生态 投资价值 2、人工智能+医疗应用领域 人工智能在医疗领域的应用主要包括：辅助诊疗、医学影像、药物挖掘、健康管理、急救 室和医院管理、可穿戴设备、营养管理、虚拟助手等。全球各大科技巨头以及创业公司都 已纷纷在人工智能+医疗领域布局。IBM 在 2011 年将机器人 Watson 应用于医疗领域，并与苹果、纽约基因中心、辉瑞等在健康数据分析、肿瘤测序、患者远程监控等方面进行合 作。谷歌的人工智能子公司是 DeepMind, 2016 年 2 月谷歌 DeepMind 公布成立DeepMind Health 部门，随后，DeepMind Health 与英国国家健康体系（ NHS）合作， 辅助 NHS 决策。另外，DeepMindHealth 还与皇家自由医院、Moorfields 眼科医院合作， 开发帮助医生更快查看医疗结果、辨识视觉疾病的软件。微软 2016 年宣布将 AI 用于医疗健康的计划 Hanover,帮助寻找最有效的药物和治疗方案。百度 2016 年发布百度大脑，模拟医生问诊，辅助医生完成问诊。 人工智能+医疗在辅助诊断、医学影像、药物挖掘、健康管理的应用目前走得较快。以下重点介绍这几个方向的应用情况。 3、人工智能+辅助诊疗 人工智能+辅助诊疗，是指将人工智能技术用于辅助诊疗中，让计算机“学习”医疗知识， 模拟医生的思维和诊断推理，给出可靠的诊断和治疗方案。在诊断中，人工智能需要获取 患者的病症信息，通过已“学习”的医学知识推理判断疾病原因与发展趋势，形成治疗方 案。一般的辅助诊疗模式为“获取病症信息--假设可能性--选择治疗方案”： 第一步：病症指患者的临床症状表现。患者需要通过自述、上传化验结果等方式将病症信息输入人工智能系统，人工智能系统由此获得诊断的