“革新但向天地间，科技飞腾大道雄”，随着科技的发展， 人工智能这几年已经有了突破性的进展， 与我们生活越来越息息相关。 其中医疗与人工智能的结合，更将会成为新时代的爆发点。据统计，医疗行业占人工智能应用市场规模的 1/5。 我国正处于医疗人工智能的风口，人工智能在医疗行业发展现状如何？ 为什么在医疗领域这么火热？ 应用前景如何？
1 .医疗行业人工智能发展现状：人工智能目前在医疗行业应用最得广泛成熟有如下几个领域：
（1）人工智能+医学影像。 人工智能+医学影像是将人工智能技术具体应用在医学影像的诊断上， 帮助医生定位病症分析病情，辅助做出诊断，提高医生工作效率。 它的技术主要分为两部分：第一部分是图像识别，应用于感知环节，其主要目 的是将影像这类非结构化数据进行分析， 获取一些有意义的信息。 第二部分是深度学习，应用于学习和分析环节，是 AI 应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。在图像识别上，人工智能+医学影像与人工相比有三大优势：①效率更高：具有多年临床经验的医生诊断 200 张 CT 扫描图片需要 20min， 而计算机检测系统能够在秒级给出分析结果；②准确率提高：比如阿里 ET 医疗大脑挑战肺结节领域的机器读片，可以在片子上圈出结节区域，将人工判断的准确率从 60~70%到 85%， 并且人工智能可以检测到占 X 光面积0.01%的细微骨折；③稳定性增强：疲劳会降低人工阅片的准确率，而机器阅片的准确率性不随阅片时间的增长出现下降。人工智能+医学影像还用在对影像诊断报告的分析上。 医学影像仅仅分析图像本身还不够， 更重要的是影像对应的诊断报告也要加以分析。 而我国的影像诊断报告呈现出因医生而异的特点，因为医生的个人习惯、教育背景和执业医院等因素导致了不同地区不同医院的影像诊断报告标准不一样。 人工智能+医学影像可以很好解决这样的问题。
（2）人工智能+药物挖掘。 人工智能药物挖掘主要是通过深度学习和自然语言处理提取和分析大量的生物科学信息- 专利、基因组数据和生物医学期刊数据库上的数据信息，利用深度学习算法找出关联并提出相应的候选药物， 进一步筛选具有对某些特定疾病有效的分子结构。传统的药物研发领域存在三大痛点：①研发周期长；②研发成本高；③成功率低。 人工智能+药物挖掘能够有效缩短新药研发周期和降低失败风险。 目前通过计算机模拟和借助深度学习，在抗肿瘤药物和常见传染病治疗药等获得了新的突破。目前仿制药占我国国产药的 95%左右，药品产能过剩，并且重大创新较少，主要原因在于国内药企研发能力偏弱，研发经费占比低， 仅 3~5%， 国外新药研发企业的研发经费则占15~20%。 人工智能在药物挖掘的应用有望改变国内药物研发创新不足的格局。
（3）人工智能+个人健康管理。 人工智能健康管理利用人体日常的身体数据，帮助个人实现精准有效的健康管理，从源头减少发病诱因，从而减少家庭医疗支出。2017 年华尔街互联网行业权威 Mary Meeker 发布的 《互联网趋势报告》指出，医疗卫生和保健已进入数字化拐点。 百分之八十多的消费者使用可穿戴设备等健康数据，而这些结构化的健康数据将会作为数据源帮助消费者进行个人健康管理。
（4）人工智能+辅助诊断。 人工智能辅助诊断将数据变为知识，按照数据流的视角大致分为五个步骤：数据集中、数据 加工、知识图谱、知识计算、交互设计。 具体而言，人工智能+辅助诊疗以患者的病史、症状、检验检查和用药等治疗方案为原始数据，整理出临床治疗经验，融合现存的医学知识，针对各 种疾病建立医疗图谱。 并在此基础上，通过“阅读”患者的病历或者是临床症状，结合后端的医疗图谱，为医生提示临床医疗方案，为患者提供诊疗方法参考并答疑解惑。
2. 人工智能在医疗领域发展迅速的原因初探
（1）医疗健康产业供需严重不平衡。 由于医疗资源缺乏和效率不高，目前我国卫生行业存在“看病难、看病贵”问题，没有办法满足人民群众不断增长的医疗需求。随着中国人口老龄化趋势下， 疾病高发的数量日益增多， 看病需求加大。 但是受制于周期长、成本高等特点，培养更多的医务人员“这杯远水”解不了近渴。 《2016 年中国卫生和计划生育事业发展统计公报》 显示， 医院卫生技术人员数同比增长5.57%，低于诊疗人次 6.17%的增幅，供给跟不上需求的增加。 而人工智能在医疗领域上的运用可以大大降低成本和提高效率，弥补医疗健康产业供需严重不平衡。
（2）医疗领域有海量的大数据。 国务院办公厅 2016 年 6月发布 《关于促进和规范健康医疗大数据应用发展的指导意见》， 把生物学资源和医疗大数据作为国家的基础战略资源， 纳入了国家大数据战略布局。 据预计，医疗数据量到 2020 年将超过 40 万亿 GB，并且还在以惊人的速度迅速增长。但我国的医疗数据分散在各个医疗机构，利用效率低。 并且绝大部分是非结构化数据， 大大超出了传统的数据计算处理能力。 另外我国医疗数据分散在不同医院机构，深度利用率不高。 人工智能领域计算机视觉、机器学习、深度学习等技术突破，可以激活这座沉睡的数据金矿。
（3）医疗行业特征和人工智能技术优势高度吻合。 医疗是一个知识、数据密集型的行业。 在对失误零容忍的前提下，极其依靠强大的知识储备和处理分析能力进行诊断治疗。
3. 人工智能在医疗领域应用前景分析
人工智能的飞速发展大大提高了医疗数据处理深度和效率。 借助大数据分析和深度学习，以及计算机 24h 不知疲倦等运转优势，人工智能可以将医疗失误降低 40%左右。
人工智能未来将从医院、医生、医药、患者四个经营和服务主体出发，充分利用数据储存和处理优势，触及医疗设施设备、诊断、手术、医药电商、挂号问诊、医生社区及工具、慢病管理及可穿戴设备等商业版块，促进医疗服务行业的快速有效更替，为健康服务。