我国人工智能已进入快速成长期， 医疗康健成为重点运用方向

人工智能广泛运用在医疗各细分领 域，对医疗行业形成颠覆性变革

• AI医疗，亦称为”AI+医疗”或“医疗人工智能”， 泛指人工智能技能在医疗行业的运用及赋能。

• 目前，人工智能技能广泛运用在我国各个医疗细分领 域，紧张报告医疗影像、赞助诊断、药物研发、康健 管理、疾病风险预测、医院管理、虚拟助理、医疗机 器人和医学研究平台等。

• 人工智能对医疗行业形成了颠覆性变革。
从技能层面 来讲，人工智能作为一种技能创新，改变了医疗领域 的供给端，对传统医疗机构运作办法带来变革；从市 场层面来看，人工智能技能为现有医疗事情带来流程 改进与效率提升，催生巨大增量市场。
2018年我国医 疗人工智能市场规模达到200亿元，CAGR超过40%， 随着智能化程度不断提升，潜在市场空间巨大。

AI医疗领域早期同质化竞争严重， 迁移复制较随意马虎，商业化程度较低

• 整体而言，我国医疗人工智能行业有几大特色，如细 分领域较多，早期同质化竞争严重，迁移复制壁垒较 低，商业化程度相对偏低等。

• 一样平常来说，2016年是海内医疗人工智能形成投资风口 的元年，开源和低门槛框架的存在使得大量玩家涌入 人工智能行业，在医疗人工智能领域不仅有医疗设备 商，还有学校教授、软件开拓职员及金融从业者等。
从市场情形来看，大量玩家布局在静态影像的人工智 能领域，虽然拥有大量公开数据集，但是起步门槛相 对较低，早期同质化竞争严重。

• 此外，在医疗各细分领域所采取的算法和框架差异化 有限，病种间模型迁移和复制技能哀求较低，技能团 队通用性强，紧张壁垒在于数据的获取。
以医疗影像 的人工智能为例，无论跨病种还是跨设备，基本都采 用Tensor Flow（开源并基于数据流编程）和Caffe框 架（即开源与核心措辞C++）和CNN卷积神经网络算 法等（但超声除外，超声对性能哀求更高），整体复 制壁垒较低。

• 目前，医疗人工智能做事商多处于规模化数据获取阶 段，商业化程度偏低，但商业的终极代价在于实现技 术与运用的结合。
未来医疗人工智能的代价紧张表示 在两个方面，一方面在于提升三甲医院年夜夫效率，另 一方面在于提升基层医疗机构的诊疗水平。

我国AI医疗产品商业化落地进程紧张受产品注册审批制影响

• 我国医疗人工智能发展速率较快，商业化落地迟滞的 一大紧张缘故原由在于医疗产品的注册审批制。
目前，相 关产品取得三类医疗东西注册的数量仍旧为零，干系 审核标准尚未正式确立。

• 如果把人工智能产品看作医疗东西产品，根据2018年 公布的医疗东西分类目录，对其分类约定为：二类医 疗东西——诊断软件通过算法，供应诊断建议，仅有 赞助诊断功能，不直接给出诊断结论，有临床试验豁 免目录，是否能够享受CNDA还没有做出详细规范； 和三类医疗东西——如果对病变部位进行自动识别， 并供应明确诊断提示，须要做临床试验。

• 为加速医疗人工智能产品审核进程，中国食品药品检 定研究院（简称“中检院”）光机电室专门成立人工 智能小组，展开产品剖析及技能研讨，目前已完成数 据库构建流程，并初步完成构建眼底影像及肺部影像 标注数据库的构建事情。

• 比较之下，美国医疗人工智能产品的注册审批快于中 国。
FDA自2017年7月发布数字康健创新行动操持以 来，已相继批准九款医疗人工智能干系产品。
FDA近 期批复的几款人工智能产品均遵照Class Ⅱ的认证流 程，通过与传统CDSS（临床决策支持系统）做等同对 比证明安全性，而CADx软件监管历来是Class Ⅲ。
由 此可见，通过降落门槛来加快审批，或成一大趋势。

1.2 发展驱动力 - 供需抵牾突出

需求端：人口老龄化加剧，慢性疾 病数量增多，形成大量医疗需求

• 根据国家统计局数据显示，我国2018年65岁以上老人 为1.6亿人，约占中国人口总数11.9%，我国人口老龄 化程度愈发加剧。
在人口老龄化社会下，当代生活节 奏加快，慢性疾病数量也随之增加，我国糖尿病和高 血压2016年发病率分别为5%和18%，估量到2026年 将分别增加至14%和28%，随之催生大量医疗需求。

供给端：优质年夜夫及医疗资源不敷， 且医疗资源分布不均

• 从供给方面来看，优质年夜夫及医疗资源不敷，且资源 分布不均，难以承受快速增长的医疗需求。
供给与需 求抵牾突出，是我国医疗行业的根本问题。

• 我国优质医疗资源供给不敷。
我国医师与人口比例约 为1:70000，而在美国这一数字为1:2000，我国每十 万名患者拥有医师数量与美国比较差35倍。
我国独立 上岗年夜夫培养周期长达8年，较长的培养周期将会带来 医疗人力本钱提高，难以知足持续增长的医疗需求。

• 我国医疗资源分布不均。
据统计，2018年我国医院数 量超3.2万家，三级医院仅占总数量19%，却承接了全 国49.8%的医疗需求。
我国优质年夜夫资源多分布在一 二线城市三级医院，基层医院年夜夫本色参差不齐，优 质年夜夫资源短缺是困扰医疗发展的痛点之一。

1.2 发展驱动力- 技能发展

大数据积累和深度学习算法进步使 得医疗人工智能发挥浸染

• 根据IDC预测，到2020年环球医疗数据量将达到40万 亿GB，是2010年的30倍，数据天生和共享速率迅速 增长，个中80%为非构造化数据。
在数据方面，我国 拥有得天独厚的上风，我国人口浩瀚，数据基数大， 同时多样性丰富，为大数据剖析供应了丰富的数据来 源，也为人工智能不断演习与优化算法模型供应了广 泛数据集。

• 深度学习是人工智能技能的主要一支，目前语音识别 和打算机视觉都基于深度学习技能来完成。
随着图像 领域深度学习Resnet网络构造发展，打算机视觉和综 合图像处理技能取得长足进步，医疗图像剖析在诊疗 过程中发挥更大浸染。
例如，运用打算机视觉技能进 行结肠镜检讨，可以得到更为有效可靠的数据，以降 低结肠癌去世亡率；在外科手术中，打算机视觉对脑瘤 病人进行3D头骨建模，有利于后续神经外科治疗。

1.2 发展驱动力- 政策红利

在政策勾引下，我国医疗家当有望 开释人工智能红利

• 近年来，我国出台了一系列全国性政策及医疗人工智 能专项政策，鼓励“AI+医疗”行业发展。
在政策引 导下，医疗家当有望开释互联网及人工智能红利。

1.3 成本剖析

我国医疗人工智能项目154个，过 半集中于医疗影像和赞助诊断领域

• 根据鲸准数据库，截至2019年11月，我国目前拥有融 资记录的医疗人工智能项目约有154个，个中70%以 上项目处于天使轮和A轮阶段，B轮及往后项目较少。
从细分领域来看，项目集等分布于医疗影像、赞助诊 断和疾病风险预测领域，其他领域项目较少，近两年 人工智能医疗影像和赞助诊断成为热门领域。

互联网巨子、传统医疗巨子、传统 企业纷纭布局医疗人工智能

• 除了初创型企业，包括IBM、Google、BAT在内的互 联网企业巨子以及GPS在内的传统医疗企业巨子，以 及浩瀚跨界拓展业务边界的传统企业也纷纭布局医疗 人工智能领域。
紧张进入办法为自主研发干系产品， 开拓干系领域针对性技能赋能行业运用，或者通过外 延并购扩展业务版图。

• 对互联网企业来说，更方向于利用自身的互联网根本 与平台上风来进行技能布局。
IBM Watson在医疗方 面紧张运用于癌症诊断和治疗，此外在慢病、医疗影 像、大康健、体外检测、精准医疗、机器人和疾病研 究治疗也有所布局。
Google布局领域最广，科研与风 险投资并行，覆盖远程医疗、新药研发、东西、药品 配送、患者管理等关键环节。
百度于2019年收购医疗 人工智能领域康役夫公司，重启医疗领域布局，并发 布“百度灵医”发力智能分诊、眼底筛查、临床赞助 决策支持系统。
2018年阿里康健与阿里云共同培植阿 里医疗人工智能系统——ET大脑，并推出“Doctor You”人工智能赞助诊断系统，率先运用于CT肺结节 赞助检测，并于2018年扩展到糖尿病慢病管理领域。
腾讯觅影于2017年面世，目前该产品已经具备AI医学 图像剖析和AI赞助诊疗两项核心能力。
此外，腾讯通 过投资办法在三年间对互联网医疗进行家当布局，投 资金额达到数百亿元。

• 对付传统医疗巨子来说，在医疗人工智能领域来说更 侧重于布局医疗属性。
GE着力于研发聪慧型创新的技 术和数字医疗产品，通过资产云管家、云影像办理方 案和云心电解着力决方案三大主力产品开启数字化转 型之路。
2019年9月，FDA已经批准了GE重症监护套 件（Critical Care Suite ICU气胸预判AI办理方案）， 这是GE医疗首个嵌入移动X射线设备中的人工智能算 法。
Philips在医疗人工智能领域凭借临床履历和数字 化及人工智能技能，推出整合型办理方案，其“星云 影像平台”目前已经通过FDA和CFDA认证。
Siemens 在医疗领域布局影像诊断、临床诊疗和实验室诊断领 域，并积极推进在数字康健做事与医疗企业管理方案 领域的业务延伸。
现已推出医疗智能化平台的磁共振 产品MAGNETOM Sempra和数字化医用X射线产品 Multix Impact等多项产品和解决方案

• 对付传统企业来说，紧张通过对外投资并购的办法来 拓展业务边界，进入医疗人工智能领域。
比如复星集 团和中国安然于2018年B轮入局Airdoc，专注于眼科 的赞助诊断AI医疗平台；英伟达于2018年6月投资以 色列AI医疗影像做事商Zebra Medical Vision；手机 硬件起身的小米，也在生态链布局一系列针对身体健 康监测的小米手环和体重秤等产品，探索医疗康健大 数据运用的更多可能性。

“AI+医疗”紧张运用处景剖析

2.1 AI+医疗影像

我国临床需求增加，专业年夜夫缺 口大，AI医疗影像市场需求急迫

• “AI+医疗影像”，是指将人工智能技能运用于医疗 影像诊断中。
当代医学建立于循证医学的根本之上， 医疗影像是临床年夜夫一项主要的诊断依据。
紧张对患 者的影像资料进行定性和定量剖析，不同阶段历史比 较等。
目前，AI医疗影像已成为我国AI医疗领域最为 成熟的细分领域。

• 从诊断路径来看，人工智能基于图像识别和深度学习 技能浸染于医疗影像，在临床诊断中紧张可分为两个 阶段：其一，图像识别阶段，运用于感知环节，对影 像进行读取和梳理，从中获取有代价的信息；其二， 深度学习阶段，运用于学习和剖析环节，通过对海量 影像数据和诊断数据的输入，对神经元网络进行深度 学习演习，使人工智能节制诊断能力。

• 从临床需求来看，我国专业年夜夫缺口大，事情繁琐重 复，诊断效率较低，做事模式亟待创新。
目前，我国 医疗影像数据以每年30%的速率持续增长，而影像科 年夜夫的年增速仅为4%，加之年夜夫培养周期较长，年夜夫 资源流失落率较高，我国每年培养60万医学生，只有10 万人走上临床岗位，远不能知足临床实际医疗需求。
以宁波大学附属医院（三甲医院）为例，影像科年夜夫 均匀每天须要完成80-100份CT，或60-80份磁共振， 或120-150个超声部位的影像诊断。
纵然每份报告只 用七八分钟，也须要10个小时才能完成。

人工智能用以办理病灶识别与标 注等多种医疗影像需求

• AI紧张办理三种影像需求：1）病灶识别与标注。
针对 X线、CT、MRI等影像进行图像分割、特色提取、定 量剖析和比拟剖析，识别与标注病灶，帮助年夜夫发生 肉眼难以发觉的病灶，降落假阴性诊断发生率，提高 年夜夫诊断效率；2）靶区自动勾画与自适应放疗。
针对 肿瘤放疗环节进行影像处理，帮助放射科年夜夫对200450张CT片进行自动勾画，韶光缩短到30分钟一套； 在患者15-20次上机照射过程中不断识别病灶位置变 化以达到自适应放疗，减少射线对病人康健组织的辐 射与上海。
3）影像三维重修。
基于灰度统计量的配准 算法和基于特色点的配准算法，解决议确定层图像配准问 题，有效节约配定时光，在手术环节有主要运用。

• 头部企业常日针对某一病种，在病灶识别与标注功能 根本上，依照医学诊断路径开拓其他功能，真正为医 生诊断决策供应帮助。
以肺结节为例，系统识别结节 后，将筛查结果天生构造化报告，并比拟剖析，自动 搜索历史影像资料，比拟不同期间结节变革。

市场竞争格局未定，高质量数据 获取与标注能力成为核心竞争力

• 从市场竞争格局来看，目前中国AI医疗影像领域百家 争鸣，尚未涌现霸占垄断性上风地位的企业。
IBM、 Google、阿里、腾讯、GE医疗、乐普医疗以及浩瀚 初创公司均在这一领域进行业务布局。
此外，自2016 年以来，专注于不同病种与技能方向的AI医疗影像初 创公司受到成本热捧，一定程度上推动行业发展。

• 中国医疗影像数据量巨大，但利用效率较低，且个中 非构造化数据霸占总量90%旁边。
这些海量数据缺少 构造化数据梳理，标准化呈现体系，以及跨平台分享 的生态环境，大部分数据都处于伶仃且非标准化存在 的状态，可利用代价不高。
因此，AI医疗影像企业在 高质量数据获取和标注上存在较大寻衅。

• 高质量数据获取难度大。
一方面，高质量影像数据集 中在三甲医院，仅对内流利，缺少共享机制，难以获 取；另一方面，过往的医学影像数据及临床诊断报告 信息，缺少统一的标准化记录，数据质量参差不齐。

• 数据标注本钱高。
在数据处理流程中，重点环节在于 数据预处理事情，数据标注的准确性将直接影响终极 诊断结果。
在机器学习过程中，参与演习的每张图片 都要经由专业职员标注。
只管未来五年内小样本学习 在理论层面或将有所打破，但目前数据处理和学习方 法仍须要花费大量韶光和精力。
高质量数据获取和数 据标注能力成为企业核心竞争力之一。

平台分成和技能办理方案两种商 业模式正在不断探索与考试测验中

• 从落地情形来看，目前中国AI医疗影像产品紧张运用 在疾病筛查方面，以肿瘤和慢病领域为主。
个中，肺 癌和眼底筛查领域参与企业最多，近两年乳腺癌也成 为热门布局领域之一。
此外，不同企业针对客户群体 也有所差别，除三甲医院和基层医院外，也有面向C端 和保险公司等产品。
• 目前AI医疗影像的商业模式仍在不断探索与考试测验中， 紧张可分为以下两种商业模式：

• 第一，平台分成模式。
与基层医院互助，供应影像资 料诊断做事，按照诊断数量收取用度，相称于与医院 共同供应医疗影像做事，并从中得到分成。

• 第二，供应技能办理方案。
与大型医院、体检中央、 第三方医学影像中央及医疗影像东西做事商互助，提 供技能办理方案。
1）面向大型医院、体检中央及第三 方医学影像中央一次性***“AI+医疗影像”办理方 案的利用权或利用期间定期收取利用费。
三级医院由 于采购预算较高，设备更新意识较强，常日以这种模 式与AI医疗影像公司进行互助。
目前DeepCare正在 探索这种商业模式，开拓不同病种智能模块放在云平 台上，客户根据自己需求进行选择并付费。
2）与医疗 东西厂商互助，在医疗设备中加入智能模块，硬件捆 绑软件发卖，将产品功能嵌入到硬件设备当中。
例如 GE、Philips、Roche等公司都在发力东西智能化，并 在干系领域取得技能进展及产品化运用。

2.2 AI+赞助诊断

人工智能在赞助年夜夫进行疾病检 测和诊断方面的运用快速发展

• 目前，人工智能在赞助年夜夫进行疾病检测和诊断方面 的运用快速发展，包括在医疗影像领域的打破，基于 电子病历的临床赞助决策系统，以及诊断夹帐术治疗 等。
未来经由更加丰富的数据标注及模型优化，将影 像、病历、检讨考验等多模态数据进行整合，人工智 能可以检测和诊断的疾病类型将随之增多，提高疾病 早期创造率，帮助年夜夫提高诊断效率及诊断准确性。

• AI医疗影像是赞助诊断的紧张运用领域，前文已有介 绍，本节内容重点先容影像之外的电子病历、导诊机 器人、虚拟助理、手术机器人等其他运用方向。

• 电子病历。
在电子病历领域，人工智能利用自然措辞 处理技能以及语音识别技能，来处理大量文本与语音 信息，将病历措辞标准化、构造化、统一化，使病种 数据更加专业，病历输入更加大略，病历展现形式更 加直不雅观，赞助年夜夫进行临床决策判断

• 导诊机器人。
导诊机器人能有效办理医院人满为患， 患者无法及时得到就医辅导的行业痛点。
导诊机器人 可以基于人脸识别、语音识别和人机交互技能，为患 者供应登记和就医勾引，进行身份识别，信息网络， 数据剖析等，有效勾引患者分流，帮助年夜夫提高问诊 及诊断效率。

• 虚拟助理。
人工智能可基于历史问诊信息大数据，帮 助年夜夫回答患者问诊，并有针对性的提出干系问题， 节约年夜夫的韶光和精力。

手术机器人已成为人工智能赞助 诊断领域比较生动的运用

• 目前在赞助医疗方面，人工智能已经形成了一些本色 性运用，手术机器人和医疗机器人便是比较生动的尝 试。
手术机器人已经在胃肠外科、泌尿、妇科和心外 科等外科手术中渗透与运用。
手术机器人通过高分辨 率3D立体视觉以及东西自由度，在狭小的手术空间内 供应超越人类的视觉系统，更大的操作灵巧性与精准 度，拓展了腹腔镜手术的适应症，增强手术效果。

• 美国直觉外科公司（ISRG）的“达芬奇手术机器人” 已被FDA批准用于泌尿外科、妇科、心胸外科、腹部 等外科手术，在美国院内渗透率达60%。
ISRG公司由 此高速发展，2015-2018年营收均匀增速16%，2018 年营收达到37.24亿美元，并始终保持着高达30%的净 利率，总市值超600亿美元。
目前单台达芬奇手术机 器人在我国售价约1800万元，每年掩护费200万元， 已有约400家医疗机构拥有该设备的配置证，但仍未 大规模推广运用。

• 据BCG波士顿咨询测算，估量2021年环球医疗机器人 规模将达到207亿美元，个中60%市场份额为手术机 器人。
美敦力、强生、西门子和史赛克是四大主要设 备做事商，近两年通过收购不断扩大自身医疗机器人 版图。
例如，2018年美敦力以17亿美元收购以色列 Mazor Robotics及其机器人赞助手术平台，研发脊椎 手术机器人勾引系统。
2019年强生以34亿美元收购瑞 士Auris Medical，加强外科微创手术业务研发。

人工智能临床决策系统的行业壁 垒较高，临床知识库是关键

• 人工智能技能还可用于临床赞助决策，临床决策系统 （CDSS）相称于一个不断更新的医学知识库，是基于 人机交互的医疗信息技能运用系统，通过数据和模型 赞助年夜夫完成临床决策。
CDSS的利用场景涵盖诊前决 策、诊中支持和诊后评价全流程，帮助临床年夜夫做出 最为恰当的诊疗决策，提高诊断效率与诊断质量。

• 目前，天下上绝大多数CDSS都由三部分组成：即知识 库、推理机和人机互换接口部分，个中弘大可靠的临 床知识库是CDSS的行业壁垒。
目前大部分企业的知识 库都难以知足年夜夫的临床需求。
而由于医院内部系统 之间的信息隔离，大多数CDSS与年夜夫临床事情脱节， 导致CDSS的决策办法与年夜夫的决策习气相悖，降落临 床年夜夫的利用积极性。
一个完全的临床知识库应该包 含各种最新临床指南、循证医学证据、医学文献、医 学辞典、医学图谱打算工具、大量电子病历等海量数 据，还应该交互良好，方便临床年夜夫从数据库获取信 息。
此外，数据库必须是开放的，动态更新的。
对第 三方信息化企业来说，行业壁垒较高。

• 我国CFDA目前还未对人工智能临床决策系统建立明确 标准，国家食药监局正在制订评审《深度学习赞助决 策医疗东西软件评审要点》。
美国FDA已经批准一些 CDSS产品，有针对单病种的，有专家知识库系统。
比 较范例的包括荷兰科威集团的UpToDate临床决策支 持系统，IBM Watson在肿瘤赞助诊断治疗的运用。

2.3 AI+新药研发

新药研发面临研发周期长、研发 成功率低和研发用度高三大问题

• 新药研发紧张包括药物创造、临床前研究、临床研究 以及审批与上市四个阶段。
一款药物从靶点创造到批 准上市须要经历繁芜且漫长的流程，须要大量人力、 物力和财力投入。
正因如此，新药研发面临研发周期 长、研发成功率低和研发用度高三大痛点问题。

• 研发周期长。
据Frost & Sullivan统计，新药研发须要 历经10-15年。
药物创造和临床前研究耗时6-7年，提 交上市申请后经由0.5-2年韶光方可获批并规模生产。

• 研发成功率低。
据Harris Williams Middle Market统 计，在进入药物研发管道的5000至10000个先导化合 物中，均匀只有250个能够进入临床，均匀只有1个才 能终极得到监管部门的新药批准，风险伴随新药研发 全流程。
原研化药成功率最低，仅为6.2%。

• 研发用度高。
据Tufts统计，新药研发均匀本钱不断上 升，从1970年代1.8亿美元，到1990年代10亿美元， 再到至今26亿美元。
2018年，环球前十大制药公司新 药研发预算占发卖额均匀比重为19%。

人工智能因其算法和算力上风， 运用于新药研发多个环节

• 人工智能因其算法和算力上风，在新药研发流程中应 用于多个环节，帮助办理新药研发的三大痛点。
人工 智能的上风紧张表示在创造关系和打算两方面。

• 创造关系方面，人工智能具有措辞处理、图像识别和 深度学习能力，能够快速创造不易被专家创造的隐蔽 的药物与疾病连接关系和疾病与基因的连接关系等， 通过对数据进行深度挖掘与剖析，构建药物、疾病和 基因之间的深层关系。

• 打算方面，AI以其强大的算力，可以对候选化合物进 行虚拟筛选，更快筛选出活性较高的化合物，均匀节 约40-50%韶光，年均节约260亿化合物筛选本钱。

AI新技能公司、研究机构和大型 药企纷纭入局AI新药研发

• 目前人工智能药物研发市场紧张有三类玩家，包括AI 新技能公司、药物研究机构和大型药企。
• AI新技能公司以人工智能各项技能为核心竞争力，在 不同技能领域各有千秋，从不同环节切入药物研发产 业链，并努力切入高下游研发环节，向药企或医疗机 构供应技能做事。

• 药物研究机构基于自身的高研究水平，从平台培植的 角度进行数字化转型，搭建自己的大数据平台，并尝 试对外输出研究做事，进行商业化变现。

• 大型药企与市场联系最为紧密，利用本身技能和研发 根本以及多年积累的药物研发数据，进行外延并购或 互助，拓展业务边界，通过新技能为药物研发赋能。
目前，环球前十大药企均已入局。
2018年罗氏以19亿 美元收购肿瘤大数据公司Flatiron Health，为其供应 研发所需的数据与技能支持，加速新药上市。

• 从海内市场来看，2018年6月，药明康德投资了将强 化学习和天生对抗网络（GAN）相结合进行分子创造 的Insilico Medicine。
2018年9月，正大天晴与阿里 云医疗AI互助，得到一种全新的基于机器学习模型的 化合物筛选方法，与传统打算机赞助药物设计方法相 比，这套模型的筛选准确率可提高20%。
2019年9月 江苏豪森与Atomwise达成互助，双方将互助设计并 创造多个治疗领域中多达11种未公开靶蛋白的潜在候 选药物。

2.4 AI+康健管理

AI可改进康健管理数据关联性薄 弱和职员专业性不敷的痛点问题

• 传统康健管理领域存在行业标准不敷、公众年夜众认知和接 受程度不高、数据关联性薄弱、职员专业本色不敷、 支付机制不健全和现有做事链条不完全等诸多问题。
个中，以下两个痛点问题是可以利用人工智能技能去 发力办理的方向。

• 智能设备的数据关联性薄弱。
目前，可穿着设备和家 用医疗东西设备等智能设备仅勾留在对付体征数据的 采集、提取和趋势剖析层面，不同身体器官及不同平 台的数据之间不具备整体关联性，从而使许多数据成 为数据孤岛，无法有效发挥数据的联合剖析浸染，不 能为用户供应基于多项综合检测数据的整体身体康健 状况画像，进而不能知足用户的康健管理须要。
人工 智能可以对数据进行综合提取与交叉剖析，学习医疗 病历数据，根据用户的康健数据供应合理建议。

• 康健管理职员专业性不敷。
目前，绝大多数康健管理 职员都是非医学背景，本色参差不齐，专业性有所欠 缺，很少能为客户制订一份科学的康健管理操持。
而 利用人工智能技能开拓康健管理平台，拥有更为完全 的知识图谱，可以在一定程度上担保康健建议的专业 性。
一方面，通过智能设备和体检中央等平台网络用 户的康健体征数据，结合强大的打算能力对数据进行 剖析决策，提高疾病预测的准确性；另一方面，人工 智能通过高效打算和精准匹配使个性化康健管理成为 可能，推动康健管理的系统化与风雅化。

AI在康健管理领域运用广泛，包 括风险识别、虚拟护士等多场景

• AI+康健管理是将人工智能技能运用到康健管理的具 体场景之中，常日与互联网医疗观点相结合，被归类 为互联网医疗的一种运用方向。
目前，AI+康健管理 紧张集中运用于风险识别、虚拟护士、精神康健、移 动医疗、可穿着设备、康健干预以及基于精准医学的 康健管理等。

• 风险识别，利用人工智能进行数据获取与数据剖析， 在诊疗过程或治疗周期中识别疾病的潜在风险，及时 给与预警及预防方法。
例如，Lumiata公司利用其核 心预测剖析产品“风险矩阵（Risk Matrix）”，采集 大量的康健操持成员或患者的数据点，然后为每个人 绘制出患病风险岁韶光变革的轨迹；同时，利用大数 据构建医疗图谱，剖析人群康健状态及患者的个性化 须要，帮助年夜夫提高诊疗的准确性。

• 虚拟护士，理解病人的身体状况、饮食、运动和用药 习气，利用人工智能技能进行数据剖析，对病人作出 身体状态评估及调度见地，帮忙患者方案个人生活。
例如，AiCure通过智好手机摄像头获取用户信息，利 用人工智能面部识别技能提高患者服药允从性。

• 精神康健，利用人工智能技能对用户的措辞、表情和 声音等信息进行挖掘，识别用户的感情与精神状态， 创造用户精神康健方面的颠簸情形。
例如，Affectiva 公司利用人工智能技能，让机器能够实时感知并阐发 利用者的感情，并为其提出合理的见地与剖析。

• 移动医疗，将互联网及人工智能技能运用于医疗做事 场景。
在患者端，为患者供应在线登记、远程问诊、 在线就诊等新的便捷医疗做事，将在一定程度上改变 传统医疗做事的供应办法，改进患者就医体验。
在医 院端，基于医院信息化系统和大数据积累，利用人工 智能构建聪慧医疗院内做事体系，冲破诊疗各环节及 各科室间的信息同步与沟通壁垒，提高医疗效率。

• 可穿着设备，正在从大略的健身追踪器转变为家用及 临床检测器，运用于医疗领域。
根据IDTechEx行业报 告《2019-2029可穿着技能预测》，在未来十年可预 测的48种不同穿着技能产品中，有20种是可穿着医疗 设备。
包括助听器、心脏设备和胰岛素泵等较为传统 的医疗产品，也报告针对糖尿病患者的连续血糖监测 仪、新型电子皮肤贴片和其他具有潜力的新型可穿着 医疗设备。
基于传感技能、大数据和人工智能深度学 习技能，对实时康健数据进行剖析预测，办理部分医 疗需求。

• 康健干预，利用人工智能技能对用户的各项康健指标 和体征数据进行定量剖析，制订适宜个体的康健管理 操持。
例如，Welltok通过旗下的CafeWell Health健 康优化平台，利用人工智能技能对Fitbit等互助方供应 的可穿着设备用户体征数据进行剖析与挖掘，供应专 业化康健管理建议。
同时，该平台亦能利用机器学习 识别患者的非医疗需求，为其对接相应做事。

“AI+医疗”案例剖析

……

（报告来源：36氪）

获取报告请上岸未来智库www.vzkoo.com。

立即登录请点击：「链接」