最近针对“互联网+医疗康健”基于全行业家当链做了一定的思考和剖析，把前面写过的四篇文章贴出来，供大家追溯查看：

一、背景

大家都知道，当下医疗康健行业供需关系严重失落衡。

从供应侧来看：

医疗资源少（表现为医院和年夜夫少，好医院和好年夜夫更少）地域割裂性（表现为大城市医院多且好，小城市医院少且差）医疗效率低（表现为院内诊中环节就诊事情量大）

从需求侧来看：

需求多（表现为患者数量多）；需求均等（表现为各地域患者对医疗做事需求是无个体差别的）；高效治愈（表现为患者都期望尽快诊断、尽快治疗、尽快治愈）。

二、概述

那本文紧张谈的AI医疗为办理上述供需失落衡环节中，都环绕什么方向做了哪些举措来达成了若何的目标呢？

实质：医疗康健行业的供给侧改革。

方向：医疗行业供应中的医疗效率环节。

场景：院内市场。

角色：医院、年夜夫、AI医疗平台。

目标：提升医疗效率，完成对年夜夫的智力解放，让年夜夫资源专注到核心业务中，从而实现年夜夫群体业务能力的提升，通过多地域多医院的参与，提升医疗体系的运行效率及诊疗规范性。
同时把顶级诊疗机构的诊疗能力赋能到基层，提升基层医疗机构的诊疗能力，缓解当前中国最为急需办理的优质医疗资源短缺及分布不均的问题，让更多基层百姓享受到技能进步带来的诊疗体验提升，终极实现整体医疗资源医疗水平的提升。

三、宏不雅观政策

如果说行业供需环节的薄弱点代表了行业的某些痛点，行业的某些痛点代表了我们的产品方向的话，那么宏不雅观政策就代表了我们完成这个方向优化的整体依据。

针对AI医疗，按韶光轴有以下宏不雅观政策：

2016.5.8国家四部委发布《“互联网+”人工智能三年行动履行方案》

在【关键内容】中，提出加快打算机视觉、生物特色识别、自然措辞理解、智能决策掌握以及新型人机交互等关键技能的研发和家当化，为家当智能化升级夯实根本。
在第三大项【推进重点领域智能产品创新紧张任务】中，提出推动互联网与传统行业领悟创新，支持在制造、教诲、环境、交通、商业、康健医疗、网络安全、社会管理等主要领域开展人工智能运用试点示范。

2016.10.25 中共中心、***印发了《“康健中国2030”方案纲要》

推进康健中国培植，要坚持预防为主，实行康健文明的生活办法。
要调度优化康健做事体系，强化早诊断、早治疗、早康复，坚持保基本、强基层、建机制，更好知足公民群众康健需求。

2017.7.8 ***发布《新一代人工智能发展方案》

该方案提出了面向2030年我国新一代人工智能发展的辅导思想、计策目标、重点任务和保障方法，支配构筑我国人工智能发展的先发上风，加快培植创新型国家和天下科技强国。
在第二大项第四部分【造就智能产品-医疗影像赞助诊断系统】中，提出推动医学影像数据采集标准化与规范化，支持脑、肺、眼、骨、心脑血管、乳腺等范例疾病领域的医学影像赞助诊断技能研发，加快医疗影像赞助诊断系统的产品化及临床赞助运用。

从宏不雅观政策上看，在高层国家计策的角度上，宏不雅观上对AI医疗是肯定和扶持的。

四、产品落脚点

确定了产品方向，那AI医疗详细的产品落脚点在哪里呢？

首先，我们来看AI医疗存在的逻辑在哪里？AI医疗是为了取代院内场景中大量重复的人工类事情而存在，这类事情须要具备以下特点：

人工重复性；有规律、有路径、有依据。

那在院底细况中，大量现存的医疗效率问题凑集里面有哪些符合这类事情的特点，我们把这些有此类特点的事情抽出来便是AI医疗详细的产品落脚点。

4.1 影像学部分

以胸部CT诊断为例，每一位患者做一次检测将产生200-300张切片图像，传统办法单片解读常日要花年夜夫将近10分钟，常日在省级大型医院，放射科年夜夫每天要阅读约4万张图像，事情量大、压力大，而通过打算机视觉技能的AI医疗可有效办理这个问题。

而在院内医疗环节中，放射学科节制 80% 以上的医疗大数据，是疾病诊断的关键入口之一。
AI医疗参与该环节就相称于参与了医疗诊断的关键入口环节，个中累积的大数据也可以为后续AI医疗产品的持续优化供应源动力。

4.2 赞助诊断部分

以肺癌这个病种为例，AI医疗须要跨多学科的参与临床场景，病种库跨系统需集成数万乃至数十万例例肺癌患者全周期数据、百万份临床文档和报告、千万份原始医学图像，收录了肺癌患者的影像、病理、基因检测、病历文本等多维数据。
来实现结节筛查等低级功能，同时结合国际、海内最新临床肺癌诊疗指南，来实现肺癌全类型病灶的诊断覆盖，综合多学科临床信息作出诊断，从而减少该病种的误诊、漏诊情形，提升诊疗效率。

目前市情上主流的AI赞助诊断系统已覆盖了包括儿科、肿瘤科、心脑血管科等主流科室，假以时日，相信AI赞助诊断系统将会逐步落地到更多的临床科室中。

4.3 科研大数据平台

目前海内各科室医学协会、医院、医学院等，缺少更有效的科研大数据平台，在科研场景中常须要到各个地方检索多个离散的信息后再人工聚合，效率不高，无法将精力全部放在科研业务探索上。

AI医疗基于强大的大数据能力，可在医院临床大数据的根本上，有效构建科研大数据平台，为年夜夫做好科研工具的做事，让年夜夫将全部精力放到科研业务中来。

五、实现步骤

如果要实现AI医疗，有以下问题要办理，办理这些问题的过程便是AI医疗的实现步骤：

5.1 数据的构造化和标准化问题 文本数据转化问题：医疗数据构造随意、差异化大、病历格式不同、描述不同，临床措辞属于自然措辞范畴，同时具备医学表述所特有的语法构造特点和语义特点，特定医学实体识别相对随意马虎，全量信息解析提取没有现成可用的成果。
医疗影像提取繁芜度问题：医疗影像数据属于范例的“高维数据”，内容丰富但提取繁芜，若利用人工判读，事情量和同等性极差，无法进行万量级大数据处理，若基于报告进行提取，会遗漏大量信息。
数据标准化问题：在术语利用、描述办法等多层面，临床数据要完成彻底的标准化，才能成为高质量数据，临床事情强度高，部分数据存在描述不完全设置表述缺点的情形，质量管理事情繁芜。

5.2 人工智能的不透明问题

这个问题实质是年夜夫对付AI医疗赞助诊断结果的信赖问题，这个问题决定了年夜夫对AI诊疗建议的采纳率，为办理这部分问题，须要在产品层面加入一些可阐明的技能剖析指标，用来给年夜夫供应证据，见告年夜夫AI诊疗结果的判断缘故原由。

5.3 商业化问题

医疗资源分布不均这一“瓶颈”是医疗供需环节的一大痛点，打通痛点便是商业化的机会。
大医院人满为患，而基层医疗机构诊疗能力提升困难，以人工智能技能为工具，冲破信息樊篱，将大医院的诊疗能力赋能基层，让基层医院年夜夫能够更准确地进行诊断和治疗，是办理我国医疗资源短缺的主要手段。
而供应这一主要手段的AI医疗一定能够再办理供需问题中找到商业化的路径。

六、寻衅

同任何发展中的事物一样，AI医疗也面临着发展过程中的一些寻衅，紧张表现在：

数据问题：人工智能运用要落地，就须要优质的数据土壤。
机器学习并建模的过程须要大量数据，目前医疗数据仍旧割裂在各个独立的医院中，从单个医院过来的数据样本不足巨大。
医疗信息标准缺失落：目前海内没有医疗信息数据的行业通用标准，不同医院，乃至不同年夜夫，对病历编写、对病灶标注、对病种叫法都有不同，人工智能是强数理、强逻辑的工具，对付内容的精准度和标准化哀求很高。
人才问题：医疗本身是一个非常专业的领域，人工智能技能在医疗运用上的打破离不开医学界的深度参与。
人工智能医疗领域最缺少的实在是复合型人才，既要懂医学，又要懂人工智能技能。
医学人才的参与能够让人工智能团队少走弯路，许多医学问题也可能在人工智能赞助下有所打破。

上述这些发展中碰着的寻衅也只能够在发展中办理，资源整合和各地域各医院互助是可以有效办理这类问题，我们期望能够在国家层面故意识地整合伙源，梳理出临床医学人工智能的发展规律和路径，鼓励医学界、科研单位、企业等多方深度互助，从而进一步推动医疗人工智能发展。

总结

本文对AI医疗做了大略的概述，综合来说，人工智能冲破了医院与医院的边界，延长了做事半径，能直接快速的提高本院及基层医疗做事水平，助力分级诊疗。

可比较高效的提升医疗体系的运行效率及诊疗规范性，提升基层医疗机构的诊疗能力，缓解当前中国最为急需办理的优质医疗资源短缺及分布不均的问题，让更多基层百姓享受到技能进步带来的诊疗体验提升。