單純的人工智慧對行業發展並不大

我們老百姓口頭常說的人工智慧，其實應該是智慧處理方案+大資料處理+實時方案反饋的綜合能力，只是大家都這麼叫了才以為只要是人工智慧的就很厲害，這是不完全正確的。

平民化給大家解釋大資料

大資料說的直白點，其實就是各行各業裡工作內容的所有記錄，舉個例子來說，比如醫療服務業，你掛號時間內容，看病的醫生名字，看病時間，病例內容，付款時間等等這些非常瑣碎的內容都屬於大資料，這樣大家就可以舉一反三去猜想了，只要你幹活了都有資料化體現你做的事，彙總起來就是大資料了。

平民化再說下智慧處理方案

其實就是利用人工智慧技術去優化你們工作上的流程，大家應該知道人工智慧是在電腦等媒介平臺上發揮作用的，其本質是模擬人類的行為能力思考邏輯等做到跟人一樣的事，所以我們經常會看到很多電影裡的智慧系統都是帶有人類情感的，當然這是未來發展方向目前達不到。所以使用人工智慧來處理優化事情，能達到的效果就跟愛迪生親自幫你算1+1一樣，非常非常高效率。

最後就是整合以上這些能力在同一個平臺，只要網路和裝置速率滿足，實時同步將這幾個能力展現出來就可以達到我們常說的電腦AI解決一切了。到時候不止是醫療行業，應該是所有社會上的各行各業都會影響，只有你輸入想法和指令動動手指，就會有機器人和電腦幫你完成一切，記住我說的是一切事情，所以未來真的值得我們去向往。

2018年被醫療行業稱為“醫療AI”落地之年。而醫療AI行業尚無成型的商業模式，一直被稱為“只燒錢不賺錢”。隨後2019年，醫療AI行業迎來了資本寒冬，能“燒錢”存活的企業逐漸減少。而2020年開年就迎來黑天鵝事件，即新型肺炎疫情戰。

各大醫療AI企業都相繼發力，在本次防疫中作用明顯。具體有如下幾個方面：

（1）AI醫生問答

AI問答機器人或AI線上醫生，可對疫情相關知識，以及老人、小孩、孕婦等人群常見健康問題進行線上解答。減少民眾到院就診，降低交叉感染風險，可有效補充醫療資源。

（2）導診機器人

疫情期間，患者就醫前，也無法確認自己是否被感染。機器人導診，可有效降低因被詢問而被感染的醫護人員，同時減少了醫護人員對其他患者的接觸，降低了醫患交叉感染的風險，極大程度上了保護了醫務人員的安全。

（3）AI輔助診斷

AI醫療影像可作為臨床病例診斷工具，AI+CT、AI演算法+病例基因分析等工具，可輔助醫生看片，快速篩選可疑病例，提高醫生診斷效率，利於快速確認患者是否為感染人群，儘快隔離治療，防控病毒進一步傳播傳染。

（4）機器人治療

智慧治療機器人輔助醫生診治，減少或避免醫護人員與患者接觸，降低醫護人員的感染風險。同時，對患有基礎病等具有各類患病史的患者，治療機器人可提供相關治療方案供醫生參考，利於患者治療。

（5）AI新藥研發

AI演算法和算力，可以助力病毒基因測序、疫苗/藥物研發、蛋白篩選等藥物。

本次疫情中，以上5個領域涉及的相關企業有：

2020年本是醫療AI行業重新“洗牌”之年，相關企業將迎來最殘酷的競爭。而疫情的爆發，體現了AI在逐漸取代人的部分機械勞動，能輔助醫師對疾病進行快速診斷，提高診療效率。

疫情過後，醫療AI行業將會迎來哪些機遇？

從市場的反應和行業特點來看，主要有以下幾點：

1. AI技術應用醫療領域的政策將會逐漸寬容

醫療行業關乎民生之根本，是受政策影響比較大的行業。此次疫情中，工信部發布了“充分發揮人工智慧賦能效用 協力抗擊新型冠狀病毒感染的肺炎疫情倡議書“，倡議發揮人工智慧的賦能作用，向最需要的地方研發和投放人工智慧產品和解決方案。

本次疫情結束後，相信在政策、相關審批、或資金上，政府可能會更加重視和寬容。

2. 資本對醫療AI行業投入仍然會保持熱情

本次疫情中，AI醫療影像，問答機器人、消毒機器人、治療機器人等在疫情篩查、監控、線上/遠端問診、輔助診療等方面都表現不俗。

阿里達摩院研發的新冠肺炎 CT 影像 AI 診斷技術，平均識別不到 20 秒準，確率達 96%；上海兒童醫學中心，機器人“小白”上崗，在防護資源不足情況下，免去醫患面對面溝通，降低了醫患交叉感染風險；平安好醫生在疫情期平臺訪問量11億人次，新增使用者日均訪問量是平時的9倍。

疫情之下，暴露了常規狀態下醫療資源在突發情況前，醫療供給嚴重不足。網際網路、大資料和人工智慧等技術在補充醫療資源、線上/遠端問診等方向表現不俗，網際網路醫療證明了自己。預計未來紅利不小，投資估計會長期看好。

3. 醫療領域將會湧現更多的AI應用場景

據資料顯示，2019年，140餘家從事醫療AI的企業，近120家在做醫學影像業務，其中約百家企業佈局於肺結節影像產品。

此次疫情，依圖醫療智慧影像評價系統、推想科技新冠肺炎AI系統等在醫學影像分析和診斷支援上表現不俗。但兩家公司在肺部疾病的優勢，也使得一些公司不得不變換賽道，尋找新的突破。

同時，本次疫情也為醫療AI提供了多種場景的可能性。如：

為醫護人員提高決策支援：在診斷和診療過程中提供有效建議和風險提示，便於醫生更快更準確篩查疾病和制定治療方案。

其他疾病醫學影像分析和診斷支援：阿里達摩院對5000多個病例的CT影像樣本資料，學習、訓練樣本後，研發了全新的AI演算法模型。且機器學習，是一個全球快速創新發展的領域，正被用於分析日益複雜的核磁共振成像（MRI）、計算機斷層（CT）掃描和其他醫學影像。

醫療機器人協助診療：診療機器人、疫情問答機器人、消毒機器人、物品遞送機器人等在具有潛在的接觸式場景中承擔了人類的部分工作，降低了醫患之間的交叉感染風險，保障了醫護人員的生命安全。未來在巡檢、消毒、配送、導醫、或手術中，機器人將大有所為。

健康穿戴裝置：本次疫情中一些患有基礎病的患者，死亡風險極高，這就需要醫生在診療時參考平常的健康檢測資料。另外患者在治癒後，仍存在再次被感染的風險。且由於醫療資源不足，一些糖尿病人、慢性病患者不能及時就醫，孕婦無法按時產檢。這些場景下，有隨時穿戴的智慧產品，可及時對自身健康的檢測、平常資料的記錄以及身體狀況的監測變得十分重要。

新藥研發攻關：一般新藥研發至少是10-15年，花費至少數十億美元，在突發疫情之下，這樣研發週期與成本，無法滿足現實臨床需要。AI強大的演算法和算力，可加速藥物研發程序。運用智慧演算法模型，可根據病例特徵，以及相關藥物分子結構式快速篩選出可能有效的臨床藥物，有利於在現有藥物基礎上篩選出可用藥物，同時利於在新藥研發上給出思路，可助力研發智慧化，加速研發進展。

4. 醫療行業資料孤島的格局有望破冰

醫療AI行業突破，大部分情況並不是技術辦不到，而是訓練相關演算法模型的資料樣本難獲取，或資料樣本標記不明確、或無法標記。導致了目前可以用於AI診斷的疾病少，且產品同質化高的主要因素。

疫情之下，各地各醫院打破各自為營格局，開放資料共享，使得相關AI產品，可快速研發上線。而使突發情況下，資料共享難題得到了部分緩解，要實現全國醫療資料共享仍有難度。一是部分醫院並未全面資訊化，而是疫情過後，共享意願不高。

結合目前區塊鏈技術的發展以及國家對此的部署，未來AI演算法所需要的樣本資料有望在授權情況下共享利用，從而打破醫療資料難共享的難題，或至少實現部分區域範圍內資料可共享，打破長久以來醫療資料孤島的格局。

5. 醫療和AI行業從業者要求進一步提升

本次AI輔助診療表現不俗，一般來說，一組新冠肺炎病人的CT片大概有300多張，即使是資深專家，讀圖+診斷的時間至少需要10-15分鐘。阿里達摩院研發的AI+CT影像診斷技術，平均識別不到 20 秒準確率達 96%。

這對傳統的臨床醫生也發起了挑戰，長遠來看，AI替代一些機械重複的工作是必然趨勢，這就要求未來的醫務從業人員需進一步提升專業能力，不僅僅是單純的臨床醫師，還需懂得部分IT知識。對於研究AI科技人員來說，96%的AI準確率或即使是99%的準確率也不代表產品已經無可挑剔，仍需醫生來解決誤診的4%或1%中是否有落網之魚，以及96%或99%中是否有誤診。

醫療+AI，需要醫療AI團隊將醫學問題轉換為工程語言，同時需要醫護人員懂得AI相關知識，兩者才能有效溝通，共同研發真正高可用的人工智慧產品。這就必定需要從業者，都具備較高的專業能力。

人工智慧習慣性被大家稱為AI，目前已經在很多行業有了特定的應用場景，比如電商客服、教育智適應和醫療器械等方面，均可以替代部分人類工作來自動化完成任務。除了替代簡單重複工作以外，人工智慧還可以增強人類執行復雜任務的能力，比如會議速記員對語音識別功能的應用、司機對自動駕駛和泊車功能的應用、色差鑑定員對機器色譜識別的應用。

在日常生活中，智慧音箱是離我們最近的人工智慧使用案例。智慧音箱替代了我們日常的重複性動作，比如每天的開關燈、開關窗簾、空調電視等電器控制，都可以通過和音箱的語音互動來完成。在單執行緒佔用人類器官的場景中，比如查詢天氣、菜譜、時間、打電話等，智慧音箱也可以很好的輔助我們完成，且不需要停下手頭的其他事情。

人工智慧還在很多細分領域和行業開始落地應用，比如：自動新聞撰寫，機器可以根據規則自動生成新聞稿，不在需要人工編輯；送貨機器人，可以取代物流行業裡面的快遞員，不僅增強了安全性還節省了大量人力物力；除草噴藥機器人，在農林領域利用人工智慧精準噴灑後，農藥避開了農作物，非常規整的噴灑在雜草的周邊，不浪費農藥；在安防領域，利用計算機視覺技術和大資料分析犯罪嫌疑人生活軌跡及可能出現的場所。

在可預見的未來，ai對醫療行業的影響基本上還是停留在理論上，具體可參考Google的糖尿病視網膜病變檢測。醫療診斷這個涉及到患者的健康甚至生命，一般都會採取保守方法。ai演算法在實際應用時，各種因素都可能會影響其判斷的結果，這個可以參考人臉識別的對抗，也就是說ai演算法目前還不穩定。同樣問題，可能在不同環境下，得到的結果會不一樣，根據鄙人在ai領域的經驗，這種概率相當的大。要避免這種情況，最穩妥就是讓醫生來確認，既然還要醫生來確認，何必要這個ai呢。

現在是大資料時代，人工智慧在現實生活中越來越重要。

通過人工智慧可以進行資料分析，選擇有用的資料，如應用在高通量篩選藥物分子，加快藥物製備的程序，從而節省藥物研發的時間以及成本；此外還可以人工智慧在疫情期間也起了很重要的作用，在很多的方艙醫院中可以看到人工智慧的身影，代替了人進行一些具有風險的行為。所以人工智慧在未來對於醫療行業會有很大的促進作用。

目前所謂的人工智慧還都屬於弱人工智慧的階段，還尚未成熟階段，只能作為輔助一些畢竟簡單工作，固定簡單工作。對應複雜治療方式和複雜的病情無法完全準確診斷。別被現在人工智慧宣傳概念忽悠，影響了醫療行業的真實的需求情況。

目前人工智慧產業鏈的一個重要方向就是“AI+醫療”。從技術角度來說，人工智慧進展較大的是計算機視覺（CV）和自然語言處理（NLP），但是在這兩個方向的應用落地依然有很大的限制，很多應用場景利用現有CV領域的技術是無法解決的，畢竟工業應用和理論研究差別還是非常大的。個人認真人工智慧對醫療行業的影響至少有以下幾點：

1.結合現有智慧手機，通過人工智慧的影象識別演算法，可以直接識別人類面部發育性疾病。

2.人工智慧可以提高醫學影像診斷的準確性，未來也許比放射科和超聲科醫生判斷的更準確。

3.依靠人工智慧中的ocr技術，將傳統紙質病歷轉為電子病歷（現在應該已經具備）後續人工智慧也可以處理醫囑，比如藥物補充和結果通知等。

4.通過記錄的健康電子檔案，人工智慧可以通過分析資料提供更快、更準確的疾病預防，可以為某些疾病提供早起預警。