AI＋醫(yī)療算法生態(tài)成熟＋應(yīng)用廣泛

有人將人工智能在醫(yī)療上的運(yùn)用，比作是醫(yī)生的另一個(gè)大腦，而且是對(duì)數(shù)據(jù)的儲(chǔ)存處理傳輸能力更強(qiáng)的大腦。

有了它，就能為群眾提供更加智慧的服務(wù)，也能提升醫(yī)生的工作效率，有助于緩解當(dāng)前優(yōu)質(zhì)醫(yī)療資源緊缺的問(wèn)題。

目前傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法已被廣泛得應(yīng)用，來(lái)處理臨床研究和醫(yī)療服務(wù)中的結(jié)構(gòu)化數(shù)據(jù)，如醫(yī)學(xué)影像數(shù)據(jù)、基因數(shù)據(jù)和生物標(biāo)志物數(shù)據(jù)。

而非結(jié)構(gòu)化數(shù)據(jù)，如人工筆記、醫(yī)學(xué)期刊與患者調(diào)查等則依靠專(zhuān)門(mén)的醫(yī)學(xué)自然語(yǔ)言處理技術(shù)來(lái)分析。

在全球聯(lián)合抗擊疫情的大背景下，人工智能與醫(yī)療產(chǎn)業(yè)也進(jìn)行了快速的融合，AI＋醫(yī)療產(chǎn)品開(kāi)始延伸到更多不同的醫(yī)療服務(wù)應(yīng)用場(chǎng)景當(dāng)中，并不斷的發(fā)展落地。

目前相對(duì)成熟的應(yīng)用場(chǎng)景主要有：AI＋醫(yī)療影像、AI＋輔助診斷、AI＋新藥研發(fā)、以及AI＋健康管理等。

政府高度重視＋持續(xù)釋放紅利

2017年國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中提出要發(fā)展便捷高效的智能服務(wù)，推廣應(yīng)用人工智能治療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。

從2017年開(kāi)始，我國(guó)已把人工智能作為一個(gè)國(guó)策進(jìn)行推動(dòng)，近幾年的兩會(huì)上AI也被多次寫(xiě)入政府工作報(bào)告中。

2018年政府提出人工智能向基層醫(yī)療進(jìn)行滲透，2019年將AI＋醫(yī)療的范圍進(jìn)一步擴(kuò)大到康養(yǎng)范疇；2020年進(jìn)一步提出未來(lái)的建設(shè)指南，期望在2023年在以醫(yī)療為代表的人工智能領(lǐng)域中建立一套初步的標(biāo)準(zhǔn)體系規(guī)范。

AI＋醫(yī)療市場(chǎng)將進(jìn)入快速成長(zhǎng)期

2019年之前，由于大部分細(xì)分領(lǐng)域的盈利模式尚未明朗，導(dǎo)致AI＋醫(yī)療市場(chǎng)一度陷入低谷。

2019年由于智慧病案的興起，使得整體AI＋核心醫(yī)療軟件服務(wù)市場(chǎng)規(guī)模超過(guò)20億，同比增速高達(dá)93．9％，其中CDSS占比最多，達(dá)到55．2％。

2020年加之疫情的影響，AI＋醫(yī)療的優(yōu)勢(shì)更加凸顯，因此，國(guó)家開(kāi)始逐步發(fā)放各類(lèi)醫(yī)療影像AI軟件三類(lèi)證，并進(jìn)一步出臺(tái)鼓勵(lì)A(yù)I＋醫(yī)療發(fā)展的政策，這些將會(huì)使各細(xì)分領(lǐng)域的盈利模式逐漸明晰，市場(chǎng)也將會(huì)進(jìn)入快速成長(zhǎng)期。

從2020年到2022年，包含CDSS、AI＋輔助檢查以及智慧病案等在內(nèi)的核心醫(yī)療軟件服務(wù)市場(chǎng)規(guī)模，其整體的CAGR（復(fù)合年均增長(zhǎng)率）將達(dá)到51．9％；并預(yù)計(jì)將在2022年超過(guò)70億美元的總值。

基礎(chǔ)層技術(shù)層已布局完備

AI＋核心醫(yī)療產(chǎn)業(yè)鏈可以分為AI基礎(chǔ)層，AI+醫(yī)療技術(shù)層與應(yīng)用層：

基礎(chǔ)層：除數(shù)據(jù)服務(wù)外，芯片與通信等基礎(chǔ)核心領(lǐng)域已形成牢固的技術(shù)壁壘，市場(chǎng)呈寡頭局面，中、短期內(nèi)市場(chǎng)格局不會(huì)改變；

技術(shù)層：算法、框架以及通用技術(shù)則需要長(zhǎng)期的投入與研發(fā)來(lái)攻克，目前各大科技企業(yè)與互聯(lián)網(wǎng)巨頭企業(yè)基本已完成布局，中小企業(yè)生存空間較少；

應(yīng)用層：應(yīng)用層可觸達(dá)全醫(yī)療服務(wù)場(chǎng)景，如院內(nèi)臨床決策系統(tǒng)、手術(shù)機(jī)器人、智慧病案系統(tǒng)、醫(yī)療影像、藥企新藥研發(fā)與基因檢測(cè)，已有大量的互聯(lián)網(wǎng)醫(yī)療公司和傳統(tǒng)醫(yī)療公司涌入。

AI＋醫(yī)療本質(zhì)上可以創(chuàng)造出新的醫(yī)療資源供給市場(chǎng)，幫助我國(guó)解決醫(yī)療資源供給不足這個(gè)痛點(diǎn)。

憑借其出色的算法和大數(shù)據(jù)分析，不斷滲透到相關(guān)服務(wù)平臺(tái)的數(shù)據(jù)資源層和技術(shù)應(yīng)用層。

同時(shí)，打通各個(gè)服務(wù)端口的數(shù)據(jù)壁壘，降低整體醫(yī)療成本，并實(shí)現(xiàn)在醫(yī)學(xué)影像、輔助診療、健康管理、新藥研發(fā)、疾病預(yù)測(cè)、虛擬助理、流程管理、研究平臺(tái)等核心應(yīng)用場(chǎng)景的完美落地，最終提升國(guó)內(nèi)整體醫(yī)療水平。

AI＋醫(yī)療存在技術(shù)難點(diǎn)＋標(biāo)準(zhǔn)缺失

隨著我國(guó)醫(yī)療體制改革的深化、分級(jí)診療制度的落實(shí)，政府開(kāi)始加大力度解決醫(yī)療資源分配問(wèn)題以及醫(yī)療服務(wù)效率問(wèn)題。

其中，醫(yī)療人工智能的廣泛應(yīng)用在提高醫(yī)療質(zhì)量和服務(wù)效率、減少誤診誤治方面發(fā)揮了重要作用。

然而，目前AI＋醫(yī)療仍存在醫(yī)學(xué)數(shù)據(jù)相關(guān)問(wèn)題、復(fù)合人才短缺、行業(yè)標(biāo)準(zhǔn)缺失以及醫(yī)療科研轉(zhuǎn)化為成熟產(chǎn)品的周期過(guò)長(zhǎng)等問(wèn)題。

其中，數(shù)據(jù)的獲取、使用與數(shù)據(jù)共享是阻礙AI＋醫(yī)療發(fā)展的最大因素。

由于AI＋醫(yī)療發(fā)展的主要推動(dòng)力仍是滿(mǎn)足醫(yī)療行業(yè)的剛性需求，因而AI＋醫(yī)療在未來(lái)必然會(huì)打通數(shù)據(jù)壁壘，實(shí)現(xiàn)數(shù)據(jù)的安全、高質(zhì)量及共享的應(yīng)用。

醫(yī)療AI企業(yè)面臨著不少痛點(diǎn)等待解決

像我國(guó)國(guó)內(nèi)企業(yè)在醫(yī)療影像方面面臨著數(shù)據(jù)流轉(zhuǎn)的問(wèn)題，患者無(wú)法保存和管理自己原始的影像資料。

醫(yī)療領(lǐng)域里最重要的是準(zhǔn)確度，需要在綜合一系列由人工智能計(jì)算出的指標(biāo)的基礎(chǔ)上，由醫(yī)生來(lái)做出最后判斷和決策。

由于試驗(yàn)設(shè)計(jì)質(zhì)量參差不齊，具體的有效性很難進(jìn)行比較和評(píng)估。

沒(méi)有統(tǒng)一行業(yè)評(píng)判的標(biāo)準(zhǔn)，可能會(huì)給數(shù)百萬(wàn)患者帶來(lái)風(fēng)險(xiǎn)。同時(shí)也易助長(zhǎng)醫(yī)療企業(yè)炒作AI實(shí)效性的火焰。

AI在醫(yī)療領(lǐng)域的應(yīng)用更接近與體檢和預(yù)防，有時(shí)候帶來(lái)的效果很大，但非常間接，不容易形成控費(fèi)價(jià)值的影響。

產(chǎn)學(xué)研實(shí)踐要掃清的障礙

從醫(yī)生角度看，年輕醫(yī)生首先要打好臨床、教學(xué)、科研的基礎(chǔ)，但到了一定階段，醫(yī)生不會(huì)滿(mǎn)足于常規(guī)的工作內(nèi)容，而是往產(chǎn)學(xué)研的方向發(fā)展，會(huì)涉及更多跨領(lǐng)域的合作。

醫(yī)生的臨床思維和程序員的開(kāi)發(fā)思維存在巨大的差異，AI產(chǎn)品能否觸及醫(yī)學(xué)本質(zhì)，只有讓醫(yī)生愿意使用它，AI才有意義。

從應(yīng)用場(chǎng)景上看，專(zhuān)科與全科領(lǐng)域邊界的劃分有待明確，醫(yī)養(yǎng)康的技術(shù)閉環(huán)沒(méi)有形成。

更大的挑戰(zhàn)來(lái)自于行業(yè)內(nèi)AI評(píng)測(cè)體系標(biāo)準(zhǔn)尚未規(guī)范，造成企業(yè)理解差異大、產(chǎn)品良莠不齊。

醫(yī)療場(chǎng)景下，數(shù)據(jù)脫敏需求強(qiáng)烈、數(shù)據(jù)操作合規(guī)性要求高。標(biāo)準(zhǔn)的暫時(shí)缺位無(wú)疑影響這一領(lǐng)域的應(yīng)用推廣。

在另一方面，國(guó)內(nèi)由醫(yī)生參與和主導(dǎo)的產(chǎn)學(xué)研實(shí)踐還處于探索階段，尚未形成一個(gè)規(guī)范、明確的流程或方案，還面臨一些更深層次的障礙。

醫(yī)療大數(shù)據(jù)整體建設(shè)速度略顯乏力

相較其他獲得互聯(lián)網(wǎng)技術(shù)助推的行業(yè)而言，中國(guó)醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)的整體建設(shè)速度仍略顯乏力。

縱觀行業(yè)歷史，國(guó)內(nèi)的醫(yī)療大數(shù)據(jù)發(fā)展可向上追溯至2009年新一輪醫(yī)改中將電子病歷等醫(yī)療信息化的建設(shè)劃為重點(diǎn)任務(wù)，目前為止行業(yè)內(nèi)已然擁有了10年的海量數(shù)據(jù)積累。

各個(gè)醫(yī)院管理者有時(shí)會(huì)形成數(shù)據(jù)壁壘。我們?cè)谛畔⒔涣鬟^(guò)程當(dāng)中，目前可以做到徐匯區(qū)共享，但與其他的醫(yī)院和醫(yī)療還不能夠達(dá)到數(shù)據(jù)共享，造成信息孤島。

同時(shí)，我們也缺少有基層醫(yī)療經(jīng)驗(yàn)又擅長(zhǎng)人工智能的交叉人才。

然而，由于醫(yī)療數(shù)據(jù)的在流通共享環(huán)節(jié)和其他方面的諸多問(wèn)題，即使已經(jīng)打下了十年的醫(yī)療信息化建設(shè)基礎(chǔ)，卻仍然出現(xiàn)了一個(gè)又一個(gè)信息孤島，掣肘著行業(yè)的發(fā)展。

結(jié)尾

疫情期間，醫(yī)療AI的應(yīng)用得到了進(jìn)一步的創(chuàng)新與推廣。但不可否認(rèn)的是，醫(yī)療AI在發(fā)展中還有著各種各樣的瓶頸與痛點(diǎn)。如何打破瓶頸尷尬期，進(jìn)而推動(dòng)行業(yè)向前發(fā)展，是擺在醫(yī)療AI行業(yè)人士面前十分關(guān)鍵的課題。

責(zé)任編輯：lq6