IBM的人工智能Watson，近日僅用10秒就開出了癌癥處方。在引發輿論熱潮的同時，也再次把“AI+醫療”推向高潮。方正證券近日發布的互聯網醫療深度報告就顯示，盡管安防和智能投顧最為火熱，但AI在醫療領域可能會率先落地。

　　接手“互聯網+”無奈的醫療痛點

　　圖像識別、深度學習、神經網絡等關鍵技術帶動了人工智能新一輪大發展

　　該份報告指出，從互聯網改造醫療行業的角度來劃分，中國互聯網醫療發展經歷了三個階段：信息服務階段，即互聯網改造的是醫療的信息流，實現人和信息的連接;咨詢服務階段，即互聯網改造的是健康咨詢的服務流，實現人和醫生連接;診療服務階段，互聯網改造的是醫療的服務流，實現人和醫療機構的連接。

　　然而，互聯網帶來的模式創新沒有根本上提升醫療供給端的服務能力，從而根本上解決醫療資源(尤其是醫生)供不應求的局面。

　　與此同時，圖像識別、深度學習、神經網絡等關鍵技術的突破帶動了人工智能新一輪的大發展。“人工智能+醫療”概念應運而生。

　　與互聯網的不同，人工智能對醫療領域的改造是顛覆性的。

　　對人工智能醫療的需求主要基于幾方面客觀現實：一方面是優質醫療資源供給不足，成本高，醫生培養周期長，誤診率高，疾病譜變化快，技術日新月異;另一方面，隨著人口老齡化加劇、慢性疾病增長、對健康重視程度提高，醫療服務需求持續增加。

　　人工智能的核心能力實際上是人類自身已擁有的能力，但與人類相比，最大優勢在于計算能力的高效，尤其在數據密集型、知識密集型、腦力勞動密集型行業領域。

　　在醫療領域，IBM Watson可以在17秒內閱讀3469本醫學專著、24.8萬篇論文，69種治療方案、61540次試驗數據、10.6萬份臨床報告。通過海量汲取醫學知識，包括300多份醫學期刊、200多種教科書及近1000萬頁文字，IBM Watson在短時間內迅速成為腫瘤專家。

　　阿里云研究中心和BCG的最新合作報告指出，從技術突破和應用價值兩維度分析，未來人工智能會出現服務職能、科技突破、超級智能三個階段。基于數據的服務智能階段將在接下來3—5年爆發：人工智能拓展、整合多個垂直行業應用，豐富實用場景。IDC Digital預測，截至2020年，醫療數據量將達40萬億GB，預計約80%數據為非結構化數據。

　　四大模式分爭萬億市場

　　人工智能+輔助診療潛在市場空間巨大，至少是萬億級以上的營收規模

　　從全球創業公司實踐的情況來看，AI+醫療的具體應用包括洞察與風險管理、醫學研究、醫學影像與診斷、生活方式管理與監督、精神健康、護理、急救室與醫院管理、藥物挖掘、虛擬助理、可穿戴設備以及其他，其中以四種模式為主流。

　　首先是AI+輔助診療，即將人工智能技術用于輔助診療中，讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。輔助診療場景是醫療領域最重要、也最核心的場景，人工智能+輔助診療潛在市場空間巨大，至少是萬億級以上的營收規模。

　　在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。2012年Watson通過了美國職業醫師資格考試，并部署在美國多家醫院提供輔助診療的服務。目前IBM Watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。

　　AI+醫學影像，是將人工智能技術具體應用在醫學影像的診斷上，主要分為兩部分：一是圖像識別，應用于感知環節，其主要目的是將影像這類非機構化數據進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環節，是AI應用的最核心環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握“診斷”的能力。

　　如今，AI+醫學影像已經走出實驗室，下一步將迎來商業化浪潮。貝斯以色列女執事醫學中心(BIDMC)與哈佛醫學院合作研發的人工智能系統，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%，與病理學家的分析結合在一起時，它的診斷準確率可以高達99.5%。國內的DeepCare對于乳腺癌細胞識別的準確率也達到了92%。

　　AI+藥物挖掘，是指將深度學習技術應用于藥物臨床前研究，達到快速、準確地挖掘和篩選合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。通過計算機模擬，AI可以對藥物活性、安全性和副作用進行預測。借助深度學習，在心血管藥、抗腫瘤藥、孤兒藥和常見傳染病治療藥等多領域取得了新突破。目前，已經涌現出多家AI技術主導的藥物研發企業。

　　最后是AI+健康管理。目前從全球AI+醫療創業公司來看，主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。