AI+医疗——初识庐山真面目

AI+医疗是当下最火热的人工智能应用场景之一。最近，因为工作的变动我也踏入了这个耳熟却不能详的领域，本期文章将会分享我对AI+医疗的初识印象。

一、互联网时代的医疗行业

作为传统行业的大佬之一，医疗行业一直是民生关注的重点对象。随着互联网时代的到来，医疗行业也作出了改变。网络上普遍将互联网时代的医疗分为两个阶段，从最初的信息化医疗办公到在线预约看诊，互联网技术逐渐流入这个行业。

互联网医疗时代1.0实现了医疗事物及流程的信息系统化，使原来分散的数据有了统一的处理途径，搭建了医务人员的信息共享的基础平台；
互联网医疗时代2.0则是通过线上共享医务资源的模式，拉近普通患者和医务人员的距离。事实上，经过多年的滲透，互联网技术依旧仅是以通用化的模式与医疗行业结合；
在日益壮大的互联网医疗时代3.0，业界希望运用人工智能技术能降低医疗行业壁垒，减轻医务人员繁重的工作压力，解决看病难的民生问题。

互联网医疗的两个时代

二、人工智能+医疗

目前，人工智能在医疗行业的应用场景主要有五类：

AI+医疗五大应用场景：

医疗机器人：主要研究医疗器械的人工智能化，例如，以“达芬奇”为典型代表的医疗机器人，能够通过高清3D视像并执行精密操作参与外科手术。
智能药物研发：通过建立AI药物筛选模型扩大筛选对象以期邂逅目标化合物，提高药物发现的机率，来辅助甚至替代传统的药物研发模式。典型应用：Benevolent AI的核心技术是一个叫做JACS（Judgment Augmented Cognition System）的人工智能系统。
智能影像识别：运用图像识别技术建立医疗影像（CT、MRI等）病灶的AI模型，帮助阅片医生快速获取影像所呈现的病症信息。
智能诊疗： 通过患者描述的病症的关键信息，结合当地环境、病史等其他因素快速帮助分析病症，提供诊疗咨询和初步治疗方案。
智能健康管理：获取用户的生物数据，监测用户生活习惯等，提供健康管理计划及康复手段。

就进入壁垒而言，医疗机器人需要软硬件的结合，智能药物研发需要更深层次的生物机能研究，相较于其他三类场景门槛较高。相反，智能影像识别、智能诊疗和智能健康管理因为有相对固定的医疗模型，数据积累较为丰富，成为各大人工智能厂子争先踏入的领域。

虽然应用场景各有差异，谈到人工智能建模最大的核心点就是数据。那么医疗行业在互联网时代沉淀的数据有哪些呢，这里指的提出的是医院信息化系统。

医院信息化系统

医院信息化系统是在互联网医疗时代1.0就建立起来了，涵盖了医院所有业务和业务全过程的信息：

医院信息管理系统主要是医务人员的行政信息管理、就诊住院相关流程信息管理等基础信息管理系统，提供医务日常化流程数据；
临床信息系统主要是就诊过程中关于诊断、治疗、医嘱等信息的管理，提供诊疗数据；
实验室信息系统是将实验室获取的药物数据、人体数据等存储统计的系统，提供生理、药理数据；
医学影像管理系统结合放射学信息系统，存储了大量真实患者拍摄的CT、MRI等影像，通过特定的格式存储起来，经过授权可很快的能回调获取图片，为影像识别提供了大量的真实数据。

三、AI+医疗现状与展望

随着人口老龄化，慢性病疯涨，医疗资源分配不均等问题的增长，AI+医疗的确成为了各大公司争先恐后想取得的香饽饽。自2010年起国内首批人工智能医疗公司的出现至今，已经出现了百量级的公司加入到这个创新领域，获取的投融金额也是逐年上涨，政府也对AI医疗领域提出更多的支持政策。

但需要承认的是，目前国内的AI+医疗仍然处于起步阶段，仅能为医务人员提供辅助作用，尚无法达到替代效果。主要体现在一下几个方面：

扎堆一两个领域。对比国内外的AI+医疗现状可以发现，对于五大应用场景研究国外的厂商平均分布的，然而，国内的厂商大都还是集中与影像识别和智能辅诊领域。
有无数据无标准。通过医院信息化系统确实可以获取大量的数据源，但建立标准的人工智能模型需要更精准的医疗数据，一般公司缺少相关的高尖端医务人员来提供统一标准。
敏感信息和使用习惯。生理病理信息可能潜在某些隐私或者权限问题，医务人员等使用设备习惯的培养也是需要一段时间的磨合。

AI+医疗当前的首要任务仍然是训练出精准的人工智能模型，从辅助进化为替代。AI+医疗也需要拓展更多的可能性，与一些新技术结合，比如区块链来增加数据资源。未来，更大的发展趋势了从诊断迈向治疗，聚合不同应用场景，建立从智能日常健康监控到智能诊断再到智能治疗最后智能康复的AI+医疗生态系统。