「So tomorrow, if AI can shape healthcare, it has to work through the regulations of healthcare … In fact, I see that as one of the biggest areas is where the benefits will play out for the next 10 – 20 years.」 — Sundar Pichai, CEO of Google
近些年來，由於人民生活水平的提高，大家比過去更加關注自身的健康水平，且更加願意為健康進行投入消費。在這一年裡，有越來越多的企業和研究者將目光投向了醫療健康領域，AI在這個領域的應用也進行著飛速發展，產生了諸多令人驚喜的成果，
讓我們聚焦於AI醫療的主要應用場景，為大家分析當前的發展現狀：
醫療影像分析——病灶識別與標註；智能生物電監測；影像三維建模
對於處在早期階段的AI醫療，由於多種因素的作用下（大量影像數據易獲取、誤診情況多發等），影像分析可以說是進展最快的一個場景，醫療影像分析可有效減少醫生重複性工作，輔助醫生有效降低誤診率，不過，這一應用對影像本身的數位化程度和有效數據量要求較高。
當前醫學影像正面臨著困境：歐洲醫療衛生佔國內生產總值的10%，我國大概只佔5%左右，醫療數據超過90%來自醫學影像。調查表明，美國醫學影像數據年增長率為63%，放射科醫師數量年增長率卻僅為2%；而在我國放射科醫師僅有8萬多名，每年診斷14.4億張影像，我國醫學影像數據年增長率約為30%，而放射科醫師數量年增長率約為4%；但需求卻在不停地增加，預計到2020年，我國65歲以上老齡人口比例將達20%。面對爆炸式醫學影像數據集和相當較少的、水平不一的閱片醫師，醫師疲勞、情緒等將會導致誤診、漏診（來源：《中華醫學信息導報》，2018.10.24），而將AI技術加以應用，則可以很好的解決供需以及成本的問題，同時提升整體的效率，從國家的層面也能很好的幫助優質醫療服務下沉，對重大疾病進行早診早治，降低醫療和社會成本。
人工智慧在醫療影像領域的應用主要包含：圖像或是檢查的分類，器官、區域或是標記點的定位，目標及病理的檢測，組織結構的分割，病灶區的分割，以及圖像配準等，主要針對的疾病主要有肺結節、糖網、腦卒中等，應用方向主要有三類，即疾病篩查、病灶勾畫、臟器三維成像。目前領域內各家公司發布的產品，大部分集中在肺癌、糖網、乳腺癌等重大疾病的篩查和早期診斷，雖然醫學影像AI存在較高的技術和資源門檻，但競爭也同樣非常激烈，還吸引了眾多成熟企業加入，如阿里巴巴、騰訊、百度、平安科技、科大訊飛等。而初創的AI企業，如國內的依圖科技、圖瑪深維、Airdoc等，他們今年的成就也很好地詮釋了行業應用場景的發展。
依圖科技
在今年RSNA上率先發布了care.ai胸部CT智能4D影像系統以及癌症篩查智能診療平臺。care.aiTM肺癌影像智能診斷系統是全球首個突破肺結節檢測，實現斑片、條索、囊狀影、胸腔積液等多種病灶的實時影像AI系統，將極大減輕放射醫師工作負擔；癌症篩查智能平臺則依託於依圖醫療以疾病為核心的海量多模態醫療數據，以及先進的AI影像、NLP技術，構造了一個集病灶檢出，性狀描述，惡性評估，臨床決策，患者管理，療效預測，隨訪評估和科研輔助等於一體的科教研管一站式平臺，貫穿整個臨床診療流程，涵蓋了目前中國高危高發的幾類癌種，比如肺癌、乳腺癌、宮頸癌、結直腸癌、胃癌等。經過多年落地實踐，其良惡性鑑別診斷、自動歷史影像對比、結構化報告等功能得到臨床醫師廣泛認可，由AI出具的結構化報告臨床採納率已經達到92%。這一系統已經在多家頂級醫院服務醫生，支持臨床開展大規模疾病篩查行動。
此外，在今年東方放射大會上，依圖醫療與復旦大學腫瘤醫院放射診斷科主任彭衛軍教授團隊攜手展示了乳腺x線智能診斷系統。
這套AI系統依據國際最新乳腺癌診療指南及國內專家共識，以復旦大學附屬腫瘤醫院萬量級，帶有病理確診數據的病例為基礎，經由專業醫師標註團隊和權威專家層層把關，可以在秒級內實現腺體分型、可疑病灶檢出、徵象識別、智能BI-RADS分級等功能，並一鍵生成結構化報告，為閱片醫生提供一站式解決方案，其臨床性能已接近資深的專業乳腺x線鉬靶閱片醫師，並仍然在臨床真實環境中不斷「摸爬滾打」，敏感性與特異性持續提升。
圖瑪深維
11月9日的2018中華放射學學術大會(CCR2018)上，圖瑪深維發布了四款智能診斷黑科技新品——胸部X線智能診斷系統(σ-Discover/Lung DR)，用於胸腔DR圖像，15種胸部疾病的自動檢測及定位，系統敏感度超過90%。能夠自動判別各類病症，準確分辨健康群體，提高醫生工作效率。具備良惡性風險評估功能，增加醫生診斷信心；乳腺鉬靶智能診斷系統(σ-Discover/Mammo)，適用於鉬靶影像成像，對鈣化點的敏感度超過95%，對腫塊的敏感度超過90%。智能識別乳腺病變，實現病變的精準定位。系統遵循BI-RADS指導，為臨床治療提供依據；腦卒中CT智能診斷系統(σ-Discover/Stroke CT)，適用於鉬靶影像成像，對鈣化點的敏感度超過95%，對腫塊的敏感度超過90%。智能識別乳腺病變，實現病變的精準定位。系統遵循BI-RADS指導，為臨床治療提供依據；肝臟CT智能診斷系統(σ-Discover/Liver CT)，根據CT圖像自動進行肝臟分割，智能檢測肝部病變，包括肝部結節、肝硬化、脂肪肝等病變的位置、體積等信息。良惡性病變評估功能根據LI-RADS分級，指導愈後評估。四款智能新品已經在醫院試用。其他產品如前列腺癌、骨折、糖網病等智能診斷系統均在緊張研發階段。這一系列產品聚焦於腫瘤、心腦血管疾病、慢性病等中國患者發病率較高的領域，並且針對中國患者進行了定製化設計。
深睿醫療
同樣是在CCR2018上，正式發布了Dr.WiseTM深睿醫生四大品類六款產品，分別是Dr.WiseTM癌症早期篩查AI系統，包含最新一代肺結節AI輔助篩查和診斷系統、乳腺鉬靶輔助篩查系統兩款產品；Dr.WiseTM腦卒中AI檢測分析系統，包含出血性腦卒中、缺血性腦卒中；以及深睿智能影像雲Dr.WiseTMCloud，和Dr.WiseTM多模態科研平臺。
Airdoc
Airdoc研發了可以從視網膜影像中識別數十種慢性疾病和併發症的病變的人工智慧慢性病識別算法：可以識別從糖尿病到心血管疾病再到視神經疾病等慢性疾病。該算法在視網膜病變識別準確率已經和頂級醫生診斷水平相當。並且在整個操作過程中擁有無痛、低成本和自動化等眾多特點，它可以在全世界範圍內為大人群提供健康服務。
可以說，現階段的醫學影像AI，已經能從只能完成單點任務進階到了能完成以疾病或者部位為中心的診療流程。
綜合性診療——虛擬醫生/遠程醫療平臺
綜合性診療主要是利用NLP、計算機視覺、知識圖譜等等各種技術，綜合病人各維度信息以及醫療知識進行推理與診療，現階段技術尚處於早期階段，因為不論是數據還是政策支持，但正向遠程會診、智慧處方等進一步發展。
IBM——Watson
IBM研發的人工智慧醫療方案Dr. Watson（以下稱「沃森醫生」），目前以輔助治療方案推薦為主，它的智能系統構架也比較完善。「沃森醫生」更像是一件智能檢索的工具，即依據文獻、指南等醫學資料對醫生的診斷結果進行判別，在資料庫中進行檢索，從而獲得治療方案，節約了醫生查詢指南的時間。但是「沃森醫生」僅以醫療文獻、病例病史和醫學影像為訓練集樣本，這一層次的樣本數量有限，如果數據量不足，將導致「沃森醫生」的診斷結果和治療推薦方案與人類專家的結果出現一定的偏差，且它的治療推薦方案可追溯不強。
今年7月，外媒曝料稱，沃森醫療機器人因為做出了錯誤診斷並開出了不安全藥物。在曝光的案例中，一名65歲男性被診斷患有肺癌，同時伴有嚴重出血症狀，沃森給出的建議是接受化療並使用藥物「貝伐單抗Avastin」——這是一款可能導致「嚴重或致命出血」的癌症藥物，在臨床上建議不要給患有嚴重出血的患者服用。
在國內，發展遠程醫療的主要目的是為了優化醫療資源配置，可以讓三甲醫院的醫療服務通過視頻的方式傳遞至基層醫院；而美國的遠程醫療企業大多提供常規病種諮詢及慢病日常護理服務，這種模式下，遠程醫療服務商的成本非常低，可以不依託實體醫院。同時遠程醫療創業項目也多見於國外，如American Well、Micin、Tyto Care、Kry等，甚至是從寵物遠程醫療切入的 FirstVet。但Avizia（美國一家端到端的遠程醫療供應商）的一項調查研究表明，美國只有18％的醫療服務提供者和患者使用過遠程醫療服務，而每10名患者中就有8名不了解如何使用遠程醫療，以及他們的醫療保險是否可以報銷遠程醫療產生的費用，可以看到，即便這個應用場景有前景，但現在還是處於初級階段，不論是國內還是國外，尤其是國內基本很難找到企業落地項目的的一鱗半爪。
醫療機器人——手術機器人、康復機器人等
醫療機器人的應用，可以提高可視化程度，提高醫生手術效率，從而提高精度。AI已經可以幫助減少手術中的變數，因為收集數據和將數據集成到流程中的是同一個系統，這將在手術過程中為外科醫生提供極大幫助。通過機器收集的物聯網數據以及機器學習所收集的患者身體數據，輔助AI可擁有相當高的工作精度。當然，這些都是通過人為監督實現的。
在手術中，機器人還會被用作自主儀器來取代傳統鋼製醫療器械，來更加平穩地執行某些動作。使用機器人的目的是減少與開放手術相關的組織創傷，這種方法旨在改善開放性外科手術，特別是在嚴重和危急情況下。與傳統手術方法相比，AI輔助的手術具有更高的精確度，小型化，切口更小，失血減少，疼痛更少。由於會預先使用先進的機器學習技術對全身圖像進行評估和分析，病患的恢復時間也被縮短了。機器人手術被證明可以讓外科醫生和專家更好地控制器械和場地，醫生也不會因為長時間站立而產生疲勞。
醫療藥物研發——藥物篩選、有效成分分析、靶點確認、藥物性能預測等
藥物研發，這個過程始終伴隨著研發周期長、投入資金大、成功率低等難題與風險。新藥研發是一個系統工程，從靶點的發現與驗證，到先導化合物的發現與優化，再到候選化合物的篩選及開發，最後進入到臨床研究。
而AI的引入或許能有效地提高藥物研發的效率， TechEmergence研究的一項表明，AI可以將新藥研發的成功率從 12％提高到 14％，可以為生物製藥行業節省數十億美元。AI不僅能夠挖掘出不易被發現的隱性關係，構建藥物、疾病和基因之間的深層次關係；也可以對候選化合物進行虛擬篩選，更快地篩選出具有較高活性的化合物，為後期臨床試驗做準備。如在2015年，矽谷藥物研發公司Atomwise基於現有的候選藥物，應用人工智慧算法在不到一天時間內就成功尋找出能控制伊波拉病毒的兩種候選藥物。研究和開發兩大藥物研發環節中，AI通過優化流程，圖像識別、文本識別可以輔助進行靶點確認、篩選化合物／生物標誌物、預測藥物性能、預測藥物晶型優化工藝開發流程等。除此以外對於挖掘藥物新適應症、分析中藥奇效成分及挖掘替代性藥物等，人工智慧也能起到一定提升效率作用。
從短期看來，人工智慧企業主要是提供單點的解決方案和產晶。長期來看未來將會有企業將全流程打通，最終出現由AI介入藥物研發全流程的產物。
Atomwise
今年5月，位於加州矽谷的Atomwise宣布完成了4500萬美元的A輪融資。Atomwise公司成立於2012年，其核心技術名為AtomNet，是一種基於深度學習神經網絡的虛擬藥物發現平臺技術，能以前所未有的速度、準確性、以及多樣性，對小分子藥物進行發現與設計。據估計，當下的高通量篩選機器人能在每天完成10萬個化合物的篩選，而Atomwise的算法能將這一數字猛增到每天1000萬-2000萬個，提高兩個數量級。過去幾年裡，這個平臺取得了優異的成果。在Atomwise的官網上，我們看到了這樣一個例子：利用其獨有的技術，Atomwise在820萬個小分子中，發現了一款蛋白互作抑制劑，有望用於多發性硬化症的治療。在AI的設計下，這款新藥分子有著眾多出色的成藥特性——它能口服用藥，也能穿透難以逾越的血腦屏障。在動物模型裡，它更是展現出了良好的療效。
BenevolentAI
Benevolent AI是一家致力於人工智慧技術開發和應用的公司，該公司的核心技術是一個叫做JACS(Judgment Augmented Cognition System，判斷加強認知系統)的人工智慧系統，可以更快更好的開發新藥，避免代價高昂的臨床試驗失敗。BenevolentAI目前的藥物研發產品組合表明，它可以將早期藥物研發的時間縮短四年，並有潛力在整個藥物研發過程中，提高藥物研發平均效率的60％。
Insilico Medicine
Insilico Medicine在全球率先運用生成對抗網路（GAN）和強化學習（RL）來開發新的藥物分子，這項技術可同時運用於已知靶點的疾病以及未知靶點的疾病。除了與大公司合作開發藥物之外，Insilico Medicine也同時在內部開展藥物發現項目，專注於癌症、皮膚疾病、纖維化、帕金森病、阿茲海默病、漸凍症，糖尿病、肌肉減少症和衰老的新藥開發。
身體健康管理——健康狀態監測、疾病發生預防、全方位管理健康
即便你是個從不生病身體健康的健身達人，這個應用場景想必你也躲不開。在人們日益關注自身健康的今天，如何監測自己的身體狀況並及時作出改善才是關鍵。該場景一般與物聯網結合應用，如手環、手機、電子體重秤等其他電子設備（尤其是智能穿戴設備），依賴生命大數據、環境因素、行為因素等多種數據去訓練模型。也正是因為這一領域應用屬於弱醫療，其容錯率大大降低，風險性更小。不過，風險小的同時並沒有降低對技術的要求，其考慮的環境更為複雜化，因此近幾年的智能穿戴也並沒有很大的發展。
Keep
Keep於年底的技術開發日上推出了AI虛擬教練，所謂的AI虛擬教練指的是內容、數據、算法和場景四方面相結合的一套體系。首先利用體測計劃了解用戶的身體能力和運動能力，如心肺能力、有氧能力、體能情況、柔韌性、平衡性、肌肉耐力等，根據這些數據和用戶設定的個人目標，AI虛擬教練還可以生成個性化的訓練計劃。
在最新的3D人體數據檢測應用中，Keep可以通過一個微信小程序啟動手機攝像頭，僅拍攝一個人正面、側面兩張全身照（需穿著儘量貼身），使用深度學習算法在雲端的計算，檢測出用戶的體態問題，並推薦科學的解決方案。形體報告應用可以檢測頭部前引、O型腿、脊柱側傾彎、頭部側傾、骨盆傾斜、高低肩、膝蓋過伸等風險，並能標出正常、潛在風險和高風險三個風險等級。在人體姿態檢測之外，Keep人工智慧研究院還在進行圖像內容檢測等方向的研究。和很多 AI公司類似，Keep目前也可以對用戶上傳的照片和視頻進行標註、分類分發，並識別其中的文字、水印，自動為這些內容打上標籤。
華米
作為小米生態鏈企業的華米，近幾年也是越做越強，其自有品牌Amazfit已成全球第四大智能手錶品牌。今年下半年，華米推出了業界第一款可穿戴AI晶片，命名為黃山一號，其採用RISC-V架構，在RISC-V架構裡面，華米加入自己的AI引擎。它分成四個部分：包括兩個心電圖引擎、一個生物特徵識別引擎、一個心率的心臟病識別的引擎。其中，生物識別引擎可根據每個人的心臟情況，判斷測試者是不是機主本人。
AIII人工智慧產業研究院
建生態 促生活
獨家｜ AIII研究院：如何構建適用於第四次工業革命的商業模式
獨家｜ 企業如何接入、部署、到實際落地人工智慧技術
斯坦福重磅報告：2030年的人工智慧與生活
阿里研究院重磅報告 ｜《解構與重組：開啟智能經濟》