③ 供需失衡。医疗资源向综合型医院集中，供需矛盾不断激化。原本定位于“收治急危病症、疑难杂症和人才培养”的大医院却大小疾病皆收，而普通医院及基层医疗机构却有大量资源被闲置浪费。

　　生物医药：应用于生物医药增材制造（3D打印）、医用设备全生命周期管理、药物研发等领域

　　人工智能技术与医疗健康可穿戴设备结合，慢病病与健康管理，实现疾病风险预测和实际干预。

　　背景：中华医学会数据资料显示，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%。对于放射科医生而言，患者拍片过程会产生几百甚至几千张片子，繁重的任务量加之疲劳的工作状态，容易导致漏诊；对于病理医生而言，依靠经验从众多细胞中找到癌变细胞难度较大，误诊现象时有发生。

　　二是数据学习、训练环节，通过深度学习海量的影像数据和临床诊断数据，不断对模型进行训练，促使其掌握诊断能力。肺癌检查、泛亚电竞官方糖网眼底检查、食管癌检查以及部分疾病的核医学检查和病理检查等。

　　基于非结构化数据分析能力日益增强，通过建立医疗文献及专家数据库，依据与疗效相关的临床、病理及基因特征，为医生提出规范化临床路径及个体化治疗建议。

　　使医疗流程中大部分的工作流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效

　　医用机器人主要包括外科手术机器人、康复机器人、护理机器人、配药机器人等。

　　手术外科机器人：结合高精度空间定位能力、快速计算能力、3D数字化医疗影像技术，外科手术机器人能够克服传统外科手术中精确度差、手术时间过长、医生疲劳、缺乏三维精度视野等问题

　　包括矫形器、假肢、个人移动辅助器具、外骨骼康复机器人等，适用人群主要包括残疾人、老年人、伤病人等。

　　康复辅助器具结合虚拟现实/增强现实、柔性控制、多信息融合、运动信息解码、外部环境感知等人工智能新技术

　　将极大推动智能假肢、智能矫形器、外固定矫正系统、新型电子喉、智能护理机器人、外骨骼助行机器人、智能喂食系统、多模态康复轮椅、智能康复机器人、虚拟现实康复系统、肢体协调动作系统、智能体外精准反搏等新型康复辅具发展。

　　目前业界已尝试利用人工智能开发虚拟筛选技术，发现靶点、筛选药物，以取代或增强传统的高通量筛选（HTS）过程，提高潜在药物的筛选速度和成功率。通过机器学习和自然语言处理技术可以分析医学文献、论文、专利、基因组数据中的信息，从中找出相应的候选药物，并筛选出针对特定疾病有效的化合物，从而大幅缩减研发时间与成本。

　　医疗行业涉及人们的生命安全，在新技术、新模式等方面更加慎重，临床渗透和应用需要更长时间。医疗AI作为一种创新技术，发展时间较短，相关商业模式需进行探索。

　　早期的AI产品具有一定的局限性，未获得医生、医院、患者、医保等多方面主体共同的认可

　　此前获批的医疗AI产品中，医学影像AI辅助诊断产品最为广泛。这是因为影像数据易获取、易处理，相关产品更易研发、获批。此类产品并未解决临床上的强痛点，临床认可度低。解决的都是临床上日复一日的工作，只能解决降费 增效的问题没有新的增长点；

　　此前获批的医疗AI产品呈现技术路径和产品体系同质化的特点，几乎全部聚焦在影像科应用，竞争激烈

　　AI缺乏行业监管，虽然已经有一些企业获得了AI的医疗器械注册证，但是AI应用当中所存在的伦理和责权利的问题依然存在

　　AI缺乏收费模式，在没有政策和收费目录的情况下，AI在医院的收费只能是一个伪命题；

　　计算机视觉：使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类的提取、处理、理解和分析图像以及图像序列的能力，在医学影像识别、病理辅助诊断、心电辅助诊断等方面具有广泛应用；

　　自然语言处理：实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等，主要应用于智能分诊、智能导诊、虚拟助手等领域的患者信息采集分析；

　　生物体征感知技术：通过个体生理特征或行为特征对个体身份进行识别认证的技术，生物体征感知技术涉及的内容十分广泛，主要应用于健康医疗可穿戴设备、慢性病管理、疾病预测等领域。

　　构建人工智能训练资源库和标准测试数据集，为人工智能+医疗健康产品提供算法训练、产品优化、标准验证、测试认证等支撑

　　沃森健康（Watson health）专注于利用认知计算系统为医疗健康行业提供解决方案。

　　谷歌DeepMind healt 和英国国家医疗服务体系NHS合作，访问NHS患者数据进行深度学习，训练有关脑部癌症的识别模型

　　阿里：重点打造医学影像智能诊断平台，提供三维影像重建、远程智能诊断等服务。

　　腾讯：投资碳云智能，致力于建立人工智能的内核模型，并对健康风险进行预警、精准诊疗和个性化医疗。

　　腾讯觅影把图像识别、深度学习等领先的技术与医学跨界融合，可以辅助医生对食管癌进行筛查，有效提高筛查的准确度，促进了准确治疗。除了食管癌，腾讯觅影未来也将支持早期肺癌、糖尿病性视网膜病变、乳腺癌等病种的早期筛查。泛亚电竞官方

　　帮助医生更快地获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注、三维重建、靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。

　　首先，医学影像医生缺口大。且医师从业需要较长时间的培训和学习，这意味着影像科医师在未来处理影像数据的压力会越来越大，

　　人工分析的缺点一是大量的脑力劳动和长时间的工作，容易视力疲劳及人为产生视觉误差；二是海量影像信息容易漏诊；三是全凭医生经验去鉴定，缺乏量化的标准，误诊率高，极容易出现不同医生判读结果不一致的情况。

　　据中国医院协会信息管理专业委员会出据的数据显示，2015 年我国医院PACS系统（医学影像存档与通信系统）建设水平 50%~60%，同时由于我国信息化建设较晚，医学影像数据共享度仍较低。

　　应用现状：由于人工智能效能的临床验证尚不充分，适合人工智能研究标准数据库和场景的缺乏以及临床的伦理和法规问题尚待解决，导致真正临床实践规范应用的产品较为缺乏

　　病例分类主要是对一套典型多张图片进行分析，从而得出相应的病例的分类结果。

　　卷积神经网络（CNNs）是医疗图像中一个标准的模型算法，尤其是预训练模型迁移学习算法的技巧已经展示出了其强大的能力

　　更加注重于图像的某一部分或细小的组织、病变等局部区别的分类，例如常见的肺结节检测与分类。

　　很多学者采用了新型的多信息新融合架构进行网络拓扑（例如残差网络结构），以及不同尺度的信息结合，有针对性地对医疗图像做模型输入以及运算调整。

　　目前腾讯觅影、图玛深维、依图科技、推想科技、阿里健康、汇医慧影等公司已经在临床上取得应用。

　　连心医疗、医诺科技、全域医疗、普润医疗、慧软科技等公司都在开发相关的产品

　　上游是医学影像设备，最终服务对象是医院及影像科医生，以机器或系统的销售收入作为统计口径，壁垒是包括研发积累、精密制造水平及配套服务。

　　下游为医学影像诊断服务，最终服务对象是患者，以诊断服务收入作为统计口径，在影像设备产出图像的基础上附加医生的劳动成本，诊断服务环节最重要的因素是专业而可靠的诊断结论

　　大多医疗影像人工智能在医院依然是试用阶段，其可能的主要应用方式可以分为：

　　随着医学影像人工智能平台的兴起与发展，将促使影像诊断服务市场不再免费，有望逐步形成新的细分市场。如

　　（3）建立远程医疗服务集成云平台，集成远程会诊、远程影像、远程病理、远程心电等

　　疾病对于人来说永远都有未知的领域，如何能够基于已有的医学知识，将数据和知识这两种模型结合起来，这才是医学影像人工智能在医疗领域向更深层次的治疗与干预层面应用的关键。

　　各大医院也不能互联互通。且拥有大量数字化影像数据的三甲医院的数据开放也是一个很大问题

　　医学影像人工智能的训练需要大量已经标注好的影像数据，而标注需要花掉大量的人力成本，且对训练结果产生直接影响。

　　临床决策支持系统（CDSS）：使用大量客观现实的数据、医学指南和权威文献作为主要判断依据，以循证医疗为设计主旨，为有效解决临床医生知识的局限性、减少人为错漏、提高药物使用效率，从而为提升医疗效率，降低医疗错误带来了有益的助力。

　　临床决策支持系统的基本原理为构建各种疾病的知识库，将各种病情的诊断标准、阈值判断、治疗处方、专家经验等输入计算机，对信息存储、提取、计算来模拟医生的诊断治疗思维，帮助医生做出快速诊断和治疗决策。

　　第三，模拟临床思维，提供临床全过程辅助决策。“诊断依据”“诊断疾病”“检验方案”“用药方案”“处置方案”“护理方案”“保健方案”等

　　第四泛亚电竞平台，随病人病情的变化，生成多条临床决策通道，提供医生决策参考，使临床诊疗具有多视角会诊的性质；使临床全过程：诊断—治疗—用药等，都纳入智能辅助范畴之内，进行快速、准确、规范的临床诊疗。

　　（1）人卫临床助手：主要数据来源是人民卫生出版社63年来的精品专著，其中汇集了2000多家医院案例资料，并成立了专家评审委员会，制定资源审核发布流程，甄选权威内容入库。

　　将物联网及人工智能技术融合并应用于生活中，贯穿用户全生命周期的数据采集、监测，并对各项数据指标进行综合智能分析，泛亚电竞官方服务于用户的健康管理，从而提高健康干预与管理能力。

　　数据的来源：生理数据 (比如血压、脉搏）、环境数据 (比如每天呼吸的空气）、社交数据

　　提供针对性的健身指导、康复指导等获取收益，主要包含面向患者收费和面向医生收费

　　面向患者：为患者提供慢性病管理服务。代表公司东软熙康，通过特色套餐，会员年卡等来收费。

　　面向医生：美国较为普遍，美国医保政策按服务质量付费后，医院受到医保的压力，有动力用最低成本帮助患者达到最优治疗效果，医院或者医生愿意为健康管理付费。代表公司是美国的Twine Health 搭建了高血压管理的医患互动平台，患者自己录入数据，与医院医生进行互动，公司对医院的价值在于降低了医疗机构大规模的资本支出，并通过长期病人病情跟踪降低住院和急救室的就诊人次

　　为研究机构提供科研数据。通过对可穿戴等设备收集到的数据进行记录整理，并将数据输送给研发机构等获取收益。如CardioNet的监控中心凭借其积累的大量监测数据，提供给药企、高校研究机构、医疗器械公司等以进行药品研发、疾病攻克等用途。

　　为医疗机构提供综合性数据管理服务。通过为医疗机构提供数据获取、传输、存储、管理、分析等服务，帮助医疗机构更好地利用病患数据提升医疗效率与效果。

　　服务提供商通过对投保人进行精准分析或提供医疗服务等，降低保险公司的理赔开支，从而获得收益

　　数字疗法只面向特定专科，这导致其市场规模要小很多，热门的数字疗法专科主要是精神科和慢病，虽然这两个领域看似市场庞大，但实际能转移到线上的极为有限。

　　② 而人工智能在健康管理领域的体现主要是数字疗法。并不是新产品，更多是采用了软件加硬件

　　④ 人工智能的本质是提高效率和技能并降低成本，数字疗法并没有体现出这一点。

　　⑤ 实际效果仍然存疑，效果只存在试验阶段。这导致医保和商保作为支付方仍然非常谨慎，直接去覆盖数字疗法的意愿度非常低，降低了其快速规模化的可能性。

　　⑥ 人工智能在数字疗法上主要的优势在其算法，通过不断调整用户数据来推动算法具备更精准，从而提高用户的健康水平。

　　⑧ 当前的数字疗法却采取药品的研发模式，只是在院内对小规模人群进行试验。

　　⑨ 当这样的数字疗法产品上市后，用户的使用率和续约率并不高，作为头部的Pear Therapeutics的处方实际调剂率只有50%，处方实际支付率只有25%，这极大的制约了其规模化的可能性。

　　目前寻找药物最基本的方式就是将上市药物、人体靶点进行交叉研究和匹配，这项类似于回顾式研究的工作，将有机会从依靠人工转向依靠人工智能，从而在速度上实现指数级的提升。

　　大型药企实际上都已经建立了内部的化合物储备，采用人工智能的方式从这些化合物中筛选出先导物，可以开发有效和准确的虚拟筛选方法，以取代昂贵且耗时的高通量筛选过程

　　帮助企业能准确高效地定位到所需要入组的患者，而不必为了保证成功率而放大样本量

　　依从性是指病人执行医嘱的客观应答的程度。在新药临床试验中，依从性可定义为受试者按照规定的药物剂量和疗程服用试验药物的程度。传统方式服药依从性主要通过人工随访来管理，如果数据量大则只能依靠病人的自觉性。在这个阶段我们利用移动技术和面部识别技术来判断患者是否按时服药，用自动算法来识别药物和药物摄取，并且可以提醒患者按时服药，对患者的服药依从性做出精准管理。