与健康管理硕士/博士校友面对面“解读高潜职位—健康产业数字化管理为你的职场赋能” 近年来，在数字经济不断推进的大背景下，人工智能发展迅速，并与多种应用场景深度融合，逐渐成为推动经济创新发展的重要技术，医疗作为社会经济和人民生活最密切的场景之一，人工智能与医疗应用场景之间的联系愈发紧密，人工智能医疗越来越受重视。

目前，我国人工智能医疗处于成长期，投融资市场发展迅速，项目以A轮和天使轮为主。医疗机器人作为人工智能医疗主要细分应用领域之一，2019年市场规模达43.2亿元，其中康复机器人、手术机器人、辅助机器人和医疗服务机器人占比分别为47%、17%、23%和13%。

AI医疗概述
人工智能
人工智能已经发展了大半个世纪，人们对于深度学习探索较多，但受制于计算机的计算能力，以及算法本身的限制，效果不太好，直到2006年，Hinton解决了神经网络的大量参数训练的问题。从2009年开始人工智能飞速发展。2015年、2017年，两场世界瞩目的人机围棋大赛之后，人们对人工智能的认识将进一步的加深。而AlphaGo用于下围棋的高效算法是一种通用型的算法，这种算法可以推广到其他算法，把人工智能运用到各个领域。

AI+医疗
AI赋能医疗。人工智能医疗简单说即以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量。2000年-2015年期间，国外的研究重点为AI在临床知识库外的应用，如手术机器人应用落地、鼓励发展电子病历等。而中国仍以研究更多类疾病的临床知识库为主，发展相对缓慢。2015年-2017年，由于AI在图像识别方面的准确率有大幅度提升，AI+影像得以快速发展。2018年后，中国AI+医疗进入稳定发展阶段，智慧病案等新产品相继面世，目前国产手术机器人尚在研究阶段。

我国AI医疗市场规模

随着人工智能技术的发展，语音交互、计算机视觉和认知计算、深度学习等技术也逐渐成熟，人工智能医疗领域的各项运用变成了可能。如语音录入病历、医疗影像智能识别、辅助诊疗/癌症诊断、医疗机器人、个人健康大数据的智能分析，AI医药研发等。随着人工智能医疗市场的不断发展，热度不断提升，据统计，2017年行业市场规模已达到136.5亿元，2018年市场规模在210亿元左右，同比增长54%。

随着我国医疗需求不断提升的同时，医疗资源分配不均，医护人员短缺，而人工智能刚好弥补了这一短缺，加之人工智能医疗的政策规划不断落地，更加速我国人工智能医疗的发展。据IDC统计数据，到2025年人工智能应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一。

AI医疗六大应用场景

疾病风险管理与预测
疾病风险预测是指通过基因测序与检测，提前预测疾病发生的风险。疾病风险预测核心解决的问题是预测个体在未来一段时间内患某种疾病或（发生某种事件）的风险概率。疾病预测会根据某个人群定义，例如全人群、房颤人群、心梗住院人群等，针对某个预测目标，例如脑卒中、心衰、死亡等，设定特定的时间窗口，包括做出预测的时间点，和将要预测的时间窗，预测目标的发生概率。

医院管理
主要指针对医院内部、医院之间各项工作的管理，主要包括病历结构化、分级诊疗、DRGs（诊断相关分类）智能系统、医院决策支持的专家系统等。在分级诊疗的政策推动之下，国内陆续出现促进分级诊疗的企业服务，行业前景广阔。分级诊疗的实现，离不开医联体与智能云服务，二者相辅相成。目前国内共有21家公司提供“医院管理”服务，业务大多集中于病历结构化服务。

辅助诊疗
“AI+辅助诊疗”的产品还有两大类：医疗大数据辅助诊疗、医疗机器人（主要指针对诊断与治疗环节的机器人）。医疗机器人主要包括手术机器人、肠胃检查与诊断机器人、康复机器人等。我国在医疗机器人的研究与政策支持方面，都具有良好的发展环境。目前国内致力于手术机器人的公司主要采用两种业务模式：第一种，面向医院进行机器人产品的单独销售，并提供长期维修服务；第二种，是为医院提供手术中心整体工程解决方案。例如，Google研发的Deep Mind Health系统将机器学习和系统神经科学结合，通过强大的通用学习算法模拟构建人脑神经网络，以便更好的解决医疗保健问题。

虚拟助理
医疗领域中的虚拟助理，基于特定领域的知识系统，通过智能语音技术和自然语言处理技术，实现人机交互，将患者的病症描述与标准的医学指南作对比，为用户提供医疗咨询、自诊、导诊等服务。根统计，目前国内共有15家公司提供“虚拟助理”服务，主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求，并且有衍生出更多需求的可能性。

健康管理
“健康管理”应用场景，主要包含营养学、身体健康管理、精神健康管理三大子场景。目前国内共有14家公司提供“健康管理”服务，公司大多集中于身体健康管理场景。企业包括：妙健康、碳云智能、橙意家人、人和未来、解码DNA、时云医疗等。国内在营养学场景的人工智能公司较少，国人尚未普遍树立营养饮食意识；碳云智能和Airdoc的产品分别通过血糖监测和菜品识别指导用户合理用餐。

药物挖掘与研究
传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。人工智能与药物挖掘的结合，使得新药研发时间大大缩短，研发成本大大降低；这将有可能根本上改变用药“平均”观念。目前国内AI+药物挖掘已经在逐步落地，但研发周期仍相对较长，且算法需要大量的时间和数据积累，短期内很难产生营收数据。