人工智能+医疗 驶入快车道

在政策推动和算法红利的促进下，“人工智能+医疗”快速发展，根据中国数字医疗网统计，2016年中国AI+医疗市场规模达到96.61亿元，增长率为37.9%，中国AI+医疗市场规模在持续增长，2017年超130亿元，增长40.7%，有望在2018年市场规模达到200亿元。

健康一体机

“人工智能+医疗”快速发展。医学是一门靠归纳逻辑、经验学习、循证运用的学科，人工智能在这个行业可以发挥重要作用。

人工智能在医疗行业的各环节均有应用

1. 诊前:可用于个体或群体性疾病的预测，并给出健康建议。
2. 诊中:人工智能可以辅助诊断、辅助治疗，降低误诊率。
3. 诊后:能通过计算机视觉、图像识别和视频分析等渠道保证患者服药的真实性，辅助医生实现患者药物依从性的监督。
4. 其他环节:保险机构费用智能控制;人工智能参与到药物研发过程中，可以缩短时间、提高效率。

目前产业发展处于第一阶段。在此阶段，弱人工智能算法相对成熟，数据的整合和共享构成行业发展的核心因素。产业仍处于发展初期，数据整合与共享是驱动行业发展的核心因素。AI+医疗发展的核心在于“算法+有效数据”。

随着医疗数据互联互通程度的提升和共享机制的建立，AI+医疗行业发展将加速。我们认为，目前已经形成成型产品、在各应用场景实现小范围推广、具备高附加值的AI+医疗应用包括两个:

1. 基于医学影像的智能识别;
2. 基于电子病历的辅助诊断。后者的典型案例是IBMWatson，目前已经落地WatsonforOncology的肿瘤辅助诊断治疗的AI产品，并在国际上各医院小范围推广。自2012年深度学习技术被引入图像识别数据集之后，其识别率近年来屡创新高，2015年百度在ImageNet的比赛识别错误率仅为4.58%，高于人类水平。而基于医学影像的智能识别，全球该领域的创业公司达1000多家，是适合AI技术发挥其所长的医学应用领域。

目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率为4.1%，其间的差距是25.9%，放射科医师的数量增长远不及影像数据的增长。

智能影像识别市场分类多空间大人工智能方法在医学图像处理中的应用十分广泛，涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。

医疗影像智能识别按照应用领域，可以分为放射类、放疗类、手术类以及病理类:

1. 放射类:类似于军队的“情报部门”，通过射线成像了解人体内部的病变情况，形成影像。对该影像智能识别的目的在于标注病灶位置。
2. 放疗类:类似于军队的“战斗部门”，在制定放疗方案之前，医生需要通过成像设备对靶区进行定位，从而形成影像。对该影像智能识别的目的在于进行靶区自动勾画，由于放疗需要杀死细胞，病变区域勾勒的越准确越好，对智能影像识别准确率要求高。
3. 手术类:对CT等影像通过3D可视化等技术，进行三维重建，帮助医生进行手术前规划，确保手术的精确性。
4. 病理类:病理诊断是最终确诊环节，MRI、CT、B超等影像判读的正确与否要参考病理诊断的结果。传统的病历检验是医生在显微镜下直接读取病历涂片，现在数字化病理系统使得AI读片成为可能。

以病理切片为例，据国家卫计委统计，我国病理注册医生在1万人左右，按照每百张床配备1—2名病理医生的标准计算，全国病理科医生缺口可能达3—4万人，目前，全国有近40%的手术未进行病理切片分析。所以通过AI的方式辅助影像科医师进行诊断将满足市场刚需。

我国医疗资源短缺，供给严重不足，人工智能在医疗行业的应用可以提升医生工作效率，变相提升医疗资源的供给。从变现对象看，基层医院因为治疗水平，医疗资源缺乏，付费动力最强;而大医院虽然医疗资源丰富，但由于门诊住院量高，具备通过智能化应用提升工作效率的需求。在此背景下，基层医院具备按次付费的需求基础，而大医院更容易接受软件服务费作为付费形式。随着第三方影像中心的崛起，将也会对智能影像诊断产生需求。