关于智慧医疗新体系建设方向

人工智能医疗是以互联网为依托，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。

目前医疗人工智能应用按场景可分为医学影像、辅助诊疗、虚拟助理、健康管理、智慧医院（医疗）等。

在医疗影像场景，根据临床数据采集的不同，可细分为 CT、视网膜眼底图、X 射线、病理、超声、内窥镜、皮肤影像应用。磁共振影像目前主要在脑功能研究。
一、应用场景

1、医学影像

深度学习在图像处理领域技术最成熟，因此医学影像类人工智能应用最多。
（1）CT影像应用

CT 产品应用公司数量较多，聚焦的疾病广泛，如肺结节、肺炎、肺癌。产品形态以软件为主，算法模型处于微调优化阶段，相关产品相对成熟。

（2 ）视网膜眼底图应用

视网膜眼底图产品应用公司数量较多，主要集中在糖尿病性视网膜病变、高血压、动脉硬化、视神经疾病的诊断和预测，产品形态以软件为主。目前基本成型的 AI+视网膜眼底图产品应用处于医院应用阶段。

（3）X 射线透视应用
研究 X 射线产品应用的公司数量较多，聚焦于骨折筛查、骨龄预测等。产品形态以软件为主。产品成熟度较高，处于医院应用阶段。

（4）病理影像分析应用
病理影像应用的企业，疾病集中在宫颈癌、乳腺癌、胃癌、前列腺癌。

（5） 超声（US ）应用

研究超声应用的企业，主要集中在乳腺癌、甲状腺、肝脏肿块等疾病，应用包含静态超声疾病检测和动态超声影像疾病检测。目前很多公司对于 AI+超声的研究还在初级阶段，目前基本成型的产品大多正处于医院试用阶段。

（6） 内窥镜影像应用

研究内窥镜影像应用的企业，主要集中在胃癌、结直肠癌和食道癌等疾病的检测和预测，产品技术成熟，临床诊断准确率较高，应用广泛。通过人工智能手段辅助消化道癌症的早期发现和诊断，将极大地提高筛查和检查的效率。

（7） 皮肤影像应用

研究皮肤影像应用的企业，应用领域涉及皮肤病的分类、分型、检测、预测、疗效评估，产品技术成熟，临床诊断准确率较高，应用广泛。

（8）心电图（ ECG ）应用

心电图数据属于图形波谱数据，介于影像和文本之间，目前该类产品应用较少。研究心电图应用的企业，主要集中在心律失常、心室心房肥大、心肌缺血损伤、心肌梗死等疾病的检测和预测。

2、 辅助诊疗

作为人工智能在医疗领域的主要应用，随着人工智能的不断发展，辅助诊疗系统的定义也在不断更新。通过对患者信息的推理，系统可以生成针对患者个人的精细化治疗建议，最后由医生从中选取有用的信息并删除错误建议，利用该系统不仅可以提高医生诊断疾病的准确率，同时还可以提高医疗单位工作效率。

基于医院信息系统积累的电子病历数据，构建电子病历知识表示模型，以数据分析和机器学习为基础，训练并得出科室常见疾病的临床路径和诊疗模型；利用自然语言处理 NLP 将自由文本的电子病历抽取整理为病人知识库，结合以疾病为核心的知识图谱，直观探索疾病、症状、治疗等诊疗要素之间的关联，形成完整的医疗知识体系。

模拟与真实医生问诊的过程，通过对话的方式和简单的点选交互，获取到必要的病情信息，最终辅助诊疗系统将给出病情预测以及合理的用药方案。借助系统，实时分析、反馈、优化问诊策略，提供最佳诊断建议，并自动生成完成参考治疗方案，实现从问诊到治疗的导航化。

3、 虚拟助理

虚拟助理是指通过语音识别、自然语言处理等技术，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、导诊等服务的信息系统。智能问诊是虚拟助理广泛应用的场景之一。

智能问诊是指机器通过语义识别与用户进行沟通，听懂用户对于症状的描述，再根据医疗信息数据库进行对比和深度学习，对患者提供诊疗建议，包括用户可能患有的健康隐患，应当在医院进行复诊的门诊科目等。

语音电子病历是虚拟助手另一个应用场景，指通过语音语义识别将声音语言转换为文字录入电子病历系统。当放射科医生、外科医生、口腔科医生工作时双手无法空闲出来去书写病历，智能语音录入可以解放医生的双手，帮助医生通过语音输入完成查阅资料、文献精准推送等工作，并将医生口述的医嘱按照患者基本信息、检查史、病史、检查指标、检查结果等形式形成结构化的电子病历，大幅提升了医生的工作效率。

4、 健康管理类

健康管理是以预防和控制疾病发生与发展，降低医疗费用，提高生命质量为目的，针对个体及群体进行健康教育，提高自我管理意识和水平，并对其生活方式相关的健康危险因素，通过健康信息采集、健康检测、健康评估、个性化健康管理方案、健康干预等手段持续加以改善的过程和方法。从人工智能的角度看，在疾病管理方面，将病历记录、心电监护、呼吸机参数、动脉波形、血气分析、生化、影像结果(X、CT、MRI)、用药等多模态数据结合起来，更接近医生临床诊断过程；可利用各种自然语言理解和对话技术自动对患者进行随访，采集关键的病情变化数据；甚至可以根据患者的病情自动给出预警或建议；主动回答患者的问题，尤其是跟患者教育相关的问题（病因/饮食禁忌/药物禁忌等），从而随时为患者提供及时的管理服务。

人工智能的医疗应用不仅仅可局限于临床中，更可以应用于健康管理领域，通过对日常的健康行为的监测管理，实现健康监控提前进行疾病预测，防患于未然。这对于许多独居老人以及慢性疾病患者来说，尤为必要。另外，如若真的发生紧急病情，可穿戴设备还可直接报警求救并联系患者亲属；在治疗时，设备也可将储存的日常健康数据交由医生，为进一步诊疗提供有效信息。研究慢病管理应用的企业，主要应用在随访、远程医疗等场景，聚焦糖尿病、高血压等疾病的病情和治疗监控。

慢病管理使用电子通信软件和人工智能技术，将产品作为医患沟通的桥梁，通过患者日常生活习惯，智能给出用药指南，提醒患者服药，监控智能检测设备数据，对数据进行评估，及早发现数据中的异常模式发出预警。产品技术成熟。

5 、智慧医院

智慧医院是基于医院信息系统、临床数据中心和集成平台，结合人工智能、云计算、医疗大数据、物联网、移动互联网等技术，优化患者就医流程，节省患者时间、节约医疗资源，持续改善患者就医感受。

患者就医流程大体分为挂号、候诊、就诊、押金缴费、检查检验、取药六大流程，其中四个流程可以通过人工智能相关技术解决：挂号流程可通过全预约挂号和号源全开放的方式解决，候诊流程可通过精准预约和智能导航的方式解决，押金缴费流程可通过移动支付或信用支付的方式解决，取药流程可通过智慧配送上门的方式解决。智慧医院是综合运用机器学习、人工智能 AI 和自然语言解析技术 NLP 的一套智能临床应用系统，可以无缝衔接医院业务流程，结合临床业务场景，智能辅助临床决策，智能监控分析医疗信息指标并给出提醒，能够有效提高临床的医疗质量，降低医疗风险。还能同时满足电子病历应用水平等级评审中，关于高级决策支持部分的评审项要求，助力医疗机构评审。

二、医疗大脑

随着机器人应用范围的不断扩充，“大脑”容量、思维速度等都有更高要求。目前科学家们尝试着将云计算、云存储等先进技术引入到机器人后台上，努力让机器人“大脑”向着信息更丰富、运算更快、反应更准确、学习更灵活的方向迈进。

人工智能是一个“云端大脑”，而5G则是一条“信息高速公路”。依靠“高速公路”带来的信息和数据，人工智能才能不断学习和演化，完成机器智能化进程。5G可分别从数据、时效和算力为人工智能技术提供更好的支撑基础，大幅促进其各类终端使用场景的落地和应用。

5G将激发诸如远程医疗手术等各类创新应用，补齐制约人工智能发展的短板，极大拓展AI应用场景，5G与人工智能共同引发智能终端产业下一轮技术和创新变革。5G应用将极大提升数据传输速度，提升诊断报告生成速度与准确率。

第一部分 价值创造

AI+医疗发展的核心在于“算法+有效数据”。基础层的计算能力是构建生态的基础，技术层的算法、框架以及通用技术是构建技术护城河的基础，都属于人工智能产业大生态的基础设施，具有高投入、高收益的特点，需要中长期进行投资。而应用层是人工智能技术在具体行业、具体应用场景价值变现的渠道，具有变现能力强的特点。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。

当前，中国放射科医生的数量只有不到十万人，且增速远远不及医学影像数据的增长速度。而在日本，57%的影像数据未被医生所查阅，可见放射科医生的短缺不只是中国面临的问题。另一方面，医生水平不一致，也容易出现较高的误诊率。业内指出，医学资源分布不均导致供给失衡，医学影像AI能够辅助医生处理大量的分析与量化工作。

医疗AI的爆发主要是基于人工智能技术及基础设施的突破。特别是作为人工智能基础的算力、算法、数据的发展。

普华永道预测2030年 AI在全世界能创造100万亿元的价值。而传统创业融合AI将创造最大的价值。当前的中国传统行业，存在着前后端效率极不匹配的状况，落后的后端存在着降本提效的巨大空间，而AI则是将这些传统的经典场景进行升级改造的最佳工具之一。

AI主要的价值是赋能行业应用。

第二部分 智能系统

当下，在人工智能、5G、大数据等前沿科技的驱动下，智慧医疗成为深化医疗改革，推进健康中国建设的重要方向，通过在智能语音与人工智能技术方面的资源优势与智慧医疗领域进行深度融合，将对现有智慧医疗体系进行升级，也能为行业提供更专业的智慧医疗解决方案。

从语音电子病历、智能导诊、智能问诊为代表的虚拟助理，到 AI 医学影像实现病灶识别与标注、三维重建、靶区自动勾画与自适应放疗；医疗大数据、医疗机器人实现辅助诊疗，到利用 AI 技术与新药研发、老药新用、药物‘筛选结合，进行药物挖掘；医院管理的病历结构化、分级诊疗、DRGs 智能系统、专家系统……AI 在医疗领域的应用遍地开花。

依托于人工智能、大数据、边缘计算和5G等技术，涌现出诸如AI影像、互联网医疗等智慧化应用。例如，领先厂商通过人工智能、虚拟现实、机器人、5G等技术的结合，已经具备远程专家高精度指导手术、对病灶区域进行辅助诊断的能力，越来越多的前沿技术开始应用于基因测序、细胞免疫疗法、3D骨骼打印、实时机体检测等领域。

在很多应用场景下，AI需要有硬件的辅助。尤其是基层，它需要轻量化的、高性能硬件来辅助完成诊疗服务。所以，要开发智能的芯片系统和智能的终端来辅助基层，实现他们临床诊疗的需求。

AI边缘计算近年更是异军突起，边缘AI可以有效降低运营成本。运营商的运营成本约占总收入的60%；因此，降低成本给边缘AI恰好提供了机会。

以视频流量为例，如果视频流量传输到核心网进行处理会产生较高的带宽成本。借助边缘AI，运营商可以在临近客户的位置处理部分数据，只将分析结果发送到核心网，从而降低回程成本。IDC预测，到2020年底，将有超过500亿个终端与设备联网，而有50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘分析、处理与存储。因此，边缘计算市场规模将超万亿元。

此外，在医疗应用当中，边缘云计算平台对于手术当中医学影像的三维重建、实时渲染也发挥重要的支撑作用。

当前，医疗行业存在的问题是：通过云计算等新技术推动专业化的健康信息服务和智慧医疗服务尚处在起步阶段，专业化云服务产品比较单一且供给不足。

比如：缺少适用于中小型医疗机构的医疗云、面向社区家庭医生为居民提供主动健康服务的社区云、帮助医生提高临床诊断能力的人工智能辅助诊断云、适应多种养老服务模式的养老云等，亟需建立各项医疗健康云服务，形成区域协同、知识共享、服务一体、智能辅助的医疗服务格局，提高医疗服务质量和社会满意度。

5G核心网、小基站、CPE构成的三级传输网有助于实现远端医生、本地患者和本地医生之间的高速数据互联互通，同时，为无线医疗设备、医护PAD、操控移动终端、患者手机等提供网络服务。在城域5G专网当中，还能支撑起应急救护车、无线监护、远程监测、远程手术、医疗设备管理监控等运营服务。

第三部分 中台架构

不容置疑，让许多不具备IT能力的各级医院建设数据中台、技术中台和业务中台是不现实的。

针对上述情况，国家健康医疗大数据中心（北方）（以下简称“北方中心”）是国内数据量最大的医疗中心，20000台机柜同时运作，将大规模采用蓝光存储、运维保障机器人等领先技术，是目前国内医疗信息化领域容量最大、最节能的数据中心。中心构建了“一湖三台”健康医疗大数据平台支撑体系，即健康医疗大数据湖、数据中台、业务中台和开放平台，有效支撑健康医疗大数据采集汇聚、存储处理、治理加工、安全保障、开放运营等全流程。

而多个医学软件临床评价试验基地提出了建设：

一指1个门户网站，即国家人工智能医学软件测评服务门户；

二指2个平台，即医学软件测评数据中台、医学软件测评服务平台；

三指3个数据中心，即全样本大数据中心、标注数据中心、测评数据中心；

四指4级数据质量治理技术体系，即医疗数据规范性质控、数据采集校验质控、数据融合质控、数据开发利用；

八指8种以上测试样本数据库：即CT肺、CT肝、 CT骨折、脑MRI、心脏MRI、冠脉CTA、心电、眼科…

由此可见，国家或区域中心城市的医疗数据中台建设已经在路上。

中台的原始要义是依托电子病历和医院核心系统构建的集成平台，实现对医疗数据的清洗、提取、存储、标注以及AI处理和运用，并构建数据服务所需要的临床指南知识库、医疗数据标准库、医学知识图谱、临床决策支持系统，通过云平台、边缘分布式数据以及开放式架构的微服务把经过AI处理的数据融入到医疗全过程之中，包括检验检查、处方流程规范、护理闭环流程以及医嘱流程规范之中，从而创新新的业务系统。

此外，医疗区块链、中控平台建设也至关重要。

第四部分 业务系统

医疗业务系统主要包括：教学、研究、诊断、决策分析、早期发现、健康管理和终身护理等环节，在医疗数据中台的支撑下获得业务所需要的数据。

未来，一方面，消费者可以接触到更多的公开透明数据，为消费者提供他们可以选择哪些医生、去哪里就诊看病，预期效果如何，甚至分享临床诊疗疗效数据信息等等。

另一方面，涉及消费者的医疗数据又希望在诸如车险理赔管理的保险科技应用中实现透明化。

从长远来说，构建健康管理AI系统或是医疗+AI的终极不目标。这包括两个主要维度：

第一，技术维度。

综合运用图像识别、语音交互、三维重建、自然语言处理、姿态识别、知识图谱等技术。

第二，身体评测。

贯穿生活方式测评、慢病风险测评、多组学评测、音箱、冰箱、跑步机等设备的数据采集。

基于上述两点的精准健康管理当中的AI应用包括：食物识别、质量测算、运动形态识别，眼底筛查、慢病管理、行为干预，运动指示、跑步节奏、跑步姿态矫正、食物管理等等。

当然，这是一套大数据系统的理想状态。

健康管理AI系统还涉及到营养学、心理学、临床医学、中医学、知识库等，需要可穿戴设备、APP、病历、基因测序以及其它传感器的数据支持，构建这样子一套健康管理AI系统本质上也是医疗+AI透明数据运用的重要组成部分。

医疗+AI全科辅助诊疗则要求融合运用知识图谱、语义理解、诊断模型、意图识别、智能处方等技术，辅助医生把病历、医学文献、书籍、临床指南、业务数据等融合运用，透过比如分诊机器人、导诊/问诊、全科辅助诊疗、智能审方等智能设备重组医学知识、提高医疗效率。

以数据为核心的医疗+AI根本流程就是数据采集、分析预测、制定方案和干预，为个人健康风险进行识别并对群体疾病进行预测，围绕这一核心业务，医学影像、虚拟助力、健康管理、药物研发将成为AI应用的四大核心领域。

第五部分 协同运营

当前，人工智能+医疗行业存在监管、观念、技术、安全、割裂五大难题，如何协同运营？

以通信运营商为例，边缘计算推出了ECM、ECP、ECI三大关键平台，打通两大服务体系，一是网边云协同运营体系，二是网边云API调度体系，因此，也必将对于未来医疗+AI的协同运营模式产生积极的影响。围绕数据采集问题，可穿戴设备、语音识别、影像识别这三大应用分别是：

1、作为健康数据的采集基础，随着人工智能技术的快速发展，以及对医疗数据的采集及应用情况的完善，伴随着物联网大环境的促进下，可穿戴设备也将再次发力，为人们的健康保驾护航。

2、语音识别可有效缓解医院三大痛点：效率、安全、数据。语音识别能够很好的与现有电子病历系统相结合，在记录每个病人病情时，通过语音录入的方式极大的提高了效率，将医生从机械的文案录入工作中解放出来，提升就诊效率和患者体验度。

3、在医学影像方面，人工智能除了可以对图像进行识别，还可以通过对大量影像数据和诊断数据深度学习训练，掌握诊断能力。以肺结节为例，人工智能可以降低漏报率，并识别多种肺部结节，比如磨玻璃结节、血管旁小结节、微小结节、多发小结节等比较难判定的结节。

当然，业内提出了：人工智能的黑箱效应和框架效应是当前医疗人工智能的重要挑战。如果是个别医生犯错误，受损害的可能只是一个病人。如果人工智能机器人出了错，有可能会损害一批、一类病人。在没有弄清楚作用机制之前，临床应用需严格限制AI及其使用边界。因此，人机协同是未来的必然选择。

随着5G、大数据、数据湖、云计算、AI等新数字化技术的兴起，让医疗数字化平台的建设步伐开始提速，业务系统逐渐被数字化之后，业务彼此之间的互联互通、协同运营就成为最大的需求，AI的主要价值是破解海量数据解读给医生带来的难题。

而智慧医疗的协同运营理念是：

首先，以服务患者为本，通过搭建开放性智慧医疗基础平台，大幅提升患者的就医体验，真正实现以患者为中心。

其次，分散在各个医疗业务系统中的数据需要走向融合，进行集中管理、挖掘，实现数据价值最大化，进一步支撑管理层的辅助决策。

第三，聚合合作伙伴，整合先进的解决方案，构建其智慧医疗生态圈，共同给医院提供智慧医疗整体解决方案。

未来，智慧医疗的协同运营模式应该是借助于5G、云计算、物联网、大数据和AI的融合应用实现对“食、住、行、游、购、娱”等场景，以人为本、以人为中心的全生命周期透明数据资源的协同运营的场景，从医学角度看就是在健康生活、预防、诊断、治疗、家庭护理等环节当中的诊断和治疗环节普及AI应用，从而实现以数据为核心的医疗+AI的运营服务。

结束语

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。