2019年未來醫(yī)療100強大會上發(fā)布了《2019中國醫(yī)療人工智能報告》

從2016年起，人工智能和醫(yī)療的融合在各個環(huán)節(jié)開始擦出火花。經(jīng)過幾年的發(fā)展，醫(yī)療AI在2019年迎來商業(yè)落地考驗，紛紛進入臨床應(yīng)用和醫(yī)生的工作流，并在2020年初開花結(jié)果。

2020年1月15日，國家藥品監(jiān)督管理局批準(zhǔn)了科亞醫(yī)療的創(chuàng)新產(chǎn)品“冠脈血流儲備分?jǐn)?shù)計算軟件”的注冊，成為了首個獲得AI影像Ⅲ類證的產(chǎn)品。

除此之外，2019年的AI產(chǎn)品有什么樣的新進展呢？動脈網(wǎng)蛋殼研究院在2019年未來醫(yī)療100強大會上發(fā)布了《2019中國醫(yī)療人工智能報告》，本文為報告的部分節(jié)選。

圍繞核心算法能力的醫(yī)療AI應(yīng)用矩陣

根據(jù)依賴應(yīng)用服務(wù)對象、使用醫(yī)療環(huán)節(jié)、醫(yī)療應(yīng)用病種范圍，報告制作了醫(yī)療人工智能應(yīng)用矩陣，并對我國醫(yī)療人工智能行業(yè)進行了總結(jié)，制作出了醫(yī)療人工智能行業(yè)圖譜。

醫(yī)療人工智能應(yīng)用矩陣

醫(yī)療人工智能行業(yè)圖譜

醫(yī)療AI在醫(yī)院端的應(yīng)用場景分析

AI+虛擬助手：打通診療不同環(huán)節(jié)是關(guān)鍵

據(jù)丁香園調(diào)查，50%以上的住院醫(yī)生每天用于寫病歷的平均時間達(dá)4小時以上?！陡２妓埂吩鴪蟮?，在門診室，醫(yī)生只花52.9%的時間在跟患者溝通，37%的時間在處理書面工作，還有10%的時間在處理瑣事。

排隊3小時，問診2分鐘。醫(yī)生病歷錄入工作量大、病歷質(zhì)控難、患者門診服務(wù)缺失是就診階段的三大痛點。基于語音識別、語義理解、麥克風(fēng)陣列三大核心技術(shù)，AI+虛擬助手可以應(yīng)用于診前、診中、診后多個環(huán)節(jié)。

診前：智能導(dǎo)診機器人逐漸成為醫(yī)院的一道新的風(fēng)景線。導(dǎo)診機器人主要是通過患者的語音輸入進行語義分析，然后給出分診和導(dǎo)診建議，節(jié)約人力，方便患者。更先進的導(dǎo)診機器人還能通過傳感器收集患者的生命體征信息，進行預(yù)問診，提前將患者的基本體征、病情摘要反饋給門診醫(yī)生。這使得醫(yī)生在見到患者之前，便已獲得患者病情的部分信息，從而提高醫(yī)生問診效率，減少誤診。

診中：AI病歷助手可以直接將語音轉(zhuǎn)為結(jié)構(gòu)化的電子病歷。智能語音錄入全過程由醫(yī)療語言數(shù)據(jù)模型進行支撐，能夠?qū)崿F(xiàn)檢查、診斷和病歷錄入同時進行，避免了醫(yī)生診斷總是被打斷的情形，從而節(jié)省醫(yī)生的時間，使其能專注于診療本身。AI手術(shù)助手可以讓手術(shù)醫(yī)生利用虛擬屏幕、語音識別，手勢識別等技術(shù)，隔空操作電子設(shè)備。這有效減少了手術(shù)時間，降低感染風(fēng)險。

診后：在患者離院后，AI虛擬助手可以對患者進行回訪以及滿意度調(diào)查，推送醫(yī)囑事項、復(fù)查提醒、醫(yī)學(xué)科普等。

AI+臨床工作流：合理配置醫(yī)療資源，實現(xiàn)效益最大化

臨床工作流，是對醫(yī)院管理流程和醫(yī)生工作流程的概括描述。臨床工作流解決的主要問題是：利用數(shù)字化工具在多個參與者之間自動傳遞文檔、信息或者任務(wù)，實現(xiàn)醫(yī)院業(yè)務(wù)目標(biāo)（非診療行為的信息化）。

人工智能正在通過醫(yī)院管理和診療流程管理，引領(lǐng)醫(yī)療行業(yè)的全數(shù)字化轉(zhuǎn)型，幫助醫(yī)療機構(gòu)優(yōu)化臨床工作流程，提供更好的醫(yī)療服務(wù)，創(chuàng)造更高的利潤。

醫(yī)院管理的目的是充分優(yōu)化醫(yī)院的醫(yī)療資源配置，實現(xiàn)效益最大化。

AI根據(jù)醫(yī)院已有的信息進行建模，訓(xùn)練出一套精準(zhǔn)的算法，自動制定工作安排。比如它能根據(jù)電子病歷、既往病史等信息分析出哪些患者是最需要及時救治的，把醫(yī)療資源優(yōu)先提供給他們，優(yōu)化醫(yī)療服務(wù)的先后順序。

從產(chǎn)品分類看，臨床工作流管理根據(jù)對象可以分為醫(yī)療設(shè)備管理、醫(yī)生工具和支付管理。

醫(yī)療設(shè)備管理：人工管理向智能化管理轉(zhuǎn)變。醫(yī)療設(shè)備管理過程中存在的離散分布、維修保養(yǎng)和質(zhì)控管理效率低等痛點。隨著智能化、信息化、規(guī)范化逐漸成為醫(yī)療設(shè)備資產(chǎn)管理的大趨勢，醫(yī)療設(shè)備服務(wù)市場已經(jīng)從單純的設(shè)備維修，轉(zhuǎn)變?yōu)獒t(yī)療設(shè)備全生命周期管理。

醫(yī)生工具：從單點醫(yī)生賦能到多點醫(yī)生協(xié)作賦能。醫(yī)生工具的作用主要是為醫(yī)生賦能，提高工作效率、增強醫(yī)生能力。

醫(yī)保控費：從規(guī)則控費向大數(shù)據(jù)控費轉(zhuǎn)變。人工智能和大數(shù)據(jù)為醫(yī)保智能監(jiān)控系統(tǒng)的建設(shè)提供了新思路。部分地區(qū)開始探索通過運用包括案例推理、醫(yī)療行為模式分析、診療方案分析、醫(yī)患網(wǎng)絡(luò)擴散分析等在內(nèi)的大數(shù)據(jù)分析手段來提升對欺詐騙保行為的識別能力，確保醫(yī)保報銷的合理性。

AI+預(yù)防管理：實現(xiàn)疾病的全面篩查和預(yù)測

上醫(yī)治未病，預(yù)防醫(yī)學(xué)優(yōu)于被動治療。隨著人工智能、大數(shù)據(jù)、基因等技術(shù)的進步，現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)部分疾病的可能性預(yù)測了。安吉麗娜·朱莉接受預(yù)防性的雙側(cè)乳腺切除手術(shù)，以降低罹患癌癥的風(fēng)險。而之所以進行這項手術(shù)，是因為她有基因缺陷，罹患乳腺癌和卵巢癌的風(fēng)險恐怕較高。

這是從基因的角度進行的疾病風(fēng)險預(yù)測，而AI也能從我們的行為、生化、影像等檢查結(jié)果中實現(xiàn)疾病的篩查和預(yù)測。

以糖網(wǎng)病為例，糖網(wǎng)病是是常見的視網(wǎng)膜血管病變，也是糖尿病患者的主要致盲眼病。中國是全球2型糖尿病患者最多的國家，隨著糖尿病患者的增多，糖尿病視網(wǎng)膜病變的患病率、致盲率也逐年升高。

因為糖網(wǎng)病早期往往沒有任何臨床癥狀，而一旦有癥狀，病情已較嚴(yán)重，容易錯過最佳治療時機。所以糖網(wǎng)病的治療效果取決于治療是否及時。但是由于我國眼科醫(yī)生匱乏、居民重視程度不高，目前我國糖網(wǎng)病篩查的比例不足10%。

中國有90多萬家基層醫(yī)療機構(gòu)，占整個醫(yī)療體系機構(gòu)數(shù)量的95%，覆蓋人群5.8億人。但是，基層醫(yī)生供給不足，現(xiàn)有醫(yī)生的數(shù)量已經(jīng)無法承擔(dān)這些工作量，導(dǎo)致醫(yī)生過勞，誤診、漏診的情況出現(xiàn)。

此外，基層醫(yī)療設(shè)備先進性不足，我國基層醫(yī)療衛(wèi)生機構(gòu)設(shè)備集中在50萬元以下，100萬元以上設(shè)備極少，說明設(shè)備先進性偏低，僅能滿足基礎(chǔ)疾病的診療，無法完成疑難雜癥的早期篩查。

預(yù)防管理按照其產(chǎn)品的使用范圍，可以劃分為篩查類產(chǎn)品和預(yù)測類產(chǎn)品。

篩查和診斷的核心區(qū)別，在于診斷是已經(jīng)有明顯的癥狀后確定是哪種疾病，而篩查事先并不知道是否患病。

通過分析市面上主流的AI早篩類產(chǎn)品，我們發(fā)現(xiàn)其主要聚集在肺結(jié)節(jié)篩查、糖網(wǎng)病篩查、癌癥篩查三大類。這是因為上述篩查的影像大多是DR、CT、眼底照片等，比較容易獲取。而且中檢院在2018年已經(jīng)建立起了彩色眼底圖像和肺部CT影像兩個標(biāo)準(zhǔn)數(shù)據(jù)庫，這對產(chǎn)品研發(fā)、審批、推廣也有很大幫助。

人工智能基于多模態(tài)數(shù)據(jù)，包括文本、影像和流數(shù)據(jù)等（心率、血氧、呼吸等），可以應(yīng)用于多種疾病預(yù)測，比如流行性疾病、慢性非傳染病、精神類疾病等。

AI+輔助診斷：CDSS與MDT聯(lián)合是未來發(fā)展方向

從診斷的數(shù)據(jù)流看，首先，患者分別進行影像、病理、體外診斷等一系列檢查，并得到初步的檢查結(jié)果。然后，檢查數(shù)據(jù)通過PACS、HIS等信息化系統(tǒng)整合存儲起來。最后，所有的數(shù)據(jù)匯集到醫(yī)生端做綜合解讀。

人工智能的最終目標(biāo)是像專家一樣能實現(xiàn)單獨綜合診斷，然而目前最成熟的應(yīng)用還是集中在單個項目上，尤其影像領(lǐng)域。我們統(tǒng)計了AI+輔助診斷領(lǐng)域的120家企業(yè)，其中影像類輔助診斷占比最高（34%），其次是數(shù)據(jù)整合存儲（占比22%）。

影像：云端化、集成化發(fā)展

基于四大影像技術(shù)：X射線、CT、MRI、超聲，加上最新的核醫(yī)學(xué)成像技術(shù)（PET），人工智能在影像領(lǐng)域的應(yīng)用主要是圖像分類、器官標(biāo)記、組織結(jié)構(gòu)的分割、病灶區(qū)的分割，以及圖像配準(zhǔn)等。產(chǎn)品布局的方向集中在胸部、頭部、盆腔、四肢關(guān)節(jié)。最多投入的就是肺結(jié)節(jié)以及肺部相關(guān)疾病，其次是心腦血管，盆腔的主要是前列腺、直腸，骨關(guān)節(jié)主要圍繞骨折和骨齡。

對于醫(yī)院需求方來說，影像AI產(chǎn)品想要切入三甲醫(yī)院，必須抓住三甲醫(yī)院醫(yī)生的兩個關(guān)鍵需求——效率需求和科研需求。如今產(chǎn)品比較成熟的CT肺結(jié)節(jié)、CTA冠心病、腦卒中等輔助診斷產(chǎn)品均滿足了醫(yī)生對于閱片效率的追求。

而對于醫(yī)療能力略遜一籌的鄉(xiāng)鎮(zhèn)級醫(yī)院，受限于設(shè)備落后、人員不足等困境，基層醫(yī)療的影像AI產(chǎn)品主要基于X射線和超聲，輔助診斷一些常見病。影像AI企業(yè)可為其搭建私有云、連接醫(yī)聯(lián)體的云PACS，也可在院內(nèi)以教學(xué)的方式培養(yǎng)醫(yī)生的閱片能力與出具報告能力。

病理：分病種攻克

在整個醫(yī)療診斷的工作流程中，病理診斷作為醫(yī)學(xué)影像分析的下一環(huán)節(jié)，是診斷的“金標(biāo)準(zhǔn)”。

傳統(tǒng)的病理診斷主觀性強、重復(fù)性低、誤診率高。病理醫(yī)生依靠肉眼和個人經(jīng)驗，將顯微鏡下切片放大40到400倍后，觀察細(xì)胞形態(tài)和組織結(jié)構(gòu)，進行分析診斷，必要時進行免疫組織化學(xué)或免疫熒光檢測協(xié)助判斷，然后對圖像進行人工計數(shù)或借助軟件統(tǒng)計。

同時，與放射科一樣，我國病理科的專業(yè)人士也非常短缺。據(jù)衛(wèi)生統(tǒng)計年鑒顯示，我國注冊的病理科執(zhí)業(yè)醫(yī)師只有1.02萬人，與衛(wèi)健委制定的每100張床配備1~2名病理醫(yī)生的標(biāo)準(zhǔn)相差懸殊，我國病理醫(yī)生的缺口總數(shù)將近10萬人。

AI在病理學(xué)中的應(yīng)用按照參與程度可以分為三類：

利用數(shù)字掃描技術(shù)，形成全切片數(shù)字化圖像（WSI）：圖像相關(guān)特征的提取及定性定量分析：包括細(xì)胞大小、結(jié)構(gòu)特征、細(xì)胞群密度、空間分布等信息。

病理圖像的分類和分級：AI可以直接輸出組織分類、良惡性鑒別和癌癥分級結(jié)果，提高病理學(xué)診斷的準(zhǔn)確性、高效性和一致性。目前AI技術(shù)在乳腺癌、腦癌、前列腺癌等分類分級問題上都達(dá)到了90%左右的準(zhǔn)確率。

全流程數(shù)字化，實現(xiàn)數(shù)字切片首診、數(shù)字化報告、數(shù)字切片存檔等：利用高通量與快速WSI技術(shù)，可以將常規(guī)切片全部掃描制作成數(shù)字切片。再結(jié)合計算機存儲及互聯(lián)網(wǎng)傳輸技術(shù)，將數(shù)字化切片存檔并上傳云端，建立區(qū)域性網(wǎng)絡(luò)病理診斷平臺，并提供快速檢索功能，形成打破地域限制的“云病理科”。這進一步減少了病理醫(yī)師經(jīng)驗性誤判導(dǎo)致的誤診情況，方便病理醫(yī)生和其他醫(yī)務(wù)人員獲取數(shù)據(jù)，提高了工作效率。

整合其他學(xué)科，例如生物學(xué)、化學(xué)、免疫學(xué)、遺傳學(xué)及臨床信息，輔助醫(yī)生診斷治療AI不僅用于病理形態(tài)數(shù)據(jù)的分析，還可以整合免疫組織化學(xué)、分子檢測數(shù)據(jù)和臨床信息，得出一個整合相關(guān)信息的最后病理診斷報告，為患者提供預(yù)后信息和精準(zhǔn)的藥物治療指導(dǎo)。

基因：AI突破測序解讀瓶頸

2018年11月，在第13屆全球蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽上（蛋白質(zhì)領(lǐng)域的奧林匹克競賽），DeepMind 的人工智能程序 —AlphaFold成功根據(jù)基因序列預(yù)測蛋白質(zhì)的3D結(jié)構(gòu)，獲得冠軍。

AI越來越多的應(yīng)用到基因檢測上。隨著第二代測序技術(shù)的成熟，單個基因組的檢測成本已經(jīng)降到1000美元以下，快速發(fā)展的基因測序也產(chǎn)生了海量數(shù)據(jù)，如何解讀這些基因大數(shù)據(jù)，獲取與疾病相關(guān)的變異，找到致病基因，成為目前發(fā)展的瓶頸。人工智能便依靠其強大的數(shù)據(jù)處理能力和學(xué)習(xí)能力切入到了基因序列解讀的進程中。

早在2014年，IBM就與紐約基因組中心展開了合作，基于IBM的沃森人工智能系統(tǒng)開發(fā)一個專門分析腫瘤基因組的程序。IBM在最近發(fā)表在《Neurology Genetics》雜志上的一篇文章中披露了她們最新的研究成果。科研人員從一位患者身上獲取了腫瘤的活檢樣本以及一份血樣，并對兩份樣品中的DNA和腫瘤中的RNA進行了測序。

這些測序數(shù)據(jù)被分別送給了IBM沃森基因組程序和一個由生物信息學(xué)家和腫瘤學(xué)家組成的專家團隊進行分析。沃森系統(tǒng)僅僅用了10分鐘就完成了一份可供考慮的臨床治療方案的報告，而專家組的人工分析花了160個小時，才得到了一份相似的報告。

綜合輔助診斷：CDSS與MDT聯(lián)合

綜合輔助診斷系統(tǒng)類似于MDT（多學(xué)科聯(lián)合會診），由多學(xué)科專家共同討論，為患者制定個性化診療方案的過程，尤其適用于腫瘤、腎衰、心衰等復(fù)雜疾病的診療。

人工智能想要實現(xiàn)綜合解讀，至少要做到如下兩步：多源異構(gòu)數(shù)據(jù)挖掘，以及CDSS與MDT聯(lián)合使用。

多源異構(gòu)數(shù)據(jù)挖掘：人工智能企業(yè)與醫(yī)院合作，需要利用大數(shù)據(jù)技術(shù)完成多源、結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)的清洗、脫敏、結(jié)構(gòu)化、標(biāo)準(zhǔn)化，使得醫(yī)院能夠一統(tǒng)原先分裂的醫(yī)療數(shù)據(jù)，形成互聯(lián)互通的醫(yī)療大數(shù)據(jù)平臺，為實現(xiàn)大數(shù)據(jù)處理和分析奠定數(shù)據(jù)基礎(chǔ)。

CDSS與MDT聯(lián)合使用：基于單學(xué)科的CDSS缺乏共享化服務(wù)模式，往往作為一個子系統(tǒng)嵌入EMR中，無法全面評估患者情況。如果借助MDT多學(xué)科協(xié)作的優(yōu)勢，基于相關(guān)證據(jù)關(guān)聯(lián)，得出最佳的診斷結(jié)果和治療方案，有望進一步提高醫(yī)療服務(wù)效率和質(zhì)量。

AI+輔助治療：圍繞手術(shù)和藥物，以提效為核心

圍繞藥物治療和手術(shù)治療兩大主要治療方式，AI輔助治療在術(shù)前規(guī)劃、術(shù)中導(dǎo)航、智能化用藥方面都起到了很好的作用，可以有效降低手術(shù)時間、減少并發(fā)癥。

在腫瘤治療過程中，靶區(qū)勾畫與治療方案設(shè)計占用了醫(yī)生大量的時間和精力。每個腫瘤病人的CT圖像在200張左右，醫(yī)生在勾畫的時候，需要給每個圖片上的器官、腫瘤位置進行標(biāo)注。這個過程按照傳統(tǒng)的方法要耗費醫(yī)生3-5個小時。如果第一個療程的治療由于靶區(qū)勾畫的不準(zhǔn)確或者腫瘤的變化，導(dǎo)致治療無效（腫瘤組織減少小于30%），這個時候就需要更改治療方案，這就需要醫(yī)生重新為病人做勾畫。

術(shù)前規(guī)劃：人工智能可以基于CT/MRI影像數(shù)據(jù)，利用圖像識別技術(shù)自動勾畫相應(yīng)靶區(qū)，自動生成具體的放射性照射方案或者手術(shù)方案后，再交由醫(yī)生做最終確認(rèn)。

術(shù)中導(dǎo)航：將患者術(shù)前的影像數(shù)據(jù)和實際解剖結(jié)構(gòu)準(zhǔn)確對應(yīng)，利用VR、MR、導(dǎo)板等技術(shù)，通過三維數(shù)字建模及算法優(yōu)化，對病灶進行精準(zhǔn)定位。

用藥建議：基于真實世界的用藥大數(shù)據(jù)，運用人工智能技術(shù)實現(xiàn)個體化用藥指導(dǎo)。個體化用藥就是在最適的時間、對最適的患者、給予最適的藥物和最適的劑量。

AI+康復(fù)：以患者回歸生活為目的

臨床醫(yī)學(xué)以生存為主要目的，通過藥物、醫(yī)療器械、手術(shù)等治療手段，讓患者能夠生存下來。而康復(fù)醫(yī)學(xué)則是以生活為目的，通過康復(fù)治療手段讓患者受損的功能能夠得到部分或全部恢復(fù)，更好地回歸社會。因此，臨床醫(yī)學(xué)與康復(fù)醫(yī)學(xué)是相輔相成的，臨床醫(yī)學(xué)在病患治療期介入，康復(fù)醫(yī)學(xué)在病患恢復(fù)期介入，它們最終都是消除病患，讓患者逐步向常人過渡。

從康復(fù)的數(shù)據(jù)流來看，康復(fù)分為監(jiān)測——指導(dǎo)——調(diào)理三個環(huán)節(jié)，也就是先獲取數(shù)據(jù)、然后分析數(shù)據(jù)、最后應(yīng)用數(shù)據(jù)。

監(jiān)測——可穿戴設(shè)備：相比于AI在診斷和治療環(huán)節(jié)的應(yīng)用，人工智能在康復(fù)領(lǐng)域的應(yīng)用更加困難。這是因為AI在診療環(huán)節(jié)的數(shù)據(jù)是容易獲取的（來自于醫(yī)院的信息化系統(tǒng)），產(chǎn)品只需利用數(shù)據(jù)和算法迭代打磨即可。而康復(fù)則需要可穿戴設(shè)備來采集個人健康數(shù)據(jù)。目前，市面上大部分可穿戴設(shè)備為監(jiān)測類設(shè)備，可以監(jiān)測血糖、血壓、心率、體溫、呼吸等健康指標(biāo)。

指導(dǎo)——康復(fù)機器人：一個人每天產(chǎn)生的健康數(shù)據(jù)量是非常大的，怎么去處理數(shù)據(jù)，把數(shù)據(jù)變成信息，把信息變成知識，把知識變成健康管理的信息，這便是人工智能在人類生命數(shù)據(jù)收集后的工作。

其中最直觀的就是康復(fù)機器人，康復(fù)機器人應(yīng)用人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，讓康復(fù)設(shè)備變得人性化、智能化，實現(xiàn)人機交互、智能輔助訓(xùn)練、精準(zhǔn)力控等目標(biāo)。目前康復(fù)機器人主要集中于骨關(guān)節(jié)康復(fù)、聽視力康復(fù)、言語康復(fù)等領(lǐng)域，未來有望拓展到心肺康復(fù)、神經(jīng)康復(fù)等。調(diào)理：健康管理

健康管理是變被動的疾病治療為主動的自我健康監(jiān)控。根據(jù)體征數(shù)據(jù)，人工智能健康管理通過數(shù)據(jù)學(xué)習(xí)每個人的身體特點，針對每個人設(shè)計個性化健康管理方案。目前主要的應(yīng)用范圍是糖尿病、慢病管理、血壓管理、乳腺健康管理、胎心監(jiān)測等。

健康管理涉及的健康環(huán)節(jié)主要有風(fēng)險識別、健康評估、精神監(jiān)測、健康干預(yù)等。

風(fēng)險識別：通過獲取信息并運用人工智能技術(shù)進行分析，識別疾病發(fā)生的風(fēng)險及提供降低風(fēng)險的措施。

健康評估：收集病人的飲食習(xí)慣、鍛煉周期、服藥習(xí)慣等個人生活習(xí)慣信息，運用人工智能技術(shù)進行數(shù)據(jù)分析并評估病人整體狀態(tài)，協(xié)助規(guī)劃日常生活。

精神健康：運用人工智能技術(shù)從語言、表情、聲音等數(shù)據(jù)進行情感識別。

健康干預(yù)：運用人工智能對用戶體征數(shù)據(jù)進行分析，定制健康管理計劃。

AI+科研：生產(chǎn)工具解放科研學(xué)者的生產(chǎn)力

AI+藥物研發(fā)

一般而言，制藥公司需要花費5-10億美元，用10-15年時間，才能成功研發(fā)出一款新藥。新藥研發(fā)的風(fēng)險大、周期長、成本高，是藥企最大的痛點。

目前，人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用已經(jīng)滲透到藥物發(fā)現(xiàn)階段、臨床研究階段、審批上市階段各個環(huán)節(jié)。主要涉及靶點發(fā)現(xiàn)、化合物篩選、晶型預(yù)測、藥物重定向、醫(yī)學(xué)翻譯、藥物警戒等多個應(yīng)用場景。

藥物發(fā)現(xiàn)階段

藥物研發(fā)從靶點發(fā)現(xiàn)開始，藥學(xué)家從科學(xué)文獻(xiàn)和個人經(jīng)驗去推測生理活性物質(zhì)結(jié)構(gòu)，進而發(fā)現(xiàn)靶點。然而在信息爆炸的今天，每30秒就會有一篇生命科學(xué)論文發(fā)表。此外，還有大量的專利、臨床試驗結(jié)果等海量信息散布在世界各地，科研工作者沒有時間和精力來關(guān)注所有信息。傳統(tǒng)方式的靶點發(fā)現(xiàn)過程平均耗時2-3年。

人工智能通過自然語言處理技術(shù)（NLP）學(xué)習(xí)海量醫(yī)學(xué)文獻(xiàn)和相關(guān)數(shù)據(jù)，通過深度學(xué)習(xí)去發(fā)現(xiàn)化合物與疾病之間的作用關(guān)系，找到靶點，縮短靶點發(fā)現(xiàn)周期。

在化合物合成上，AI能模擬小分子化合物的藥物特性，能夠在數(shù)周內(nèi)挑選出最佳的模擬化合物進行合成試驗，而且能夠?qū)⒚總€化合物的測試成本控制在0.01美分，大幅降低了化合物合成的成本。

臨床前藥物研究階段

在找到靶點后，還需要尋找相應(yīng)的小分子化合物去跟靶點匹配。這個匹配過程就類似于用戶在百度搜索某詞匯（靶點），引擎回應(yīng)出相關(guān)的搜索結(jié)果列表（小分子化合物）。這就是化合物的篩選。

高通量篩選以及傳統(tǒng)的虛擬藥物篩選所需時間長，藥物開發(fā)成功率低，人工智能的出現(xiàn)為創(chuàng)新小分子藥物的發(fā)現(xiàn)打開一扇新的大門。

臨床研究階段

優(yōu)化臨床試驗設(shè)計：2015年《臨床試驗數(shù)據(jù)核查公告》，嚴(yán)格臨床研究數(shù)據(jù)核查，隨后的多項政策都對臨床研究提出了更高更明確的要求，也反復(fù)提及信息化系統(tǒng)和技術(shù)的應(yīng)用，太美醫(yī)療科技通過人工智能技術(shù)結(jié)構(gòu)化醫(yī)療知識，輔助多源異構(gòu)臨床數(shù)據(jù)的結(jié)構(gòu)化、標(biāo)準(zhǔn)化以及相關(guān)推理，在eCollect（EDC）中，應(yīng)用不良反應(yīng)藥物關(guān)聯(lián)度計算和病歷OCR識別等人工智能技術(shù)，大大提高數(shù)據(jù)采集的質(zhì)量和效率。

審批上市階段

注冊申報：2019年起，中國開始逐步實施eCTD（電子通用技術(shù)文件）標(biāo)準(zhǔn)，不斷推動藥品注冊審評的國際化與電子化。傳統(tǒng)CTD自動化程度低，導(dǎo)致報批工作依然消耗企業(yè)大量時間和人力在“paper work”上。而引進人工智能技術(shù)，有望實現(xiàn)在注冊申報流程中自動寫作、自動翻譯、自動出版及報批一體化智能操作。

藥物警戒：藥物警戒主要涉及藥物的兩個方面，安全性和有效性，包含藥物和治療中不良反應(yīng)的收集，分析，監(jiān)測和預(yù)防。

2015年FDA規(guī)定，藥品上市后安全報告必須以電子方式提交；2019年國家不良反應(yīng)中心啟用不良反應(yīng)直報系統(tǒng)實施不良反應(yīng)在線遞交，太美醫(yī)療科技的eSafety藥物警戒系統(tǒng)可以直接對接CDE、NMPA藥物不良反應(yīng)直報系統(tǒng)，直報不良反應(yīng)，并通過了FDA AERS及歐盟EudraVigilance藥物警戒數(shù)據(jù)庫遞交測試。

人工智能技術(shù)的應(yīng)用讓eSafety系統(tǒng)具備CIMOS自動導(dǎo)入、SAE掃描件報告自動導(dǎo)入、不良反應(yīng)提取、報告翻譯等功能，大大提高工作效率。

醫(yī)療AI產(chǎn)品管線分析

我們調(diào)研了7大細(xì)分領(lǐng)域的62家企業(yè)，重點考察它們的產(chǎn)品應(yīng)用進展，共涉及82個產(chǎn)品。其中輔助診斷、預(yù)防篩查類產(chǎn)品數(shù)量最多，分別是31個和13個。

對比去年的報告《2018醫(yī)療人工智能報告：跨越再出發(fā)》，可以發(fā)現(xiàn)以下新變化：合作醫(yī)院數(shù)量普遍從去年的數(shù)十家，增加到數(shù)百家；從影像AI紅海市場，逐漸拓展到藥物研發(fā)、康復(fù)管理、臨床工作流管理等藍(lán)海市場；2018年影像AI主要聚焦在胸肺、眼科等疾病，2019年重點布局心腦血管領(lǐng)域。

醫(yī)療AI產(chǎn)品應(yīng)用進展摘錄（截止2019年10月）

中國醫(yī)療AI企業(yè)投融資分析

為了便于統(tǒng)計，我們在對投融資數(shù)據(jù)處理時遵循以下原則：統(tǒng)計范圍涵蓋醫(yī)療AI行業(yè)主要的180多家企業(yè)；本報告中涉及的融資事件僅包括從天使輪到IPO以前的風(fēng)險投資事件，不包括IPO、定向增發(fā)、捐贈和并購事件等；將天使輪—A輪之間的輪次合并為天使輪，所有帶A的輪次合并為A輪，所有帶B的輪次合并為B輪，所有帶C的輪次合并為C輪，D輪及以上IPO以下的輪次合并為D輪及以上。

本報告圖表中金額計量單位均為人民幣，將外幣統(tǒng)一換算成人民幣（根據(jù)事件發(fā)生當(dāng)年平均匯率換算）；將融資額為數(shù)百萬/千萬/億統(tǒng)一劃定為1百萬/千萬/億；未公開輪次和未公開金額的融資事件在下列圖表中均不予統(tǒng)計；數(shù)據(jù)截止日期為2019年10月31日。

2018—2019年投資機構(gòu)活躍度

從融資輪次看，2019年投融資主要集中在A輪（25次，占比60%），單個企業(yè)平均融資額2千萬人民幣，這些企業(yè)大多在2017-2018年成立（如長木谷醫(yī)療、睿心智能、諾道醫(yī)學(xué)等）。D輪及以上的融資雖然只有6次，但總額達(dá)到24.6億元（占比58%）。

從單個企業(yè)融資額看，2019年太美醫(yī)療科技以15億總?cè)谫Y額排名第一，其次是思派網(wǎng)絡(luò)和森億智能。有別于2018年集中于影像AI領(lǐng)域，今年融資額TOP10企業(yè)主要分布在AI藥物研發(fā)和醫(yī)療大數(shù)據(jù)平臺領(lǐng)域。

2019年完成融資的部分醫(yī)療AI企業(yè)（截止2019年11月）

從融資用途看，上述企業(yè)所融資金仍主要用于產(chǎn)品研發(fā)，不斷豐富產(chǎn)品線、提高產(chǎn)品壁壘，比如數(shù)坤科技在獲得2億人民幣融資后，將延伸到瘤和神經(jīng)系統(tǒng)等其他病種，覆蓋心、腦、肺、乳腺、前列腺等重要疾病和臨床場景。

其次，部分企業(yè)將資金用于拓展其他領(lǐng)域，例如太美醫(yī)療在完成15億人民幣E+輪融資后，將拓展醫(yī)藥新營銷市場。最后，部分資金會被用于產(chǎn)品的市場推廣。

寫在最后

人工智能將成為醫(yī)生必備的得力助手已漸漸在學(xué)界、產(chǎn)業(yè)界、醫(yī)生三方達(dá)成共識，今年已沒人開展人工智能和醫(yī)生的比拼，行業(yè)進入到標(biāo)準(zhǔn)制定和真切融入醫(yī)生工作流階段。建立良好、可持續(xù)的商業(yè)體系是產(chǎn)業(yè)向前的動力，我們開始看到醫(yī)院的采購名單里看到人工智能初創(chuàng)企業(yè)的名字，價值被以真切的價格認(rèn)可。