在2018的當下，由“深度學習”開啟的新一波人工智能毫無疑問是當今最大的熱點潮，大數據人工智能技術應用日趨成熟。人工智能技術扎實的推進，深刻地影響著每一個AI科技公司的存在。

百度在AI 開發者大會上，不僅更新多個人工智能平臺，還首次發布 AI 芯片，昭告自己在人工智能賽道上堅持到底的決心。谷歌從 Android P 到 Duplex，無一不在兌現去年所提出的“AI First”戰略。溪流數據在醫療領域傾力打造醫療大數據人工智能應用服務平臺，平臺以人工智能醫療大數據分析挖掘等技術，通過模型的深度學習，為醫生、患者及醫療健康服務機構提供人工智能服務?；ヂ摼W巨頭企業推出的各種 AI 賦能產品更是讓人眼花繚亂：亞馬遜 Echo、微軟 Cortana、蘋果人臉解鎖……

在這一輪復蘇中，人工智能不再局限于實驗室技術，而是作為通用技術扎實推進。曾經一度火熱的“互聯網＋”風潮推進了傳統行業的信息化、數據化，放在今天來看，其實都是為人工智能埋下伏筆。

人工智能在傳統行業的滲透速度讓人咂舌。不久前花旗銀行宣布，5年內其投資銀行部門將裁去50％的科技和業務人員，這意味著1萬名員工的工作可以被人工智能算法代替。國內的平安銀行也已經在大數據和 AI 兩大方面持續投入四五年之久，現在開始進入應用場景的深化階段。在旅游業，人工智能同樣開始發揮影響，攜程的部分功能已經由人工智能來實現，目前在酒店售后場景上，其智能客服能夠解決70％的問題，極大地降低了人力成本。

而更加日常化的美顏相機、美顏短視頻等等早已開始植入人工智能的圖像識別技術。未來無論是互聯網企業還是傳統行業都注定要卷入AI 所引領的技術浪潮，甚至有可能借助 AI 實現行業洗牌。

在大數據人工智能的應用水平上，醫療行業遠遠落后于互聯網、金融和電信等信息化程度更好的行業。隨著醫療信息化和生物技術數十年的高速發展，醫療數據的類型和規模正以前所未有的速度快速增長，數據爆炸已讓醫療行業真正進入大數據人工智能時代，在對傳統的數據處理、數據挖掘技術形成巨大挑戰的同時，也為相關大數據應用服務的發展創造了條件。同時，國家政策和資本紛紛加碼醫療大數據方向，醫療大數據應用將成為史上確定的大風口，未來發展潛力無可限量。

一、醫療大數據人工智能市場規模及發展趨勢

據統計，到 2025 年人工智能應用市場總值將達到 1270 億美元， 其中醫療行業將占市場規模的五分之一。我國正處于醫療人工智能的風口：2016 年中國人工智能＋醫療市場規模達到 96．61 億元，增長37．9％；2017 年將超過 130 億元，增長 40．7％；2018 年有望達到 200 億元。投資方面，據 IDC 發布報告的數據顯示，2017 年全球對人工智能和認知計算領域的投資將迅猛增長60％，達到125 億美元，在2020年將進一步增加到 460 億美元。其中，針對醫療人工智能行業的投資也呈現逐年增長的趨勢。其中 2016 年總交易額為 7．48 億美元，總交易數為 90 起，均達到歷史最高值。

分析認為，預計到2020年我國健康醫療大數據行業市場規模將突破800億元。而在今年4月的博鰲亞洲論壇一場“CEO圓桌14：‘一帶一路’與健康產業發展”分論壇上，絲路規劃研究中心常務副理事長李小琳認為， 到2030年大健康要達到16萬億，大健康產業已經成為中國的國民經濟支柱產業。從整體市場環境來看，健康醫療大數據規劃正在逐步成型，市場空間容量巨大，整體市場環境優良，極其有利于我國健康醫療大數據人工智能的發展。

二、國內外行業發展熱點分析

國內外科技巨頭均重視人工智能技術在醫療領域的布局與應用。

IBM 在2006 年啟動Watson 項目，于2014 年投資10 億美元成立Watson 事業集團。Watson 是一個通過自然語言處理和機器學習，從非結構化數據中洞察數據規律的技術平臺。2015 年，沃森健康（Watson Health）成立，專注于利用認知計算系統為醫療健康行業提供解決方案。Watson 通過和一家癌癥中心合作，對大量臨床知識、基因組數據、病歷信息、醫學文獻進行深度學習，建立了基于證據的臨床輔助決策支持系統。目前該系統已應用于腫瘤、心血管疾病、糖尿病等領域的診斷和治療， 并于 2016 年進入中國市場，在國內眾多醫院進行了推廣。Watson 在醫療行業的成功應用標志著認知型醫療時代的到來，該解決方案不僅可以提高診斷的準確率和效率，還可以提供個性化的癌癥治療方案。

此外，谷歌、微軟等也都紛紛布局醫療 AI。

2014 年谷歌收購DeepMind 公司，后開發知名的人工智能程序 AlphaGo。在基礎技術層面，谷歌的開源平臺 TensorFlow 是當今應用最廣泛的深度學習框架。在醫療健康領域，Google 旗下的 DeepMind Health 和英國國家醫療服務體系HS（National Health Service）展開合作，DeepMind Health 可以訪問 NHS 的患者數據進行深度學習，訓練有關腦部癌癥的識別模型。

微軟將人工智能技術用于醫療健康計劃“Hanover”，尋找最有效的藥物和治療方案。此外，微軟研究院有多個關于醫療健康的研究項目。Biomedical Natural Language Processing 利用機器學習從醫學文獻和電子病歷中挖掘有效信息，結合患者基因信息研發用于輔助醫生進行診療的推薦決策系統。

國內科技巨頭也紛紛開始在醫療人工智能領域布局，各家公司均投入大量資金與資源，但各自的發展重點與發展策略并不相同。

例如， 阿里健康以云平臺為依托，結合自主機器學習平臺 PAI2．0 構建了堅實而完善的基礎技術支撐。同時，阿里健康與浙江大學醫學院附屬第一醫院、浙江大學第二附屬醫院等醫院、上海交通大學醫學院附屬新華醫院以及第三方醫學影像中心建立了合作伙伴關系，重點打造醫學影像智能診斷平臺，提供三維影像重建、遠程智能診斷等服務。

騰訊在人工智能領域的布局涵蓋基礎研究、產品研發、投資與孵化等多個方面。騰訊在 2016 年建立了人工智能實驗室AI lab，專注于AI 技術的基礎研究和應用探索。

溪流數據專注醫療大數據人工智能的應用研究，從根本上解決醫療行業的問題與矛盾。通過大數據人工智能的方式提升診療水平，智能化的方式合理配置。以醫療大數據人工智能應用體系為支撐，為用戶提供臨床診療、藥品研發、保險經營、管理決策人工智能數據服務。

三、醫療大數據人工智能的價值及應用方向

醫療行業長期存在優質醫生資源分配不均，診斷誤診漏診率較 高，醫療費用成本過高，放射科、病理科等科室醫生培養周期長，醫生資源供需缺口大等問題。在醫療健康大數據來源多樣化且快速增長的背景下，隨著近些年深度學習技術的不斷進步，人工智能逐步從前沿技術轉變為現實應用。在醫療健康行業，人工智能的應用場景越發豐富，人工智能技術也逐漸成為影響醫療行業發展， 提升醫療服務水平的重要因素。與互聯網技術在醫療行業的應用不同，人工智能對醫療行業的改造包括生產力的提高，生產方式的改變， 底層技術的驅動，上層應用的豐富。通過人工智能在醫療領域的應用， 可以提高醫療診斷準確率與效率；提高患者自診比例，降低患者對醫生的需求量；輔助醫生進行病變檢測，實現疾病早期篩查；大幅提高新藥研發效率，降低制藥時間與成本。在醫療大數人工智能的應用方向上具體可分為四大方向：

（1）臨床決策支持

臨床決策支持最早定義為運用相關的、系統的臨床知識和患者信息，加強醫療相關的決策和行動，提高醫療水平和醫療服務水平。主要體現在臨床診療方面，基于人工智能、機器學習等關鍵技術智能分析醫療數據，為醫生提供疾病早期診斷、個體化診斷及治療、智能用藥提醒、不良事件預警等服務，通過診療建議，從而提醒醫生防止潛在的錯誤，提高診療工作效率和診療質量。醫療服務提供方可以降低醫療事故率，尤其是臨床錯誤引起的醫療事故。

同時，臨床決策支持系統還可以使醫療流程中大部分的工作流流向護理人員和助理醫生，使醫生從耗時過長的簡單咨詢工作中解脫出來，從而提高治療效率。

（2）醫療學術科研

基于大數據分析技術，醫學研究主要集中于疾病相關分析、疾病精準分析、治療方案醫療效果、預后復發的作用、生物標記篩查等具體分析應用場景。

醫務工作者通過應用臨床研究方法，發現真實世界醫療數據的價值，如：臨床存在的問題、更有效的診療方式、新的醫學知識等。醫療學術科研成果通過發表相關學術科研論文，并轉化為臨床應用軟件。在提升專業聲譽的同時，促進科研真正向臨床應用，不斷推動醫學研究前進。

（3）智能健康管理

依托醫療大數據分析、數據可視化、人工智能等技術，滿足醫療機構的患者隨訪、慢病健康管理、疾病延續護理管理等需求。同時，智能可穿戴設備的發展對遠程健康監控起到了更大的作用。基于大數據及人工智能技術，可面向用戶提供全生命周期電子健康檔案、實時監控分析、健康評估、疾病風險預警、個體化管理方案等應用服務，提升醫療機構的健康管理服務水平，提升個人健康管理能力和就醫體驗。

在公共衛生服務領域，可通過智能健康管理服務，實現大眾健康知識的普及提高，做好疾病預防和疾病保健。

（4）數據化運營管理

通過大數據處理和分析，可提高醫療過程數據的透明度。通過流程圖、儀表盤、統計圖等數據可視化應用，智能識別和分析異常，然后優化流程。通過全面的數據化運營體系，在醫療服務質量評價、醫療績效評價等方面，輔助管理者及時發現問題，并采用數據進行科學決策，使醫療從業者、醫療機構的管理更透明，間接促進醫療服務質量的提高，減少醫療機構運營內耗，實現盈利創收。

四、醫療大數據人工智能行業發展趨勢預測

從市場規模來看，醫療大數據人工智能占國內大數據市場規模的比重約為20％，未來隨著我國人口老齡化及醫療政策的推動，預計健康醫療行業大數據人工智能的比重將上升至25％。我國衛生總費用和人均衛生費用迅速增長，衛生總費用從2004年的7590．29億元，到2014年的35312．40億元，10年內增長近4倍，但與發達國家相比仍較低。老齡化日趨嚴重和亞健康問題，健康醫療服務供不應求的矛盾加劇。截止2014年底，中國60周歲以上人口達到2．12億，占總人口的15．5％，亞健康人群占比已超過70％。從市場需求來看，未來幾年醫療健康大數據人工智能行業市場增速超過50％，增長迅猛。

從整體市場環境來看，健康醫療大數據人工智能規劃正在逐步成型，市場空間容量巨大，整體市場環境優良，極其有利于我國醫療大數據人工智能應用的發展。