一文讀懂人工智慧醫療

讀懂人工智慧醫療，這一篇文章就夠了，故事從2017年7月國務院印發《新一代人工智慧發展規劃》開始......2017年7月國務院印發《新一代人工智慧發展規劃》引起了產業強烈的反響，這個規劃不僅揭示了人工智慧時代的到來，更為產業的發展方向、發展路徑提供了廣闊的視角以及可以落地的指引。本文圍繞大健康產業來看規劃如何能夠重塑大健康。

值得關注的人工智慧規劃

此次規劃來的非常及時，規劃的發布方也足夠有高度，規劃內容的視角既有深度和廣度、也有足夠的高度。首先，目前整個人工智慧產業還處於發展的很早期，從去年AlphaGo戰勝李世石到後來陸續出現一些產業應用，產業對人工智慧的熱情與認知才剛起步，選擇這樣的時候來發布規劃，折射出政府對人工智慧產業前景的看重，也反應出政府迫切期待推進整個人工智慧產業健康有序向前發展的願望。對於大健康產業來說，如何藉助人工智慧提升產業、完成商業模式轉型既充滿機遇也充滿挑戰。

其次，這次發展規劃以國務院的名義來發也凸顯了政府的重視程度。一般新興技術相關的規劃發文方都是工信部，例如《物聯網十三五發展規劃》、《雲計算髮展三年行動計劃（2017-2019）》等都由工信部來辦法。而《新一代人工智慧發展規劃》的發文方直接上升到國務院層面，在政府看來，此次的人工智慧與上世紀60年代、90年代的兩波人工智慧浪潮快速崛起又快速跌落不同，這次人工智慧歸來，真正具備了商業化落地的能力，具備了改造我們人類社會生產生活方式的可能。

最後，我們來看規劃的詳細內容，裡面有不少乾貨值得仔細拒絕。規劃一共分了三個部分，第一部分是戰略態勢，這個部分很有高度，高於一般產業界人士對人工智慧的認知。產業界目前對人工智慧認知還算不錯水平的可能也就停留在深度學習、無人駕駛等層次，略微深度了解些的還能理解到背後的驅動技術如語音識別、視覺識別、自然語言處理等。而規劃里指出的混合智能、群體智能、跨媒體感知、類腦智能、量子智能、工業機器人、服務機器人、高端晶元、基礎材料等超越了甚至不少專家對於人工智慧的理解。規劃還特彆強調了基礎理論的重要性，談到了我們與發達國家（主要就是美國）的差距，讀完對人工智慧發展的未來會有更清晰的認識。

規劃的第二部分是總體要求，除了指導思想和基本遠側等外，總體要求部分對人工智慧產業發展的未來做了非常具體的要求，規劃對人工智慧2020年到2030年的每五年發展目標做了清晰的定義，下圖展示了這個未來規劃的具體展示：

規劃的最後一部分談到了未來的六個重點任務，主要包括構建開放協同的人工智慧科技創新體系，培育高端高效的智能經濟，建設安全便捷的智能社會，加強人工智慧領域的軍民融合，構建泛在安全高效的智能化基礎理論以及前瞻布局重大科技項目。這些重點任務里多次提到了醫療、健康、養老等大健康相關領域，我們結合案例仔細來解讀。

大健康產業的人工智慧機遇

規劃的六個重點任務里分不同角度談到了九個重點產業，分別是製造、農業、物流、金融、商務、家居、教育、醫療、健康和養老，其中醫療、健康和養老本就屬於大健康產業的一部分，而製造、物流、金融、商務等與大健康產業也都息息相關，譬如醫藥工業也屬於製造業的一部分，不少醫藥工業企業提出的"智造"概念就是這個意思。再譬如醫藥流通業的核心就是醫藥物流，醫療保險本身也是金融的一部分，醫療產業鏈條的各個環節都依賴於商務智能來提升管理和決策的效率，從規劃里可以看出大健康產業在這次人工智慧浪潮里無限的機遇。

我們聚焦的來解讀與醫療、健康、養老相關的規劃。人工智慧大健康可以從兩個維度來看，一個是以患者為中心的全健康管理流程，從未病時的健康管理、疾病風險預測、疾病的診斷、治療以及治療后的康復/慢病管理的全健康流程；另一個角度是能為這個流程賦能的關鍵技術，具體來看就是新葯研發、精準醫療和醫療機器人。

以患者為中心的全健康流程智能化

從健康全流程角度，首先是未病時的健康管理，規劃有非常具體的建議，指出了"要加強群體智能健康管理，突破健康大數據分析、物聯網等關鍵技術，研發健康管理可穿戴設備和家庭智能健康檢測監測設備，推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變。建設智能養老社區和機構，構建安全便捷的智能化養老基礎設施體系。加強老年人產品智能化和智能產品適老化，開發視聽輔助設備、物理輔助設備等智能家居養老設備，拓展老年人活動空間。開發面向老年人的移動社交和服務平台、情感陪護助手，提升老年人生活質量"。這裡的核心在於認識到健康數據的實時、持續搜集的重要性，只有將健康/醫療數據的搜集變成非常容易的事情，數據的累積才會成為可能，基於數據的智能才會成為現實。這正是可穿戴式設備的發展方向，將今天必須在醫院內才能接受的檢測服務變成可以在院外也能進行的、方便的、持續的檢測，將今天能夠監測的指標如運動手環等提高到醫療級別。知名醫療器械公司美敦力公司開發的一款糖尿病人胰島素泵就做到了與可持續血糖儀聯動，胰島素泵會實時的基於患者的血糖水平來自動釋放胰島素以管理血糖水平。

在疾病風險預測角度，規劃提到要加強流行病智能監測和防控，其實人工智慧在疾病檢測和防控領域的應用已經出現多年，最出名的就是谷歌於2008年推出的Fluetrends流感預測，谷歌基於人群的搜索關鍵字來預測流感，如當人們在谷歌上搜索溫度計、流感癥狀、肌肉疼痛、胸悶等這樣的關鍵詞，當搜索的人群量達到一定規模，基於智能演算法就能對流感的趨勢進行預測，谷歌的流感預測準確度一度甚至超過美國疾病防控中心。美國知名連鎖藥房CVS就利用IBM沃森的技術對藥房會員疾病風險進行預測以提供更具針對性的服務。

疾病診斷當前最火熱的領域是影像診斷，我國醫療影像數據以每年30%的速度高速增長，而放射科醫生的年均增速只有4.1%，基層放射科醫生更是嚴重匱乏，基於圖像識別、深度神經網路等技術人工智慧能對影像數據進行解讀並判斷是否有特定的疾病比如肺癌、皮膚癌、乳腺癌、宮頸癌、胃癌、眼科疾病等。影像輔助診斷領域由於痛點明確、解決方案清晰，目前已是人工智慧醫療創業企業的聚焦領域。以中國第一大癌症肺癌為例，幾乎60%的智能醫療創新企業都在從事與肺癌相關的智能影像輔助診斷，通過人工智慧自動識別肺癌CT片子里的肺結節（肺癌的早期徵兆）來對肺癌進行早篩，大大的減少了醫生的工作量，不少公司對惡性肺結節的判斷準確率都超過90%，大於了普通大夫的判斷水平。

疾病治療領域人工智慧的應用目前主要在痛點比較明顯的腫瘤治療領域，與普通疾病治療路徑相對明確不同，腫瘤領域的醫學進展迅速，每天都有不少相關研究進展的醫學文獻發表。以知名醫學文獻平台PubMed為例，這個平台上已經擁有超過2200萬篇文獻，每年新增文獻數超過百萬，折算下來幾乎每兩分鐘就會有一篇新文獻產生，醫生哪怕不吃不喝讀文獻也無法趕上新信息的增長速度，因而對於複雜腫瘤患者的治療方案常難以給出最好的建議。而人工智慧可以不知疲倦的快速閱讀文獻，IBM沃森機器人對知名醫學文獻平台PubMed的所有文獻摘要進行了地毯式的閱讀，並定期的對新增的文獻摘要進行自動閱讀解析，PubMed新增文獻的量對於沃森健康來說幾乎沒有任何挑戰。沃森健康基於對文獻的閱讀了解最新最全面的治療方案，再結合患者的個體情況來做出判斷，推薦適合的治療方案以及給出方案的可信程度供主治醫師來選擇。2016年發生的那個知名案例里，東京大學醫學研究院許多專家都無法確症的一位女性白血病患者在沃森健康的協助下確診為一種罕見的急髓白血病並給出了治療方案，最終挽救了患者的生命。

康復/慢病管理領域裡有關康復應用到的最多是康復機器人，稍後我們在醫療機器人部分詳細說明，這裡我們主要談談慢病管理。慢病管理領域因為其市場之龐大（以中國市場為例，慢病開支佔到每年總醫療支出超過70%）而特別需要各類創新技術來提高管理的效率與質量。慢病管理其中一個切入點就是基層醫生的智能輔助系統。在國家分級診療體系下慢病的管理要下沉到基層醫院，而目前的基層醫院又缺乏足夠的、受到良好訓練的合格全科醫生來提供慢病管理服務，人工智慧輔助診療系統為全科醫生提供了支撐。人工智慧能夠集成慢病管理需要的知識與工具幫助基層醫生對患者的情況做出判斷以及跟進建議，還能將重複性的管理工作如提醒患者就診、用藥等工作自動化、智能化。隨著分級診療的持續推進，基層醫療市場對於慢病管理的重要性越來越凸顯，為基層醫療市場提供相應的支持幾乎是所有巨頭人工智慧醫療公司的聚焦領域，如百度的百度醫療大腦、科大訊飛新成立的智慧醫療事業部等均在此領域發力。

智能醫療的支撐技術

醫療領域與人工智慧結合部分還有新葯研發、精準醫療和醫療機器人。我們先從新葯研發說起，據美國塔弗茨藥物開發研究中心2014年的報告顯示一款成功上市的新葯，平均花費約25億8500萬美元，其中包括約13億9500萬美元的直接資金投入和研發失敗導致的約11億6300萬美元的間接投入。

此外創新藥物的研發通常也非常耗時，一款能夠順利上市的新葯研發周期一般要近12年，這個過程包括了早期的靶點確認、化合物的合成與篩選、藥學研究、藥理/毒理分析、動物試驗、1期臨床試驗、2期臨床試驗、3期臨床試驗、4期臨床試驗以及後續的上市申報手續等，如何降低研發的成本、縮短研發的時間是所有創新葯研發公司的關注重點。而人工智慧在新葯研發中時能夠通過智能演算法虛擬的模擬化合物篩選，從數以百萬乃至千萬計的潛在化合物中篩選出和靶點對接活性最強的化合物，還能對同樣差不多活性的化合物的毒副作用進行篩選，降低成本的同時時間也能顯著的縮短。在臨床試驗期間，人工智慧還能幫助選擇合適的參與臨床試驗的患者，加快了臨床試驗的速度。

在精準醫療領域，人工智慧也在發揮著越來越重要的作用，精準醫療是BT（Biotechnology，生物技術）技術的代表，今天主要的應用是疾病預測和腫瘤靶向藥物治療，例如無創產前唐氏綜合征檢測、肺癌EGFR靶向藥物檢測等。以肺癌EGFR靶向藥物吉非替尼為例，為了確認患者是否適合服用吉非替尼，需要判斷患者的EGFR基因突變是否成陽性，如果是陽性那服用吉非替尼的效果會非常好。為了進行這個判斷，需要首先對患者基因通過測序儀進行測序，測序儀測出來的大量的基因數據需要通過計算機進行解讀，以目前的主流技術來看，解讀的時間非常漫長，通常要超過160個小時的時間。而藉助新一代的人工智慧晶元和智能演算法，這個時間被大大縮短，以IBM沃森基因為例，其解讀時間已經能縮短到10分鐘以內，時間越短意味著消費者或者患者能儘快的知道結果並採取針對性的干預措施，對於腫瘤患者來說，時間幾乎就是生命！

醫療機器人在臨床上的運用也越來越普遍，這個領域通常有手術機器人、康復機器人和服務機器人三種主要的機器人。手術機器人的典型代表是達芬奇手術機器人，達芬奇機器人是微創手術領域的領導者。達芬奇機器人能夠觸及醫生的手觸及不到的地方，且比人手更為精細，手術創口小、出血少，患者恢復時間也大大加快。手術機器人被廣泛的運用在泌尿外科、甲狀腺、婦科腫瘤、胃腸以及兒童外科等需要高精度操作的手術領域。嚴格來說，達芬奇機器人是一種高級機器人平台，由外科醫生控制台、床旁機械臂系統、成像系統三部分組成。通過計算機輔助控制，達芬奇機器人能夠幫助微創外科醫生以更高的精度和更小的誤差來進行手術操作。

康復機器人則主要運用在心腦血管疾病致殘以及老年人由於生理機能衰退致殘等疾病的治療后康復階段。根據針對的肢體部分不同，康復機器人主要分為牽引式上肢康復機器人、牽引式下肢康復機器人和懸挂式康復機器人。目前專註醫療康復訓練機器人研究的公司越來越多，全球最早實現商業化的康復機器人公司是瑞士HOCOMA、ReWalkRobotics等公司。HOCOMA公司作為全球康復機器人第一品牌，其醫療康復機器人在人體工程學、電子感測器、計算機軟硬體和人工智慧等眾多方面具備國際領先的技術水平，臨床應用非常廣泛。如其知名產品Lokomat基於腦功能重塑理論、通過提供最符合人體生理特徵的步態訓練模式並實時提供反饋與評估的外骨骼下肢康復機器人，對中風、脊髓損傷、創傷性腦損傷、多發性硬化症等神經系統疾病患者訓練有良好的康復效果。

服務機器人則是近年開始活躍起來的新領域，主要在院內提供智能導診服務，科大訊飛旗下的曉曼機器人先後在合肥市第一人民醫院和北京301醫院落地，能夠提供包括醫院位置諮詢、219個常見病和癥狀諮詢以及51個常見知識問詢等服務。隨著曉曼機器人的誕生，不少機器人如小胖、阿鵬、糖寶等陸續誕生，通過對話模式等方式來為患者提供各類院內服務，下圖展示了曉曼機器人的樣子。

智能醫療前景

從AlphaGo戰勝人類其實李世石到今天短短一年半時間，人工智慧在醫療領域的運用已經如火如荼，國內從事人工智慧醫療相關的企業已經多達139家（火石創造統計數據），從2016年迄今人工智慧醫療領域的融資超過40筆，不少企業的估值以十億元、數十億元計，可見整個產業對於智能醫療的看好，也可見在如此多資本的推動下，智能醫療能夠有著更多的資源支持、不斷的迭代演化升級產品做到更好、更落地的水平。

隨著人工智慧、移動互聯網、物聯網、大數據、可穿戴式設備、增強現實/虛擬現實等創新技術的發展，在國家人工智慧規劃的引導下，健康全流程管理的各個環節將會越來越智能化，支撐全流程管理的新葯研發、精準醫療等將會越來越個性化、個體化，再伴隨以醫療機器人的發展，我們有理由相信未來的醫療圖景里，大量的基礎性服務將能由人工智慧來提供，醫生將能夠有更多的時間與精力來做好患者的服務、溝通，能夠有更多的時間來從事創造性的醫療工作，也能有更多的時間享受與家人和朋友共聚的時光。