人工智慧+醫療駛入快車道

在政策推動和演算法紅利的促進下，“人工智慧+醫療”快速發展，根據中國數字醫療網統計，2016年中國AI+醫療市場規模達到96.61億元，增長率為37.9%，中國AI+醫療市場規模在持續增長，2017年超130億元，增長40.7%，有望在2018年市場規模達到200億元。

健康一體機

“人工智慧+醫療”快速發展。醫學是一門靠歸納邏輯、經驗學習、循證運用的學科，人工智慧在這個行業可以發揮重要作用。

人工智慧在醫療行業的各環節均有應用

1. 診前:可用於個體或群體性疾病的預測，並給出健康建議。
2. 診中:人工智慧可以輔助診斷、輔助治療，降低誤診率。
3. 診後:能通過計算機視覺、影像識別和視訊分析等渠道保證患者服藥的真實性，輔助醫生實現患者藥物依從性的監督。
4. 其他環節:保險機構費用智慧控制;人工智慧參與到藥物研發過程中，可以縮短時間、提高效率。

目前產業發展處於第一階段。在此階段，弱人工智慧演算法相對成熟，資料的整合和共享構成行業發展的核心因素。產業仍處於發展初期，資料整合與共享是驅動行業發展的核心因素。AI+醫療發展的核心在於“演算法+有效資料”。

隨著醫療資料互聯互通程度的提升和共享機制的建立，AI+醫療行業發展將加速。我們認為，目前已經形成成型產品、在各應用場景實現小範圍推廣、具備高附加值的AI+醫療應用包括兩個:

1. 基於醫學影像的智慧識別;
2. 基於電子病歷的輔助診斷。後者的典型案例是IBMWatson，目前已經落地WatsonforOncology的腫瘤輔助診斷治療的AI產品，並在國際上各醫院小範圍推廣。自2012年深度學習技術被引入影像識別資料集之後，其識別率近年來屢創新高，2015年百度在ImageNet的比賽識別錯誤率僅為4.58%，高於人類水平。而基於醫學影像的智慧識別，全球該領域的創業公司達1000多家，是適合AI技術發揮其所長的醫學應用領域。

目前我國醫學影像資料的年增長率約為30%，而放射科醫師數量的年增長率為4.1%，其間的差距是25.9%，放射科醫師的數量增長遠不及影像資料的增長。

智慧影像識別市場分類多空間大人工智慧方法在醫學影像處理中的應用十分廣泛，涉及醫學影像分割、影像配準、影像融合、影像壓縮、影像重建等多個領域。

醫療影像智慧識別按照應用領域，可以分為放射類、放療類、手術類以及病理類:

1. 放射類:類似於軍隊的“情報部門”，通過射線成像瞭解人體內部的病變情況，形成影像。對該影像智慧識別的目的在於標註病灶位置。
2. 放療類:類似於軍隊的“戰鬥部門”，在制定放療方案之前，醫生需要通過成像裝置對靶區進行定位，從而形成影像。對該影像智慧識別的目的在於進行靶區自動勾畫，由於放療需要殺死細胞，病變區域勾勒的越準確越好，對智慧影像識別準確率要求高。
3. 手術類:對CT等影像通過3D視覺化等技術，進行三維重建，幫助醫生進行手術前規劃，確保手術的精確性。
4. 病理類:病理診斷是最終確診環節，MRI、CT、B超等影像判讀的正確與否要參考病理診斷的結果。傳統的病歷檢驗是醫生在顯微鏡下直接讀取病歷塗片，現在數字化病理系統使得AI讀片成為可能。

以病理切片為例，據國家衛計委統計，我國病理註冊醫生在1萬人左右，按照每百張床配備1—2名病理醫生的標準計算，全國病理科醫生缺口可能達3—4萬人，目前，全國有近40%的手術未進行病理切片分析。所以通過AI的方式輔助影像科醫師進行診斷將滿足市場剛需。

我國醫療資源短缺，供給嚴重不足，人工智慧在醫療行業的應用可以提升醫生工作效率，變相提升醫療資源的供給。從變現物件看，基層醫院因為治療水平，醫療資源缺乏，付費動力最強;而大醫院雖然醫療資源豐富，但由於門診住院量高，具備通過智慧化應用提升工作效率的需求。在此背景下，基層醫院具備按次付費的需求基礎，而大醫院更容易接受軟體服務費作為付費形式。隨著第三方影像中心的崛起，將也會對智慧影像診斷產生需求。