健康是人類永恆的話題，在人口老齡化加劇與醫療資源有限的矛盾日益凸顯的背景下，人工智慧技術以其極強的分析決策能力全面賦能院前、院中、院後各個環節，提升了診療水平和效率，促進醫療資源合理配置。
使用海量資料訓練演算法模型，使之具備自主學習的能力，進而模擬人的行為，即為人工智慧（Artificial Intelligence）。人工智慧技術可大幅提升工作效率與準確率，降低勞動力成本，創造更便捷的體驗，已廣泛應用於在醫療、金融、零售等行業，虛擬人、元宇宙等新興賽道的誕生也離不開人工智慧技術的支撐。
醫療健康是人工智慧技術率先實現規模化應用的主要領域之一。人工智慧技術已實現在疾病輔助篩查與診斷、臨床治療輔助決策、藥物研發、醫學研究、醫療資訊化等多個環節的全面滲透，為患者創造了便捷高效的就醫體驗，提高了醫療機構、體檢機構、藥械公司等的工作效率。
AI+輔助篩查與診斷
在疾病輔助篩查與診斷環節，AI演算法模型經過海量醫學影像資料訓練後，即可對CT、MR、DR、超聲等多模態影像進行分析，輔助醫生進行病灶篩查與評估，實現對多部位、多病種的篩查與診斷。
AI+臨床治療決策
在臨床治療決策環節，AI模型可基於疾病篩查與診斷結果，立足於疾病知識、經典病例資料，制定相應的術前規劃，實現手術導航和預後評估等功能。
AI+藥物研發
在藥物研發領域，AI模型在對大量文獻進行學習後，可輔助靶標發現，實現分子設計和分子篩選的定向智慧監控、精準招募並監測受試人群。AI技術在藥物研發領域的應用覆蓋了從化合物研究到上市後研究全週期，縮短了新藥研發週期，降低了研發成本。
AI+醫療資訊化
在醫療資訊化領域，醫院可通過建立資料庫，整合內部管理、業務、電子病例資料，實現資訊共享和資料的融合利用，一方面提升了管理效率，另一方面為科研臨床提供支援。
醫療機器人
在診前階段，醫療機器人可提供導診與預問診服務；在治療階段，手術機器人可協助醫生進行術前規劃、術中定位與導航以及手術操作；在診後階段，康復機器人可輔助人體完成肢體動作，協助制定康復計劃，縮短恢復週期。
AI+腦科學
腦機介面是人工智慧在醫療健康領域的前沿應用。使用者腦訊號被採集、處理、解碼並根據具體應用要求進行訊號轉換後，即可實現對對計算機系統、機器系統（康復機器人、神經假肢等）等外設的控制，神經反饋機制則可實現腦機互動。
圖1 “AI+醫療”主要應用場景
2、AI醫學影像迅速實現商業化
從資本熱度、市場規模角度來看，AI醫學影像是AI醫療商業化前沿陣地。AI醫學影像企業提供人工智慧輔助篩查、診斷及臨床決策產品及服務。AI產品可與各模態影像器械繫統打通，在經過海量資料訓練後，實現病灶識別、病情診斷、治療規劃，為醫生提供輔助。目前，市場上AI醫學影像產品覆蓋心肺、腦部、肝臟、骨骼等多部位多病種，已經應用於各級醫院，正在滲透到體檢中心等院外場景，賽道聚集了專注於醫療健康的垂類AI企業、AI技術企業、網際網路巨頭等多領域玩家。
根據動脈網資料，2020年至2022年1月，25項AI醫學影像產品通過了NMPA第三類醫療器械證書審批，獲得市場準入資格。AI醫學影像企業不斷提升資料質量、提高演算法精度、擴大產品管線、擴充應用場景，提升了產品在國內各級醫院的滲透率，同時進軍國際市場，資本市場認可度不斷提升。2021年，醫療AI領域10家IPO及擬IPO企業中，AI醫學影像企業多達6家。
圖2 2021年醫療AI領域IPO事件
資料來源：動脈網
3、醫療AI行業發展趨勢
找準痛點，擴大場景，最大化AI之於人的價值是醫療AI企業持續發展的關鍵。在診斷流程繁瑣、工作量大的醫學影像領域，AI能夠顯著提升診療效率，其成效在新冠肺炎疫情檢測中得到驗證。由此可見，對醫療AI企業來說，切入行業痛點，不斷打磨演算法模型以滿足不同場景的需求是關鍵。
資料質量逐步提升，資料應用進一步規範化。資料數量與質量是演算法模型精準程度的決定性因素，資料合規則是必要的門檻，在監管與市場的共同作用下，海量優質合規資料的積累將成為醫療AI行業的關注重點。
總體來看，醫療AI企業前期投入大，大部分企業尚未實現盈利，商業模式可持續性仍待驗證。同時，醫療AI行業存在大量待挖掘場景，隨著法規的完善與產品質量的提升，人工智慧對醫療行業數字化、自動化轉型的拉動作用將不斷增強。