分析医疗产业的智能化升级

当前，新一代人工智能与产业各领域、各环节深度融合，加速推动数据和知识成为经济增长的第一要素，人机协同成为主流生产和服务方式，跨界融合成为重要发展模式，共创分享成为经济生态的基本特征，持续引领产业向价值链高端迈进，加快推进产业智能化升级。资本密切关注新一代人工智能的落地，白皮书介绍，2014年至2019年医疗产业智能化升级吸纳了49亿美元的资金。

针对医疗产业的智能化升级，白皮书从升级路径、升级效应、市场前景三个方面展开了分析，并展示了相关案例：

1、升级路径：行业经验的有益补充

新一代人工智能技术BB181通过与可穿戴设备的结合，率先应用于生活化的健康管理，将用户的多项健康指标以数据形式进行量化，建立个性化健康管理方案。通过语音识别、自然语言处理等技术，将患者的病症描述与标准的医学指南作对比，自主提供医疗咨询、自诊、导诊等服务，同时将医生口述的医嘱按照患者基本信息、检查史、病史、检查结果等形式形成结构化的电子病历。随着深度学习算法与医疗行业数据的加速融合，围绕医疗领域过往沉淀的大量病理案例，利用机器视觉、知识图谱等技术手段，通过大量的影像数据和诊断数据，模拟医疗专家的思维、诊断推理和治疗过程。

2、升级效应：推动优质医疗资源供给升级

随着医疗产业智能化的不断升级和应用推广，患者可以足不出户地借助随身可穿戴设备等智能设备实时读取自身精准的医疗信息数据，通过智能诊断云服务平台将数据传给医疗机构，医生根据病人的精准医疗信息做出疾病的诊断并制定配套的治疗方案，使得患者的治疗体验得到大幅改善，极大提升了治愈率，缓解了优质医疗机构硬件资源紧张的问题。同时，随着行业数据的进一步开放，智能诊疗系统结合优质的专家经验，协助基层医疗机构提高疾病表征的检出率，减少漏诊的同时帮助癌症等重大疾病患者实现早诊早治，有效提高基层医疗机构的诊疗水平。

3、市场前景：引领医疗产业进入预防和普惠新阶段

智能健康管理基于预防、调养和个性化管理的特性，逐步成为预防医学的主流，根据世界卫生组织2019年发布的《全球健康风险》报告显示，2025年个人健康管理市场规模将达到10万亿美元，随着海量人群健康管理档案的汇集，未来将逐步构建人类健康数据库，依托深度学习算法训练健康基因模型，实现对大规模传染病和慢性病的前瞻性管理。逐步完善的电子病历结合智能诊疗系统正在辅助医生提升诊疗效率，据IDC公司调研数据显示，智能诊疗系统将过去4至6小时的诊断流程缩短到10分钟，准确率提高至91%，随着知识图谱、自然语言处理、群体智能和人机交互等技术的渗透，基于海量医疗数据和专业文献分析的智能诊疗系统通过假设认知和大规模的实证分析，逐步取代医生的部分职能，实现从疾病的诊断到病情的确立到治疗方案制定的一体化，全面推动优质医疗资源的普惠。

案例一：GE医疗推出Edison平台为医疗机构赋能

美国通用电器旗下的GE医疗推出一个全面集成化智能医疗应用开发平台EdisonIntelligencePlatform，整合不同业务部门、供应商、医疗网络和生命科学应用场景下的全球性、多样化数据，通过云端或设备边缘服务，提供可部署在医疗设备上的操作指引。围绕Edison平台，目前开发出多款智能医疗应用，例如放射科指挥中心方案、LOGIQE20双引擎超声、CT智能订阅、影像科成像协议与序列中心管理平台、Mural重症监护指挥中心等，在全球范围内帮助医疗机构提高诊疗和运营效率。

案例二：飞利浦医疗重塑卫生保健周期

荷兰飞利浦医疗科技公司运用深度学习技术匹配、理解和适应不断变化的医疗保健需求，通过提供有效的可视化、检测偏离正常及早期预警来支持临床医生，协助医生做出正确决策。同时，通过构建数据科学家平台，创建和访问高质量的健康数据源，从帮助卫生保健提供者到帮助用户管理自己的健康，以达到家庭护理和健康管理的目的。

案例三：西门子医疗打造智慧影像链

德国西门子医疗公司利用知识图谱展开影像医学的整理与深度学习，推出了ALPHA解剖引擎和ALPHA报告引擎，实现了基于前处理技术的快捷解剖，并初步通过多处理软件组合运行及多软件结果合成一个报告，解放了医生的时间与精力，使得医生可更多地关注于病灶、病证本身，并构建放射语库RadLex对病证实现书签检索，以供科研上的深度挖掘。

围绕接下来如何继续推进医疗产业智能化升级，白皮书提出了四大措施建议：

第一，积极打造智能化新型基础设施。包括新型网络基础设施建设、数据智能基础设施建设与应用、以及智慧应用基础设施建设。通过这些建设实现重点区域和典型应用场景精准覆盖，强化智能计算服务能力，建设跨层级、跨地域、跨系统、跨部门、跨业务的产业智能化创新应用体系，全面提升产业智能化应用基础能力。

第二，加快推进行业数据开放融通。建立健全数据共享和披露制度、加强数据资源挖掘分析应用、提升数据安全保障能力。

第三，大力培育产业智能化运营系统。包括加强培育产业智能化发展平台和开展智能化升级重点领域应用示范。鼓励领军企业将行业数据与新一代人工智能技术和算法深度融合，为产业智能化升级提供基础资源支持和应用发展平台。

第四，优化构建智能化安全保障体系。加强云计算和大数据平台、智能终端与移动应用的智能化安全保障。加强安全防护，制定行业标准，加强测评和监管。