提起人工智能，很多人首先想到的便是人類(lèi)圍棋冠軍李世乭與柯潔先后被AlphaGo擊敗。而在圍棋之外，人工智能已經(jīng)在人類(lèi)生活工作的各個(gè)領(lǐng)域展現著(zhù)令人們驚嘆的潛力，其中最為引人注目的便是醫療領(lǐng)域。

　　什么是人工智能？

　　人工智能是計算機科學(xué)中研究、設計和應用智能機器的一個(gè)分支，涉及的領(lǐng)域包括語(yǔ)音識別、圖像識別、自然語(yǔ)言處理、機器人、專(zhuān)家系統等。隨著(zhù)人工智能的概念的流行，越來(lái)越多的相關(guān)概念隨之出現在人們視野中。

　　云計算、大數據、算法與人工智能的關(guān)系

　　人工智能的發(fā)展可以比喻成一顆小樹(shù)苗的成長(cháng)。算法是人工智能的核心，相當于種子，它將決定最終長(cháng)出的是人工智能還是非智能應用；數據是幫助樹(shù)苗成長(cháng)的養分，數據的質(zhì)量與數量將決定這顆樹(shù)苗的生長(cháng)狀況；云計算為人工智能發(fā)展提供了計算資源基礎的保障，是可隨時(shí)進(jìn)行配置的計算資源共享池。

　　結構化數據與非結構化數據

　　結構化數據是可以用二維表結構來(lái)邏輯表達實(shí)現的數據，數據類(lèi)型明確規定，可用數據庫語(yǔ)言進(jìn)行操作。非結構化數據則是數據結構不規則或不完整，沒(méi)有預先定義的數據類(lèi)型，需要運用自然語(yǔ)言處理（NLP）、數據挖掘等技術(shù)進(jìn)行分析。值得注意的是，醫療領(lǐng)域中超過(guò)80%的數據為非結構數據，包括醫學(xué)報告、影像等，這一部分數據的挖掘對于實(shí)現醫療人工智能十分重要。

　　機器學(xué)習與深度學(xué)習

　　機器學(xué)習是實(shí)現人工智能的重要工具。按照算法類(lèi)型劃分，機器學(xué)習又可分成回歸算法、決策樹(shù)算法、聚類(lèi)算法、人工神經(jīng)網(wǎng)絡(luò )算法等，當下被認為最有潛力實(shí)現人工智能的深度學(xué)習，可以認為是人工神經(jīng)網(wǎng)絡(luò )算法的發(fā)展。該算法強調從局部和全局把握特征，從低層次特征逐步獲得高層次特征，可以類(lèi)比于人類(lèi)通過(guò)學(xué)習簡(jiǎn)單概念來(lái)表達抽象概念。但該算法存在模型黑箱的問(wèn)題，即人類(lèi)難以理解計算機提取的特征，因此無(wú)法完全知悉推理判斷的過(guò)程，這個(gè)問(wèn)題可能在醫學(xué)領(lǐng)域導致倫理困境。

　　醫療領(lǐng)域的人工智能

　　如果說(shuō)醫療互聯(lián)網(wǎng)的出現優(yōu)化了醫療市場(chǎng)的供需匹配，那么醫療人工智能則是革命性的從供給端對醫療服務(wù)加以改造。人工智能的在生化醫學(xué)領(lǐng)域的應用始于上世紀六十年代。在2010年前后，因計算能力與數據量的提升進(jìn)入快速發(fā)展階段：

　　>六十年代，Dendral專(zhuān)家系統幫助有機化學(xué)研究者通過(guò)分析質(zhì)譜識別有機分子

　　>七十年代，斯坦福大學(xué)研發(fā)MYCIN專(zhuān)家系統根據病人癥狀和化驗結構進(jìn)行診斷

　　>1975年，猶他大學(xué)開(kāi)發(fā)首個(gè)知識庫醫院管理系統HELP

　　>1979年，斯坦福大學(xué)研發(fā)PUFF用于解讀肺功能檢查報告，是首個(gè)應用于臨床的人工智能系統

　　>八十年代，GWU(GeorgeWashingtonUniversity)開(kāi)發(fā)APACHE系統用于預測患者死亡率，是第一個(gè)商業(yè)化醫用決策支持系統

　　>2011年:IBMWatson進(jìn)入healthcare領(lǐng)域，對醫學(xué)數據進(jìn)行分析

　　>2016年2月：DeepMind成立DeepMindHealth

　　>2016年9月：Microsoft成立Hanover項目

　　從人工智能在醫療領(lǐng)域的總體布局來(lái)看，大量創(chuàng )業(yè)公司集中在應用層面，相對門(mén)檻比較低，但競爭非常激烈。傳統IT巨頭因其具有強大的計算能力，并在數據資源、算法技術(shù)層面具有優(yōu)勢，通常從底層切入，提供基礎技術(shù)平臺，但也有涉足應用層面，例如IBMWatsonHealth。

　　活躍在應用領(lǐng)域的初創(chuàng )企業(yè)

　　截至2016年，醫療領(lǐng)域人工智能初創(chuàng )公司按領(lǐng)域可劃分為八個(gè)主要方向，包括醫學(xué)影像與診斷、醫學(xué)研究、醫療風(fēng)險分析、藥物挖掘、虛擬護士助理、健康管理監控、精神健康以及營(yíng)養學(xué)。其中醫學(xué)影像與診斷、醫學(xué)研究、醫療風(fēng)險分析和藥物挖掘四個(gè)方面吸納投資總額超過(guò)80%以上，下面將對這四個(gè)方面做簡(jiǎn)要分析。

　　醫學(xué)影像與診斷

　　人工智能在診斷領(lǐng)域的應用主要針對的是放射科醫師增長(cháng)速率不及影像數據增長(cháng)速度，醫療人才資源分配不均、基層醫院誤診率高。人工智能可用于對病例數據進(jìn)行分析，為患者更可靠的提供診斷建議，為醫師節省時(shí)間，代表公司包括ButterflyNetwork,ZebraMedicalVision和Enlitic。

　　藥物挖掘

　　藥物挖掘是人工智能最先應用于醫學(xué)領(lǐng)域的方向之一，主要針對傳統制藥研發(fā)周期長(cháng)、費用高、成功率低的特點(diǎn)，利用人工智能在臨床前研究階段提高篩選效率，優(yōu)化構效關(guān)系，在臨床研究中提高病人匹配效率，代表公司為BenevolentAI。

　　醫療研究

　　人工智能醫療研究是一個(gè)相對籠統的概念，一般認為是AI數據整合分析能力在基礎研究領(lǐng)域的應用，代表公司為碳云智能。值得注意的是，對于健康領(lǐng)域研究而言，人工智能可以帶來(lái)顛覆性的改變，但是在很大程度上，其作用仍受限于基礎醫學(xué)研究水平。人工智能的能力在于對海量數據進(jìn)行整合，發(fā)現研究者難以捕捉到的關(guān)聯(lián)，但并不能憑空創(chuàng )造知識。

　　醫療風(fēng)險分析

　　早在上世紀80年代，專(zhuān)家系統就被應用于醫院病人風(fēng)險預測?，F今人工智能增加了對原始數據進(jìn)行預處理的能力，可以有效處理非結構化數據，間接擴大了原始數據量，提高了預測的精準性，代表公司為Apixio。

　　IT巨頭在醫療健康領(lǐng)域的布局

　　前一部分主要按照方面，本文將以IBM,Alphabet(Google)以及Microsoft為例來(lái)分析傳統IT巨頭在醫療健康AI方面的布局與投入。

　　IBMWatson

　　IBM于2011年推出WatsonforHealthcare進(jìn)行醫療數據分析，最初主要為政府提供雇員健康管理服務(wù)，2012年開(kāi)展癌癥基因領(lǐng)域研究（WatsonforOncology&Genomics），2015年進(jìn)入生命科學(xué)領(lǐng)域（WatsonHealthLifeScience）加速藥物開(kāi)發(fā)，2016年成立醫學(xué)影像部（WatsonImaging）。目前來(lái)看，IBMWatsonHealth最深入的將認知技術(shù)應用于健康領(lǐng)域，在醫學(xué)人工智能領(lǐng)域的實(shí)現了最成功的產(chǎn)品化與商業(yè)化。目前WatsonforOncology和Genomics已經(jīng)攜手百洋，進(jìn)入中國。

　　Alphabet

　　2015年谷歌重組創(chuàng )建Alphabet，旗下子公司中，關(guān)注于健康領(lǐng)域的有Verily和Calico，而側重于人工智能研究的則主要是DeepMind和Google旗下的GoogleBrain。DeepMindHealth從2016年開(kāi)始與英國NHS合作利用160萬(wàn)NHS病人數據開(kāi)發(fā)疾病預警移動(dòng)應用，同時(shí)還與醫學(xué)機構合作開(kāi)展與尋找致盲病變以及癌癥識別相關(guān)項目。GoogleBrain隸屬于GoogleResearch，其中Healthcare小組將機器學(xué)習算法應用于醫學(xué)影像識別，具體應用領(lǐng)域目前包括腫瘤識別和眼部病變識別。

　　Microsoft

　　Microsoft的云服務(wù)平臺MicrosoftCloud向KenSci、Allscripts等公司提供平臺用于醫學(xué)健康相關(guān)應用的開(kāi)發(fā)，平臺上目前有四個(gè)人工智能產(chǎn)品，主要集中于醫學(xué)臨床運營(yíng)分析方面。2016年9月，Microsoft成立Hanover項目，目標是將人工智能算法應用于醫療健康領(lǐng)域，最終開(kāi)發(fā)搭建在MicrosoftAzure上的云工具。Hanover項目有兩個(gè)主要研究方向，其一是通過(guò)機器文獻閱讀，希望在腫瘤治療方面有所突破；其二是通過(guò)分析電子病歷（EMR），對于慢性疾病管理進(jìn)行建模。

　　總結

　　本文簡(jiǎn)單梳理了人工智能在醫療領(lǐng)域的發(fā)展以及現階段的應用方向?？梢钥吹?，醫療人工智能在當下正處于資本的追逐與政策的扶持之下，其中蘊含的機遇是不言而喻的，它的發(fā)展應用可能對醫療服務(wù)的形式產(chǎn)生革命性的改變。但同時(shí)，我們也應當警惕其背后潛在的泡沫，一方面是存在少數企業(yè)處于融資的目的混淆傳統數據分析與人工智能的概念；另一方面是人工智能近年來(lái)的爆發(fā)有賴(lài)于過(guò)去數十年醫療數據的積累，若算法發(fā)展出現瓶頸、數據資源充分利用而應用尚未達到人們預期，資本對于人工智能的熱情可能迅速回落。不同于房地產(chǎn)或與藝術(shù)品投資，人工智能的發(fā)展標志的人類(lèi)文明進(jìn)步的方向，因此對于這一領(lǐng)域，投資者的眼光應當放的更加長(cháng)遠。