隨著人工智能的發(fā)展，逐步成熟的AI技術(shù)漸漸向“AI＋”的工業(yè)應用轉(zhuǎn)變。雖然相比于“AI＋金融”、“AI＋零售”的蓬勃發(fā)展，“AI＋醫(yī)療”還處在比較早期的階段，但毫無疑問，智能醫(yī)療是人工智能領(lǐng)域最具有發(fā)展前景的領(lǐng)域之一。

IDC在其《全球半年度認知/人工智能支出指南》中將診斷和治療系統(tǒng)列為2016年吸引最多投資的領(lǐng)域之一，并表示在未來五年內(nèi)，包括藥物研究和發(fā)現(xiàn)以及診斷和治療系統(tǒng)的使用案例將獲得最大的發(fā)展。

IDC預測醫(yī)療健康人工智能投資的年復合增長率為69.3％。同樣，CB Insights將醫(yī)療健康列為人工智能中最熱的領(lǐng)域，并將其作為今年的創(chuàng)業(yè)項目。

從目前的發(fā)展來看，“AI+醫(yī)療”目前可以分為如下三個層次：

智能問診

精準醫(yī)療

藥物研發(fā)

智能問診

“AI+醫(yī)療“之所以有如此大的應用前景，主要原因在于其市場需求是巨大的。在傳統(tǒng)的醫(yī)療行業(yè)中，醫(yī)生培養(yǎng)周期長、誤診率高，醫(yī)院資源有限、效率低一直都是難以解決的問題。

而隨著技術(shù)的革新，智能醫(yī)療為解決這一問題帶來了曙光，目前，最成熟的案例之一就是IBM Watson。

IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學專著，248000篇論文，69種治療方案，61540次試驗數(shù)據(jù)，106000份臨床報告。

通過融合信息檢索、自然語言處理、機器學習等技術(shù)和海量數(shù)據(jù)，IBM Watson能自主進行理解、推理和學習，在短時間內(nèi)迅速成為腫瘤專家。

這組數(shù)據(jù)讓我們看到了智能醫(yī)療的無限可能。一方面，它的出現(xiàn)和發(fā)展將大大提高人類醫(yī)生的效率，降低時間成本，另一方面通過輔助醫(yī)生做出相應的判斷，在很大程度上也降低了誤診的幾率。

精準醫(yī)療

21世紀初，人類基因組計劃完成時提出了個性化治療這個理念，旨在希望用測序得到的遺傳標記來判斷病人是否對藥物有應答，以便針對每個病人進行治療，然而，疾病往往是多誘發(fā)原因、多基因控制的，很難從一個簡單的角度進行判斷。

也因為這個原因，在近幾年，個性化治療逐漸走向了精準治療。精準醫(yī)療強調(diào)在治療時將個人基因、環(huán)境與生活習慣差異考慮在內(nèi)，基于患者的遺傳信息的診斷測試結(jié)合其他分子或細胞的分析結(jié)果，再針對性地選擇適當?shù)寞煼ǎ渲攸c不在于“治療”，而在于“精準”。

但如果僅僅依靠傳統(tǒng)醫(yī)療行業(yè)的方法來實現(xiàn)精準治療，這就對數(shù)據(jù)和醫(yī)生的經(jīng)驗有極高的要求，得到的結(jié)果無法量化，難以具有說服力。

智能醫(yī)療的價值由此凸顯，如今人工智能中的兩大核心技術(shù)：神經(jīng)網(wǎng)絡和深度學習讓計算機系統(tǒng)能夠自主學習經(jīng)驗數(shù)據(jù)對病情的分析并做出判斷。

計算機強大的運算能力彌補了部分人類醫(yī)生由于經(jīng)驗不足引起的誤判，或是對罕見疾病的信息缺失和思慮不周，并且計算機還能夠發(fā)現(xiàn)人眼難以察覺的細節(jié)，用數(shù)據(jù)說話，尋找出一些出人意料的規(guī)律，從而不斷完善醫(yī)生和計算機系統(tǒng)的知識體系，推進精準醫(yī)療的發(fā)展。

目前，精準醫(yī)療的主要進展集中在癌癥治療領(lǐng)域。

癌癥是全球范圍內(nèi)危害人類健康的疾病，根據(jù)美國癌癥協(xié)會最新發(fā)布的數(shù)據(jù)顯示，2017年美國預計將出現(xiàn)新發(fā)癌癥病例1688780例，癌癥死亡病例600920例，這意味著每天新增4600例癌癥患者，死亡1650例癌癥患者。

雖然相比于過去十年，病人的存活率已經(jīng)得到了顯著提升，但這仍然是我們難以想象的一個數(shù)字。

貝斯以色列女執(zhí)事醫(yī)學中心（BIDMC）與哈佛醫(yī)學院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細胞的識別準確率能達到 92%，尤其是當這套技術(shù)與病理學家的分析結(jié)合在一起時，它的診斷準確率可以高達 99.5%。

而國內(nèi)，3月29日，阿里云剛剛在云棲大會·深圳峰會上發(fā)布了ET醫(yī)療大腦，宣布正式進軍“AI+醫(yī)療”領(lǐng)域。

ET醫(yī)療大腦學習了2萬張甲狀腺片源，成功幫助人類將判斷甲狀腺結(jié)節(jié)點的準確率由60-70%提升到85%。經(jīng)過一年多的研究訓練，ET醫(yī)療大腦已經(jīng)能在醫(yī)學數(shù)字影像、精準醫(yī)療等多領(lǐng)域擔任醫(yī)生助手的角色。

這讓我們看到了精準醫(yī)療的必要性，隨著計算能力的日益強大、人工智能技術(shù)的穩(wěn)步發(fā)展，人類的醫(yī)療水平也必將會有步入新紀元。通過對精準醫(yī)療的研究和對計算機能力的應用，我們有理由相信會有數(shù)以萬計的生命被挽救。

藥物研發(fā)

醫(yī)療領(lǐng)域目前最重要的痛點之一仍是藥物挖掘與開發(fā)的時間成本。根據(jù)塔夫特藥物發(fā)展研究中心（Tufts Center for the study of Drug Development）的數(shù)據(jù)，一款新藥的面市從藥物發(fā)現(xiàn)到獲得FDA批準平均大約需要96.8個月。

雖然對專業(yè)技術(shù)的持續(xù)聚焦可以改善時間跨度，但新藥研發(fā)的成本卻仍在持續(xù)增加。德勤的數(shù)據(jù)顯示，自2010年以來，12家主要制藥公司的獲批藥物開發(fā)成本已經(jīng)增加了33％，至約每年16億美元。

如何才能降低新藥研發(fā)的成本，增加研發(fā)成功的概率呢？答案只有一個，那就是依靠大數(shù)據(jù)和人工智能的力量。

以硅谷公司Atomwise為例，Atomwise通過IBM超級計算機，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩選治療方法，評估出 820 萬種候選化合物，研發(fā)成本僅為數(shù)千美元，研究周期僅需要幾天。

    2015年，Atomwise利用AI技術(shù)，在不到一天的時間內(nèi)對現(xiàn)有的7000多種藥物進行了分析測試，成功地尋找出能控制埃博拉病毒的兩種候選藥物。根據(jù)該公司的統(tǒng)計，如果利用傳統(tǒng)方法，這項分析需要花費數(shù)月甚至數(shù)年才能完成。

AI+醫(yī)療面臨的的挑戰(zhàn)

雖然智能醫(yī)療有望解決傳統(tǒng)醫(yī)療行業(yè)的許多問題，但我們也不得不承認AI+醫(yī)療仍然存在很多阻礙。

在智能醫(yī)療有效降低醫(yī)藥研發(fā)成本與醫(yī)生工作時間成本的同時，我們也不得不承認實施AI和機器學習算法本身成本可能非常昂貴。醫(yī)療健康是一個容錯率極低的領(lǐng)域，為確保數(shù)據(jù)的真實合法，算法的準確有效以及計算機有足夠的計算能力，都將花費不菲的金錢。

另一方面，想要AI+醫(yī)療有所突破和發(fā)展，相關(guān)領(lǐng)域頂尖人才的聚合也非常重要。2013年，Google收購DeepMind Technologies時支付了超過3億美元，而當時他們的團隊僅有十幾個人。因此，人才培養(yǎng)的成本和聚集人才所支付的代價都是向智能醫(yī)療行業(yè)進軍的企業(yè)所必須考慮的。

另外，智能醫(yī)療行業(yè)的信息獲取也存在著一定的隱患。醫(yī)療行業(yè)的數(shù)據(jù)大多包含病人的隱私信息，將這些數(shù)據(jù)用于科研甚至實際應用是否合乎人情與法律也是必須考慮并加以解決的問題。

但盡管“AI+醫(yī)療”存在重重阻力，我仍相信它的發(fā)展勢在必行。

人工智能將成為醫(yī)生的最佳輔助，幫助醫(yī)生更便捷的獲取信息并做出更正確的判斷，只有將人類的情感溝通能力與計算機的分析計算能力相結(jié)合，才能發(fā)揮出智能醫(yī)療最大的價值，真正的將技術(shù)應用于實際，實現(xiàn)人工智能領(lǐng)域研究的終極意義。