2018年医疗人工智能技术与应用白皮书.pdf

医 疗 人 工 智 能 技 术 与 应 用 白 皮 书 （2018 年） 互联网医 疗健 康产业联 盟 2018 年1 月 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 1 版权声明 本白皮书 版权属 于 互联网医 疗健康 产 业联盟 ， 并受法 律 保护。 转 载、 摘编 或利用 其 它方式使 用本白 皮 书文字或 者观点 的 ， 应注明 “来 源： 互联网 医疗健 康产业联 盟” 。 违 反上述声 明者， 本 院将追究 其相 关法律责 任。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 2 前 言 2017 年医疗 人工智 能发展迅 速，产 业 格局风起 云涌。 人 工智能 在医疗领 域中的 应 用已非常 广泛， 包 括医学影 像、 临 床 决策支持 、 语 音识别、 药 物挖掘 、 健康管理 、 病理 学等众多 领域。 人 工智能技 术呈 现与医疗 领域不 断 融合的趋 势， 其 中 数据资源 、 计算 能 力、 算法 模型 等基础条 件的日 臻 成熟成为 行业技 术 发展的重 要力量 。 在新形势 下， 我国医疗 人工智 能 的发展面 临着机 遇 和挑战， 技 术能力 不断增强， 但 产品和服 务仍需 完 善。 本白皮书 梳理和 研 究国际 、 国内医 疗 人工智能 的发展 状 况， 总 结 医疗人工 智能行 业 及基础设 施领域 国 内外的技 术发展 特 点和趋势 ， 分 析我国医 疗人工 智 能产业面 临的政 策 环境， 为 政府及 产业 界决策提 供 参考。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 3 目 录 一、人工智能的发展 . 4 （一）人 工 智能 的技术 演 变 . 4 （二）人 工智能 发展的 三 大因素. 6 （三）人 工智能 上升为 我 国国家战 略 . 10 二、医疗人工智能的宝贵价值 . 12 （一）辅 助医生 诊断， 缓 解漏诊误 诊问题 . 12 （二）提 高 诊断 效率， 弥 补资源供 需缺口 . 13 （三）疾 病风险 预警， 提 供健康顾 问服务 . 14 （四）支 持药物 研发， 提 升制药效 率 . 15 （五）手 术机器 人，提 升 外科手术 精准度 . 15 三、国内外医疗人工智能发展状况及分析 . 16 （一）市 场规模 及发展 趋 势 . 16 （二）国 内外行 业发展 热 点分析. 17 四、我国医疗人工智能细分领域 . 21 （一）虚 拟助理 . 22 （二）病 历与文 献分析 . 25 （三）医 疗影像 辅助诊 断 . 27 （四）药 物研发 . 33 （五）基 因测序 . 35 五、面临的问题与挑战 . 37 （一）数 据是行 业发展 的 瓶颈，积 累与创 新是解 决 问题的关 键 . 37 （二）医 疗 AI 产品需要实现从试 验向临 床应用 的 突破 . 38 （三）加 深合作 ，可持 续 的商业模 式亟待 建立 . 39 （四）明 确医疗 责任主 体 ，划清权 责范围 . 40 （五）制 定人才 培养计 划 ，抢占战 略制高 点 . 41 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 4 一 、 人工 智 能的 发 展 （ 一）人 工智能的 技术演 变 从上世纪 八九十 年 代的 PC 时代到二十 一世纪的 互联网 时 代，信 息技术改 造了人 类 的生产方 式， 提高 了 生产效率， 改善了 我 们的生活 。 在进入移 动互联 网 时代后， 万 物互联 成为趋势， 但技术 的限制导 致移 动互联网 难以催 生 出更多的 新应用 和 新业态。 如 今， 人工 智能俨然 已 经成为这 个时代 最 炙手可热 的技术 ， 甚 至将成为 未来十 年 内信息技 术 产业发展 的焦点 。 人工智能 的概念 诞 生于上世纪 50 年代 ，从最初 的神经 网 络和模 糊逻辑， 到现在 的 深度学习 、 图像 搜 索， 人工 智能技 术 经历了一 系列 的起伏。 在1956 年的一次科 学会议 上 ， 人工智能 的概念 被首次确 立： 让机器像 人那样 思 考和认知 ，用计 算 机实现对 人脑的 模 拟。上世 纪 50 年代至70 年代是 人工智能 的早期 发 展阶段， 该阶段 人 工智能主 要 用于解决 一些小 型 的数学问 题和逻 辑 问题。 此 时人工 智能 出现了一 些 代表性应 用，如 机 器定理证 明、机 器 翻译、专 家系统 、 模式识别 等， 但是该阶 段人工 智 能仍可以 被归纳 为 “弱人工 智能” 时 代， 其发 展和 应用还远 远不能 达 到人类的 智慧水平。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 5 1972 年，用 于传染 性血液诊 断和处 方 的知识工 程系统 MYCIN 研 发成功， 该 事件标 志着人工 智能进 入 “专家系统 ” 时期。 专家系统 的 出现使得 计算机 可 以和人进 行结合 ， 通 过对数据 的分析 解 决一些实 际 的问题。 但是专 家 系统的发 展并不 顺 利， 也并 未得到 广 泛的应用 。 其 原因主要 有两个 方 面。一是 专业知 识 的获取需 要行业 内 长时间的 积 累， 大量的 行业数 据在彼时 难以全 部 植入专家 系统。 二 是专家系 统的 程序主要 由解释 性 语言 “LIPS ” 编写， 其开发效 率和易 用 性较低， 难 以实现实 际应用 。 人 工智能技 术发展 在 彼时陷入 的瓶颈 使 得人类开 始 思考， 如 何让计 算机 自 发理解 和归纳 数 据， 掌握 数据间 的规 律， 即 “ 机 器学习” 。 上世纪 90 年代末，IBM “深蓝” 计 算机 击败国际 象棋大 师 卡斯帕 罗夫再次 引发了 全 球对人工 智能技 术 的关注。 但是受 限于 当时的技 术 条件， 人工 智能尚 无法支撑 大规模 的 商业化应 用。2006 年，Geoffrey Hinton 教授发表的 论文 A Fast Learning Algorithm for Deep Belief Nets 中提出了深 层神经网 络逐层 训 练的高效 算法， 使 当时计算 条件 下的神经 网络模 型 训练成为 了可能 。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 6 （ 二）人 工智能发 展的三 大因素 人工智能 的概念 虽 然在上 世 纪已经 出 现， 但由于 彼时软 硬 件条件 的不成熟 ，数据 资 源的短缺 ，人工 智 能并未实 现广泛 的 应用。如 今， 随着算法 、 算力 等 基础技术 条件的 日 渐成熟， 行业数 据 的积累， 人工 智能得以 应用在 各 个领域。 算力。GPU（图形处 理器）显 著提升 了 计算机的 性能， 拥 有远超 CPU 的并行计算 能力 。由于处 理器的 计 算方式不 同，CPU 擅长处理面 向操作系 统和应 用 程序的通 用计算 任 务， 而 GPU 擅长完成 与显示相 关 的数据处 理。CPU 计算使用基于 x86 指 令集的串 行架构 ， 适合快速 完 成计算任 务。GPU 拥有多内核 处理并 行 计算，适 合处理 3D 图像中上 百万的图 像像素 。 此外，FPGA 也在越 来越多地 应用在 AI 领域。FPGA （Field Programmable Gate Array ） 是在PAL 、GAL、CPLD 等可编程 逻辑器件 的基础 上 进一步发 展的产 物。 它是作为 专用集 成 电路领域 中 的一种半 定制电 路 而出现的， 既解决 了全定制 电路的 不 足， 又克服 了 原有可编 程逻辑 器 件门电路 数有限 的 缺点。一 方面，FPGA 是可编程 重构的硬 件， 相比 GPU 有更强大 的可调 控能力； 另一方 面 ， 与日增 长 的门资源 和内存 带 宽使得它 有更大 的 设计空间 。 由于 深层 神经网络 包 含多个隐 藏层， 大 量神经元 之间的 联 系计算具 有高并 行 性的特点， 具互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 7 备支 撑大 规模并 行 计算的 FPGA 和GPU 架构已成 为了现 阶 段深度学 习 的主流硬 件平台 。FPGA 和GPU 架构能够 根据应用 的特点 定 制计算和 存储的结 构， 方便 算 法进行微 调和优 化， 实现硬件 与算法 的 最佳匹配 ， 获得较高 的性能 功 耗比。 算法。 深度 学习是 当前研究 和应用 的 热点算法， 也是人 工智能的 重要领域。 深度学 习通过构 建多隐 层 模型和学 习海量 训 练数据， 可 以 获取到数 据有用 的 特征。 通过 数据挖 掘进行海 量数据 处 理， 自动学 习 数据特征， 尤其适 用于包含 少量未 标 识数据的 大数据 集 。 深度学习 采 用层次网 络结构 进 行逐层特 征变换 ， 将 样本的特 征表示 变 换到一个 新 的特征 空 间， 从而 使分类或 预测更 加 容易。 深度 学习驱 动图像识 别精 度大幅度 提升。2012 年, 深度学习 模型 首次被应 用在图 像 识别大赛 （ImageNet ） ， 将错误率降至 16.4%， 一举夺冠。2015 年， 微软通过 152 层的深度网 络， 将图像识 别错误 率 降至 3.57% ，而人眼 的辨识错 误率约在5.1%，Deep Learning 模型的 识别能力 已经超 过 了人眼。 在 2017 年的ImageNet 挑战赛中 ，Momenta 团队利用SENet 架 构夺魁， 他们的融 合模型 在 测试集上 获得了 2.251% 的错误 率， 对 比于去年 第 一名的结 果 2.991%, 获得了将近 25% 的精度提 升。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 8 图 1 2010-2017 年 ImageNet 竞赛 图像识 别错误 率 自Hinton 提出DBN （深度置 信网络 ） 以来，深 度学习 的 发展经 历了一个 快速迭 代 的周期， 其中卷 积 神经网络 （Convolutional Neural Network,CNN ） 目前已 成为图 像 识别领域 应用最 广 泛的算法 模 型。在利 用卷积 神 经网络（CNN ）进行 图像理解 的过程 中 ，图像以 像 素矩阵形 式作为 原 始输入， 第一层 神经 网络的学 习功能 通 常是检测 特 定方向和 形状的 边 缘的存在 与否， 以 及这些边 缘在图 像 中的位置； 第 二层往往 会检 测 多 种边缘的 特定布 局 ，同时忽 略边缘 位 置的微小 变 化； 第三层 可以把 特定的边 缘布局 组 合成为实 际物体 的 某个部分； 后 续的层次 将会通 过 全连接层 来把这 些 部分组合 起来， 实 现物体的 识 别。 目前 ， CNN 已广泛应用于 医疗健 康 行业特别 是医疗 影 像辅助诊 断， 用以实现 病变检 测 和特定疾 病的早 期 筛查。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 9 大数据。 机器 学习 是人工智 能的核 心 和基础， 而数据 和 以往的经 验是机器 学习优 化 计算机程 序的性 能 标准。随 着大数 据 时代的到 来， 来自全球 的海量 数 据为人工 智能的 发 展提供了 良好的 基 础。 据 IDC 统 计，2011 年全球数 据总量已 经达到 1.8ZB ， 并以每 两年翻 一番的速 度 增长， 预计到2020 年全球将 总共拥有35ZB 的数据量， 数 据 量增长近 20 倍； 数 据规模 方 面， 预 计到 2020 年 ， 全球 大数据 产业 规模将达 到 2047 亿美元 ，我国 产业规模 将突破 万 亿元 1 。 图 2 全球 和中国 大数据 产业规模 随着电子 病历的 实 施，CT 影像、 磁共 振成像等 放射图 像 的普及 ， 医疗行业 的数据 量 已呈现指 数级增 长 。据统计 ，2013 年全球医疗 健 1 数据来 源：IDC 统计数 据 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 10 康数据量为153EB ，预计年增 长率为 48% 。通过自 然语言 理 解、机器 学习等技 术，大 量 文本、视 频、图 像 等非结构 化数据 得 以分析利 用。 来源于三 甲医院 的 电子 病历 数据库 ， 基 层医院和 体检机 构 的健康档 案 数据库， 国家各 统计 部门的人 口数据 库 通过大数 据技术 可 以实现互 联 互通， 形成 个人完 整生命周 期的医 疗 健康大数 据， 为人 工智能技 术在 医疗健康 行业的 应 用提供了 有力的 支 撑。 （ 三）人 工智能上 升为我 国国家战 略 2017 年7 月20 日 ， 国务院正 式印发 新 一代人工 智能发 展 规划 （以下简 称规 划 ），提 出了面向 2030 年我国新一 代人 工智能发 展的指导 思想、 战 略目标、 重点任 务 和保障措 施， 部 署 构筑我国 人工 智能发展 的先发 优 势， 加快建 设创新 型国家和 世界科 技 强国， 描绘 了 我国新一 代人工 智 能发展的 蓝图。 规划 指 出以提 升 新一代人 工智 能科技创 新能力 为 主攻方向 ，构建 开 放协同的 人工智 能 科技创新 体 系， 把握人 工智能 技术属性 和社会 属 性高度融 合的特 征 ， 坚持人工 智 能研发攻 关、 产品 应用和产 业培育 “ 三位一体” 推进。 其中， 对于 涉 及民生需 求的医 疗 、 养老等方 面， 规 划 重点提 出应加 快人工智 能 创新应用， 为公众 提供个性 化、 多元 化、 高品质 服务， 包括： 推广 应 用人工智 能治疗 新 模式新手 段， 建立 快速精准 的智能 医 疗体系； 探 索互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 11 智慧医院 建设， 开 发人机协 同的手 术 机器人、 智能诊 疗 助手， 研 发柔 性可穿戴、 生物兼 容的生理 监测系 统 ， 研发人机 协同临 床智能诊 疗方 案， 实现 智 能影 像 识别、 病 理分型 和 智能多学 科会诊 ； 基于人工 智能 开展大规 模基因 组 识别、 蛋 白组学 、 代谢组学 等研究 和 新药研发 ， 推 进医药监 管智能 化 ；加强流 行病智 能 监测和防 控。 同时， 国家 也从重 大科技专 项角度 支 持医疗人 工智能 发 展， 医学 人工智能 成为了 2018 年科技部重大 专项 的重点。2017 年 5 月份， 我 国科技部 发布 “ 十三五” 卫 生与健 康科技创 新专项 规 划 ， 提出 加 快引领性 技术的 创 新突破和 应用发 展， 攻克一批 急需突 破 的先进临 床 诊治关键 技术。 重 点部署生 命组学、 基因操作、 精准医 学、 医学人 工 智能、 疾病 早期发 现、 新型检 测与成 像、 生物治 疗、 微 创治疗 等 前沿 及共性技 术研发， 提升我国 医学前 沿 领域原创 水平， 增 强创新驱 动源 头供给， 加 快前沿 技术创新 及临床 转 化。 “十三 五” 卫 生与健康 科 技创新专 项规划 对推进医 学人工 智 能的技术 发展指 明 了具体方 向： 开展医学 大数据 分 析和机器 学习等 技 术研究， 开发集 中式 智能和分 布 式智能等 多种技 术 方案， 重点 支持机 器智能辅 助个性 化 诊断、 精准 治 疗辅助决 策支持 系 统、辅助 康复和 照 看等研究 ，支撑 智 慧医疗发 展。 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 12 二 、 医疗 人 工智 能 的宝 贵 价值 医疗行业 长期存 在 优质医生 资源分 配 不均，诊 断误诊 漏 诊率较 高， 医疗费 用成本 过高， 放射 科、 病 理科等科 室医生 培 养周期长， 医 生资源供 需缺口 大 等问题。 随 着近些 年深度学 习技术 的 不断进步， 人 工智能逐 步从前 沿 技术转变 为现实 应 用。 在医疗 健康行 业， 人工智 能 的应用场 景越发 丰 富，人工 智能技 术 也逐渐成 为影响 医 疗行业发 展， 提升医疗 服务水 平 的重要因 素。与 互 联网技术 在医疗 行 业的应用 不 同， 人工智 能对医 疗 行业的改 造包括 生 产力的提 高， 生产 方 式的改变 ， 底层技术 的驱动， 上 层应用的 丰富。 通 过 人工智能 在医疗 领 域的应用 ， 可以提高 医疗诊 断 准确率与 效率； 提 高患者自 诊比例， 降低患者 对医 生的需求 量； 辅 助 医生进行 病变检 测 ， 实现疾 病早期 筛 查； 大幅 提高 新药研发 效率， 降 低制药时 间与成 本。 （ 一）辅 助医生诊 断，缓 解漏诊误 诊问题 医疗数据 中有超过 90% 的数据 来自于 医 学影像， 但是 对医 学影像 的诊断依 赖于人 工 主观分析。 人工分 析只能凭 借经验 去 判断， 容易 发 生误判。 据 中国医 学会数据 资料显 示 ， 中国临床 医疗每 年的误诊 人数 约为5700 万人， 总 误诊率为 27.8% ， 器 官异位误 诊率为 60%。 以心肌互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 13 绞痛病症 为例， 其 早期临床 表现轻 微 ， 除胸口 痛外， 常 会伴随出 现肩 部到手部 内侧疼 痛 ， 精神焦 虑， 血 压 异常等寻 常体征 现 象， 对于 门诊 医生而言 很容易 发 生误诊。 对 于病理 医生而言， 从众多 细胞中依 靠经 验找到微 小的癌 变 细胞难度 较大， 诊 断错误现 象时有 发 生。 人工智 能 技术的出 现已经 在 一定程度 上缓解 了 以上问题 。利用 图 像识别技 术， 通过大量 学习医 学 影像， 人 工智能 辅助 诊断产品 可以辅 助 医生进行 病 灶区域定 位，有 效 缓解漏诊 误诊问 题 。 （ 二）提 高诊断效 率，弥 补资源供 需缺口 据统计， 我国每 千 人平均医 生拥有 量 仅为 2.1 人 2 ，医生 资源缺 口问题较 为严重 。 图 3 我国 每千人 平均医 生拥有量 2 数据来 源：卫 计委统 计 数据 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 14 医生资源 缺口问 题 在影像科、 病理科 方面尤为 严重。 目 前我国医 学影像数 据的年 增 长率约为 30%， 而放 射科医师 数量的 年 增长率仅 为 4.1% 。 放射科医师 数量的增 长远不 及 影 像数据 增长。 这 个现象意 味着 放射科医 师在未 来 处理影像 数据的 压 力会越来 越大， 甚至 远远超过 负 荷。 供需 不对称 的 问题在病 理方面 表 现尤甚。 据统计 ， 我国病理 医生 缺口达到10 万，而 培养病理 医生的 周 期却很长 ，这意 味 着此问题 短 期内将无 法解决。 面对严重 的稀缺 资 源缺口问 题， 人工 智能技术 或将 带来解决 这个难 题 的答案。 人工智 能辅 助诊断技 术应用 在 某些特定 病 种领域， 甚 至可以 代替医生 完成疾 病 筛查任务， 这将大 幅提高医 疗机 构、医生 的工作 效 率，减少 不合理 的 医疗支出 。 （ 三）疾 病风险预 警，提 供健康顾 问服务 多数疾病 都是可 以 预防的， 但 是由于 疾 病通常 在 发病前 期 表征并 不明显， 到 病况加 重之际才 会被发 现 。 虽然医生 可以借 助工具进 行疾 辅助预测 ，但人 体 的复杂性 、疾病 的 多样性会 影响预 测 的准确程 度。 人工智能 技术与 医 疗健康可 穿戴设 备 的结合可 以实现 疾 病的风险 预 测和实际 干预。 风 险预测包 括对个 人 健康状况 的预警， 以及对流 行病互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 15 等公共卫 生事件 的 监控； 干 预则主 要指 针对不同 患者的 个 性化的健 康 管理和健 康咨询 服 务。 图 4 人工 智能+ 院前管 理 ：预测+干预 （ 四）支 持药物研 发，提 升制药效 率 利用传统 手段的 药 物研发需 要进行 大 量的模拟 测试， 周 期长、 成 本高。目 前业界 已 尝试利用 人工智 能 开发虚拟 筛选 技 术 ，发现靶 点、 筛选药物 ，以取 代 或增强传 统的高 通 量筛选（HTS）过程 ，提高潜 在 药物的筛 选速度 和 成功率。 通过深 度学 习和自然 语言处 理 技术可以 理 解和分析 医学文 献 、 论文、 专 利、 基因 组数据中 的信息， 从中找出 相 应的候选 药物， 并 筛选出针 对特定 疾 病有效的 化合物， 从而大幅 缩减 研发时间 与成本 。 （ 五）手 术机器人 ，提升 外科手术 精准度 智能手术 机器人 是 一种计算 机辅助 的 新型的人 机外科 手 术平台， 主要利用 空间导 航 控制技术， 将医学 影像处理 辅助诊 断 系统、 机器 人互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 16 以及外科 医师进 行 了有效的 结合。 手 术机器人 不同于 传 统的手术 概 念， 外科医 生可以 远离手 术 台操纵 机 器进行手 术， 是世 界微创外 科领 域一项革 命性的 突 破。 目前 达芬奇 机器 人是世界 上最为 先 进的微创 外 科手术系 统之一， 集成了三 维高清 视 野、 可转腕 手术器 械和直觉 式动 作控制三 大特性 ， 使医生将 微创技 术 更广泛地 应用于 复 杂的外科 手 术。 相比 于传统 手 术需要输 血， 会 带 来传染疾 病等危 险 ， 机器人 做手 术则出血 很少。 此 外 ， 手术机器 人可以 保 证精准定 位误差 不 到 1 毫米， 对于一些 对精确 切 口要求非 常高的 手 术实用性 很高。 三 、 国内 外 医疗 人 工智 能 发展 状 况及 分 析 （ 一）市 场规模及 发展趋 势 据统计，到 2025 年人工智能 应用市 场 总值将达到 1270 亿美元， 其中医疗 行业将 占 市场规模 的五分 之 一。 我国 正处于 医疗 人工智能 的 风口：2016 年中国 人工智能+ 医 疗市场 规模达到 96.61 亿 元，增长 37.9% ；2017 年将超 过 130 亿元，增长40.7% ；2018 年有望 达到 200 亿元。投 资方面 ， 据 IDC 发布报告 的 数据显示 ，2017 年全球对人 工 智能和认 知计算 领 域的投资 将迅猛 增 长60% ， 达到125 亿 美元， 在2020 年将进一 步增加到 460 亿美元。 其 中， 针对医疗 人工智 能 行业的投 资互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 17 也呈现逐 年增长 的 趋势。 其中 2016 年总交易额为 7.48 亿美元， 总交 易数为90 起，均达 到历史最 高值 3 。 图 5 2012-2016 年全球 医 疗人工智 能投融 资情况 （ 二）国 内外行业 发展热 点分析 国内外科 技巨头 均 重视人工 智能技 术 在医疗领 域的布 局 与应用。 IBM 在2006 年启动Watson 项目， 于2014 年投资10 亿美元 成 立Watson 事业集团 。Watson 是一个通 过自然 语 言处理和 机器学 习 ，从非结 构 化数据中 洞察数 据 规律的技 术平台 。Watson 将散落在 各处 的知识片 段连接起 来， 进行 推理、 分析、 对 比 、 归纳、 总结和 论 证， 获取深入 3 数据来 源：IDC 统计数 据 互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 18 的洞察以 及决策 的 证据。2015 年，沃 森健康(Watson Health) 成立， 专注于利 用认知 计 算系统为 医疗健 康 行业提供 解决方 案 。Watson 通 过和一家 癌症中 心 合作，对 大量临 床 知识、基 因组数 据 、病历信 息、 医学文献 进行深 度 学习，建 立了基 于 证据的临 床辅助 决 策支持系 统。 目前该系 统已应 用 于肿瘤、 心 血管疾 病 、 糖尿病等 领域的 诊 断和治疗 ， 并于2016 年进入中 国市场， 在国内 众 多医院进 行了推 广 。Watson 在 医疗行业 的成功 应 用标志着 认知型 医 疗时代的 到来， 该解 决方案不 仅 可以提高 诊断的 准 确率和效 率，还 可 以提供个 性化的 癌 症治疗方 案。 此外，谷 歌、微 软 等也都纷 纷布局 医 疗 AI 。2014 年谷歌 收购 DeepMind 公司， 后 开发知名 的人工 智 能程序 AlphaGo 。 在 基础技术 层 面， 谷歌 的开源 平 台 TensorFlow 是当今应用最 广泛的 深 度学习框 架。 在医疗健 康领域 ，Google 旗下的 DeepMind Health 和英国 国家医疗 服务体系NHS(National Health Service) 展开合作， DeepMind Health 可以访问NHS 的患 者数据进 行深度 学 习， 训练 有关脑 部癌 症的识别 模 型。微软 将人工 智 能技术用 于医疗 健 康计划“Hanover ”，寻找最 有 效的药物 和治疗 方 案。 此外， 微软 研究 院有多个 关于医 疗 健康的研 究 项目。Biomedical Natural Language Processing 利用机 器学习从互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 19 医学文献 和电子 病 历中挖掘 有效信 息， 结合患者 基因信 息 研发用于 辅 助医生进 行诊疗 的 推荐决策 系统。 国内科技 巨头也 纷 纷开始在 医疗人 工 智能领域 布局， 各 家 公司均 投入大量 资金与 资 源， 但各自 的发展 重 点与发展 策略并 不 相同。 例如 ， 阿里健康 以云平 台 为依托， 结合自 主 机器学习 平台 PAI2.0 构建了坚 实而完善 的基础 技 术支撑。 同 时， 阿里 健康与浙 江大学 医 学院附属 第 一医院、 浙 江大学 第二附属 医院等 医 院、 上海交 通大学 医学院附 属新 华医院以 及第三 方 医学影像 中心建 立 了合作伙 伴关系 ， 重 点打造医 学 影像智能 诊断平 台， 提供三维 影像重 建、 远程智能 诊断等 服 务。 此外， 阿里云联 合英特 尔 、零氪科 技联合 举 办了天池 医疗 AI 大赛。该大 赛 面向全球 第一高 发 恶性肿瘤 肺 癌 ，以肺部 小结节 病 变的智能 识 别、 诊断为 课题， 开 展大数据 与人工 智 能技术在 肺癌早 期 影像诊断 上 的应用探 索。 大赛基 于阿里云 天池大 数 据平台， 邀请 全球生 物、 医疗、 人工智能 等众多 领 域的校内 团队、 专 家学者、 医疗企 业 参赛。 参 赛者 使用大赛 提供的 数 千份胸部 CT 扫描数 据集进行 预训练 ， 在此基础 上 开发算法 模型， 检 测CT 影像中 的肺部 结节区域 。准确 率 排名靠前 的 参赛者将 进入决 赛 ， 决赛要求 参赛者 提交诊断 结果的 CSV 文件， 并标 记检测到 的结节 坐 标， 最终 根据参 赛者 给出的坐 标信息 判 断结节是 否互联网医疗健康产业联盟 医疗人工智能技术与 应用白皮书 20 检测正确， 如果结 节落在以 参考标 准 为中心半 径为 R 的 球体中， 则 认 为检测正 确。 大赛 通过探索 早期肺 癌 精确智能 诊断的 优 秀算法， 提 升 早期肺癌 检测的 准 确度， 降低 临床上 常见的假 阳性的 误 诊发生， 实 现 “早发现， 早诊断 ， 早治疗” 。 同时， 本次大赛 能够激 发 传统医学 与 机器学习 的碰撞 与 融合， 为整 体学科 发展进行 探路与 思 辨， 推动了 人 工智能技 术在医 疗 影像诊断 上的应 用 。 腾讯在人 工智能 领 域的布局 涵盖基 础 研究、 产品 研发、 投 资与 孵 化等多个 方面。 腾 讯在 2016 年建立了 人工智能 实验室 AI lab ，专注 于AI 技术的 基础研 究和应用 探索。2017 年 11 月，在“2017 腾讯全 球合作伙 伴大会 ” 上腾讯宣 布了自 己 的“AI 生态计划” ，旨在开 放 AI 技术， 并结合资 本机构孵 化医疗 AI 创业项目 。2017 年4 月， 腾讯 向碳云智 能投资 1.5 亿美元。 碳 云智能 由原华大 基因 CEO 王俊牵头 组 建， 致力 于建立 人 工智能的 内核模 型 ， 并对健 康风险 进 行预警、 进行 精准诊疗 和个性 化 医疗。在 产品研 发 方面，腾 讯在 2017 年8 月推出 了自己首 个应用 在 医学领域的 AI 产品 腾讯觅影 。腾讯 觅 影把图像 识 别 、 深度学 习等领 先的技术 与医学 跨 界融合， 可 以辅助 医生对食 管癌 进行筛查， 有效提 高筛查准 确度， 促 进准确治 疗。 除了 食管癌， 腾 讯