人工智能最大優(you) 勢在於(yu) 計算能力的高效，尤其在數據密集型、知識密集型、腦力勞動密集型行業(ye) 領域。與(yu) 互聯網不同，人工智能對醫療領域的改造是顛覆性的。

IBM的人工智能Watson，近日僅(jin) 用10秒就開出了癌症處方。在引發輿論熱潮的同時，也再次把“AI+醫療”推向高潮。方正證券近日發布的互聯網醫療深度報告就顯示，盡管安防和智能投顧最為(wei) 火熱，但AI在醫療領域可能會(hui) 率先落地。

接手“互聯網+”無奈的醫療痛點

圖像識別、深度學習(xi) 、神經網絡等關(guan) 鍵技術帶動了人工智能新一輪大發展。

該份報告指出，從(cong) 互聯網改造醫療行業(ye) 的角度來劃分，中國互聯網醫療發展經曆了三個(ge) 階段：信息服務階段，即互聯網改造的是醫療的信息流，實現人和信息的連接；谘詢服務階段，即互聯網改造的是健康谘詢的服務流，實現人和醫生連接；診療服務階段，互聯網改造的是醫療的服務流。

然而，互聯網帶來的模式創新沒有根本上提升醫療供給端的服務能力，從(cong) 而根本上解決(jue) 醫療資源（尤其是醫生）供不應求的局麵。

與(yu) 此同時，圖像識別、深度學習(xi) 、神經網絡等關(guan) 鍵技術的突破帶動了人工智能新一輪的大發展。“人工智能+醫療”概念應運而生。

與(yu) 互聯網的不同，人工智能對醫療領域的改造是顛覆性的。

對人工智能醫療的需求主要基於(yu) 幾方麵客觀現實：一方麵是優(you) 質醫療資源供給不足，成本高，醫生培養(yang) 周期長，誤診率高，疾病譜變化快，技術日新月異；另一方麵，隨著人口老齡化加劇、慢性疾病增長、對健康重視程度提高，醫療服務需求持續增加。

工智能的核心能力實際上是人類自身已擁有的能力，但與(yu) 人類相比，最大優(you) 勢在於(yu) 計算能力的高效，尤其在數據密集型、知識密集型、腦力勞動密集型行業(ye) 領域。

在醫療領域，IBM Watson可以在17秒內(nei) 閱讀3469本醫學專(zhuan) 著、24.8萬(wan) 篇論文，69種治療方案、10.6萬(wan) 份臨(lin) 床報告。通過海量汲取醫學知識，包括300多份醫學期刊、200多種教科書(shu) ，IBM Watson在短時間內(nei) 迅速成為(wei) 腫瘤專(zhuan) 家。

阿裏雲(yun) 研究中心和BCG的最新合作報告指出，從(cong) 技術突破和應用價(jia) 值兩(liang) 維度分析，未來人工智能會(hui) 出現服務職能、科技突破、超級智能三個(ge) 階段。

四大模式分爭(zheng) 萬(wan) 億(yi) 市場

人工智能+輔助診療潛在市場空間巨大，至少是萬(wan) 億(yi) 級以上的營收規模。

從(cong) 全球創業(ye) 公司實踐的情況來看，AI+醫療的具體(ti) 應用包括洞察與(yu) 風險管理、護理、急救室與(yu) 醫院管理、虛擬助理、可穿戴設備以及其他，其中以四種模式為(wei) 主流。

首先是AI+輔助診療，即將人工智能技術用於(yu) 輔助診療中，讓計算機“學習(xi) ”專(zhuan) 家醫生的醫療知識，模擬醫生的思維和診斷推理，從(cong) 而給出可靠診斷和治療方案。

在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。2012年Watson通過了美國職業(ye) 醫師資格考試，並部署在美國多家醫院提供輔助診療的服務。

AI+醫學影像，是將人工智能技術具體(ti) 應用在醫學影像的診斷上，主要分為(wei) 兩(liang) 部分：一是圖像識別，應用於(yu) 感知環節，其主要目的是將影像這類非機構化數據進行分析，獲取一些有意義(yi) 的信息；二是深度學習(xi) ，應用於(yu) 學習(xi) 和分析環節，是AI應用的最核心環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習(xi) 訓練，促使其掌握“診斷”的能力。

如今，AI+醫學影像已經走出實驗室，下一步將迎來商業(ye) 化浪潮。貝斯以色列女執事醫學中心（BIDMC）與(yu) 哈佛醫學院合作研發的人工智能係統，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%，與(yu) 病理學家的分析結合在一起時，它的診斷準確率可以高達99.5%。國內(nei) 的DeepCare對於(yu) 乳腺癌細胞識別的準確率也達到了92%。

AI+藥物挖掘，是指將深度學習(xi) 技術應用於(yu) 藥物臨(lin) 床前研究，達到快速、準確地挖掘和篩選合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。

最後是AI+健康管理。目前從(cong) 全球AI+醫療創業(ye) 公司來看，主要集中在風險識別、虛擬護士、精神健康、在線問診、健康幹預以及基於(yu) 精準醫學的健康管理。

巨頭築基下的生態圈競爭(zheng)

底層基本都已由科技巨頭布局，開放人工智能平台是其構建生態的必然趨勢。

報告指出，根據技術層級從(cong) 上到下，人工智能產(chan) 業(ye) 鏈，目前分為(wei) 基礎層、技術層和應用層三個(ge) 產(chan) 業(ye) 層次構成。

基礎層的計算能力是構建生態的基礎，技術層的算法、框架以及通用技術是構建技術護城河的基礎，都屬於(yu) 人工智能產(chan) 業(ye) 大生態的基礎設施，具有高投入、高收益的特點，需要中長期進行投資。

目前，底層基本都已由科技巨頭布局，且未來開放人工智能平台是其構建生態的必然趨勢。應用層匯聚了大量的AI+醫療創業(ye) 公司，分布在多個(ge) 細分領域。總體(ti) 而言，全球AI+醫療產(chan) 業(ye) 結構呈現倒金字塔形態。

對於(yu) 全球科技巨頭而言，之間的競爭(zheng) 不僅(jin) 僅(jin) 是某項技術、某個(ge) 領域的競爭(zheng) ，更多是生態圈與(yu) 生態圈的競爭(zheng) 。目前科技巨頭均已利用稟賦優(you) 勢打造屬於(yu) 自己的生態圈基本形態，已基本完成“人工智能+”生態的基礎設施布局。

隨著科技巨頭在AI+醫療的基礎層和技術層布局逐步完善，在應用層的布局也開始發力。目前正在醫療行業(ye) 應用布局的大公司主要有四家：IBM、穀歌、微軟、百度。

目前，中國AI+醫療產(chan) 業(ye) 處於(yu) 起步階段。2016年是全球人工智能元年，也是我國人工智能元年。資本對AI+醫療的追捧，多家創業(ye) 公司順利獲得融資。隨著全球科技巨頭陸續將人工智能平台開放，將有效彌補我國在底層方麵的積累不足，各個(ge) 細分領域的AI+醫療創業(ye) 公司將受益。