智慧医疗发展的现状及挑战
讲者简介：刘荣，主任医师，教授，现任解放军总医院（301医院）肝胆胰外科学部主任、全军肝胆外科研究所所长；担任哈尔滨工业大学讲席教授、医工交叉研究院院长；南开大学、兰州大学兼职教授，享受国务院特殊津贴。致力于外科工具理论与技术创新，创建肝胆胰肿瘤腹腔镜和机器人手术新技术体系，显著降低创伤、改善预后，替代传统技术。主持制定机器人外科国际第一、第二部专家共识和国家卫健委腹腔镜和机器人两部手术操作指南，推动学科规范发展；建成创新术式、疑难手术、手术数量全球第一的肝胆胰机器人手术中心，创立国际和国家级技术培训中心三个，构建高水平推广平台，美、英、新、荷、日、韩等20余家国际医疗机构派员前来学习。其中，腹腔镜成果以第一完成人获国家科技进步二等奖、中华医学科技一等奖和北京市科学技术二等奖。创建预后控制外科理论，解决外科“风险预先控制”与“决策动态寻优”关键难题，构建预控外科交叉技术体系：⑴将血管控制精度由1级提升至2-3级，用区域阻断替代全局阻断，建立预防出血新策略，并通过分子影像实现术中精确反馈，实现肝癌手术风险的系统化控制；⑵将胰腺囊腺瘤鉴别准确率由57.1%提高到92.3%；⑶基于机器人和体外力学模型完成胰腺对端吻合（荣式手术），改变外科传统观念，实现胰腺生理性重建；⑷国际首次报道3项单孔手术。推动外科学发展成为“全程可控”的定量化学科。2019成为中国科学院院士初步候选人。出版国际首部机器人外科专著《肝胆胰脾机器人外科手术学》，交叉学科专著《智能医学》和《预后控制外科》、《预后控制医学》。获原总后勤部“科技银星”，荣立二等功1次。创办《中华腔镜外科杂志》和IntelligentSurgery杂志并担任主编，现任世界临床机器人外科学会执行委员、中国研究型医院学会智能医学专业委员会主任委员，中国医师协会医学机器人医师分会副会长等职。
报告题目：智能外科的基础设施建设的探索与思考
报告摘要：高质量的临床数据是智能外科得以发展，并充分赋能临床工作的基本前提。目前临床工作中直接产生的数据在格式、模态以及质量等方面尚不能满足智能外科分析、建模、预测与控制的要求。围绕临床数据收集、会聚、识别、关联等功能的数据基础设施建设具有关键价值。我们在外科工作中，以手术为核心数据控制环节，探索建立了全数字化、部分智能化的手术治疗控制系统和远程手术指导系统，并由此积极探索符合智能外科实践特征的新型数据库建设。这些基础设施建设为未来智能外科的充分发展奠定了关键性基础。
我国医疗人工智能产业发展情况与人才需求探讨
随着医疗人工智能(AI)产业高速发展，该产业应用型人才缺口已成为发展的“绊脚石”。判断产业发展大趋势，把握产业发展重点方向，突破发展障碍与瓶颈，释放医疗人工智能产业新动能，已成为当下热门话题。
一、医疗AI产业整体发展情况
根据公开资料显示，2025年全球医疗AI市场规模将超过340亿美元。特别是在中国，医疗AI产业市场发展迅速，市场规模从2016年的96.61亿元，2017的136.5亿元飙升至2018年的204亿元，复合年增长率保持在40%以上，预计到2019年将突破280亿元。见图1。
注：2019年数据为预测结果。
图1中国医疗人工智能市场发展情况
数据来源：根据公开资料整理
1.AI涉及领域广泛，其中医疗健康是AI垂直渗透最大的领域。
AI计算机视觉、服务机器人及语音和自然语言处理领域的技术商业化程度较高。中国168家以AI为驱动技术或业务的非上市公司所属的领域中，以计算机视觉最多，占20.80%；其次为服务机器人，占19.6%；语音及自然语言处理领域占10.7%；其他智能医疗、机器学习和智能驾驶等也是相对较热门的领域。
根据《2018世界人工智能产业蓝皮书》，中国AI企业所涉及的领域包括医疗健康、金融、商业、教育和安防等，其中医疗健康领域最多，占22%。AI在医疗健康领域中主要的应用方向为医学影像、辅助诊断、药物研发、健康管理和疾病预测。
GlobalMarketInsight数据显示，AI药物研发的占比最大（35%），我国AI药物研发相对落后，新药仍以仿制药和改良药为主，提示该领域竞争者不多、产业尚不成熟。其次为AI医学影像市场，增速约为40%，预计2024年市场规模将达到25亿美元，市场占比将达到25%，它也是中国AI医疗应用领域中最热门、应用最为成熟领域。
AI辅助诊断包括医学影像、电子病历、导诊机器人和虚拟助理等，应用相对成熟。AI健康管理是把被动疾病治疗变为主动自我监控，主要产品为智能可穿戴设备，我国处在人口老龄化与计划生育放开阶段，健康管理市场潜力巨大。AI疾病预测主要是通过基因检测，应用生化、影像和行为日产大数据来预估疾病发生的风险。随着人们生活品质提高和对健康认知的提升，疾病预测市场也将是一个不小的市场。
2.国内医疗AI企业初步形成“三足鼎立，星火燎原”的格局
我国AI产业尚处于创业发展阶段，中国168家以AI为驱动技术或业务的非上市公司中，于2015年成立的公司比例最多，占34.50%；其次为2014年成立的，占20.80%；2016年成立的，占16.70%。
目前国内可统计的医疗AI产业公司有144个，并以京、沪浙苏、广东的医学AI产业为主，形成鼎足之势。四川、安徽、重庆、河南、福建、江西和湖北等地也开始布局医疗AI产业。见图2。
图2国内医疗AI企业分布情况
数据来源：火石创造
二、医疗AI人才需求判断
根据腾讯研究院发布的《2017全球人工智能人才白皮书》，全球AI人才约30万人，主要分布在各国AI产业公司和科技巨头中，约占66.67%；全球367所高校中的学术和储备人才约占33.33%。根据2017年领英发布的《全球AI领域人才报告》，我国AI人才总数超过5万人，而国内AI人才需求量为500~600万人，人才需求缺口巨大。见图3。
图3全球AI人才分布情况
数据来源：Linkin
1.各地产业与人才的供需状态存在差异，北上深杭广AI人才占全国半壁江山。
2018年7月工信部直属研究机构赛迪顾问发布“中国人工智能城市十五强”榜单，其中北京、上海、深圳、杭州和广州的AI人才较多，分别占27.9%、12.1%、8.5%、6.5%和3.9%。AI人才需求岗位主要集中在北上广深等热门一线城市，其中北京占比多（30%），且北京的医疗AI企业占全国四成以上。AI人才城市分布情况与需求端基本匹配，但在供需状态上各有不同。其中北京、上海和深圳AI人才供给占比多于实际需求；广州、杭州人才供给少于实际需求，人才紧缺的程度较高。
2.我国各省（市）越来越重视AI技术创新与应用，以及AI人才培育和引进。
国家层面，先后发布了15个政府文件，包括《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》等。
省级层面，先后发布了23个政策规划文件，包括《中关村国家自主创新示范区人工智能产业培育行动计划（2017—2020年）》《浙江省新一代人工智能发展规划》《江苏省新一代人工智能产业发展实施意见》《安徽省新一代人工智能产业发展规划（2018—2030年）》《广东省新一代人工智能发展规划》等。
市级层面，先后发布13个政策文件，包括《广州市加快IAB产业发展五年行动计划（2018—2022年）》《关于推动新一代人工智能发展的实施意见》等。见图4。
图4国家和各省（市）AI产业相关政策发布情况
数据来源：根据公开资料整理
3.通过高校培养AI人才，形成大规模产业化。
AI人才方面，国家致力于打造有梯次的、有竞争力的AI人才体系，形成“高端人才—高水平人工智能创新人才和团队—具有发展潜力的人工智能领军人才—人工智能基础研究、应用研究、运行维护等方面专业技术人才—贯通人工智能理论、方法、技术、产品与应用等的纵向复合型人才与贯通经济、社会、法律、市场、管理等横向复合人才”体系。
《新一代人工智能发展规划》提出建设AI学科以部署AI技术应用领域。根据教育部《高等学校人工智能创新行动计划》，我国AI人才培养在5年之后将作为一个跨学科的新兴技术领域，AI学科交叉性很强，涉及到的知识体系非常广泛，包括计算机科学、神经科学和统计学等。
我国AI学术人才集中在计算机、自动化和电子信息类院系，清华大学培养国际AI人才822人，位列世界第一；上海交大排名第二（590人）。但浙大和哈工大AI人才投入量分别位居国内前两位。大部分高校的AI学术研究还局限在国内学术圈。除清华、上海交大有一定人工智能产业化人才集聚外，其他高校多是以学术为主。从学术到产业化、到大规模应用还需要更多时间和研发投入，加强产学研究合作，支持产业持续发展。我国AI人才投入量排前20位的高校见图5。
图5我国AI人才投入量排前20位的高校
数据来源：清华大学《2018中国人工智能发展报告》
三、展望
生物经济将成为继信息经济之后的新经济，人才是推动生物新经济发展的根本。据火石创造生物医药产业数据库显示，我国生物医药产业发展存在集聚性，国家重点布局的生物医药产业基地、园区和高校聚集了生物医药产业、智能化创新人才和产业化人才。技术、新思想和新模式为人才快速成长创造了条件，新业态产业化、新场景应用、传统产业与现代技术融合发展，为培养不同梯队的AI人才提供了新生态，驱动产业化人才和应用型人才快速成长。
(责任编辑：老姜）
人工智能发展现状及其在医疗领域的应用
1.医学专家系统的发展历程及应用举例
在第二次人工智能高潮时期，充分利用“知识”的“专家系统”被不断开发、完善、利用。“专家系统”本身是一种程序，通过引入某个专业领域的知识，再经过推理，便能像该领域专家一样出色地开展工作。而医学专家系统则是将医学诊断知识大批量导入计算机，然后模拟医学专家的临床诊疗思路，最终根据病情从知识库中提取并综合有价值诊断线索，进而给出治疗方案[4]。其中一个很有名的医学专家系统是20世纪70年代初由美国Stamford大学开发的MYCIN系统。其功能是对感染性疾病患者进行诊断，并开出抗生素处方。在其内部共有500条规则，只需按顺序依次回答其提问，系统就能自动判断出病人所感染细菌的类别，并为其开出相应处方。经测试，MYCIN对菌血症、败血症、肺部感染、颅脑感染等方面的诊疗水平已超过了该领域的专家。近来，美国MemorialSloan-Kettering癌症中心正在与IBM合作，引入“沃森”技术，开发医疗研究应用程序，帮助医生为病情特殊的患者选择最佳的治疗方案。该癌症中心研究人员和IBM的工程师一起，向沃森传输大量与病情、治疗方案和治疗结果有关的数据，运用沃森分析这些数据，找出隐藏的模式和相关性。研究人员希望沃森能帮助医生识别有效的诊疗方案，对其进行临床试验然后公布试验结果，并将这种新的治疗方案介绍给全世界的医生。
我国医学专家系统的开发研究始于20世纪80年代初，起步较发达国家晚，但是发展速度迅猛。1978年北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”，第一次将医学专家系统应用到我国传统中医领域。1986年，我国骨科学专家林如高教授的学生林子顺协助福建中医学院与省计算中心，将林如高医学思想输入计算机，开发出居国内先进水平的“林如高骨伤计算机诊疗系统”。1992年，中国中医研究院和中国科学院软件所共同研制出“中国中医治疗专家系统”。1997年，上海中西医结合医院与颐养圣计算机公司联合开发了具有咨询和辅助诊断性质“中医计算机辅助诊疗系统”，现已整合到很多医院的His系统中。进入21世纪后，各类医学专家系统层出不穷，如骨肿瘤辅助诊断专家系统、胃癌专断专家系统、口腔牙周病诊断专家系统、心血管药物治疗专家系统、基于螺旋CT图像的冠状动脉钙化点的诊断系统等。
2.医学专家系统的工作机制
一般认为，传统的专家系统=知识库+推理机，故专家系统也被称为以知识和信息为基础的系统。知识库里存的专家知识具有固定的形式化语言表达和数据结构组织样式，主要包括三种：①最常见的是直觉知识（经验知识），常表现为一些生成规则，即当规则所需的条件满足时，系统就执行某种动作或得出某种结论（早期MYCIN版本即如此）；②当直觉知识的使用难于解决复杂问题时，常借助于支持知识——可指导医疗实践的医学理论，常用因果模型表示；③策略知识，能在几条规则同时适用时，通过运行推理机程序，决定何种规则优先使用。推理机有两种推理策略：①前向推理，又叫面向数据的推理，即根据掌握的事实，应用其条件得到满足的规则以得到新事实，然后再应用这些新事实的相关适用规则，直至得出恰当的结论；②后向推理，又叫面向假设的推理，即首先提出假设结论，寻找那些其结论与假设相吻合的规则，这些规则所需的条件又成为新假设，如此循环，直至所有必须的假设均能直接从用户得到，从而确证或否定某些最初假设。在复杂的临床实践中，很多事实与结论之间并无绝对确定的关系，这时往往需借助统计推理或模糊推理，即系统的推理不是确定性的，而是对每一结论提出其可信度，而优先考虑可信度较大的结论。对于特别复杂、困难的问题，系统也可提供几个可能的结论及其可信度，供医务人员参考。这在具体临床事例中意义重大，如在新版本MYCIN系统中就包含这种机制。
三、人工智能与人工神经网络在医学领域的应用前景
1.人工神经网络兴起背景和概述
在第二次人工智能高潮中，只要往计算机里输入足够多的知识，它就能相应地完成很多任务，但是其能力也仅限于所输入知识的范围；如果想扩充计算机的实用性及其应对例外病例的能力，则需输入海量知识，永远输不完。另外，从根本上讲，输入的符号与其所表示的意义往往脱节，对计算机而言，掌握“语义”非常困难。然而，在这种闭塞的条件下，有一项技术得到了稳步发展——机器学习，即人工智能程序自身进行学习。机器学习常用的原理包括最近邻分类算法、朴素贝叶斯算法、决策树、支持向量机等。而其中最为著名的当属人工神经网络（Artificialneuralnetwork,ANN）。ANN是在第三次人工智能高潮中兴起的一门集脑科学、信息科学、计算机学于一体的高度综合的前沿、交叉学科,是一种通过模仿人类脑神经回路将生物神经网络在结构、功能等方面的理论高度抽象、概括、综合而构成的信息处理系统，是当代人工智能领域的重要分支。
2.人工神经网络的优势
同传统的符号处理方法相比，ANN尤其独有的优势：①分布式存储信息，ANN呈现、处理信息的途径是通过各个神经元之间的链接及其权重，不会因局域网的故障而受到较大影响，稳定性非常强；②自适应性，即整个ANN可根据当时的环境状态、信息特点自行调整，包括学习、自组织、泛化及训练。ANN通过学习不断建立与外界变化相吻合的新模式，通过自组织同时对多个神经元进行系统、高效、最优化地连接和分配。泛化是指ANN通过不断训练可以对全新的信息输入做出最合理的反应；③并行性，ANN各个神经元在处理信息时既相互配合、形成网络合力，又保持自身独立性并将输出结果与其他神经元分享、串联；④联想记忆功能，即能够完成复杂的非线性映射，是目前较为理想的非线性估计器，并且能够自适应学习，使网络表现出抽象思维能力，并完成联想推理。
3.人工神经网络在医学领域的应用举例
由于很好地克服了知识输入“有限性”的问题，而且具备学习、自组织、泛化及训练的能力,ANN在医学专家系统领域飞速发展[3,5]。在医学图片、视频、音频等的智能识别领域,日本MITSUBISHI机电公司LSI制造中心推出的“人工网膜”,可精确、高效、飞速地处理海量非结构化医疗数据；对于医学诊断,由沙特阿拉伯国王大学Saito教授、Nakano教授等人开发的基于PDP模型的医学诊断专家系统,通过不断的学习、自组织、泛化及训练,诊断准确率远超过传统医学专家系统，且不亚于相关领域最博学的专家;Steven等学者开发的DP神经网络肌电脉冲甄别程序,诊断准确率亦远远超过传统机器识别方法;在中医领域，ANN中医诊疗系统可在一定程度上智能“辨证”，经综合分析后提出合理的中医诊断。最近，IBM研究团队基于ANN机器学习原理，设计了一套名为“沃森通路（WatsonPaths）”的用户界面。“沃森通路”是一套帮助沃森学习医生如何诊疗的人机互动程序。在“沃森通路”的辅助下，医学工作人员可检查沃森举出的病症和推论是否合理，然后将更多的信息和见解输入沃森系统。同时，MemorialSloan-Kettering癌症中心、WellPoint公司及IBM合作开发了基于沃森技术的交互式肿瘤诊治技术。该技术通过持续基于ANN技术的深度学习，帮助肿瘤医生获得患者最新治疗信息。数据库信息包罗万象，包括病历资料、大型图书馆医学文献、临床指南、顶级医生行医札记和药物试用报告等。目前，共有60万页的医学报道、42种医学期刊、近200万页医学论文和临床试验报告，以及上万本病历被导入沃森系统。医生通过这些海量数据训练内置ANN程序的沃森，让其给出最佳诊治建议。
四、人工智能在医疗领域的未来发展建议
人工智能技术在近年来的飞速发展使得医学专家系统、人工神经网络等在医学领域的开发与应用成为现实，并且取得了很大的突破。然而，目前在国内，医学人工智能的发展态势和应用规模较西方发达国家仍然存在较大的差距，技术水平普遍不高，多数属于低级别开发，在性能方面还有很大的提升空间，还需要与临床实践作更为紧密的结合。人工智能是计算机科学领域的前沿，其在医学领域的不断发展和应用需要计算机软件、硬件方面的专家，医学专家，数学家等的共同努力，需要跨领域、多学科通力协作。一方面，应用更为成熟的算法使专家系统帮助医生更准确科学地识别有效诊疗方案；另一方面，应继续加强ANN的研究，使其具备更强的学习、自组织、泛化及训练的能力。
（文章由中国医学科学院-北京协和医院神经外科孔祥溢医师撰写，王任直主任审校）
参考文献
[1]EnsmengerN.Ischessthedrosophilaofartificialintelligence?Asocialhistoryofanalgorithm[J].SocStudSci,2012,42(1):5-30.
[2]LawrenceDR,Palacios-GonzalezC,HarrisJ.ArtificialIntelligence[J].CambQHealthcEthics,2016,25(2):250-261.
[3]deGreyAD.Artificialintelligenceandmedicalresearch:timetoaimhigher?[J].RejuvenationRes,2016.
[4]DasS,RoyCS,SahaH.Accuracyenhancementinafuzzyexpertdecisionmakingsystemthroughappropriatedeterminationofmembershipfunctionsanditsapplicationinamedicaldiagnosticdecisionmakingsystem[J].JMedSyst,2012,36(3):1607-1620.
[5]FuriasseN,ThomasJD.AutomatedAlgorithmicSoftwareinEchocardiography:ArtificialIntelligence?[J].JAmCollCardiol,2015,66(13):1467-1469.
[6]JagarlapudiSA,KishanKV.Databasesystemsforknowledge-baseddiscovery[J].MethodsMolBiol,2009,575:159-172.
[7]HuaJ,HaoY,JinP,etal.[Challengestoevidence-basedmedicineinaneraofartificialintelligence][J].ZhonghuaWeiZhongBingJiJiuYiXue,2015,27(9):709-711.
神外资讯微信公众订阅号可以置顶啦！！！打开手机微信（6.3.16以上版本），找到订阅号中的神外资讯公众号，打开并点击右上角头像，进入神外资讯详细信息页面后，选择置顶公众号，这样您就可以将神外资讯置顶啦！从此，重要信息不再错过哦！
《神外资讯》，未经许可不得转载，如希望转载，请联系“神外助手”。请各微信公众号、网站及客户端尊重《神外资讯》版权，经许可转载文章时请清楚注明来源为“神外资讯”。《神外资讯》，欢迎您转发朋友圈。返回搜狐，查看更多
2023年中国人工智能行业发展前景如何
中商情报网讯：人工智能是引领未来的新兴战略性技术，是驱动新一轮科技革命和产业变革的重要力量。我国十四五规划纲要明确大力发展人工智能产业，打造人工智能产业集群以及深入赋能传统行业成为重点。
一、人工智能市场现状
1.市场规模增长显著
人工智能是一种应用广泛的技术，在机器的帮助下重塑人类整合信息、分析数据和获取洞察的过程，帮助人类提高效率、优化决策判断，已成为科技创新的关键领域和数字经济时代的重要支柱。数据显示，2021年我国人工智能行业市场规模达1987亿元，2017-2021期间年均复合增长率为58.1%，预计2023年我国人工智能市场规模将达3043亿元。
数据来源：中商产业研究院整理
2.市场占比分析
按照应用领域，我国人工智能可分为决策类人工智能、视觉人工智能、语音及语义人工智能和人工智能机器人。其中，视觉人工智能市场占比最高，达43.3%；决策类人工智能、语音及语义人工智能、人工智能机器人，占比分别为23.7%、18.1%、14.8%。
数据来源：中商产业研究院整理
3.下游应用分析
从应用领域来看，目前我国人工智能在政府、金融、互联网、零售等领域的人机对话、远程作业、营销运营、决策支持等诸多环节存在不同程度的应用。其中，政府城市管理和运营的市场份额接近50%，成为推动我国人工智能行业发展的重要动力。互联网、金融应用占比分别为18%、12%。
数据来源：iResearch、中商产业研究院整理
二、企业分析
1.地域分布
从地域分布角度来看，我国人工智能企业多分布于京津冀、长三角以及珠三角地区，占比分别为44.8%、28.7%、16.9%，代表省市包括北京市、上海市、浙江省、广东省等。
数据来源：中商产业研究院整理
2.企业投融资情况
2017-2022年，中国人工智能投融资数量总体呈增长趋势。在社会发展、政策助推等因素的影响下，2021年我国人工智能投资数量达1044起，投资金额达3053.2亿元，为近年来最高。截至2022年12月28日，我国人工智能行业投资数量为679起，投资金额达1446.38亿元。
数据来源：IT桔子、中商产业研究院整理
3.企业排行榜
数据来源：《互联网周刊》、中商产业研究院整理
三、行业发展前景
1.国家战略引领促进行业发展
人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。我国把人工智能放在国家战略层面，出台了一系列重要政策鼓励支持人工智能的发展。《新一代人工智能发展规划》明确指出了到2030年我国新一代人工智能发展“三步走”的战略目标。十四五规划中明确提出“推动互联网、大数据、人工智能等同各产业深度融合”。因此，在国家战略引领与政策支持下，我国人工智能行业正面临重要的发展机遇期。
2.“新技术”、“新基建”推动行业进步发展
人工智能、大数据、物联网、云计算、5G等新一代信息技术相互联系、相互促进。随着我国新型城镇化的持续推进，新型基础设施的建设也将大规模展开。《2021年政府工作报告》提出重点支持包括新型基础设施在内的“两新一重”建设。未来，5G、城际高速铁路及轨道交通、大数据中心、人工智能等新型基础设施的持续较快建设，将进一步促进人工智能行业的快速发展。
3.下游领域规模优势为行业提供广阔空间
我国人工智能技术的商业化应用，拥有其他国家难以匹及的规模优势。目前，我国人工智能已广泛应用于城市管理、金融、零售等诸多领域。我国在上述领域拥有庞大的产业规模，并在全球范围占据重要地位。随着人工智能技术应用进程加快与程度加深，下游领域庞大的产业规模将为我国人工智能创造广阔的应用市场，行业未来发展潜力巨大。
分享到：