人工智能+辅助诊疗潜在市场空间巨大

人工智能+辅助诊疗潜在市场空间巨大

2017-05-24 08:48中国投资咨询网A-A+
　　2018年，全球人工智能(AI)市场将达到约2700亿元，并且以每年30%左右的速度增长。作为新一轮信息技术革命的重要发展方向，人工智能正走出实验室，走向广阔的行业应用，成为全球经济发展的新动力。下一个十年，人工智能可能会爆发，并主导一个科技与商业时代。
　　今日，高特佳执行合伙人汤衡，将对人工智能应用领域、人工智能+医疗、人工智能未来发展趋势、人工智能投资机会等方面进行详细分析。欢迎各位积极留言，交流你对这个行业的观点和看法。
　　本文主要先阐述人工智能应用领域以及人工智能+医疗两大板块内容
　　人工智能应用领域
　　1、人工智能发展历程简介
　　人工智能研究的目的在于使机器胜任一些通常需要人类智能才能完成的复杂工作。按照智能化的程度，人工智能可以被划分为计算智能、感知智能和认知智能。计算智能，在逻辑能力方面模拟人类，典型的应用比如阿尔法狗；感知智能，主要包括图像识别和声音识别，这个领域的典型应用是无人驾驶汽车，模拟人对外界的感受和反应；认知智能，指让机器有自己的语言，能够自我学习，学会推理和决策。认知智能是目前机器与人差距最大的领域，也被认为是未来提升空间最大的领域。
　　2、人工智能应用领域及市场规模
　　人工智能在安防、城市运营、金融、法律服务、家居、医疗、服务机器人、农业等几大领域将产生冲击。从产业发展的角度看，长远一点来说人工智能在规则清晰、信息比较有限的领域如物体识别、下棋、驾车、简单行医、股票高频交易等一定会超越人类，而在规则比较模糊、信息量比较大的领域如文学创作、画画、科研，人工智能短期内想要达到与人类抗衡的水平还存在较大难度。目前，人工智能发展处于专用阶段，主要应用于完成具体任务，医疗、教育、安防、城市运营、法律等行业数据电子化程度深、数据较集中且数据质量高，预计这些领域将最先受到人工智能的改造，呈现机器协助人类、提高人类工作效率乃至替代人类行为的趋势。
　　2018年，全球人工智能市场将达到约2700亿元，并且以每年30%左右的速度增长
　　人工智能+医疗
　　1、人工智能+医疗产业链
　　人工智能产业链主要包括基础层、技术层、应用层。基础层、技术层是人工智能大生态系统的基础设施，应用层是在应用场景变现的渠道。每个层面的进入门槛、核心优势都不一样，投资机会、投资回报也不一样。目前全球共有90多家人工智能+医疗创业公司分布在应用层、技术层，基础层则主要由几家科技巨头切入，包括IBM、谷歌、微软、Facebook、亚马逊、阿里、百度等。
　　2、人工智能+医疗应用领域
　　人工智能在医疗领域的应用主要包括：辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。全球各大科技巨头以及创业公司都已纷纷在人工智能+医疗领域布局。IBM在2011年将机器人Watson应用于医疗领域，并与苹果、纽约基因中心、辉瑞等在健康数据分析、肿瘤测序、患者远程监控等方面进行合作。谷歌的人工智能子公司是DeepMind，2016年2月谷歌DeepMind公布成立DeepMindHealth部门，随后，DeepMindHealth与英国国家健康体系(NHS)合作，辅助NHS决策。另外，DeepMindHealth还与皇家自由医院、Moorfields眼科医院合作，开发帮助医生更快查看医疗结果、辨识视觉疾病的软件。微软2016年宣布将AI用于医疗健康的计划Hanover，帮助寻找最有效的药物和治疗方案。百度2016年发布百度大脑，模拟医生问诊，辅助医生完成问诊。
　　人工智能+医疗在辅助诊断、医学影像、药物挖掘、健康管理的应用目前走得较快。以下重点介绍这几个方向的应用情况。
　　3、人工智能+辅助诊疗
　　人工智能+辅助诊疗，是指将人工智能技术用于辅助诊疗中，让计算机学习医疗知识，模拟医生的思维和诊断推理，给出可靠的诊断和治疗方案。在诊断中，人工智能需要获取患者的病症信息，通过已学习的医学知识推理判断疾病原因与发展趋势，形成治疗方案。一般的辅助诊疗模式为获取病症信息--假设可能性--选择治疗方案：
　　第一步：病症指患者的临床症状表现。患者需要通过自述、上传化验结果等方式将病症信息输入人工智能系统，人工智能系统由此获得诊断的基础信息。
　　第二步：假设，是指人工智能基于已学习的医学知识对患者做出的诊断的可能结论。
　　第三步：选择治疗方案，是指人工智能通过已学习的医学经验，经过权衡利弊(疗效、毒性、副作用及其他)推理选择治疗方案。
　　在AI+辅助诊疗的应用中，IBMWatson是目前最成熟的案例。2012年Watson通过了美国职业医师资格考试，并在美国多家医院提供辅助诊疗服务。Watson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。IBMWatson可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内迅速成为肿瘤专家。
　　2016年12月26日，由浙江省中医院、思创医惠及杭州认知网络共同发起的浙江省中医院沃森联合会诊中心在浙江省中医院院内正式宣布成立。这也意味着IBMWatsonforOncology在中国医疗领域的商业试应用正式落地。
　　今年2月份，IBMWatson在天津市第三中心医院协助医生给一个胃癌晚期患者开出了诊断方案，用时仅10多秒。在提升诊疗效率的同时也提升了诊疗水平。目前美国的癌症五年存活率达到66%，中国仅为31%，很重要的原因是中国的诊疗水平参差不齐，若AI+辅助诊疗得到普及，可有望大幅提升中国的癌症诊疗水平。
　　人工智能辅助诊疗是医疗领域最重要、也最核心的场景，人工智能+辅助诊疗潜在市场空间巨大。
　　4、人工智能+医学影像
　　AI+医学影像的研究目前已取得较大突破，斯坦福大学一个联合研究团队基于深度学习开发出的人工智能在皮肤癌诊断中准确率媲美人类医生，相关成果刊发为1月《自然》杂志的封面论文。研究团队用近13万张痣、皮疹和其他皮肤病变的图像训练算法模型，完成三项诊断任务：鉴别角化细胞癌、鉴别黑色素瘤以及使用皮肤镜图像对黑色素瘤进行分类，并将结果与21位皮肤科医生进行对比，发现深度神经网络的诊断准确率在91%以上，与人类医生不相上下。
　　AI+医学影像主要应用在阅片上。病理医生的阅片能力与阅片经验高度相关，AI的阅片实际上模仿了医生阅片，通过大量的学习来完善算法，实现对影像数据的分析和判断。AI对影像数据的分析主要有四个步骤：(1)数据预处理；(2)图像分割；(3)特征提取；(4)匹配判断。相对医生阅片，AI在阅片速度和经验方面具有优势。目前，以宫颈癌玻片为例，一张玻片上至少3000个细胞，医生阅读一张片子通常需要5-6分钟，但AI阅读后圈出重点视野，医生复核则只要2-3分钟。另外，具有40年读片经验的医生累计阅片数量一般不超过150万张，但AI不会受此限制，只要有足够的学习样本，AI都可以学习，因此在经验上AI可以超过病理医生。
　　AI+医学影像领域可能会成为众多AI+医疗细分领域中率先爆发的领域。主要原因如下：
　　A、病理医生缺口大。中国的病理医生需求量在10万名左右，现有2万名，病理医生的培养需要较长时间较大投入，AI+医学影像可以有效解决资源不足的痛点。目前，中国病理检测市场规模为400亿元左右，发展空间巨大。
　　B、AI+医学影像具有明显的数据优势，可以存储大量时间跨度长的数据，而传统病历的保存就相对没那么容易。
　　5、人工智能+药物挖掘
　　AI能够有效缩短新药研发周期、降低失败风险。通过计算机模拟，可以对药物活性、安全性和副作用进行预测。硅谷的Atomwise是以AI技术为主导的药物研发企业，公司通过IBM超级计算机，在分子结构数据库中筛选治疗方法。利用强大的计算能力，评估出820万种候选化合物，而研发成本仅为数千美元，研究周期仅需要几天时间。2015年，Atomwise基于现有的候选药物，应用AI算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时数月甚至数年时间。2012年，默克公司主持了一项由数据科学公司Kaggle发起的旨在确定虚拟筛选统计技术的挑战。现在，Kaggle已经开始测试深度学习和AI的应用，并与AI药物发现初创公司Atomwise开展合作。
　　Atomwise最近利用AI技术，在不到一天的时间内对现有的7000多种药物进行了分析测试，为寻找埃博拉病毒治疗方案做出了贡献。根据该公司的统计，如果利用传统方法，这项分析需要花费数月甚至数年才能完成。
　　据米内网统计，《制药经理人》杂志选出的全球TOP50制药企业2013年研发投入达到1077亿美元，占处方药销售总额18%。AI+药物挖掘主要服务于具有新药研发需求的药企，市场空间至少千亿级。以AI技术辅助创新药企业，或许会打破10年10亿美金的魔咒。