industry

行业新闻

联系我们

网站首页 > 新闻中心 > 行业新闻 > 正文

医疗人工智能发展趋势及机遇

发布时间:2018-07-26 10:15:16来源:http://www.daiexpo.com点击次数:
核心提示:2018中国(上海)国际智慧医疗及可穿戴设备展览会(大会网站:www daiexpo com)成立与2003年,一年两届北京上海巡展。每年四月在中国首都——北京举办,是中国最大最具影响力的健康行业展会

从1956年的达特矛斯会议提出“人工智能”的概念,到AlphaGo打败围棋世界冠军,人工智能的开展不过只是半个世纪的时间,期间都曾因遇到瓶颈而停滞不前。而现在,人工智能现已跨过了元年,核算渠道、海量数据以及机器学习等技能的助推力,把人工智能的开展推到了一个史无前例的速度等级。而

数据是医学人工智能的动力,假如没有数据动力就像即使发明晰轿车但没有汽油一样,是没办法跑动的。IDC曾猜测,到2020年,全世界医疗数据总量将到达40万亿GB,是2010年的30倍。数据生成和共享的速度敏捷增加,但现在仍有80%的数据为非结构化数据。

医疗人工智能在我国的机会

医学人工智能是处理医疗生产力的根本之道。在我国,人口老龄化、慢病高速增加、医疗资源供需严峻失衡以及地域分配不平等问题,造就了对医疗人工智能的巨大需求;一起,我国人口基数大、工业组合丰厚、人才储备充沛等特色,又给人工智能的开展供应了很好的根底。

另一方面,近年来国家发布的80多条全国性方针以及多条医疗人工智能专项方针,都标明医疗人工智能的开展迎来方针利好。因而,我国现已成为了全球领先的AI研制中心,医学人工智能在我国的开展面临着非常好的机会。

依据火石发明HSMAP体系的统计数据,现在,国内医疗人工智能相关企业多达139家,首要散布在北京、广州以及长三角地区。

从时间的维度上来看,国内的医疗人工智能企业从2014年开始呈现了一个增加的顶峰,尽管相较于国外来说开展较晚,可是近三年来的增加非常敏捷,创业公司层出不穷。

医疗人工智能工业链与企业图谱

从大的工业链层面来看整个职业的业态,咱们能够看到,整个工业链能够分为三个层次:根底层、技能层与使用层。因为根底算法和核算渠道、海量的数据来历还有机器学习、图像辨认的根底技能的壁垒较高,往往需要较长时间的高投入才干有高回报,因而科技巨子往往倾向于布局底层,而创业公司则往往挑选在变现能力强、简单进入的辅佐确诊、健康办理和药物研制等使用层扎堆。

依据企业的散布状况,能够将工业链中的企业做一个区分。依照医治前、医治期间以及医治后及恢复阶段,国内外的公司均可分红9个类别,其间语音交互、信息化办理等分类中的公司,它们发挥的作用可能会贯穿整个治疗进程。

国外的公司分类略有不同,相较之下,国外将人工智能用于药物发掘的创业公司比例较高,对药物研制工业来说,研制功率和成功率的提升非常重要,用研制投入去核算商场容量其实能够发现,这部分的商场容量是更大的。

医学人工智能工业开展趋势

1、医治前阶段

临床医治前涵盖了辅佐确诊、医学印象确诊、虚拟帮手等范畴的公司。现在,这部分是AI开展比较老练的部分,比方印象辅佐确诊假如与病理剖析相结合,准确率能够高达99.5%,而且大大缓解放射医师的作业强度。

从出资状况来看,这部分的公司是现在本钱最活泼的部分的,商场规划估计能够到达万亿,创业公司的活泼度相当高。

2、医治阶段

药物研制、智能医疗机器人都是这个阶段的使用方式,从全球的状况来看,AI辅佐药物研制的公司比例相对较高,在研制周期长、投入大、失败率高级为特色的药物研制现状影响下,工业开展的需求量大,可到达千亿级的商场。

现在医疗机器人全球做的最好的是达芬奇机器人,国内也有部分草创公司在做这部分作业。AI结合医疗机器人的商场前景其实被广泛看好,在未来将是高速增加的一部分。

3、医治后及恢复阶段

人工智能在这一阶段的使用有着掩盖规划广、使用场景多等特色,涉及健康办理、可穿戴设备、危险猜测、信息化和数据办理等,有很大一部分都是消费级的产品,在未来可能会是增加规划最大的部分。

医学人工智能本身就是跨界融合的范畴,将医学、生物学与IT等充沛结合在一起。因而,科技巨子们也都在纷繁跨界医学人工智能范畴。

现在,包含BAT在内,国内共有8家新三板以及上市公司布局医疗人工智能范畴。有数据显现全球总共有1800多家全职业人工智能的企业,其间根底渠道公司与使用公司的比例大概是1:10000。

从上图的浅笑曲线能够看到人工智能工业链的实质,即数据交易商场的完善与剖析算法的趋同,使得这两个范畴附加价值不断下降;而数据的供应侧与最终的处理方案则会成为附加价值的最高处。

人工智能开展中存在的问题

正如上文中所说,在很多的医疗数据中,有80%对错结构化的数据,它们藏在医院的病例材料里,藏在海量的印象片子里,大部分都无法被取得,也无法被核算机辨认和处理。

因而,怎么能高效地将非结构化的数据转化成机器能够辨认的结构化数据?怎么打破数据壁垒和信息孤岛,使得优质的数据来历能真正为医学人工智能的开展效劳,都是亟待处理的问题。

别的,在临床治疗进程中,人工智能假如真的能替代医师进行决议计划,假如0.1%概率的医疗差错呈现,医疗责任主体又该怎么断定?职业的开展又该怎么处理监管的问题?

假如这些问题不在开展的进程中同步处理,将会限制工业本身的开展。

\

 


上一篇:智慧医疗的未来真的很美
下一篇:可穿戴设备深入垂直领域 医疗市场前景可期

客服中心