2018年，全球人工智能(AI)市場將達到約2700億元，並且以每年30%左右的速度增長。作為新一輪信息技術革命的重要發展方向，人工智能正走出實驗室，走向廣闊的行業應用，成為全球經濟發展的新動力。下一個十年，人工智能可能會爆發，並主導一個科技與商業時代。
今天，高特佳執行合夥人湯衡，將對人工智能應用領域、人工智能+醫療、人工智能未來發展趨勢、人工智能投資機會等方面進行詳細分析。歡迎各位積極留言，交流你對這個行業的觀點和看法。
本文主要先闡述人工智能應用領域以及人工智能+醫療兩大板塊內容
人工智能應用領域
1、人工智能發展歷程簡介
人工智能研究的目的在於使機器勝任一些通常需要人類智能才能完成的複雜工作。按照智能化的程度，人工智能可以被劃分為計算智能、感知智能和認知智能。計算智能，在邏輯能力方面模擬人類，典型的應用比如阿爾法狗;感知智能，主要包括圖像識別和聲音識別，這個領域的典型應用是無人駕駛汽車，模擬人對外界的感受和反應;認知智能，指讓機器有自己的語言，能夠自我學習，學會推理和決策。認知智能是目前機器與人差距最大的領域，也被認為是未來提升空間最大的領域。
2、人工智能應用領域及市場規模
人工智能在安防、城市運營、金融、法律服務、家居、醫療、服務機器人、農業等幾大領域將產生衝擊。從產業發展的角度看，長遠一點來說人工智能在規則清晰、信息比較有限的領域如物體識別、下棋、駕車、簡單行醫、股票高頻交易等一定會超越人類，而在規則比較模糊、信息量比較大的領域如文學創作、畫畫、科研，人工智能短期內想要達到與人類抗衡的水平還存在較大難度。目前，人工智能發展處於專用階段，主要應用於完成具體任務，醫療、教育、安防、城市運營、法律等行業數據電子化程度深、數據較集中且數據質量高，預計這些領域將最先受到人工智能的改造，呈現機器協助人類、提高人類工作效率乃至替代人類行為的趨勢。
2018年，全球人工智能市場將達到約2700 億元，並且以每年30%左右的速度增長
人工智能+醫療
1、人工智能+醫療產業鏈
人工智能產業鏈主要包括基礎層、技術層、應用層。基礎層、技術層是人工智能大生態系統的基礎設施，應用層是在應用場景變現的渠道。每個層面的進入門檻、核心優勢都不一樣，投資機會、投資回報也不一樣。目前全球共有90多家人工智能+醫療創業公司分佈在應用層、技術層，基礎層則主要由幾家科技巨頭切入，包括IBM、谷歌、微軟、Facebook、亞馬遜、阿里、百度等。
2、人工智能+醫療應用領域
人工智能在醫療領域的應用主要包括：輔助診療、醫學影像、藥物挖掘、健康管理、急救室和醫院管理、可穿戴設備、營養管理、虛擬助手等。全球各大科技巨頭以及創業公司都已紛紛在人工智能+醫療領域佈局。IBM在2011年將機器人Watson應用於醫療領域，並與蘋果、紐約基因中心、輝瑞等在健康數據分析、腫瘤測序、患者遠程監控等方面進行合作。谷歌的人工智能子公司是DeepMind, 2016年2月谷歌DeepMind公佈成立DeepMind Health部門，隨後，DeepMind Health與英國國家健康體系(NHS)合作，輔助NHS決策。另外，DeepMindHealth還與皇家自由醫院、Moorfields眼科醫院合作，開發幫助醫生更快查看醫療結果、辨識視覺疾病的軟件。微軟2016年宣佈將AI用於醫療健康的計劃Hanover,幫助尋找最有效的藥物和治療方案。百度2016年發佈百度大腦，模擬醫生問診，輔助醫生完成問診。
人工智能+醫療在輔助診斷、醫學影像、藥物挖掘、健康管理的應用目前走得較快。以下重點介紹這幾個方向的應用情況。
3、人工智能+輔助診療
人工智能+輔助診療，是指將人工智能技術用於輔助診療中，讓計算機“學習”醫療知識，模擬醫生的思維和診斷推理，給出可靠的診斷和治療方案。在診斷中，人工智能需要獲取患者的病症信息，通過已“學習”的醫學知識推理判斷疾病原因與發展趨勢，形成治療方案。一般的輔助診療模式為“獲取病症信息-->假設可能性-->選擇治療方案”：
第一步：病症指患者的臨床症狀表現。患者需要通過自述、上傳化驗結果等方式將病症信息輸入人工智能系統，人工智能系統由此獲得診斷的基礎信息。
第二步：假設，是指人工智能基於已“學習”的醫學知識對患者做出的診斷的可能結論。
第三步：選擇治療方案，是指人工智能通過已“學習”的醫學經驗，經過權衡利弊(療效、毒性、副作用及其他)推理選擇治療方案。
在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。2012年Watson通過了美國職業醫師資格考試，並在美國多家醫院提供輔助診療服務。Watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌症。IBM Watson可以在17秒內閱讀3469本醫學專著，248000篇論文，69種治療方案，61540次試驗數據，106000份臨床報告。通過海量汲取醫學知識，包括300多份醫學期刊、200多種教科書及近1000萬頁文字，IBMWatson在短時間內迅速成為腫瘤專家。
2016年12月26日，由浙江省中醫院、思創醫惠及杭州認知網絡共同發起的“浙江省中醫院沃森聯合會診中心”在浙江省中醫院院內正式宣佈成立。這也意味著IBM Watson for Oncology在中國醫療領域的商業試應用正式落地。
今年2月份，IBM Watson在天津市第三中心醫院協助醫生給一個胃癌晚期患者開出了診斷方案，用時僅10多秒。在提升診療效率的同時也提升了診療水平。目前美國的癌症五年存活率達到66%，中國僅為31%，很重要的原因是中國的診療水平參差不齊，若AI+輔助診療得到普及，可有望大幅提升中國的癌症診療水平。
人工智能輔助診療是醫療領域最重要、也最核心的場景，人工智能+輔助診療潛在市場空間巨大。
4、人工智能+醫學影像
AI+醫學影像的研究目前已取得較大突破，斯坦福大學一個聯合研究團隊基於深度學習開發出的人工智能在皮膚癌診斷中準確率媲美人類醫生，相關成果刊發為1月《自然》雜誌的封面論文。研究團隊用近13萬張痣、皮疹和其他皮膚病變的圖像訓練算法模型，完成三項診斷任務：鑑別角化細胞癌、鑑別黑色素瘤以及使用皮膚鏡圖像對黑色素瘤進行分類，並將結果與21位皮膚科醫生進行對比，發現深度神經網絡的診斷準確率在91%以上，與人類醫生不相上下。
AI+醫學影像主要應用在閱片上。病理醫生的閱片能力與閱片經驗高度相關，AI的閱片實際上模仿了醫生閱片，通過大量的學習來完善算法，實現對影像數據的分析和判斷。AI對影像數據的分析主要有四個步驟：(1)數據預處理;(2)圖像分割;(3)特徵提取;(4)匹配判斷。相對醫生閱片，AI在閱片速度和經驗方面具有優勢。目前，以宮頸癌玻片為例，一張玻片上至少3000個細胞，醫生閱讀一張片子通常需要5-6分鐘，但AI閱讀後圈出重點視野，醫生複核則只要2-3分鐘。另外，具有40年讀片經驗的醫生累計閱片數量一般不超過150萬張，但AI不會受此限制，只要有足夠的學習樣本，AI都可以學習，因此在經驗上AI可以超過病理醫生。
AI+醫學影像領域可能會成為眾多AI+醫療細分領域中率先爆發的領域。主要原因如下：
A、病理醫生缺口大。中國的病理醫生需求量在10萬名左右，現有2萬名，病理醫生的培養需要較長時間較大投入，AI+醫學影像可以有效解決資源不足的痛點。目前，中國病理檢測市場規模為400億元左右，發展空間巨大。
B、AI+醫學影像具有明顯的數據優勢，可以存儲大量時間跨度長的數據，而傳統病歷的保存就相對沒那麼容易。
5、人工智能+藥物挖掘
AI能夠有效縮短新藥研發週期、降低失敗風險。通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。硅谷的Atomwise是以AI技術為主導的藥物研發企業，公司通過IBM超級計算機，在分子結構數據庫中篩選治療方法。利用強大的計算能力，評估出820萬種候選化合物，而研發成本僅為數千美元，研究週期僅需要幾天時間。2015年，Atomwise基於現有的候選藥物，應用AI算法，不到一天時間就成功地尋找出能控制埃博拉病毒的兩種候選藥物，以往類似研究需要耗時數月甚至數年時間。2012年，默克公司主持了一項由數據科學公司Kaggle發起的旨在確定虛擬篩選統計技術的挑戰。現在，Kaggle已經開始測試深度學習和AI的應用，並與AI藥物發現初創公司Atomwise開展合作。
Atomwise最近利用AI技術，在不到一天的時間內對現有的7000多種藥物進行了分析測試，為尋找埃博拉病毒治療方案做出了貢獻。根據該公司的統計，如果利用傳統方法，這項分析需要花費數月甚至數年才能完成。
據米內網統計，《製藥經理人》雜誌選出的全球TOP50製藥企業2013年研發投入達到1077億美元，佔處方藥銷售總額18%。AI+藥物挖掘主要服務於具有新藥研發需求的藥企，市場空間至少千億級。以AI技術輔助創新藥企業，或許會打破10年10億美金的魔咒。
（原標題：高特佳湯衡：人工智能+醫療的2700億市場分析）
相關推薦
