馬化騰談醫療 AI+醫療成為趨勢

• 2018年6月28日 YeShiMei來源：今日頭條、知乎 250 8
• 繁體

• 

  2018-2023年中國醫療熱像儀行業發展趨勢及投資競爭力調研報告

  醫療熱像儀研究報告對醫療熱像儀行業研究的內容和方法進行全面的闡述和論證，對研究過程中所獲取的醫療熱像儀資料進行全面系統的整理和分析，通過圖表、統計結果及文獻資料，或以縱向的發展過程...

6月21日消息，騰訊正式對外發布首個AI醫學輔助診療開放平臺(簡稱AI輔診開放平臺)，同時宣布開放旗下首款AI+醫療產品“騰訊覓影”的AI輔診引擎，助力醫院HIS系統、互聯網醫療服務實現智能化升級，從而構建診前、診中、診后全覆蓋的智慧醫療生態閉環。

馬化騰：走在事情發生的前頭，很多人在說，卻很少人在做。大多數人是在各方面條件成熟或有利時才開始實施“宏圖偉業”，也就是說，他們是根據市場的行情來判斷、決定自己的行為。相反，一個真正“走在前頭”的人在運作項目之前就先把能夠成功的因素都考慮到了，然后再設計能使項目成功的方案，即使當時的條件還很困難。所以，要善于在沒有競爭或競爭很少的時候，趕在別人之前發現并把握機遇，當然，對困難和挑戰也要做好充分準備。一定要保持長期的頭腦清醒，最重要的事情應放在第一位。在設定目標時確定自己的原則，并充滿激情的為實現既定目標而努力，工作的效率就會因此而提高，成功的可能性也會因此而增加。一旦出現比現行計劃與目標更為重要的事情或機會，就要抓住、分析、解決，并為此做出最恰當的決定。

一定要保持長期的頭腦清醒，最重要的事情應放在第一位。在設定目標時確定自己的原則，并充滿激情的為實現既定目標而努力，工作的效率就會因此而提高，成功的可能性也會因此而增加。一旦出現比現行計劃與目標更為重要的事情或機會，就要抓住、分析、解決，并為此做出最恰當的決定。-馬化騰

國家在健康醫療大數據建設方面的新動向，其中健康醫療大數據三大“國家隊”值得關注，2018年以來“國家隊”以資本注入和發起產業聯盟的方式進一步推進健康醫療大數據的建設，助力醫療人工智能數據基礎層發展。2018年1-5月融資額千萬級以上的醫療AI創企融資情況，總計有11家，融資總金額達10億元人民幣。從資本注入醫療AI領域的實際情況看出，醫療AI 的發展熱度還在不斷攀升。其中AI影像企業無論是數量還是金額，都獲投最多。在醫療健康行業，人工智能的應用場景越來越豐富，人工智能技術也逐漸成為影響醫療行業發展、提升醫療服務水平的重要因素。智能問診、“刷臉”就醫、醫療影像輔助診斷、疾病風險預測……當前，人工智能已日漸滲透到了問診、分診、支付、影像診斷等醫療服務的多個環節中。

醫療行業投融資火熱有多重原因。

需求推動無疑是其中最重要原因。隨著消費升級，人們對醫療的需求越來越強烈。另一方面，醫療行業本身具備高投入、高產出、高風險、高技術密集型等特點，需要大量資金投入，融資需求旺盛。Wind數據顯示，今年以來截至6月14日，上證綜指累計下跌7.95%，中證醫藥卻逆勢上漲10.81%，居10個行業指數漲幅之首。恒生醫療保健指數漲幅高達25.03%，同樣排名第一，而同期恒生指數僅小幅上漲1.74%。醫藥主題基金的表現也一路領先，300多只普通股票型基金中，僅有14只年內回報超過10%，醫藥主題基金就占到90%。

6月21日消息，騰訊正式對外發布首個AI醫學輔助診療開放平臺(簡稱AI輔診開放平臺)，同時宣布開放旗下首款AI+醫療產品“騰訊覓影”的AI輔診引擎，助力醫院HIS系統、互聯網醫療服務實現智能化升級，從而構建診前、診中、診后全覆蓋的智慧醫療生態閉環。騰訊副總裁陳廣域表示，希望“騰訊覓影”成為醫院和醫療信息化廠商的“工具箱”，助力打造智能醫療服務“超級大腦”。“騰訊覓影”儲備了約50萬醫學術語庫，超過20萬醫學標注數據庫，超過100萬術語關系規則庫，超過1000萬健康知識庫，超過8000萬高質量醫療知識庫以及超過1億的開放醫療百科數據，涵蓋了絕大部分對外公開的權威醫學知識庫，AI輔診引擎也迎來了能力升級。

百度也不甘落后，百度研究院近日發布了一種名為“神經條件隨機場”的AI算法，擁有強大的腫瘤病理切片檢測能力，將為癌癥診斷和治療提供重要助力，其檢測準確率甚至超過專業病理醫生，并突破此前最高記錄。

醫療領域的AI應用就可以分別對應成以下四個：

第一個：感覺認知。現階段商業化走在前面的醫療AI項目，以感覺認知這一類為主。他們的主要功能是對臨床的各類影像、檢查數據、病例等等進行識別和分析，比如B超中的胎兒是否健康，血液檢測結果是否正常，某個病理是良性還是惡性。目前有一個共識就是，只要經過一定數量的數據訓練，電腦在這種簡單數據源的診斷正確率上，會遠高于普通醫生。

第二個：發現規律。對于某些臨床病人，有經驗的醫生通常能大致判斷出其發展和轉歸，但判斷的路徑都是比較模糊的，于是就導致他們無法將這種寶貴的經驗有效傳遞給別的醫生，新手掌握相同水平的技能需要摸索很長時間。對于這種在復雜因果中抽象出規律并作出預測的能力，AI已經有所斬獲：佛羅里達州立大學心理學研究員杰西卡·里貝羅(Jessica Ribeiro)用AI預測2年的自殺傾向，準確率高達80%-90%。該方法在越接近某人的可能自殺日期時還會變得更加準確。當AI有了這個能力后，發現自殺傾向的這個原本說不清的“經驗”，讓其他醫生以極低成本直接采用就成為了可能，而且使用越多準確率越高。

同樣道理，下一步AI就可以發現糖尿病人視網膜病變的規律、心血管病人猝死的規律，為醫生診療提供更有價值的信息。而且，AI能夠應用于新藥的研發，也是基于它可以發現規律的能力，那關于AI如何在這個過程中發揮作用，我會在后面的分享中進行說明。

第三個：輔助決策。這是IBM的“沃森”醫生想做的事情，即從大量的病例、指南等中去找出最符合一個病人的診斷和治療方案，給醫生做輔助決策參考。關于沃森的情況，我會在下個部分進行詳細的介紹，這里先不做贅述。

第四個：反饋執行。如果有了感知，可以發現規律并進行決策，再配上各種各樣的機械和其他東西，那就意味著AI能夠進行執行層面，自主地把任務給完成。在醫療上，最主要的“執行”就是手術和給藥。手術的話，隨著達芬奇手術機器人應用的逐步普及，其積累的數據達到一定級別之后，人工智能指揮達芬奇做手術是可以預期的，當然，還是需要有醫生監督并且在必要時接手。至于用藥，比如糖尿病人使用胰島素，完全可以根據即時血糖和其他情況進行即時動態輸注，高效便捷。不過，這部分的應用因為受制于硬件的水平，只能一點一點地突破。

延伸閱讀

推薦閱讀

猜您喜歡