提起人工智能，很多人首先想到的便是人類圍棋冠軍李世乭與柯潔先后被AlphaGo擊敗。而在圍棋之外，人工智能已經(jīng)在人類生活工作的各個(gè)領(lǐng)域展現(xiàn)著令人們驚嘆的潛力，其中最為引人注目的便是醫(yī)療領(lǐng)域。

　　什么是人工智能？

　　人工智能是計(jì)算機(jī)科學(xué)中研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支，涉及的領(lǐng)域包括語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、機(jī)器人、專家系統(tǒng)等。隨著人工智能的概念的流行，越來越多的相關(guān)概念隨之出現(xiàn)在人們視野中。

　　云計(jì)算、大數(shù)據(jù)、算法與人工智能的關(guān)系

　　人工智能的發(fā)展可以比喻成一顆小樹苗的成長(zhǎng)。算法是人工智能的核心，相當(dāng)于種子，它將決定最終長(zhǎng)出的是人工智能還是非智能應(yīng)用；數(shù)據(jù)是幫助樹苗成長(zhǎng)的養(yǎng)分，數(shù)據(jù)的質(zhì)量與數(shù)量將決定這顆樹苗的生長(zhǎng)狀況；云計(jì)算為人工智能發(fā)展提供了計(jì)算資源基礎(chǔ)的保障，是可隨時(shí)進(jìn)行配置的計(jì)算資源共享池。

　　結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)

　　結(jié)構(gòu)化數(shù)據(jù)是可以用二維表結(jié)構(gòu)來邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)，數(shù)據(jù)類型明確規(guī)定，可用數(shù)據(jù)庫(kù)語(yǔ)言進(jìn)行操作。非結(jié)構(gòu)化數(shù)據(jù)則是數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒有預(yù)先定義的數(shù)據(jù)類型，需要運(yùn)用自然語(yǔ)言處理（NLP）、數(shù)據(jù)挖掘等技術(shù)進(jìn)行分析。值得注意的是，醫(yī)療領(lǐng)域中超過80%的數(shù)據(jù)為非結(jié)構(gòu)數(shù)據(jù)，包括醫(yī)學(xué)報(bào)告、影像等，這一部分?jǐn)?shù)據(jù)的挖掘?qū)τ趯?shí)現(xiàn)醫(yī)療人工智能十分重要。

　　機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

　　機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的重要工具。按照算法類型劃分，機(jī)器學(xué)習(xí)又可分成回歸算法、決策樹算法、聚類算法、人工神經(jīng)網(wǎng)絡(luò)算法等，當(dāng)下被認(rèn)為最有潛力實(shí)現(xiàn)人工智能的深度學(xué)習(xí)，可以認(rèn)為是人工神經(jīng)網(wǎng)絡(luò)算法的發(fā)展。該算法強(qiáng)調(diào)從局部和全局把握特征，從低層次特征逐步獲得高層次特征，可以類比于人類通過學(xué)習(xí)簡(jiǎn)單概念來表達(dá)抽象概念。但該算法存在模型黑箱的問題，即人類難以理解計(jì)算機(jī)提取的特征，因此無法完全知悉推理判斷的過程，這個(gè)問題可能在醫(yī)學(xué)領(lǐng)域?qū)е聜惱砝Ь场?/p>

　　醫(yī)療領(lǐng)域的人工智能

　　如果說醫(yī)療互聯(lián)網(wǎng)的出現(xiàn)優(yōu)化了醫(yī)療市場(chǎng)的供需匹配，那么醫(yī)療人工智能則是革命性的從供給端對(duì)醫(yī)療服務(wù)加以改造。人工智能的在生化醫(yī)學(xué)領(lǐng)域的應(yīng)用始于上世紀(jì)六十年代。在2010年前后，因計(jì)算能力與數(shù)據(jù)量的提升進(jìn)入快速發(fā)展階段：

　　>六十年代，Dendral專家系統(tǒng)幫助有機(jī)化學(xué)研究者通過分析質(zhì)譜識(shí)別有機(jī)分子

　　>七十年代，斯坦福大學(xué)研發(fā)MYCIN專家系統(tǒng)根據(jù)病人癥狀和化驗(yàn)結(jié)構(gòu)進(jìn)行診斷

　　>1975年，猶他大學(xué)開發(fā)首個(gè)知識(shí)庫(kù)醫(yī)院管理系統(tǒng)HELP

　　>1979年，斯坦福大學(xué)研發(fā)PUFF用于解讀肺功能檢查報(bào)告，是首個(gè)應(yīng)用于臨床的人工智能系統(tǒng)

　　>八十年代，GWU(GeorgeWashingtonUniversity)開發(fā)APACHE系統(tǒng)用于預(yù)測(cè)患者死亡率，是第一個(gè)商業(yè)化醫(yī)用決策支持系統(tǒng)

　　>2011年:IBMWatson進(jìn)入healthcare領(lǐng)域，對(duì)醫(yī)學(xué)數(shù)據(jù)進(jìn)行分析

　　>2016年2月：DeepMind成立DeepMindHealth

　　>2016年9月：Microsoft成立Hanover項(xiàng)目

　　從人工智能在醫(yī)療領(lǐng)域的總體布局來看，大量創(chuàng)業(yè)公司集中在應(yīng)用層面，相對(duì)門檻比較低，但競(jìng)爭(zhēng)非常激烈。傳統(tǒng)IT巨頭因其具有強(qiáng)大的計(jì)算能力，并在數(shù)據(jù)資源、算法技術(shù)層面具有優(yōu)勢(shì)，通常從底層切入，提供基礎(chǔ)技術(shù)平臺(tái)，但也有涉足應(yīng)用層面，例如IBMWatsonHealth。

　　活躍在應(yīng)用領(lǐng)域的初創(chuàng)企業(yè)

　　截至2016年，醫(yī)療領(lǐng)域人工智能初創(chuàng)公司按領(lǐng)域可劃分為八個(gè)主要方向，包括醫(yī)學(xué)影像與診斷、醫(yī)學(xué)研究、醫(yī)療風(fēng)險(xiǎn)分析、藥物挖掘、虛擬護(hù)士助理、健康管理監(jiān)控、精神健康以及營(yíng)養(yǎng)學(xué)。其中醫(yī)學(xué)影像與診斷、醫(yī)學(xué)研究、醫(yī)療風(fēng)險(xiǎn)分析和藥物挖掘四個(gè)方面吸納投資總額超過80%以上，下面將對(duì)這四個(gè)方面做簡(jiǎn)要分析。

　　醫(yī)學(xué)影像與診斷

　　人工智能在診斷領(lǐng)域的應(yīng)用主要針對(duì)的是放射科醫(yī)師增長(zhǎng)速率不及影像數(shù)據(jù)增長(zhǎng)速度，醫(yī)療人才資源分配不均、基層醫(yī)院誤診率高。人工智能可用于對(duì)病例數(shù)據(jù)進(jìn)行分析，為患者更可靠的提供診斷建議，為醫(yī)師節(jié)省時(shí)間，代表公司包括ButterflyNetwork,ZebraMedicalVision和Enlitic。

　　藥物挖掘

　　藥物挖掘是人工智能最先應(yīng)用于醫(yī)學(xué)領(lǐng)域的方向之一，主要針對(duì)傳統(tǒng)制藥研發(fā)周期長(zhǎng)、費(fèi)用高、成功率低的特點(diǎn)，利用人工智能在臨床前研究階段提高篩選效率，優(yōu)化構(gòu)效關(guān)系，在臨床研究中提高病人匹配效率，代表公司為BenevolentAI。

　　醫(yī)療研究

　　人工智能醫(yī)療研究是一個(gè)相對(duì)籠統(tǒng)的概念，一般認(rèn)為是AI數(shù)據(jù)整合分析能力在基礎(chǔ)研究領(lǐng)域的應(yīng)用，代表公司為碳云智能。值得注意的是，對(duì)于健康領(lǐng)域研究而言，人工智能可以帶來顛覆性的改變，但是在很大程度上，其作用仍受限于基礎(chǔ)醫(yī)學(xué)研究水平。人工智能的能力在于對(duì)海量數(shù)據(jù)進(jìn)行整合，發(fā)現(xiàn)研究者難以捕捉到的關(guān)聯(lián)，但并不能憑空創(chuàng)造知識(shí)。

　　醫(yī)療風(fēng)險(xiǎn)分析

　　早在上世紀(jì)80年代，專家系統(tǒng)就被應(yīng)用于醫(yī)院病人風(fēng)險(xiǎn)預(yù)測(cè)?，F(xiàn)今人工智能增加了對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理的能力，可以有效處理非結(jié)構(gòu)化數(shù)據(jù)，間接擴(kuò)大了原始數(shù)據(jù)量，提高了預(yù)測(cè)的精準(zhǔn)性，代表公司為Apixio。

　　IT巨頭在醫(yī)療健康領(lǐng)域的布局

　　前一部分主要按照方面，本文將以IBM,Alphabet(Google)以及Microsoft為例來分析傳統(tǒng)IT巨頭在醫(yī)療健康A(chǔ)I方面的布局與投入。

　　IBMWatson

　　IBM于2011年推出WatsonforHealthcare進(jìn)行醫(yī)療數(shù)據(jù)分析，最初主要為政府提供雇員健康管理服務(wù)，2012年開展癌癥基因領(lǐng)域研究（WatsonforOncology&Genomics），2015年進(jìn)入生命科學(xué)領(lǐng)域（WatsonHealthLifeScience）加速藥物開發(fā)，2016年成立醫(yī)學(xué)影像部（WatsonImaging）。目前來看，IBMWatsonHealth最深入的將認(rèn)知技術(shù)應(yīng)用于健康領(lǐng)域，在醫(yī)學(xué)人工智能領(lǐng)域的實(shí)現(xiàn)了最成功的產(chǎn)品化與商業(yè)化。目前WatsonforOncology和Genomics已經(jīng)攜手百洋，進(jìn)入中國(guó)。

　　Alphabet

　　2015年谷歌重組創(chuàng)建Alphabet，旗下子公司中，關(guān)注于健康領(lǐng)域的有Verily和Calico，而側(cè)重于人工智能研究的則主要是DeepMind和Google旗下的GoogleBrain。DeepMindHealth從2016年開始與英國(guó)NHS合作利用160萬(wàn)NHS病人數(shù)據(jù)開發(fā)疾病預(yù)警移動(dòng)應(yīng)用，同時(shí)還與醫(yī)學(xué)機(jī)構(gòu)合作開展與尋找致盲病變以及癌癥識(shí)別相關(guān)項(xiàng)目。GoogleBrain隸屬于GoogleResearch，其中Healthcare小組將機(jī)器學(xué)習(xí)算法應(yīng)用于醫(yī)學(xué)影像識(shí)別，具體應(yīng)用領(lǐng)域目前包括腫瘤識(shí)別和眼部病變識(shí)別。

　　Microsoft

　　Microsoft的云服務(wù)平臺(tái)MicrosoftCloud向KenSci、Allscripts等公司提供平臺(tái)用于醫(yī)學(xué)健康相關(guān)應(yīng)用的開發(fā)，平臺(tái)上目前有四個(gè)人工智能產(chǎn)品，主要集中于醫(yī)學(xué)臨床運(yùn)營(yíng)分析方面。2016年9月，Microsoft成立Hanover項(xiàng)目，目標(biāo)是將人工智能算法應(yīng)用于醫(yī)療健康領(lǐng)域，最終開發(fā)搭建在MicrosoftAzure上的云工具。Hanover項(xiàng)目有兩個(gè)主要研究方向，其一是通過機(jī)器文獻(xiàn)閱讀，希望在腫瘤治療方面有所突破；其二是通過分析電子病歷（EMR），對(duì)于慢性疾病管理進(jìn)行建模。

　　總結(jié)

　　本文簡(jiǎn)單梳理了人工智能在醫(yī)療領(lǐng)域的發(fā)展以及現(xiàn)階段的應(yīng)用方向。可以看到，醫(yī)療人工智能在當(dāng)下正處于資本的追逐與政策的扶持之下，其中蘊(yùn)含的機(jī)遇是不言而喻的，它的發(fā)展應(yīng)用可能對(duì)醫(yī)療服務(wù)的形式產(chǎn)生革命性的改變。但同時(shí)，我們也應(yīng)當(dāng)警惕其背后潛在的泡沫，一方面是存在少數(shù)企業(yè)處于融資的目的混淆傳統(tǒng)數(shù)據(jù)分析與人工智能的概念；另一方面是人工智能近年來的爆發(fā)有賴于過去數(shù)十年醫(yī)療數(shù)據(jù)的積累，若算法發(fā)展出現(xiàn)瓶頸、數(shù)據(jù)資源充分利用而應(yīng)用尚未達(dá)到人們預(yù)期，資本對(duì)于人工智能的熱情可能迅速回落。不同于房地產(chǎn)或與藝術(shù)品投資，人工智能的發(fā)展標(biāo)志的人類文明進(jìn)步的方向，因此對(duì)于這一領(lǐng)域，投資者的眼光應(yīng)當(dāng)放的更加長(zhǎng)遠(yuǎn)。