医疗ai，在亮点与痛点中大步向前

2017年，人工智能的热度不减，毫无疑问地成为了现象级的社会事件，而在其中 “人工智能+医疗”的快速发展更是让人叹为观止。根据网站统计数据显示，2016年中国ai+医疗市场规模达到96.61亿元，增长率为37.9%，中国ai+医疗市场规模在持续增长，2017年将超130亿元，增长40.7%，有望在2018年市场规模达到200亿元。(数据源：《2016-2017年度人工智能+医疗市场分析及趋势报》)

医疗ai为什么会成为资本新宠?毋庸置疑，国家政策持续性的支持，成为了推动行业发展的关键因素。2017年7月国务院印发了《新一代人工智能发展规划的通知》，明确提出“到2020年人工智能总体技术和应用与世界先进水平同步”。在当前老龄化社会提高医疗资源效率的迫切需求背景下，这一政策的公布犹如给原本活跃的医疗ai市场又注入了一剂强心剂。此外，从技术角度来看，经历了2016年人工智能元年的洗礼，医疗人工智能领域已初步突破了深度学习算法的技术壁垒，逐步向应用场景落地寻求新的商业突破。相比语音和图像识别已成为商业应用的重地，对于医疗领域来说，构建有效的人工智能应用尤其是诊疗ai应用的核心瓶颈，仍然在于医疗数据的可用性。因此，能够将海量的临床数据通过数据治理将之变得“看得清、说得明、用的到”的需求更为迫切。

2017：医疗ai是工具更是“伙伴”

回顾2017年在医疗ai领域的创业搏杀，森亿智能创始人兼ceo张少典同样表示医疗人工智能的发展需要高质量数据作为支撑。2017年，森亿智能在火热的人工智能资本市场交出了一份亮丽的答卷：国际知名的风险投资基金红杉资本，以及“健康大数据国家队”背景的中电基金，都成为了森亿智能的股东，并投资5500万人民币。森亿智能致力于通过人工智能技术将低价值数据转换成为高价值数据，然后再在高价值数据基础上，构建面向医学研究、医院管理、临床诊疗、患者服务的人工智能应用。对此，森亿智能借鉴了美国的学习型医疗系统概念，希望将这一理念在中国的医院落地。

例如，在国内，医院虽然有很多临床数据但几乎都不能直接用于临床研究。医院里积压的海量病历大部分都以文本的形式存储，而对机器来说这些专业性极强的医学语言无法被分析，也就导致这类数据无法被有效利用于医学研究。通常来说，如果要完成对海量病历的分析，以及对病历内容的理解、总结，只能依靠医生的人力来完成，过程相当枯燥且更是耗时费力，浪费了医生大量时间;而应用人工智能去完成“读懂病历”并且对核心内容进行抓取、总结这项繁琐的工作，在准确度与医生不相上下的前提下无疑使得医生的效率得到大大的提高。森亿智能作为国内领先的医疗人工智能解决方案提供商，围绕着学习型医疗系统的概念，深耕医疗数据的价值，率先进行了诸多的医疗ai产品化尝试。和大多数专注于影像诊断的公司不同，森亿智能更加关注在医疗数据中占据绝对多数的非信号型数据，例如病历、用药、检验检查等，利用此类数据进行产品应用的搭建。目前，森亿智能已经构建了能够大大提升医生和医院管理者效率的一系列人工智能工具。对此，张少典表示：兴许人工智能短期还无法在医生劳动中的知识密集环节取代医生，但哪怕能通过ai帮助医生大大缩短一些重复性、经验性较弱的工作的时间，在中国这样优质医疗资源紧缺的环境下无疑也是意义巨大。毕竟，人工智能为医生节约下来的每一分钟，都可能让医生多去救助一个真正需要被救助的患者，或哪怕让超负荷工作的医生能够多休息一分钟。

2018：洞察数据 智领医疗

作为医疗ai领域不断探索的第一批实践者，张少典总结道：“医疗ai的发展核心在于算法与高质量数据的完美结合，数据的整合、治理及共享将在未来构成医疗行业发展的核心因素。“目前，国内大多数医疗数据存储在医院，医院内部的临床数据中心也仍在不断完善之中，相信伴随着医疗ai的不断推进，医疗数据互联互通程度的提升以及共享机制的建立，人工智能驱动的数据治理将引领未来医疗迈入一个新时代。未来，人工智能或将成为医院“标配”，成为医生们日常工作中的高效“伙伴”。

（转载）

以上是网络信息转载，信息真实性自行斟酌。