未来80%的蓝海都聚焦在这四大应用领域 人工智能医疗蓄势待发-人工智能机器人联盟
导语：AI引入医疗，当看病不再依靠望闻问切，医生面临的是失业还是解放？
尽管目前AI在各个领域的研究日趋成熟宽霖法师，但是业内专家也指出，AI在医疗领域中的应用可能会率先落地。
医疗领域里有许多让医生束手无策的病症，目前已知的无法治愈的，正在探索治疗方案的有：运动神经元症（渐冻人症）、癌症、艾滋病、白血病、类风湿、运动神经元病中的肌萎缩侧索硬化（ALS）。
而现在，人工智能在医疗领域应用的突破可能会改变目前的局面，通过人工智能辅助诊断模型，可以在早期筛查和诊断出肿瘤和癌症。“AI+医疗”作为能够产生划时代变革，且直接关乎人类福祉的领域，自然而然成为许多巨头的关注点。
当前，人工智能在医疗健康领域中的应用已经非常广泛，从应用场景来看，主要分成了虚拟助理、医学影像、药物挖掘、营养学等四大方面。
一. 虚拟助理：人类医师的得力助手
虚拟助理是一个你身边的语音助手，交谈是与虚拟助理交互的基本模式。你跟助理说话，通过自然语言处理和语义分析之后，语音助理也会回复你，高兮妍苹果手机上的Siri可能就是大家最熟悉的虚拟助理。而虚拟助理可以根据和用户的交谈中，能够智能化地通过病情描述判断你生了什么病。
虚拟助理是目前较受资本青睐的人工智能医疗健康细分领域，目前在国外用户所熟知的医健虚拟助理是Babylon Health，而国内在虚拟助手上快兰吧，也有大数医达和康夫子崭露头角。
当然，对于像医疗这样的专业领域来说，人工智能像要取代医生还很遥远。况且，监管部门要求虚拟助理在轻疾方面仅仅能够提供一些咨询和建议，不能提供诊断。业内医师也同样对该应用有一定质疑，因为患者并不完全了解身体所出的状况，表达的时候会漏掉一些关键信息，同时咨询的时候会使用大量的非专业词汇，虚拟助理可能没有办法去挖掘真正有用的信息作出更准确的判断。
虽然如此，虚拟助理的成本更低，有助于控费，人类医生无法穷尽所有的疾病，而理论上人工智能可以，因此完全可以成为人类医师的得力助手。
虚拟助理代表企业：Babylon Health
Babylon Health是一家位于伦敦的初创公司，该公司正研发一款类似Siri的医健类虚拟助理应用。Babylon在过去两年建立了一个庞大的医学症状数据库，总共拥有3万6500个案例白莲花滚粗，在看医生前，利用语音识别来询问用户一系列问题。相比人工全科医生的诊疗，这种光速般的症状诊断和热情温柔的声音具恩宠，是帮助Babylon Health降低价格、保持5英镑月费的最重要方法。
二. 医学影像：辅助及代替医生看胶片
近年，图像识别技术的性能在“深度学习”的帮助下得以迅速提高。在人工智能辅助诊断过程中，人工智能也会自己做出深度学习加薪姐，在病历库中寻找案例，作为判断的依据。
医学影像与人工智能的结合，是数字医疗领域较新的分支和产业热点。医学影像的解读需要长时间专业经验的积累，医生的培养周期相对较长，而人工智能在对图像的检测效率和精度两个方面，都可以做得比专业医生更快，并可减少人为操作误判率。
影像辅助诊断的主要技术原理主要分为两部分：图像识别和深度学习，首先计算机对搜集到的图像进行预处理、分割、匹配判断和特征提取一系列的操作，随后进行深度学习，从患者病历库以及其他医疗数据库搜索数据，最终提供诊断建议。目前来说影像辅助诊断的准确率较精准，相较于放射医师，对临床结节或肺癌诊断的准确率高出50%，可以检测整个X光片面积0.01%的细微骨折。
影像辅助诊断的使用和普及存在巨大的益处，对于患者而言，在影像辅助诊断的帮助下，和以往传统的医疗手段相比较，将快速完成健康检查，同时获得更精准的诊断建议和个性化的治疗方案；对医生而言北京顽主吧，可以节约读片时间、降低误诊率并获取提示（副作用等），起到辅助诊断的作用；医院在云平台的支持下可建立多元数据库，进一步降低成本。
人工智能会为医学影像带来怎样的改变，其实有一项数据支持。目前在美国，医学影像数据年增长率为63%，而放射科医生数量年增长率仅为2%。借助人工智能可以有效弥补缺口。同时，基于深度学习的医学影像识别准确率能达到90%及以上，辅助诊断效果显著。
在中国，如今分级诊疗和远程医疗的大背景，使中国的医学影像创业团队更多地投入资源搭建云平台，长期看能否有人工智能的技术实力也是核心竞争力的一部分张骁晗。
医学影像代表企业：Enlitic
在国外，该领域已经出现了数家较为知名的初创企业。Enlitic就是一家比较知名的人工智能医学影像企业，虽然创立于2014年，但次年就被MIT Technology Review（《麻省理工科技评论》）评为2015全球最智慧的50家公司之一，获得总计1500万美元的融资。
三. 药物挖掘：大幅度降低药物研发成本
一般情况，一种新药的开发平均需要10年时间，耗资数十亿甚至上百亿美元，而这也是造成药物费用高企的重要原因之一。但是，人工智能为人们提供了一个更低成本检测药物的安全专家。
生物科技公司也正在把人工智能和大数据结合到一起，来识别新的药物化合物，比如Cloud 制药和 Berg。
Berg通过开发的Interrogative Biology人工智能平台，来研究人体健康组织，探究人体分子和细胞自身防御组织，以及发病原理机制，利用人工智能和大数据来推算人体自身分子潜在的药物化合物。
这种方法有很多优点，不但使得靶向治疗成为今天医学治疗的趋势，而且利用人体自身的分子来医治类似于糖尿病和癌症等疑难杂症，要比研究新药的时间成本与资金少一半。
当然，Berg不是这个领域的唯一公司。Cloud制药就在专注于这个领域的研发征服堡垒，并已融资2000万美元。
近期我国药政频发使创新药物研发获诸多“政策红利”，目前我国新药研发面临研发时间、成本及资金三座大山不灭狂神。人工智能助力药物研发，可大大缩短药物研发时间、提高研发效率并控制研发成本。
人工智能助力药物研主要体现在临床前和临床研究上。在临床前通过深度学习，提高药物筛选效率并优化其构效关系，在临床研究过程中结合医院数据，可快速找到符合条件的受试病人。
药物挖掘代表企业：Atomwise
在这一领域，Atomwise是比较有代表性的公司。Atomwise公司用超级计算机分析已有数据库，并用AI和复杂的算法来模拟药品研发的过程，在研发的早期评估新药研发风险，让药物研究的成本降至数千美元，并且评估可以在几天内完成。Atomwise软件平台运行在IBM的蓝色基因超级计算机上，其强大的计算能力使得它们可以完成很多任务。2015年，公司宣布在寻找埃博拉病毒治疗方案方面有一些进展，它们用时一个星期就找到了这种药物，并且成本不超过 1000 美元。
四. 营养学：机器学习给你更精准、个性化的营养学建议
研究结果表明，机器学习算法可以给出更精准的营养学建议，成功控制餐后血糖水平，结果优于传统专家建议。合理的膳食搭配以及更安全的有机食品需求成为新的食品产业增长点，也迅速成为被新技术推动变革的传统领域。
营养学代表企业：Nuritas
目前较知名的将人工智能应用于营养学的初创公司是位于都柏林的Nuritas。Nuritas通过新开发的人工智能与分子生物学相结合的新技术在食品领域引起了巨大的轰动。Nuritas通过建立食品数据库识别肽（食品类产品中的某些分子）可以作为食物的补充或新的成分。
Nuritas 目前的收入来自toB端。传统的食品制造商主要关注成本控制与安全巴黎舞男，并不擅长识别食品中有利人体健康的肽。Nuritas为食品制造企业提供数据挖掘服务（采用了机器学习），并按销量收取佣金。未来计划推出面向消费者的toC端个性化营养方案，针对每位消费者的情况制定不同的方案，收取服务费。
当然，人工智能在医疗领域的应用还远远不止这些，可喜的是政策的支持力度与日俱增也在助推人工智能在医疗领域的深入发展。前不久，人工智能辅助诊断技术管理规范（2017年版）和人工智能辅助诊断技术临床应用质量控制指标（2017年版）正式发布，规范了人工智能辅助诊断技术的临床应用，保证医疗质量和医疗安全。
此外，从2016年的《“互联网”+人工智能三年行动实施方案》到刚颁布不久的《“健康中国2030”规划纲要》都直接或间接的表明了国家对发展医疗人工智能产业的支持和推动态度。
跟作者聊聊我是本文作者溯游寻，关注人工智能机器人领域，偶尔开车不带刹，有融资需要尼罗河巨蜥，创业烦恼，技术瓶颈，人才渴求的盆友们，欢迎来撩。私撩微信：yoyou1508(加好友请注明公司、职位、是由哈)
寻求报道
人工智能与机器人公司寻求采访报道，请联系：
王先生 0755—83173200，微信号:cr-wang209
公众号对话框回复1109可获取【人工智能产业全景图】和【中国人工智能应用市场研究报告】
推荐阅读
点击下方图片即可阅读
软银收购波士顿动力，孙正义“机器人帝国”野心彰显是否太趁早？