作为人工智能最大应用市场之一的医疗领域，市场前景广阔；据WinterGreen Research估计，随着新的认知计算技术的发展，到全球医疗决策支持市场规模将达到2000多亿美元。
在 健康中国 上升为国家战略之后，医疗产业的发展再次成为社会瞩目的焦点。未来十年，医疗资源的下沉将使医疗产业大爆发，但产业健康发展的关键，在于用大数据和人工智能，提高医疗服务水平。
到，短短五年时间，中国医疗设备的市场规模翻了一番，目前已经超过3000亿元，而这仅仅是中国整个医疗产业的一个分支。中国医疗产业发展研究院院长金东认为，随着国家加大对健康产业的重视力度，医疗产业接下来的发展速度预计会更快，尤其是医疗设备领域。
现在我们国家在重视和推广家庭医生制度和基础医疗，这会引起这个行业的结构调整。基础医疗市场空间巨大，一些专家测算，随着药品、医疗器械、大健康产品以及新型医疗健康发展模式的成型，十万亿量级的大健康医疗产业将全面铺开。
人工智能医疗应用
在医疗上，人工智能正在悄悄渗透各方各面，不管是医疗费、诊断、治疗，还是药物的运输，我们都可以看出，人工智能正带给医疗领域一场颠覆性的变化。
人工智能加上医疗可以做的事情涵盖多个领域。虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学等领域均有 人工智能+医疗 的参与。
1.医疗影像及辅助诊断
国际上投入在医疗影像诊断的创业公司非常多，这不仅仅得益于影像数据的高质量，连续性好的数据特点，人工智能技术在图像识别上的高精准率，也得益于影像诊断在医疗决策中的重要性。
2.健康及生活方式管理
除院内诊疗外，院外的健康管理和生活方式管理是提升健康水平的重要途径。国内外发展慢性病管理及健康生活方式管理的公司层出不穷，健康管理市场巨大。
3.洞察及风险管理
人工智能+大规模数据处理平台，赋予机器洞察数据内在联系及价值的能力。结合专业医疗知识库，通过洞察数据可以找到更合适的诊疗方案，以及医疗服务流程中的高效策略。
4.虚拟助手
一位虚拟的护士是再自然不过的远程健康管理交互方式。
科技巨头抢滩人工智能医疗
国内外资本及科技巨头都在积极布局人工智能+医疗健康行业。大批专注细分领域的初创公司也蓄势待发。
微软宣布将AI用于医疗健康的计划Hanover，他们试图帮助寻找最有效的药物和治疗方案。。除此之外，微软还在研究模拟癌症如何在不同病人身体里扩散，甚至于研究像计算机编程一样创造生物细胞等。
实际上IBM的Watson是最早布局这一领域的科技巨头，IBM于5月宣布推出Watson Health服务，收集健康数据交给Watson超级计算机进行分析，和苹果以及医疗行业的公司和机构建立了各种合作。
Google的DeepMind也在英国和UCH大学医院合作类似的医疗研究，还投了英国的Babylon Health；Google自己还投了Zephyr Health、Flatiron Health。
今年早期，DeepMind英国基地推出了Health division人工智能医疗系统。Deep Mind Health设计了一个叫作Streams的软件。在皇家自由医院（Loyal Free）的试点项目中，它可以让医生快速查看体检结果。7月又宣布将与穆菲尔德的眼科医院合作，在临床医学移动APP的帮助下，共同将人工智能应用到糖尿病及视网膜病变等医疗科研上。
加拿大公司Deep Genomics利用深度学习技术从基因组的非编码区段找到了和癌症密切相关的变异位点。第一款产品SPIDEX只需将测序结果和细胞类型导入，便可分析出某一变异对DNA剪切的影响，并计算出该变异与疾病之间的关系。
由原华大基因CEO王俊主导组建的碳云智能，旨在收集各种各样的生命体征和信息的大数据，然后在这个数据基础上，去建立一个人工智能的内核模型，然后把它对接起来，做一个整合。它甚至可以解读人类基因和健康信息，并对健康风险进行预警、进行精准医疗和个性化医疗。
美国公司Atomwise想用超级计算机、AI和复杂的算法来模拟药品研发的过程，以此降低研发成本。利用Atomwise提供的服务，可以预测哪些新药品真的有效，哪些无效。
中国腾讯也在人工智能医疗领域重兵布局，今年4月投资深圳的碳云智能iCarbonX 1.5亿美元，此前还投资过湾区的CloudMedX。
根据CB Insights统计的全球92家应用AI的医疗健康初创公司，截止今年8月底，全球医疗健康领域和AI相关的股权融资交易已经达到55次了，而的时候只有8次。
从AI应用的范畴去看，在所有与AI科技相关初创公司的交易中，健康医疗领域的比重从的11%上升到的15%。同时，从AI应用的投资热图也可以看到，AI的应用逐渐从广告市场营销领域转到健康医疗。
虽然目前人工智能在医疗救助方面尚处初级层面，然而其基于深度学习系统的发展潜力可谓巨大。近年来，除了传统的统计分析算法，深度学习和人工智能成了从海量数据中获取知识的有力武器，在基于大数据的医疗研究应用中也逐渐显示出优势。
人工智能医疗的挑战
1． 训练机器人的医疗数据怎么来？
最庞大的医疗数据储存地必然是医疗机构，但这种涉及到患者隐私的高度敏感问题，也必然是政策高度管制的地带。政府政策的态度就显得至关重要。
美国政府的态度很明确，对于医疗信息的商业化应用必须严格符合HIPAA和HITECH两个法案的规定。所以，很多医疗信息化的创业公司都会在自己的介绍中加上这么一个词儿 HIPAA-Compliant 。要想成为 HIPAA-Compliant 企业，就必须在physical和technical上符合HIPAA的要求。未经授权，无论是物理手段还是技术手段，都不能接触医疗信息。
6月，国务院办公厅公布了《关于促进和规范健康医疗大数据应用发展的指导意见》。这份写了一年半的指导意见，也成为我国医疗大数据应用纲领性文件。医疗大数据是国家重要的基础性战略资源，指导意见把重点放在规范和应用上，有利于行业的发展和创新。
2．医疗问题太复杂
医疗是个有限集合。基本上是普通病、常见病的种类、症状以及检测的指标等，数量和范围都是比较明确的。理想状况下，可以像AlphaGo一样算清所有变化。但问题是，医疗因为是发生在人身上的事情，就让这个问题复杂了许多。
直观上讲，同种疾病会有不同症状，同种症状会对应不同疾病，在疾病的症状与结果之间没有确定的对应关系，不同疾病之间也没有清晰的边界，而且还会存在同时发病的情况。这种情况，就让很多依靠知识库建立在 if-then 逻辑上的智能问诊应用面临很大问题，起码可应用的范围就会大大缩小。
进一步分析，疾病的治疗过程是不可逆的，这就是它与AlphaGo下棋完全不是一回事；究竟是哪些因素导致的疾病，并不是所有的信息都是清楚的；正因为病因上不够清楚，以及医学本身的有限性，造成了疾病的治疗结果不稳定性。
正是因为医疗如此复杂，造成了过去五十年对这个问题的研究迟迟没有突破。而这些问题还是在第一环节诊断上，到后面的治疗环节就会遇到当前互联网医疗在商业化方面的各种问题，比如与医院、医生、药店建立怎样的商业生态。当然还有一个最重要的问题是，就算你的应用真的很牛，如何让你的用户用起来，以及如何获得用户都是相当艰巨的问题。
3.工作量巨大
IBM在连花了40亿美金之后，骄傲的宣布自己已经拥有1亿份患者病历，3000万份影像数据以及2亿份保险记录，数据总量超过60万TB，覆盖人数约3亿。Google抱上了NHS的大腿，获得了160万患者的健康数据。但这些，在中国每年80亿就诊人次面前，简直是沧海一粟。
中国公司成长空间巨大
尽管国外先进人工智能医疗公司如Watson和DeepMind，他们有IBM和Google这样的强大靠山，但他们在医疗领域也仅仅是入门级。众多医疗创业公司还有巨大的成长空间。
同国外先进公司相比，中国公司大体上呈现了几个特点：
1. 智能化程度不够高，不少医疗类的项目主要还是在线咨询服务；
2. to C类产品仍然占据大多数，B端服务开发不足；
3. 医疗机构信息化领域比较活跃，主要是解决机构信息互联互通的问题。
中国因为人口庞大而在医疗大数据上的巨大优势，还远远没有充分发挥出来，在医疗人工智能上成长空间巨大。
一是辅助诊断系统，应用人工智能为医生诊断提供帮助，提高效率和准确性。中国公司目前与医疗机构打交道更多仍然是获取医疗资源，提供简单的在线咨询服务。但这种对互联网的应用方式，已经显得普及化、大众化，渐渐失去了商业价值。
二是服务医药器械企业，降低药品和器械的研发成本、缩短研发周期。实际上，中国公司不缺乏服务药企的的项目，但大多数仅仅是应用互联网做药品营销。虽然这也是一个赚钱的业务，但相比直接服务新药研发，仍然显得技术含量不足。
三是医学影像，这里包括普通的影像，也包括病理、放疗涉及到 读片 的大影像概念。IBM收购Merge表明，读懂影像类数据对人工智能的发展是有价值的。而且美国过去一年的投资记录也可以看到，美国投资人对影像类人工智能的应用也比较看好。
总结：
医疗健康一直是民生之向，而科技可以将其点亮。随着人工智能技术与医疗不断融合，医疗智能化时代将全面开启。
如果觉得《人工智能掘金十万亿健康医疗产业》对你有帮助，请点赞、收藏，并留下你的观点哦！
