人工智能影響力榜單

       國內(nèi)，北京、長三角、珠三角是產(chǎn)業(yè)重心，企業(yè)總數(shù)占全國的84.95%，而中西部地區(qū)集中于重慶、四川。32個省市區(qū)中在企業(yè)數(shù)、專利申請數(shù)、融資數(shù)均排名前十的有：北京、上海、廣東、江蘇、浙江。北上深三地人工智能企業(yè)最多，而蘇州人工智能領(lǐng)域?qū)＠看嬗?000多條，相關(guān)企業(yè)影響力、融資影響力、專利影響力榜單上排名靠前，穩(wěn)居全國前十。

      現(xiàn)今，人工智能應(yīng)用于各個行業(yè)領(lǐng)域。其中，在醫(yī)藥健康領(lǐng)域的應(yīng)用已是大勢所趨。對人工智能在醫(yī)藥健康領(lǐng)域的應(yīng)用主要基于多方面的客觀現(xiàn)實：優(yōu)質(zhì)醫(yī)療資源供給不足、成本高、醫(yī)生培養(yǎng)周期長、誤診率高、疾病譜變化快和醫(yī)療服務(wù)需求持續(xù)增加等。

 

     它將代替醫(yī)生診斷某些疾病或做出人類大腦本身無法做到的一些高智能運算，基于大數(shù)據(jù)來選擇最佳的治療方案和預(yù)后預(yù)測等。

      在智能影像識別方面，人工智能的應(yīng)用主要分為兩部分：一是圖像識別，應(yīng)用于感知環(huán)節(jié)，其主要目的是將影像進行分析，獲取一些有價值意義的信息；二是深度學習，應(yīng)用于學習和分析環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經(jīng)元網(wǎng)絡(luò)進行深度學習訓(xùn)練，促使其掌握診斷能力。

      作為醫(yī)生，從CT、核磁共振等圖像判斷一個非常小的陰影，是腫瘤是炎癥還是其他原因，需要豐富臨床經(jīng)驗的積累。如果通過大數(shù)據(jù)，通過智能醫(yī)療，就能夠迅速得出比較準確的判斷。

      隨著深度學習算法的逐漸普及，通過建立深度學習神經(jīng)元數(shù)學模型，從海量醫(yī)療影像診斷數(shù)據(jù)中挖掘規(guī)律，學習和模仿醫(yī)生的診斷技術(shù)，從而給出可靠診斷和治療方案，現(xiàn)已成為發(fā)達國家醫(yī)院不可缺少的醫(yī)療組件。

      在智能藥物研發(fā)方面，則是將人工智能中的深度學習技術(shù)應(yīng)用于藥物研究，通過大數(shù)據(jù)分析等技術(shù)手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預(yù)測。目前借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領(lǐng)域取得了新突破，在抗擊埃博拉病毒中智能藥物研發(fā)也發(fā)揮了重要的作用。

人工智能對藥物研發(fā)的助力包括：

     ? 越來越多的新型疾病，讓當今社會投入更多的人力、物力和財力進行藥物開發(fā)。但由于藥物研發(fā)的困難度和耗時導(dǎo)致藥企急需更快速有效的研發(fā)方式。

     ? 新藥研發(fā)通常需要10-15年的臨床試驗進行藥物比例和品種的調(diào)整，其成功率不足15%，繁復(fù)冗長、資本密集且風險極高，而人工智能能夠模擬出各種不同的新陳代謝率、身體素質(zhì)等環(huán)境，還能夠通過療效和副作用主動篩選匹配藥物，檢測出藥物進入人體后的吸收、分布、代謝情況，還能夠幫助研發(fā)人員確定藥量-濃度-功效之間的關(guān)系等，讓研發(fā)人員能夠較為直觀、快速的對新藥進行觀測，加快新藥研發(fā)步驟。

      來自TechEmergence的一份報告表明，人工智能可以將新藥研發(fā)的成功率從12％提高到14％，可以為生物制藥行業(yè)節(jié)省數(shù)十億美元。一篇發(fā)表在科學雜志《SpringerPlus》上的文章指出，一款新藥從最初的專利申請到獲得監(jiān)管部門批準平均需要12到13年，最后只剩下7到8年的專利保護期獲得市場排他性。

      中國的醫(yī)療資源缺乏，尤其是優(yōu)質(zhì)醫(yī)療資源嚴重不足。在大力加強專業(yè)醫(yī)療人才的培養(yǎng)的同時，人工智能就是一個創(chuàng)新的解決辦法。如位于英國倫敦的BenevolentAI是如今歐洲最大的AI創(chuàng)業(yè)公司，該公司運用人工智能技術(shù)分析不斷涌現(xiàn)的生物醫(yī)療論文、專利和實驗結(jié)果，提取出有希望促進新藥研發(fā)的知識，從而加速新藥的開發(fā)。迄今為止，該公司已經(jīng)獲得了超過1億元的融資，開發(fā)出了24個候選藥物。

      AI在醫(yī)療診斷方面的應(yīng)用在國內(nèi)剛剛起步， AI可以滿足高端和低端兩個方向：“高端”是指為三甲醫(yī)院的專科提供服務(wù)；而“低端”是針對基層全科醫(yī)生的診斷系統(tǒng)，與專科診療系統(tǒng)不同，基層全科醫(yī)生的診斷系統(tǒng)更注重常見病的診斷治療，標準臨床路徑的執(zhí)行等。

      在醫(yī)療中實施機器學習和人工智能會遇到很多眾所周知的挑戰(zhàn)：第一是缺乏“專業(yè)數(shù)據(jù)庫”，而另一個就是設(shè)計技術(shù)解決方案，并順利將其運用到臨床實踐和科研中去。AI領(lǐng)域中流行著這樣的一句話“只要有足夠的數(shù)據(jù)，任何問題都可以解決”。這句話未必全對，但從側(cè)面說明了數(shù)據(jù)在AI應(yīng)用中的重要性。我國的患者資源非常豐富，但是但有高質(zhì)量完整的臨床標注的數(shù)據(jù)庫資源并不多。產(chǎn)品做出來之后如何在醫(yī)療系統(tǒng)中落地也是難題，一個醫(yī)院可能有幾十家系統(tǒng)廠商和上百個數(shù)據(jù)接口。

      要真正使醫(yī)療產(chǎn)業(yè)的人工智能化落地，還需要依托全產(chǎn)業(yè)鏈包括醫(yī)療主管部門、醫(yī)療機構(gòu)的參與和信息化服務(wù)商等各個環(huán)節(jié)的共同努力。在產(chǎn)品的設(shè)計和研發(fā)上，需要數(shù)學家、計算機科學家或醫(yī)學專家的聯(lián)合攻關(guān)，任何單一力量都無法實現(xiàn)產(chǎn)品的推出。

      同時，國家應(yīng)該發(fā)力“追趕”，可以成立國家級的醫(yī)學人工智能工程中心，由國內(nèi)在醫(yī)學、藥學、信息技術(shù)專業(yè)具備一流水平的綜合性高等院校牽頭，吸引大數(shù)據(jù)應(yīng)用企業(yè)、人工智能開發(fā)企業(yè)、藥品研發(fā)企業(yè)等共同參與，加速研發(fā)更多適用于國人的人工智能醫(yī)學系統(tǒng)，滿足我國醫(yī)療領(lǐng)域的應(yīng)用需求。讓人工智能在醫(yī)藥界作用的發(fā)揮極致，造福百姓健康。