2018年是令人唏噓的一年，***作家李敖、動畫大師高畑勛、相聲表演藝術家師勝杰、央視主持人李詠、微軟聯合創始人保羅·艾倫、武俠小說宗師金庸等一個個傳奇人物因為癌癥而辭世。

癌癥，這一頭號健康殺手，為世界帶來一片哀愴。

盡管物質水平日益提高，人們卻依然籠罩在癌癥的陰影之下。去年夏天燃爆暑期檔的爆款電影《我不是藥神》引得無數觀影者為之揪心，其中的近四萬一瓶的抗癌藥引發諸多社會熱議。

醫療資源供給不足、抗癌藥賣到天價、疾病種類迅增等種種挑戰為疾病診療筑起了一座又一座高墻。

人工智能（AI）的爆發，對于高度依賴專業知識的醫療領域來說，無疑是激動人心的顛覆性技術。去年咨詢公司埃森哲發布的報告表明，醫療保健AI市場有望在2021年達到66億美元。

谷歌DeepMind訓練出能比人類更準確地診斷50多種眼疾的AI算法、《自然》雜志發表有望提前五年預測白血病的機器學習模型……就在剛剛過去的2018年，AI在醫療行業尤其是在醫學影像領域的種種突破性進展，為病患一次又一次帶來新的希望。

伴隨著技術的進步，越來越多的醫療機構開始引入專業的醫療AI系統。然而，市面上卻鮮有針對中國醫療AI平臺體系進行全面剖析的報告。

此前多數從宏觀角度繪制發展全景的“AI+醫療”報告，而這份報告更為具體和細化，聚焦在中國醫療AI平臺，不僅實地調查多家中國醫療機構，從底層芯片到醫療機構全方位披露中國醫療AI生態圖譜，并為AI企業開出加速醫療AI系統開發運行的五大藥方。

AI醫療落地之年，中國成全球第二活躍國家

在國外，除了聞名全球的IBM Watson系統外，谷歌、微軟、蘋果等巨頭均在積極探索AI改變醫療健康領域的可能。

而幾年前還名不見經傳的中國，乘AI之風扶搖而上，在2018年上半年超過英國成為全球醫療AI交易第二活躍的國家。

其中，因為用之不竭的影像數據和圖像識別算法的成熟，醫療影像正成為醫療領域應用熱門中的熱門。在政府的支持下，騰訊、阿里等國內科技巨頭也都卯足了勁兒打造醫療AI平臺。

根據IDC白皮書呈現的數據，中國有近千家醫院部署了AI系統，其中超過一半的醫院部署了醫學影像AI系統。目前中國有超過100家醫療AI公司，其中約40家屬于醫療影像AI公司。

IDC對36家中國醫院的調查結果顯示，約三分之一的醫院表示，醫學影像AI系統的主要價值在于有效提高了診療和治療的工作效率。

基礎設施提供商、新興醫療AI創企、解決方案供應商、醫療機構等各類公司初步構成了中國輔助影像的生態體系。

▲醫療人工智能生態圖譜

芯片是整個醫療AI發展的核心環節，為醫療服務系統升級提供算力的支撐，現在深度學習較有代表性的主流加速方案有GPU、FPGA、ASIC、TPU等芯片。根據IDC白皮書提供的信息，受性能、成本等因素影響，GPU在醫療AI領域更受認可。

除了芯片廠商外，技術提供商也是整個醫療AI體系重要的底層支柱。目前中國AI創企的業務主要面向應用層，輔助醫療影響診斷、輔助臨床診斷、虛擬醫生診斷、基因測序、新藥研發等應用均在快速發展。

▲醫療人工智能市場成熟度

IDC白皮書對這些應用所需的AI技術以及它們在國內的發展情況均做了具體的分析。例如，得益于AI圖像和語音識別技術的相對成熟，我國醫療AI創企業務場景多集中在病灶篩選和語音電子病歷，同時深耕基因測序、藥物研發等方面的公司相對較少。

不過，不是說有了技術就能輕易做好應用，更遑論醫學這種與人體健康關系密切的應用。

技術公司不懂醫學，醫學專家又不懂AI，要想快速結合AI技術和醫療需求，還需要具有綜合醫療信息化經驗的公司來提供整體解決方案。

這類公司更加熟悉醫療行業的業務流程，對醫院應用場景和醫生訴求有更深刻的理解，擁有廣泛穩定客戶渠道，在快速整合AI技術和醫療需求方面具備天然優勢。

而之所以將醫療機構這些數據提供方最后提及，是因為高質量的標注數據對醫療AI系統的表現至關重要。中國有許多醫院設備還相對老舊，影像數據信噪比相對較低，對醫生診斷造成干擾。

深度學習通過提取高效算法來代替手動獲取特征，在一定程度上降低人為因素造成的誤診率，這對醫生短缺的地區尤為有幫助。

三大難題阻礙醫療AI平臺構建，IDC為開發者開藥方

總體來看，基層醫院、省級醫院、獨立影像中心等醫療影像提供方均對AI輔助影像診斷系統有迫切需求，但建立如是系統需要翻越數據、算法和算力等多座大山。

經分析，IDC白皮書將建立和應用醫療AI系統的難題分為三點，分別是建立醫療大數據系統、開發AI算法模型和建立專業的AI平臺。

▲醫療人工智能平臺組成

其中，醫療AI平臺包括數據資源層、AI平臺和醫療應用層。數據資源層采集來自各科室的醫療數據，應用層則影響AI技術的選擇。

AI平臺由開源框架、算法和技術構成，算力為AI平臺的運算效率提供保障，開源框架和算法的選擇則影響最終呈現的AI應用效果。

搭建醫療AI平臺通常有兩種方案。

一種是獨立于業務系統的醫療AI平臺，它會將分散在各個業務系統中的多源異構數據進行整合，生成醫療知識圖譜。

此類的平臺的好處在于，可以快速將醫學知識和治療經驗移植到醫療資源不足的地方。但它的缺點也很明顯，即數據標注耗時長、建設難度大。

另一種是嵌入式醫療AI平臺，它將AI模塊內嵌到醫院原有業務系統中，不會改變醫生原有操作習慣，也不依賴原有系統數據，有助于保障數據安全。

據IDC白皮書提供的信息，中國醫療機構對后者普遍接受度更高。

那么開發者應該如何著手搭建精確可靠的AI平臺呢？IDC白皮書不僅對醫療AI平臺做了全面的研究，還分條縷析地為開發者們提供了一些工作原則方法上的藥方。

比如，建議先選擇開發醫學影像AI系統，選擇專業性的AI平臺來開發和運行系統。

再比如，先從獨立醫療AI平臺著手，部署和應用較成熟的AI智能系統，在其落地并運行順暢后逐步建立嵌入式醫療AI平臺。

參考這些建議，或許能幫助開發者們在搭建AI平臺少走一些彎路。

專業一體化平臺成新秀，高效精準引行業玩家青睞

盡管醫療AI系統的部署正在很多醫院如火如荼地推進中，但部署過程中的問題也持續存在。

在IDC調查的醫院中，有31%的醫院都認為醫療結構的硬件平臺和AI系統間集成和性能調優難度大、硬件性能利用率低是最大的難題。此外，優秀的AI系統對醫院的設備和開發能力均有較高要求。

一方面，很多醫院成像設備老化，畫質達不到要求，收集到的影像數據質量不夠高，或者運算機器升級不及時，無法快速執行應用新算法。

另一方面，開發水平決定AI計算平臺的準確度和計算效率，對開發團隊的技術能力要求很高。

這一通下來，多數開發人員都會感到“偏頭痛”。而專業性一體化平臺可以節省平臺搭建和調試工作，使開發者專注模型訓練和系統應用，這使之無疑會受到更多開發者的青睞。

英偉達推出的一款醫學成像超級計算機Clara即是如此。它是一個具有突破性算法的開放平臺，集成了英偉達GPU的計算能力和多種機器學習模型，并提供專業工具和運行支持，可以為醫療儀器實現虛擬升級。

具體而言， NVIDIA Clara超算平臺提供一個開放的、可擴展的、可遠程的通用平臺，利用深度學習技術進行3D重建，將醫學影像設備中存儲的二維影像數據轉化為全彩色動畫成像，顯著提升數據量和數據維度，從而更好地幫助醫療人員進行診斷。

▲在英偉達Tesla V100 GPU上運行V-net（卷積 3D 神經網絡），對心臟左心室進行3D立體超聲波成像（NVIDIA blogs）

NVIDIA Clara AGX系統是Clara平臺的核心，為開發者提供豐富的軟件開發工具包（SDK）進行設計和開發工作，開發者還可將應用產品部署到嵌入式、預置式和云端等多種計算環境中。

Clara超算平臺已經開始幫助中國AI公司更快捷地實現儀器智能化和工作流程自動化。例如，專注于為醫療影像輔助篩查的AI公司推想科技就采用Clara，以幫助研發人員縮短開發周期。

因為Clara對硬件沒有硬性要求，同時還能解決英偉達不同代產品間的兼容性，推想科技計劃在今年3月推出基于Clara超算平臺的肺結節輔助診斷產品，以替換該公司此前在200多家三甲醫院部署的產品。推想科技還計劃在云端部署Clara，為醫療資源貧乏地區賦能。

在人們越來越關注健康的今日，但凡癌癥等頑疾能早幾年被成功篩查，就能拯救數以萬計的生命。前沿AI技術正憑借其強大的計算能力，逐步參與到癌癥早篩、基因測序、新藥研發等工作中，全面推動醫療行業的革新。

如今，醫療AI的開發和應用已經成為一種必然趨勢，而一個在臨床診斷上具備出色表現的醫療AI系統，需要像Clara這樣強大而易用的通用平臺，在幫助開發者提高開發效率的同時，確保專業高水準的診斷準確度。

與金融、零售等行業相比，AI在醫療行業的利用率還很低，但也因此有著更廣闊的上升空間和機遇。在國內多類公司爭相布局醫療AI領域的風口，醫療AI生態體系的角色分工會更加細化。

隨著AI在醫療領域的商業模式更加成熟，跨地區數據整合有所突破，以及更多掌握AI算法和醫學知識的通用人才成長起來，精準醫療的實現指日可待。