近幾年，隨著圖像識別、自然語言處理等AI技術實現關鍵突破，且在國家政策的大力支持與鼓勵下，AI+醫療行業邁入了發展新紀元。另一方面隨著人口老齡化問題不斷加劇，一號難求、醫療資源分配不均等問題也日益迫切，AI+醫療成為解決老百姓看病難的新希望。如何提升醫院系統運營效率，提高醫生診斷的精確度，加快醫生的知識學習與沉淀是各級政府和醫療行業人員都關注的熱點。

人工智能技術是當下最火熱的領域，人工智能技術如何賦能醫療服務，是眾多公司和機構嘗試的方向。政府管理部門也期待人工智能技術能為醫療行業帶來創新發展。醫療領域上下游產業鏈長，人工智能技術落地場景多，一般在狹義的醫院場景下可以分為AI輔助診斷、AI健康管理、AI藥物開發、AI疾病預測等。

根據行業統計，截至2018年底，我國醫院部署人工智能應用并成熟使用的占比僅為33.6%，仍有42%的醫院并未嘗試接入任何人工智能技術。人工智能技術在醫療領域內應用的潛力巨大。隨著AI技術發展和在醫療領域成功落地項目的增多，醫療行業人工智能市場規模逐年快速增長。2017年市場規模已達135億元，環比增長40%，2018年預計能達到200億元。近幾年環比增長率均在40%以上。

當我們聚焦到AI輔助診斷，又可以細分為四大子領域，包括AI醫學影像、電子病歷、智能導診、虛擬助理?；颊咴卺t院就醫一般按如下流程：掛號-候診-診斷-處方-支付-配藥，AI輔助診斷可以在上述各個環節切入，提高醫生診斷速度和質量，降低醫院運營成本。現在大多數落地方案集中在為某個特定問題提供解決方案上。

智慧導診的目的是減輕醫院運營壓力，及時響應高峰期患者需求。依賴專業的醫學知識圖譜和本地醫院信息系統，利用傳感器和人機交互獲取患者體溫、心率等人體參數，表情、舌苔等患者特征以及病情特點，對患者情況進行判斷并完成導診建議。當前部分產品的準確率為90%左右。同時機器人響應及時，節省患者時間。

盡管導診機器人已經落地全國多家醫院，但是否對運營有效率提升還未可知，主要還是受限于醫學知識圖譜的豐富度和專業度。患者在醫院就診時，醫生需要通過歷史病歷了解患者基本信息，此環節需要占用醫生大量時間，且由于時間關系，對歷史病歷的檢查和病情總結也欠缺系統性。人工智能技術即可沉淀患者大量詳實的歷史病歷信息，又可結合疾病大數據和疾病模型給醫生提供診斷幫助，從而提高了醫生效率。

2018 年國內醫學影像存量市場規模約 2000 億元，且主要在二級以上醫院市場，基層相對空白。2000億元算法：2018 年國內醫療機構總收入將達 4.4 萬億元。按檢查費占比 10%，其中影像檢查占比 1/3 到 1/2 的比例測算，2018 年國內影像存量市場規模 1，500-2，200 億元。

2017 年，全國醫療衛生機構總診療人次達 81.8 億，居民平均就診 5.9 次，高于美國人均就診次數。但影像檢查轉化率 20%，相比美國 50% 的轉化率，還有較大提升空間；同時隨著藥占比壓縮，醫院影像收入有望繼續增長，理論上長期潛在市場規模高達 3000-5000 億元。當前，大型三甲醫院影像科處于超負荷運轉狀態；普通三級醫院、以及二級醫院醫學影像需求與供給較為匹配；而基層影像科整體服務能力不足。

AI醫學影像與傳統人工識別影像相比有較明顯優勢：在肺結核、眼底病變、乳腺癌、宮頸癌、肺部、心臟的疾病或臟器上已有多項可行且高效的AI技術落地，提高了早期發現疾病病灶的可能性、更明確的界定疾病階段，為醫生確定治療方案提供了準確度高的建議。針對具體場景的的AI算法能夠高效完成任務。AI醫療服務提供商的主要成本包括生產成本和運營成本，生產成本是占比高，又可細分為算力成本、數據成本、人力成本。

其中數據成本就是各類脫敏的醫學病歷和醫學圖像，經過細致標注的醫學數據價格不菲。于是AI輔助診斷多與醫院等數據生產方建立緊密合作關系，以獲得脫敏的病歷數據，用于AI算法的訓練和迭代。當AI算法效果穩定后，再向醫院收費方收取一定的使用費。

醫療是民生產業，合理分配、高效利用有限的醫療資源，提升基層醫院的診療實力，加速醫生的經驗積累與學習，更快速的響應患者訴求和準確診斷，對于醫療系統運營效率和國家醫保財政等有重要作用。而隨著AI 技術的發展與落地，AI算法可以更準確的識別復雜模式，構建多參數模型，發現處于早期階段的病灶特征，從而提早發現疾病，增加可治療的時間。

同時，AI結合醫生診斷或醫院運營的大數據，提速醫療信息化，打通了數據在醫療產業各個環節的流通。除了BAT等巨頭，在AI賦能醫療上，科大訊飛、依圖科技、森億智能、云知聲等一大批人工智能企業都在不斷探索可落地的應用場景和發展AI技術，在不斷產品迭代優化中，賦予了醫療產業嶄新的面貌。