2022中国人工智能医疗白皮书.docx
《2022中国人工智能医疗白皮书.docx》由会员分享,可在线阅读,更多相关《2022中国人工智能医疗白皮书.docx(95页珍藏版)》请在课桌文档上搜索。
1、中国人工智能医疗白皮书2022目录1 .人工智能医疗发展历史11.1 人工智能发展历史11.2 人工智能医疗发展历史21.2.1 国外人工智能医疗发展历史21.2.2 国内人工智能医疗发展历史31.3 人工智能医疗应用领域42 .人工智能医疗政策分析62.1 世界各国人工智能国家战略汇总62.2 世界各国人工智能国家战略分析112.3 中国人工智能医疗相关政策汇总142.3.1 国家层面142.3.2 省级层面152.3.3 市级层面172.4 中国人工智能医疗相关政策分析213 .人工智能医疗行业现状243.1 Al医学影像253.1.1 行业痛点253.1.2 发展优势273.1.3 应用
2、场景283.1.4 行业现状293.1.5 商业模式343.2 AI辅助诊断353.2.1 行业痛点353.2.2 发展优势363.2.3 应用场景363.2.4 行业现状373.2.5 商业模式373.3 Al药物研发383.3.1 行业痛点383.3.2 发展优势383.3.3 应用场景393.3.4 行业现状413.3.5 商业模式413.4 Al健康管理433.4.1 行业痛点433.4.2 发展优势433.4.3 应用场景453.4.4 行业现状453.4.5 商业模式453.5 Al疾病预测463.5.1 行业痛点463.5.2 发展优势473.5.3 应用场景473.5.4 行业
3、现状483.5.5 商业模式484 .中国Al医疗行业面临的挑战494.1 Al医疗人才方面494.1.1 人才数量缺乏494.1.2 人才成本高昂504.2 健康医疗数据方面514.2.1 数据归属不明确514.2.2 数据安全要求高514.2.3 数据开放受限制524.2.4 数据标准不统一534.2.5 数据伦理存争议544.2.6 数据成本代价高544.3 Al医疗器械审批方面564.3.1 器械分类要求高564.3.2 标准数据库建立难574.3.3 临床三期通过难614.3.4 动态评价应对难644.4 人工智能理论方面654.5 Al医疗行业应用方面664.5.1 AI医学影像、
4、辅助诊断、疾病预测664.5.2 AI健康管理674.5.3 AI药物研发685 .对中国Al医疗行业的发展建议695.1 整体层面69511弥补人才短板69512解决数据难题69513助力审批工作70514探索理论黑洞705.1.5推动行业应用705.2 上海层面705.2.1 弥补交叉人才短板705.2.2 破解医疗数据难题715.2.3 鼓励制药行业参与715.2.4 加强医药监管职能715.2.5 发展医用传感技术726 .附录736.1 中国人工智能医疗政策736.1.1 国家层面73612省级层面77613市级层面856.2中国人工智能医疗企业清单89执行摘要本报告为上海交通大学人
5、工智能研究院、上海交通大学医学院、上海市卫生和健康发展研究中心与上海感知城市数据科学研究院联合编写,集聚人工智能和医疗领域的专家力量,通过对人工智能医疗领域进行广泛的文献研究、商业洞察、专家访谈和行业公开信息整理,系统地梳理了人工智能在医疗领域的应用现状,分析了人工智能医疗领域面临的挑战及发展趋势,并提出了相应的建议,旨在为相关政府部门、投资机构、研究机构、业内公司等利益相关方提供准确、完整、可靠的人工智能医疗白皮书,为行业的政策制定、投资决策、学术发展、产品应用等提供参考依据。研究团队对世界各国人工智能国家战略进行分析,发现自2016年AlPhaG。战胜人类传奇棋手李世石这一里程碑事件开始,
6、世界各国纷纷开始了对人工智能产业的布局。美国作为第一大经济强国,对人工智能反应最为迅速,于2016年10月接连出台了两份人工智能国家战略;中国作为仅次于美国的世界第二大经济体,于2017年7月发布了新一代人工智能发展规划;日本作为世界第三大经济体,发布了符合自身科技实力和国情的人工智能战略;英国作为欧洲国家的领先者,拥有全球一流的人工智能公司和学术机构,接连出台了两份国家人工智能规划可以看出在人工智能的发展上,各国基本处于同一起跑线,基于各自的科研方向、经济实力和特殊国情,制定带有本国特色的人工智能国家战略。各国起始点相近,因而发展趋势有借鉴学习之处。研究团队分析了中国人工智能国家及省市层面的
7、政策布局,发现首次正式以人工智能为核心的规划文件是2017年国务院发布的新一代人工智能发展规划。该规划提出了2020、2025s2030年“三步走”目标,医疗作为其中一个重要的应用领域受到了极高的重视。在省级层面,截至2018年12月末,全国31个省市中已有19个省市发布了人工智能规划,计划2020年核心产业规模总额达到近4000亿,产业规模目标排名前五的省市分别为上海市、北京市、浙江省、广东省和四川省。在市级层面,北京、上海、杭州、深圳作为一线人工智能城市,依托强大的学术实力、科技实力、经济实力和政策支持,以及BAT科技巨头的行业示范带动作用,在人工智能领域具有先发优势。其他城市多将人工智能
8、与当地特色产业结合,如合肥依托中科大和科大讯飞打造“中国声谷”。研究团队通过对人工智能在医疗领域的应用情况进行分析,提出五大主要应用领域,分别为医学影像、辅助诊断、药物研发、健康管理、疾病预测。(1)在医学影像方面,借助医疗影像大数据及图像识别技术的发展优势,Al医学影像已成为中国人工智能与医疗结合最成熟的一个领域,无论从融资情况(2018年前三季度融资额高达26亿元)、还是2018年预计收入前十强情况,Al医学影像行业均表现亮眼,并且在肺结节、眼底、乳腺癌、宫颈癌领域已有较为成熟的产品。但由于该领域至今无一例医疗Al产品获得三类医疗器械证书,因而我国基本成型的Al医学影像产品大多处于医院试用
9、阶段,该领域的公司基本没有实现盈利。(2)在辅助诊断方面,医学影像、电子病历、导诊机器人、虚拟助理是主要的应用场景,并且产品多为软硬件一体化全套解决方案,目前产品仍处于打磨阶段,未来可能倾向服务收费的模式。(3)在药物研发方面,国内新药研发仍以仿制药和改良药为主,因此相比国外Al药物研发行业,国内布局较为落后,但商业模式清晰,主要为人工智能公司与药企合作开发新药。(4)在健康管理方面,国内该领域尚未成熟,主要聚焦于慢病和母婴管理方面,商业模式以企业和个人支付的健康体检为主,后续付费模式有待成熟。(5)在疾病预测方面,我国主要聚焦于基因检测领域,由于存在技术壁垒,该领域上游基本被国外公司垄断,下
10、游主要为医院投放模式和第三方检测模式。研究团队分析了中国人工智能医疗行业面临的挑战及发展趋势,提出中国目前主要面临五大方面的挑战:(1)在人工智能人才方面,美国人工智能人才数量接近85万人,而中国只有5万,不仅人数相对较少,而且人工智能人才成本高昂。(2)在健康医疗数据方面,目前中国面临健康医疗数据归属不明确、数据安全要求高、数据开放受限制、数据标准不统一、数据伦理存争议、数据成本代价高等问题,这些都是制约人工智能医疗行业发展的重要因素。(3)在Al医疗器械审批方面,由于产品未通过审批就无法上市盈利,因此产品审批难以通过成为产业发展的重要掣肘。针对此种情况,国家相关监管部门积极应对市场需求,组
11、建Al器械审批小组,建立标准数据库,加速审批流程。(4)在人工智能理论方面,现阶段医学人工智能诊断系统难以解释诊断过程,因此仍存在“黑盒”风险。(5)在行业应用方面,人工智能不仅能减少医生的工作量,还能提高医生诊断的准确率。但是,对于医疗机构来说,这并不是刚需;加上付费方不清晰,目前没有明确买单方是医院、患者、药企、保险公司还是政府,这是未来需要多方探索的问题。基于中国人工智能医疗行业面临的挑战及发展趋势,研究团队提出了发展人工智能医疗行业的建议:(1)弥补人才短板。人工智能医疗领域是人工智能和医疗这两个专业性极强领域的结合,人才是第一生产力要素。中国可依托高校培育人工智能医疗复合型人才,鼓励
12、“高校-医院-企业”通过合作、交流、培训等方式培养人工智能医疗战略型、复合型人才,引入兼具人工智能技术和医学知识的复合型跨界人才,支持人工智能领域和医疗领域的相关跨界交流活动如学术会议、行业沙龙等。(2)解决数据难题。推动公立医院联网,逐步建立更多完整、高质量、标注好的单病种数据库、建立多病种关联的数据库,建立统一的健康医疗数据标准,加强数据安全管理和监督。(3)助力审批工作。鼓励中立第三方建立更多疾病领域的标准数据集,针对Al医疗器械产品特性建立完备、合适的临床试验审评和动态评价标准。(4)推动医疗Al产品和服务纳入财政收费体系,可考虑探索并试点部分收费项目。(5)鼓励“研究院-企业-医院”
13、合作产品,形成多元化的“技术-产品-应用”组合,促进产品更好地结合现有技术在产业链的各个环节实现落地应用。最后,研究团队立足于上海的情况,对上海发展人工智能医疗提出了建议:(1)弥补交叉人才短板。在政府的引导下,依托上海高校培育人工智能医疗复合型人才,着力建设高校医工交叉、医院临床转化和IT企业及医药企业人才成长的协作生态,引入复合型跨界人才来上海工作,支持人工智能领域和医疗领域的相关跨界交流活动,如学术会议、行业沙龙等。(2)破解医疗数据难题。充分发挥申康医联临床信息共享平台数据汇集的先行优势,建设以患者为中心的多病种临床数据中心,探索患者隐私保护和数据安全技术,梳理健康医疗数据资源目录体系
14、,制定分类、分级、分域开放应用的政策规范,联合联影、依图等企业积极构建面向人工智能医疗训练和测试的高质量基准库,助力Al医疗器械产品的审批工作。(3)鼓励制药行业参与。牢牢把握住上海张江药谷在药物研发上的核心优势,聚焦优势重点领域,鼓励制药企业与研究院、医院合作研究,利用人工智能技术加速上海医药产业发展的高端化、智能化和国际化,取得更多上海“吠口奎替尼”自主研发成功上市的成就。(4)加强医药监管职能。依托上海健康信息平台,利用互联网和大数据技术开发医药智能监管系统,建立风险预警和评估机制,加强医疗卫生行业的综合监管,降低药物不良事件,利用智能监管技术提高医药监管安全系数。(5)发展医用传感技术
15、。上海具有人口老龄化、慢病年轻化的趋势,可紧紧围绕老人、儿童这两大群体,重点发展医用传感技术、带动相关集成电路产业发展,针对老人和儿童的身体情况(如糖尿病)或心理情况(如自闭症、抑郁症)研发出能够远程实时监控的可穿戴智能医疗设备。1 .人工智能医疗发展历史1-1人工智能发展历史1946年,美国数学家MaUChly、ECkert等制造出世界上第一台通用计算机ENIAC01956年,计算机科学家约翰麦卡锡在达特茅斯会议上说服了与会者接受“人工智能”作为该领域的名称。达特茅斯会议也被认为是人工智能正式诞生的标志。1959年,IBM公司的计算机专家阿瑟塞缪尔创造了“机器学习”一词。同年,约翰麦卡锡发表
16、了文章ProgramswithCommonSense;提出了“AdviceTaker的概念。1964年,美国麻省理工学院(MlT)人工智能实验室的约瑟夫维森鲍姆开发了最早的自然语言聊天机器人E1.IZA。E1.IZA是最早的人机对话程序,能够模仿临床治疗的心理医生。1972年,知识工程MYClN研发成功,该系统用于传染性血液的诊断和处方。该事件标志着人工智能进入“专家系统”时期。1984年,人工智能寒冬来临。在1984年AAAl会议上,人工智能专家罗杰单克和马文明斯基警告“AI之冬”即将到来。1997年,IBM公司的DeePBIUe战胜国际象棋冠军KaSParOU,成为首个击败世界冠军的系统。
17、2006年,诺伊大学香槟分校的计算机教授李飞飞建立ImageNET数据库。ImageNET是一个大型注释图像数据库,用于协助视觉对象识别软件开展研究。同年,Geoffrey提出深层神经网络逐层训练的高效算法,在当时的计算条件下使神经网络模型训练成为了可能。2016年,英国初创公司DeePMind研发的AlPhaG。以4:1的比分战胜人类职业棋手九段李世石。AIPhaG。的出现将世人对人工智能的期待提高到了前所未有的高度,人工智能迎来了最好的发展时代。人工智能爆发的三要素为算法、算力和大数据。人工智能的概念从首次提出到现在已有6。余年,近几年才呈现出爆发的趋势,这不单单是因为算法改进和数据积累的
18、推动,更重要的是计算能力发生了重大变革。GPU大大提升了计算机的性能,并且使之拥有远超CPU的并行计算能力。在算法方面,深度学习是人工智能领域研究与应用的核心算法。日渐成熟的大数据更是为算法、算力提供了庞大的数据量,通过多隐层模型的建立,以及大量训练数据的学习,计算机能够提取数据特征,从而通过数据挖掘进行数据处理,自动学习数据特征。算法、算力和大数据这三者是决定人工智能行业发展的三大要素,也是各大互联网巨头角力的三大山头。1.2 人工智能医疗发展历史随着大数据、互联网和信息科技的发展,人工智能被广泛试点应用于智慧医疗、智慧教育等领域。近几年全球各地纷纷提出“大健康”、医疗大数据等概念,将民生健
19、康置于战略性地位,也促进了人工智能医疗领域的发展。1.3 国外人工智能医疗发展历史20世纪70年代,国外开始出现了在医疗领域的人工智能探索尝试。1972年,利兹大学研发的AAPHeIP能根据病人的症状计算出产生剧烈腹痛可能的原因。1974年,资深医生诊断的准确率已经不如该系统。尽管AAPHeIP运行耗时久,但在20世纪70年代计算机硬件条件下,AAPHelP的产生仍具有突破性意义。在随后的几年内,不少新的人工智能医疗产品成果再次出现在人们的视野中。1974年,匹兹堡大学研发出INTERNlSn它主要用于辅助诊断内科复杂疾病。1976年,斯坦福大学研发出MYeIN系统,它能诊断出感染病患者并提供
20、抗生素处方。MYCIN系统的内部共有五百条规则,只要按照MYCIN系统的提问依次进行回答,就能自动判断出患者所感染细菌的类别和开出相应处方。It匕外,在七十年代,还有斯坦福大学开发的。NCoCIWMlT开发的PIP、ABE1.,罗格斯大学开发的CASNET/GMcoma等。20世纪8。年代,一些商业化应用系统开始出现,比如QMR(QuickMedicalRefeence)和DXPIain,主要是依据临床表现提供诊断方案。2。世纪9。年代,CAD(ComputerAidedDiagnosis,计算机辅助诊断)系统问世,它是比较成熟的医学图像计算机辅助应用,包括乳腺X射线CAD系统。进入21世纪,
21、IBMWatSon是人工智能医疗领域最知名的系统,并且已经取得了非凡的成绩。例如在肿瘤治疗方面,WatSOn能够在几秒内对数十年癌症治疗历史中的15。万份患者记录进行筛选,并提出循证治疗方案供医生选择。目前癌症治疗领域排名前三的医院都在使用WatSon,并且中国也正式引进了WatSon02016年2月,谷歌DeePMind宣布成立DeePMindHealth部门,并与英国国家健康体系(NHS)合作,辅助他们进行决策。DeePMind还参与NHS的一项利用深度学习开展头颈癌患者放疗疗法设计的研究。同时,DeePMind与MOOrfieIdS眼科医院开展将人工智能技术应用于及早发现和治疗威胁视力的
22、眼部疾病的合作。1.2.2国内人工智能医疗发展历史2。世纪80年代初,我国开始进行人工智能医疗领域的开发研究,虽然起步落后于发达国家,但是发展迅猛。1978年,北京中医医院关幼波教授与计算机科学领域的专家合作开发了“关幼波肝病诊疗程序”,第一次将医学专家系统应用到我国传统中医领域。此后我国加快开展了人工智能医疗产品的研发,具有代表性的产品有“中国中医治疗专家系统”、“林如高骨伤计算机诊疗系统”以及具有咨询和辅助诊断性质的“中医计算机辅助诊疗系统”等。进入21世纪以来,我国人工智能在医疗的更多细分领域都取得了长足的发展。2016年10月,百度发布百度医疗大脑,对标谷歌和IBM的同类产品。百度医疗
23、大脑作为百度大脑在医疗领域的具体应用,它大量采集与分析医学专业文献和医疗数据,通过模拟问诊流程,基于用户症状,给出诊疗的最终建议。2018年11月,百度发布人工智能医疗品牌“百度灵医”,目前已有“智能分导诊”、“AI眼底筛查一体机”、“临床辅助决策支持系统”三个产品问世。2017年7月,阿里健康发布医疗AI系统DOctOrYou%包括临床医学科研诊断平台、医疗辅助检测引擎等。此外阿里健康还与政府、医院、科研院校等外部机构合作,开发了20种常见、多发疾病的智能诊断引擎,包括糖尿病、肺癌预测、眼底筛查等。2018年9月,阿里健康和阿里云联合宣布阿里医疗人工智能系统“ET医疗大脑”2.0版本问世。2
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022 中国 人工智能 医疗 白皮书

文档标签
- 人工智能时代人的发展境遇审思
- 医疗人工智能行业发展概述分析
- 医疗人工智能市场规模分析
- 医疗人工智能行业发展历程分析
- 2024中国人工智能城市竞争力排行研究报告
- 最新人工智能辅助外周血细胞形态学检查的中国专家共识2023
- 人工气道的护理
- 人工碎卵石复合砂应用技术规程
- 人工智能与健康
- 人工智能读书报告8篇
- 工行人工智能研究报告
- 苹果人工辅助授粉方法
- 人工智能发展对制造业就业的影响
- 人工免疫系统的研究进展与展望
- 上海市发展医学人工智能工作方案20252027年
- 可解释人工智能医疗应用的伦理问题
- 2024全球人工智能发展研究报告word版
- 课题5G在医疗领域的应用
- 2022中国人工智能系列白皮书人工智能与药物发现
- 人工智能安全标准白皮书2023版
链接地址:https://www.desk33.com/p-1340138.html