8月25日，億歐智庫正式發(fā)布《2017人工智能賦能醫(yī)療產(chǎn)業(yè)研究報告》，報告中對于醫(yī)療人工智能的八大應用場景、相關企業(yè)產(chǎn)品及業(yè)務模式、中國131家醫(yī)療人工智能企業(yè)概況進行了系統(tǒng)性的梳理；其中八大應用場景是此次報告的核心內(nèi)容。

有別于報告本身，本文試圖從另一個視角，基于不同的需求端，對醫(yī)療人工智能產(chǎn)品進行盤點。綜合來看，國內(nèi)醫(yī)療人工智能企業(yè)的業(yè)務方向以B端為主，包括醫(yī)療機構、制藥企業(yè)、藥品零售店、保險公司、移動醫(yī)療服務平臺；少數(shù)企業(yè)的業(yè)務針對C端個人消費者。筆者在下文將對圖中6個具體的需求端，進行詳細的產(chǎn)品梳理。

1. 痛點：

影像科醫(yī)生數(shù)量不足，漏診、誤診率高，讀片效率低；

對應報告場景：醫(yī)學影像

AI醫(yī)療產(chǎn)品：針對X線、CT、核磁共振等醫(yī)學影像的病灶自動識別與標注系統(tǒng)，能夠幫助醫(yī)生發(fā)現(xiàn)難以用肉眼發(fā)現(xiàn)和判斷的早期病灶，降低假陽性診斷結果的發(fā)生概率；目前系統(tǒng)對十萬張以上的影像進行處理，用時僅數(shù)秒之間。

2. 痛點：

放療科醫(yī)生制定放療計劃前，需要對一套CT片（每套大約有200-450張不等的CT片）進行靶區(qū)勾畫，同時需要勾畫出每張片子中所有的器官，醫(yī)生勾畫一套片子的平均用時在4小時左右，時間成本極高；

對應報告場景：醫(yī)學影像

AI醫(yī)療產(chǎn)品：靶區(qū)自動勾畫及自適應放療系統(tǒng)，能夠幫助放療科醫(yī)生對CT片進行自動勾畫，醫(yī)生只需逐一核準和調(diào)整即可，用時縮短至30分鐘左右；在患者15-20次上機照射過程中間不斷識別病灶位置變化以達到自適應放療，有效減少射線對病人健康組織的傷害。

3. 痛點：

CT三維重建過程中，圖像層間存在位移和偏差，常規(guī)的配準方法耗費時間長，效率低，不容易清楚反映易發(fā)病部位；

對應報告場景：醫(yī)學影像

AI醫(yī)療產(chǎn)品：基于灰度統(tǒng)計量的配準算法和基于特征點的配準算法，解決斷層圖像配準問題，節(jié)省配準時間，提高配準效率。

4. 痛點：

醫(yī)生診療方案的計劃效率和精準度有待提高；

對應報告場景：輔助診療

AI醫(yī)療產(chǎn)品：醫(yī)療大數(shù)據(jù)輔助診療系統(tǒng)，對海量病歷數(shù)據(jù)進行深度分析與挖掘，尋找癥狀與疾病間的規(guī)律，為醫(yī)生診斷和安排治療方案提供參考意見。

5. 痛點：

手術精準度有待提高，創(chuàng)面和出血量較大，手術中常出現(xiàn)難度較高的操作，人手操作成功幾率較?。?/p>

對應報告場景：輔助診療

AI醫(yī)療產(chǎn)品：針對神經(jīng)外科、心臟外科、骨科等手術機器人。

6. 痛點：

傳統(tǒng)插入式內(nèi)鏡，不適用于年老體弱和病情危重人群；

對應報告場景：輔助診療

AI醫(yī)療產(chǎn)品：膠囊內(nèi)鏡機器人，不需要插管到胃部，只需隨水吞服1顆藥丸大小的膠囊機器人，15分鐘無痛、無創(chuàng)、無感染、無死角的胃部檢查即可完成。

7. 痛點：

患者輸液藥物配置過程繁瑣，耗費時間長，流程跟蹤上不夠健全，無法量化，安全隱患多；

對應報告場景：輔助診療

AI醫(yī)療產(chǎn)品：智能靜脈輸液藥物配置機器人，提高配藥效率，有效解決安全性和重復性問題。

8. 痛點：

在影像科、消化內(nèi)科等患者檢查項目多、數(shù)據(jù)量較大的科室，醫(yī)生每日病歷錄入時間長；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：語音電子病歷軟硬一體化解決方案（醫(yī)用麥克風+語音對話/識別系統(tǒng)），語音快速轉文字，識別并提取關鍵詞，錄入病歷系統(tǒng)中的對應位置，提高病歷錄入效率，減少錄入時間。

9. 痛點：

大醫(yī)院患者人數(shù)眾多，人工導診壓力大；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：導診機器人，通過人機交互，執(zhí)行包括掛號、科室分布及就醫(yī)流程引導、身份識別、數(shù)據(jù)分析、知識普及等功能。

10. 痛點：

醫(yī)患溝通效率低下，針對患者過敏史、病史等基本信息的詢問占用寶貴的問診時間；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：智能問診系統(tǒng)，在患者完成掛號后的等待時間內(nèi)，進入醫(yī)院App或公眾號中的智能問診模塊，通過交互輸入患者的基本信息、癥狀、既往病史、過敏史等信息，系統(tǒng)將初步形成診斷報告，在患者與醫(yī)生見面之前推送給醫(yī)生，以減少醫(yī)生與患者的溝通內(nèi)容，大大縮短問診時間。

11. 痛點：

重大疾病早期患者，通過常規(guī)檢查項目較難查明病種；

對應報告場景：疾病風險預測

AI醫(yī)療產(chǎn)品：基于深度學習的基因檢測系統(tǒng)，通過對DNA序列進行查詢，系統(tǒng)自動鑒別出突變，并分析突變將可能導致何種疾病，以及得出致病原因。

12. 痛點：

大量非結構化數(shù)據(jù)，無法進一步挖掘數(shù)據(jù)利用價值；

對應報告場景：醫(yī)院管理

AI醫(yī)療產(chǎn)品：病歷結構化服務，將處理后的數(shù)據(jù)應用到醫(yī)?？刭M、藥物研發(fā)和臨床決策支持等方面。

13. 痛點：

大醫(yī)院人滿為患，小醫(yī)院門可羅雀；

對應報告場景：醫(yī)院管理

AI醫(yī)療產(chǎn)品：分級診療系統(tǒng)，可以根據(jù)患者病癥的描述給出初步診斷分析，給出合理的分診及就醫(yī)建議。

14. 痛點：

醫(yī)生醫(yī)療行為存在過度檢查、開大處方等不規(guī)范現(xiàn)象，患者負擔重，醫(yī)?；鸪惺芰Σ蛔悖?/p>

對應報告場景：醫(yī)院管理

AI醫(yī)療產(chǎn)品：DRGs智能系統(tǒng)，對于不同治療方式的病種，有區(qū)分地進行付費，有效地規(guī)范醫(yī)師的醫(yī)療行為，提高了治療的有效性，降低了患者的負擔，同時兼顧基金的可承受能力。

15. 痛點：

院內(nèi)傳染病檢測難度大/護理質(zhì)量與考核缺乏標準和管理等；

對應報告場景：醫(yī)院管理

AI醫(yī)療產(chǎn)品：醫(yī)院決策支持專家系統(tǒng)，具體包括醫(yī)院傳染病監(jiān)測報告系統(tǒng)、護理質(zhì)量與安全考核系統(tǒng)、單病種質(zhì)量管理系統(tǒng)等服務系統(tǒng)。

16. 痛點：

醫(yī)生在科研項目進程中，數(shù)據(jù)處理能力有限，且無法得到足量結構化數(shù)據(jù)；

對應報告場景：輔助醫(yī)學研究平臺

AI醫(yī)療產(chǎn)品：輔助醫(yī)學研究平臺，為參與科研項目的醫(yī)生提供數(shù)據(jù)服務。

痛點：

藥物研發(fā)成本高、周期長、成功率低；

對應報告場景：藥物挖掘

AI醫(yī)療產(chǎn)品：人工智能輔助藥物挖掘，幫助分析化合物的構效關系、預測小分子藥物晶型結構，縮小化合物選取范圍，提高研發(fā)成功率；幫助快速尋找符合試驗環(huán)境的患者群體。

1. 痛點：

藥品導購存在藥品知識不充分、服務意識不到位的情況；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：藥店機器人，根據(jù)癥狀描述推薦用藥，幫助藥店精細化管理，相當于在藥店配置了一個藥師，能夠極大地提升藥店的專業(yè)服務能力。

2. 痛點：

顧客進店需要出示會員卡才能得知用戶身份，會員卡使用體驗較差；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：智能會員卡，人臉識別確定用戶身份，自動調(diào)取用戶會員信息。

痛點：

在線掛號等服務內(nèi)容逐漸被醫(yī)院自有的公眾號、APP等應用取代，急需服務升級；

對應報告場景：虛擬助理

AI醫(yī)療產(chǎn)品：智能自診系統(tǒng)，患者在手機或PC端通過人機交互完成智能問診，生成診斷報告，以供患者參考。

痛點：

缺乏行之有效的針對投保人的健康行為干預方法；

對應報告場景：健康管理

AI醫(yī)療產(chǎn)品：健康行為干預軟件，通過個性化行為干預方案，督促投保人保持良好的生活作息習慣，降低出險風險。

1. 痛點：

盲目進行營養(yǎng)攝入，造成人體內(nèi)營養(yǎng)元素失衡，破壞生態(tài)；

對應報告場景：健康管理

AI醫(yī)療產(chǎn)品：食物識別與成分分析系統(tǒng)，自動識別菜品所包含的食物種類，判斷菜品所含熱量、膽固醇、脂肪、升糖指數(shù)等指標，并根據(jù)用戶的身體狀況，判斷是否適合食用。

2. 痛點：

抑郁癥、雙向情感障礙等心理、精神疾病發(fā)現(xiàn)較晚，為治療帶來較大難度；

對應報告場景：疾病風險預測

AI醫(yī)療產(chǎn)品：用于精神疾病的預測與診斷的量表系統(tǒng)（人工智能算法輔助減少量表維度），用戶可通過量表自測抑郁癥傾向、自殺傾向等各類心理、精神疾病的發(fā)病可能性。

綜上所述，我國醫(yī)療人工智能的產(chǎn)品多樣化趨勢明顯，“AI+醫(yī)療”作為新興領域，發(fā)展機遇豐富。那么，目前國內(nèi)醫(yī)療人工智能公司都是如何進行產(chǎn)品的研發(fā)與優(yōu)化？如何將產(chǎn)品推入市場？采取了怎樣的業(yè)務模式？有哪些成功經(jīng)驗值得借鑒？2017年8月25日，億歐智庫正式發(fā)布《2017人工智能賦能醫(yī)療產(chǎn)業(yè)研究報告》，該報告總結八大應用場景，從產(chǎn)品形態(tài)、業(yè)務模式、公司現(xiàn)狀等角度對各場景進行深度解析，進而對我國醫(yī)療人工智能公司宏觀數(shù)據(jù)和巨頭企業(yè)布局進行盤點，最后提出“人工智能+醫(yī)療”未來發(fā)展機遇與挑戰(zhàn)。