四、人工智能应用的市场前景

过去十年里，人工智能从实验室走向产业化生产，重塑传统行业模式、引领未来的价值已经凸显，并为全球经济和社会活动作出了不容忽视的贡献。

清华大学人工智能研究院、清华-中国工程院“知识智能联合研究中心”联合发布的《人工智能发展报告2020》中指出，过去十年的十大研究热点分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。

近年来，人工智能技术与医疗健康大数据领域的融合不断加深，随着人工智能领域的自然语言处理、语音识别、计算机视觉等技术的逐渐成熟及计算机算力的提升，人工智能的应用场景愈发丰富（表1-1）。目前，智能医疗被广泛应用于电子病历、影像识别、临床辅助决策、健康管理、手术机器人、新药研发和基因测序等场景，成为影响医疗行业发展、提升医疗服务水平的重要因素。

表1-1　人工智能技术在医疗领域的应用

数据来源：《人工智能发展报告2020》。

（一）人工智能在医疗领域中的布局

目前，国内各大企业主要布局在医学影像、病历/文献分析和虚拟助手三个应用场景，其中涉足医学影像类的企业数量远高于其他应用场景的企业数量。而国外企业在医疗领域诸如健康管理、医学影像、新药发现、病历/文献分析等应用场景都有比较均衡的布局（表1-2）。

而在新冠疫情期间，工业和信息化部科技司公布的在科技支撑抗击新冠疫情中表现突出的人工智能企业中，平安科技、依图科技等的肺炎CT影像人工智能辅助诊断产品，阿里云、腾讯、科大讯飞等的疫情防控外呼机器人，则为不同企业在疫情期间的相关应用。

表1-2　国内外科技巨头医疗人工智能领域布局

注：数据来自前瞻产业研究院。

（二）人工智能在医疗领域中的挑战与展望

科技发展不断改变着世界，也在促进或推动着医学的应用，在医疗诊疗发展过程中产生了海量数据（文字、图像、声音等）。目前利用大数据技术开展医学相关研究的方法及思路越来越多，如何凭借出色的算法和大数据分析打通数据壁垒，不断渗透到相关服务平台的数据资源层和技术应用层并使其完美落地，是现今面临的一大挑战。当前制约医疗人工智能发展的瓶颈，一是医工融合型人才缺失，二是数据孤岛。深度学习需要大量高质量数据进行训练，但满足条件的医疗数据却相对较少，而且医疗数据相对封闭，加上医疗数据需要大量人工标注，这也大大制约了医疗人工智能的发展。此外，技术的发展也可能带来诸多安全和伦理问题。

在新冠疫情深刻改变着世界医疗健康行业的当下，人工智能和医疗行业的融合正在为医疗技术的创新和进步提供新的动力。智慧医疗和AI技术的发展，很大程度上能为医生赋能，为医护工作者带来便利。在未来，智慧医疗的应用场景将会不断拓宽，“人工智能（AI）+医疗”的智慧医疗产品将会更多地参与到区域医疗，分级诊疗，互联网医疗，防病保健智能科普，疫病的预警、预防和治疗及医教协同等工作中去。