一,、全球醫(yī)療醫(yī)療行業(yè)市場規(guī)模及發(fā)展概述

隨著經(jīng)濟(jì)增長、老齡化的加劇以及民眾健康意識的不斷提升,，醫(yī)療健康產(chǎn)業(yè)迎來了較為快速的發(fā)展時期,。Deloitte預(yù)計(jì)，2015年全球健康支出總額約7萬億美元,，到2020年,，全球健康支出總額將達(dá)8.7萬億美元，CAGR約為4.3%,。根據(jù)經(jīng)濟(jì)合作與發(fā)展組織（OECD）數(shù)據(jù),，2015年美國醫(yī)療健康產(chǎn)業(yè)支出占GDP比重為16.8%，而中國醫(yī)療健康產(chǎn)業(yè)支出占GDP比重為5.4%,，中國相對美國還有較大增長空間,。

二,、全球500強(qiáng)醫(yī)療行業(yè)熱門人工智能技術(shù)

醫(yī)療人在醫(yī)療行業(yè)中，應(yīng)用比較廣泛的人工智能技術(shù)包括計(jì)算機(jī)視覺,、自然語言處理,、數(shù)據(jù)挖掘和機(jī)器人等，人工智能技術(shù)在多個醫(yī)療細(xì)分場景中均有所應(yīng)用,，涉及醫(yī)藥物流,、慢病管理、院內(nèi)診療,、醫(yī)療保險(xiǎn)等諸多場景,。其中，計(jì)算機(jī)視覺,、機(jī)器人技術(shù)是在醫(yī)療中最廣泛,、最成熟的應(yīng)用技術(shù)之一。

計(jì)算機(jī)視覺：醫(yī)療過程離不開圖像處理,，醫(yī)學(xué)影像圖像處理,、手術(shù)機(jī)器人視覺系統(tǒng)、藥店及醫(yī)院面部識別,、單據(jù)識別等,，都能夠應(yīng)用到計(jì)算機(jī)視覺。

數(shù)據(jù)挖掘：醫(yī)療診療過程中會產(chǎn)生大量的數(shù)據(jù),，如化驗(yàn)數(shù)據(jù),、支付數(shù)據(jù)等，數(shù)據(jù)挖掘在醫(yī)院管理,、醫(yī)保支付等過程中有較多應(yīng)用,。

自然語言處理：在醫(yī)療場景中，電子病歷所包含的文本信息最為豐富,，自然語言處理技術(shù)在此具備較大應(yīng)用價(jià)值,。

機(jī)器人：可以顯著提升醫(yī)療環(huán)節(jié)的自動化程度，藥店客戶服務(wù),、醫(yī)院導(dǎo)診,、藥房自動化、醫(yī)療手術(shù)等都存在醫(yī)療機(jī)器人的應(yīng)用,。

深度學(xué)習(xí)：由于醫(yī)學(xué)影像具備數(shù)據(jù)標(biāo)準(zhǔn)化,、特征高維度等特性，深度學(xué)習(xí)在醫(yī)學(xué)影像智能診斷產(chǎn)品中的應(yīng)用尤為廣泛,。

三,、全球500強(qiáng)醫(yī)療行業(yè)人工智能應(yīng)用場景概述

院內(nèi)診療：院內(nèi)診療主要包括與患者密切相關(guān)的疾病診斷與治療場景。隨著機(jī)器學(xué)習(xí)、人工智能,、機(jī)器人等技術(shù)在院內(nèi)場景中的應(yīng)用,，醫(yī)療過程中產(chǎn)生的海量數(shù)據(jù)價(jià)值被挖掘出來，使得診療過程變得更加高效,。

藥物供應(yīng)鏈：藥物的研發(fā)與銷售是人工智能應(yīng)用的重要環(huán)節(jié),。在藥物研發(fā)中，海量化合物及研發(fā)數(shù)據(jù)通過人工智能技術(shù),，能夠?qū)崿F(xiàn)化合物的高效篩選,。在藥品流通中，機(jī)器學(xué)習(xí)等技術(shù)能夠?qū)崿F(xiàn)藥物物流過程精準(zhǔn)預(yù)測,，提高藥物流通效率,。

院外場景：除了院內(nèi)場景，人工智能相關(guān)技術(shù)在院外也有廣泛應(yīng)用,。慢性病及亞健康人群通過佩戴可穿戴設(shè)備,，對生理指標(biāo)能夠?qū)崿F(xiàn)實(shí)時監(jiān)測并上傳到云端進(jìn)行數(shù)據(jù)分析，及時發(fā)現(xiàn)異常情況并加以干預(yù),。醫(yī)療保險(xiǎn)中的智能核保也是人工智能的重要應(yīng)用場景,。

其它場景：由于醫(yī)療行業(yè)的應(yīng)用領(lǐng)域與場景極為復(fù)雜，本報(bào)告僅基于所選全球500強(qiáng)案例有局限性的進(jìn)行了場景劃分,，故并不包含藥物生產(chǎn),、醫(yī)院管理等熱門應(yīng)用領(lǐng)域。

四,、全球500強(qiáng)醫(yī)療行業(yè)人工智能應(yīng)用案例

HCA Healthcare敗血癥檢測算法SPOT：HCA Healthcare開發(fā)了SPOT算法用于敗血癥檢測,，通過機(jī)器學(xué)習(xí)技術(shù)，醫(yī)院計(jì)算機(jī)攝取數(shù)百萬患者的數(shù)據(jù)點(diǎn)進(jìn)行訓(xùn)練,。該算法每15分鐘監(jiān)測所有住院患者的化驗(yàn)結(jié)果和生理指標(biāo),，分析住院患者的體溫、脈搏,、呼吸頻率,、白細(xì)胞計(jì)數(shù)、乳酸水平,、血液,、抗生素使用等信息以監(jiān)測敗血癥可能性。SPOT以100％的敏感度運(yùn)作,，即包含所有敗血癥陽性病例，允許護(hù)理人員專注于那些需要密集監(jiān)測和支持的患者,。

雅培（Abbott Laboratories）Maya虛擬助手：2018年初,，雅培成為印度第一家為其團(tuán)隊(duì)部署AI虛擬助手的制藥公司。雅培制藥事業(yè)部啟動了一項(xiàng)試點(diǎn),，讓約3000名銷售員工開始與Maya進(jìn)行日常咨詢,。Maya使用語音或聊天界面以簡單的自然語言與員工溝通,，并為他們提供所需的幫助及管理任務(wù)，回答常見問題解答,、完成日常操作,、接收報(bào)告或訓(xùn)練，幫助員工操作企業(yè)知識庫（如SalesForce或Tableau）,。

諾華（Novartis）病理學(xué)診斷研究平臺：諾華公司的病理學(xué)家和數(shù)據(jù)科學(xué)家與科技創(chuàng)業(yè)公司PathAI合作,，訓(xùn)練由PathAI開發(fā)的人工智能系統(tǒng)，以嘗試像病理學(xué)家一樣診斷,，并試圖發(fā)現(xiàn)病理學(xué)家難以發(fā)現(xiàn)的隱藏信息,。PathAI為算法提供由病理學(xué)家標(biāo)記的病理影像用于訓(xùn)練算法以區(qū)分細(xì)胞類型。PathAI將訓(xùn)練載玻片切成約10000個較小的圖像,，并且病理學(xué)家在每個切片中標(biāo)記細(xì)胞類型,。經(jīng)過訓(xùn)練，不同的細(xì)胞類型以不同色彩區(qū)別,，確定為癌癥的區(qū)域在綠色周圍組織的區(qū)域中發(fā)出亮紅色,。

美敦力（Medtronic）Guardian Connect動態(tài)血糖監(jiān)測系統(tǒng)：Guardian Connect系統(tǒng)使用微型傳感器測量皮膚下方的液體中的葡萄糖水平，全天候監(jiān)測讀取并通過小型無線發(fā)射器將它們發(fā)送到手機(jī),。使用Guardian Connect移動應(yīng)用程序,，可以查看最新的血糖數(shù)據(jù)、血糖歷史趨勢,，跟蹤可能影響血糖水平的日常事件,，在血糖超出或低于目標(biāo)范圍時還能收到警報(bào)。