IDC-专业化医疗人工智能平台：驱动医疗AI从实验到实用-2019.2-24页_1mb

医疗人工智能平台总结

核心内容

医疗人工智能平台是当前医疗行业数字化转型的重要组成部分，旨在通过人工智能技术提升医疗服务的效率和质量。随着人口老龄化和医疗需求的快速增长，医疗资源供给不足与高水平疗效需求之间的矛盾日益突出，推动了人工智能在医疗领域的广泛应用。

主要观点

• 医疗需求增长：经济发展和人口老龄化使得人们对健康的需求持续增长，尤其是在日本、中国等国家，医疗资源短缺问题尤为突出。
• AI作为解决方案：人工智能技术在医疗行业的发展中，尤其是在医学影像领域，已成为提高诊断效率、降低医生工作负担、提升医疗服务质量的重要工具。
• AI平台建设的重要性：构建专业的人工智能平台是实现医疗AI应用的关键，平台需要具备强大的计算能力、灵活的数据处理能力和与现有医疗系统的兼容性。
• 技术发展趋势：深度学习、自然语言处理、图像识别等技术推动了医疗AI的发展，同时也促进了医疗大数据的整合与利用。

关键信息

医疗AI发展现状

• 医学影像人工智能系统发展迅速，广泛应用于肺、心脏、脑、眼科、皮肤等疾病的诊断。
• 医疗AI系统在医院中获得了广泛的认可，36家医院中100%对使用效果满意。
• 医疗AI系统目前主要用于辅助诊断和治疗，尚未完全替代医生的判断。

AI平台建设要点

1. 大数据系统：需要处理和集成多源异构数据，包括影像、病历、检验数据等。
2. 深度学习模型：可以选择开源模型或自主开发，模型需要不断优化以提高准确性和可靠性。
3. 计算平台：需具备强大的计算能力，支持多种算法模型和数据格式的处理，推荐使用一体化平台或专业平台。

平台模式对比

• 独立平台：整合医院多源数据，构建医疗知识图谱，适用于数据处理和模型训练。
• 嵌入式平台：将AI系统嵌入到现有业务系统中，不影响医生操作流程，降低学习成本。
• 两种模式各有优劣，独立平台适合长期发展，嵌入式平台适合快速部署和使用。

医疗AI生态体系

• 医疗AI生态包括芯片厂商、技术提供商、解决方案供应商、医疗数据提供方等。
• NVIDIA Clara 超算平台是一个开放的、可扩展的平台，支持多种计算环境，如嵌入式、云端等。
• 推想科技、希氏异构等公司已开始使用NVIDIA Clara平台，以提升模型训练效率和产品开发周期。

医疗AI应用挑战

• 数据标准化与集成是AI系统落地的重要挑战。
• 医疗AI系统需不断优化算法模型，以适应不同医院的需求。
• 系统部署过程中，软硬件的集成和性能调优难度较大。

未来趋势

• 未来五年，AI系统将逐步成为医院的标配。
• 医疗AI将从辅助诊断逐步扩展到辅助治疗、手术规划、治疗方案制定等领域。
• 人工智能将与分级诊疗、互联网医疗等体系结合，提升基层医疗服务能力。
• 随着政策支持和技术成熟，医疗AI系统的认证和应用将更加规范化。

建议

• 优先开发医学影像AI系统：医学影像AI系统已获得医院高度认可，具有较高的适用性和可靠性。
• 选择专业一体化平台：建议采用专业性一体化平台，以提升计算能力和系统稳定性。
• 与医院合作：与医院临床科室紧密合作，选择合适的疾病种类进行系统开发，提高诊断和治疗效果。
• 推动数据标准化：加强医疗数据的标准化和共享，以提升AI系统的适用性和准确性。

医疗AI市场与政策支持

• 截至2018年，中国已有近千家医院部署了AI系统，其中超过一半使用医学影像AI系统。
• 政府出台多项政策支持医疗AI发展，如《新一代人工智能发展规划》和《“十三五”全国人口健康信息化发展规划》。
• 中国药品监督管理局正在制定AI系统作为医疗器械的认证规范，预计2018年底将出台相关标准。

结论

医疗人工智能平台的建设是医疗行业数字化转型的关键，能够有效提升诊疗效率和质量，缓解医疗资源短缺问题。未来，随着技术的不断进步和政策的持续支持，医疗AI将在更多领域得到应用，成为医疗服务的重要组成部分。