人工智能在医疗方面的应用

1、人工智能在医疗方面的应用目录concents01AI+医疗概述P1002AI+医学影像P2003AI带来的变革P3004火热AI冷思考P40人工智能概述01现代人工智能（Artificial Intelligence，AI）是利用大数据、深度学习算法、云计算等技术进行类脑智能的研究，让机器解决人脑所能解决的问题。算法：机器学习、深度学习、神经网络等算力：指并行计算、超级计算、云计算等；大数据：通过物联网、互联网技术和传感器、智能手机等终端设备所获取的数据核心算法算力大数据人工智能基本概念人工智能发展历程1950年1956年1973年1980年1987年马文明斯基等人发明世界上第一台神经网络计算

2、机；“计算机之父”阿兰图灵提出了“图灵测试”计算机专家约翰麦卡锡提出“人工智能”一词。这被看做人工智能正式诞生的标志由于计算机性能的瓶颈、数据量严重缺失等技术问题导致人工智能遭遇到了6年左右的低谷卡内基梅隆大学设计的名为“专家系统”的人工智能程序被诸多公司采纳应用，迎来了人工智能的发展高峰苹果、IBM公司生产的台式机性能超过了通用计算机，“专家系统”风光不再，人工智能遭遇第二次低谷起源诞生低谷崛起低谷90年代至今随着神经网络技术的逐步发展，Hinton公司在神经网络的深度学习领域取得突破，人工智能进入大发展时期发展人工智能研究领域分类人工智能符号智能计算智能机器学习机器感知蚁群计算免疫计算计划

3、计算神经计算深度学习统计学习模式识别归纳学习图像识别自然语言处理语音识别计算机视觉知识工程符号学习不确定性推理自动推理图搜索备注 神经计算：是在细胞的水平上模拟脑结构和脑功能，关于人工神经系统或人工神经网络的原理、结构和功能的科学； 免疫计算：现代计算机科学的研究领域，其将医学免疫学中的免疫机理和模型广泛引入到计算机智能、网络科学、计算机控制与安全等研究与工程中； 深度学习：机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络，在计算系统中实现人工智能人工智能研究领域分层感知与分析理解与思考决策与交互金融、医疗、安防、交通、游戏等2.机器学习、深度学习1.硬件/计算力、大数据3.计

4、算机视觉4.语音工程5.自然语言处理6.规划决策系统7.大数据/统计分析图像理解图像识别视频识别语音识别语义理解语音合成语义理解机器翻译情感分析行业解决方案具体技术技术方向算法基础设施人工智能他国发展具体应用2011年国家机器人计划2013年5月白宫成立人工智能和机器学习委员会2016年10月美国提出国家人工智能研究和发展战略计划新机器人计划发展机器人技术推动工业生产力提高2015年1月美国日本2018年白宫召开人工智能峰会2019年美国总统签署“美国人工智能倡议”行政命令高级综合智能平台计划AI、大数据、物联网、网络安全、综合发展技术2016年初人工智能中心提出“超级智能社会”未来社会构想2

5、015年6月人工智能综合发展计划人工智能已上升为国家战略人工智能技术战略2017年初人工智能中国发展中国：人工智能已上升为国家战略2015年5月中国制造2025发布2016年3月国民经济发展第十三个五年计划纲要（草案）2015年7月国务院关于积极推进“互联网”行动的指导意见2016年5月“互联网”人工智能三年行动实行方案等等中国为AI产业的发展提供了有利的政策、舆论、金融、市场和人才供给等发展环境，可以说人工智能已上升为国家战略地位2017年7月新一代人工智能发展规划人工智能发展国内外综合对比人才投入中国人工智能人才总量居世界第二。截至2017年，中国的AI人才拥有量达到18232人，占世界总

6、量的8.9%，仅次于美国论文产出中国人工智能论文总量和高被引论文数量都是世界第一。中国在AI领域论文的全球占比从1997年4.26%增长至2017年的27.68%，遥遥领先其他国家企业规模中国人工智能企业数量为全球第二。截至2018年6月，全球共有AI企业总数达4925家，其中美国2028家，全球第一。中国（不含港澳台地区）AI企业总数1011家风险投资中国已成为全球人工智能投融资规模最大的国家。2017年全球AI投融资总规模达395亿美元，融资事件1208笔，其中中国的投融资总额达到277.1亿美元，融资事件369笔。融资总额占全球融资总额的70%，融资笔数达31%。综合对比我们从人才投入、

7、论文产出、企业规模、风险投资等四个主要方面综合比较国内外人工智能发展状况，进一步描绘中国人工智能面貌人工智能发展国内外综合对比中美综合对比举例中国深度学习开源平台云平台语音平台图像平台百度PaddlePaddle天智、天算、天工、天像百度大脑、DuerOS度秘百度大脑阿里巴巴-DTPAI、阿里云阿里云-科大讯飞-讯飞开放平台(语音识别)讯飞开放平台(人脸、文字识别)FACE+-旷视美国深度学习开源平台云平台语音平台图像平台谷歌TensorFlowGoogle CloudGoogle AsssistantCloudVisionAPI亚马逊MXNETAWSAlexaRekognitionIBMSy

8、stemMLBluemixWaston(Speech to Text)Waston(Visual Recognition)微软CNTKAzureCortanaAuzre(Face API)FacebookTorch、Caffe2、Bigsur-DeepTextDeepMask、SharpMask表二：MIT科技评论-算法表一：人工智能平台表一：美国的人工智能平台更为成熟，种类更丰富、产品渗透率更高，布局更广，领先于中国。表二：美国在MIT（麻省理工科技评论）榜单上总体领先，中国在算法上取得一些突破，如2016年和2017年，已有百度、阿里巴巴、中科院、科大讯飞上榜。榜单提及企业榜单提及企业每年

9、评选十大突破科技2017年上榜技术强化学习2016年上榜技术语音接口百度阿里巴巴中科院科大讯飞百度DeepMindMobileeyeOpenAIGoogleUberAppleNuanceGoogleFacebook人工智能发展国内外综合对比中美综合对比结论美国1.上游产业成熟2.AI起步早、发展快3.已在算法、芯片和数据等产业核心领域，积累强大的技术创新优势4.产业布局完整，实力强劲中国1.上游产业相对落后2.AI起步晚 、发展迅猛3.相关数据量巨大，优势明显4.未掌握芯片的核心技术，硬件开发难度较大5.核心算法基础薄弱数据数据总量数据开放度应用市场规模市场增速政策国家级战略重点领域政策科研投

10、入科研经费投入研发投入比例2018中国人工智能产业生态图谱底层硬件通用AI技术及平台应用领域2018中国人工智能产业生态图谱应用领域智能家居服务机器人移动设备/UAV智能驾驶专业行业应用百度小米搜狗360思必驰云和声机智云出门问问等等京东360优必选Geek云和声CANBOTRokidGoertek+等等阿里云百度小米搜狗360旷视科技大疆创新亿航等等阿里云百度小米搜狗360旷视科技大疆创新亿航等等金融：商涵、依图、megvii等教育：科大讯飞、高木等医疗：腾讯觅影、推想等安防：商涵、依图、megvii等法律、招聘、娱乐等行业通用AI技术及平台计算机视智能语音自然语言处理机器学习/知识图谱云平

11、台/OS/大数据腾讯优图阿里云图普科技megvii极限元ViscoveryYi+等等搜狗百度科大讯飞阿里云腾讯云云和声思必驰等等搜狗百度阿里云腾讯云智言科技小i机器人图灵机器人等等阿里云百度搜狗腾讯云iPIN 4Paradigm等等阿里云百度云腾讯云华为机智云ROS国双Gridsum等等底层硬件AI芯片/视觉传感器国内：华为、西井科技、寒武纪、深鉴科技、智波科技、华捷艾米、速感科技等等国外：谷歌、英特尔、英伟达、IBM、AMD、微软等2018中国AI医疗产业生态图谱上图指出：国内约有83 家人工智能医疗领域企业，其中涉足医学影像类的企业数量达40 家，远高于其他应用场景。因此医学影像已经成为人

12、工智能在医疗应用最热门的领域之一国内医疗人工智能企业图谱医学影像虚拟助手健康管理新药发现疾病诊断与预测病历/文献分析智能化机械医院管理医疗大数据推想万里云医诺DeepCare深睿汇医慧影等等科大讯飞中科汇能云和声等等华大基因点内DNA万里云数联医信等等妈妈帮医随访哪吒宝贝等河谷互动帕众数据森亿智能等等晶泰科技百世伽科技云听HUGER等AI医疗基本概念什么是AI医疗？AI医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。AI医疗应用价值及趋势影像产品落地速度会加快，产品性能

13、成熟度不断提高语音电子病历医院普及率加快，可形成规模效应智能问诊随着知识图谱的不断完善，预问诊功能可以有效提升医生效率AI在健康管理场和慢病管理会进一步提高，最快成熟的领域AI在精神心理健康的的渗透程度会更深，未来可能成为这一领域的核心推动力AI医疗金字塔基础层：通过软/硬件等基础设施，收集用户、药物及病理数据，并使数据互通互联，为AI的应用提供基础支持 技术层：通过语音/语义识别、计算机视觉等技术,对非结构化数据进行分析和提炼,“学习”数据文本,掌握问答、判断、 预警、实施等能力应用层：是指人工智能与不同细分领域的结合，以解决医疗行业中的某种业务需求，如智能诊断、智能健管理等场景AI医疗应用

14、层技术层基础设施层虚拟助手病理诊断医疗搜索药物研发医学影像医用机器人智能健康管理人机交互语音/语义识别计算机视觉深度学习医疗大数据院内系统智能医疗设备电子病历AI芯片医药数据库AI医疗应用场景与技术路线下图呈现的是人工智能技术在医疗领域的主流应用场景与技术路线，能够对全球医疗人工智能的格局有清晰的了解治疗诊断医疗流程辅助健康管理药物研发医学科研平台图像识别语音交互语音转写自然语言处理数据挖掘认知计算智能问诊靶点筛选寻找适应症医学临床研究相似案例搜索病例结构化智能放疗系统语音电子病历智能影像辅助诊断细胞病理诊断健康虚拟助理导诊机器人营养学：食物识别辅助诊疗系统AI医疗应用领域从全球创业公司实践的

15、情况来看，智能医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康等等，目前AI技术在医疗领域的应用主要集中于以下五个领域：医疗机器人医学影像与诊断智能诊疗其他等等其他等等智能药物研发智能健康管理具体应用AI医疗具体实例IBMWatson目前最成熟的案例，可以在17秒内阅读3469本医学专著、248000篇论文、69种治疗方案、61540次试验数据、106000份临床报告。目前Watson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。Watson实质是融合了自然语言处理、认知技术、自动推理、机器学习、信息检索等技术，

16、并给予假设认知和大规模的证据搜集、分析、评价的人工智能系统。将AI技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。智能诊疗具体应用AI医疗具体实例1.智能外骨骼俄罗斯ExoAtlet公司生产的“智能外骨骼”ExoAtlet和ExoAtletPro。ExoAtlet适用于下半身瘫痪的患者，只要上肢功能基本完整，它能帮助患者完成基本的行走、爬楼梯及一些特殊的训练动作。ExoAtletPro包括了更多功能如测量脉搏、电刺激、设定既定的行走模式等2.达芬奇手术系统医生通过远程操控终端操作机械手臂实施手术。同时可以实时监控整个手术过程。目前全

17、世界共装配了3000多台达芬奇机器人，完成了300万例手术目前实践中的医疗机器人主要有两种：一是能够读取人体神经信号的可穿戴型机器人，二是能够承担手术或医疗保健功能的机器人医疗机器人具体应用AI医疗具体实例将深度学习技术应用于药物研究，通过大数据分析快速、准确地挖掘和筛选出合适的化合物或生物，达到新药研发周期缩短、降低成本、提高成功率的目的。智能药物研发1.埃博拉病毒候选药美国硅谷公司Atomwise通过IBM超级计算机，在分子结构数据库中筛选治疗方法，评估出820万种药物研发的候选化合物。2015年，Atomwise基于现有的候选药物，应用人工智能算法，在不到一天时间内就成功地寻找出能控制埃

18、博拉病毒的两种候选药物。2.美国Berg生物医药公司通过研究生物数据研发新型药物通过其开发的InterrogativeBiology人工智能平台，研究人体健康组织，探究人体分子和细胞自身防御组织以及发病原理机制。利用人工智能和大数据来推算人体自身分子潜在的药物化合物要比研究新药的时间成本与资金少一半。具体应用AI医疗具体实例智能健康管理智能健康管理是将人工智能技术应用到健康管理的具体场景中。目前主要集中在健康干预以及基于精准医学的健康管理等。3.虚拟护士NextIT开发的一款APP慢性病患者虚拟助理(AlmeHealthCoach)，专为特定疾病、药物和治疗设计配置。主要服务于患有慢性疾病的病

19、人，其基于可穿戴设备、智能手机、电子病历等多渠道数据的整合，综合评估病人的病情，提供个性化健康管理方案。1.可穿戴心电仪硅谷初创公司AliveCor推出了一款与苹果手表兼容的腕带，该腕带可以检测出心房颤动，人们可以通过此腕带持续监测自己的心脏健康2.精神管理Ginger.IO和MobileTherapy公司通过挖掘用户智能手机数据来发现用户精神健康的微弱波动；Affectiva公司开发的情绪识别技术，通过网络摄像头来捕捉记录人们的表情，并能分析判断出人的情绪是喜悦，厌恶还是困惑等AI+医学影像02AI+医学影像基本概况国家规划：在促进新一代人工智能产业发展三年行动计划（2018-2020年）中

20、具体明确发展医疗影像辅助诊断系统1.支持脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的医学影像辅助诊断技术研发2.加快医疗影像辅助诊断系统的产品化及临床辅助应用3.推动医学影像数据采集标准化与规范化4.到2020年，国内先进的多模态医学影像辅助诊断系统对以上典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5% 5.支持建设高质量AI训 练资源库、标准测试数据集推动共享。新一代人工智能发展规划针对“AI+医学影像”行业的具体扶植政策也有望快速出台政策方面AI+医学影像基本概况图1表明：AI+医疗影像在医疗领域成熟度最高，在曲线上处于高期望的峰值位置图1：人工智能+ 医疗技术成熟度分布市

21、场方面横轴：产品所处的发展时期纵轴：期望值高低备注：成熟时间是指产品技术从初始化到成熟所需要的时间AI+医学影像基本概况技术方面近年来，科技巨头通过云服务或者开源的方式向行业输出技术，开源了大量深度学习的工具包，这些开源包大幅降低了应用深度学习算法的难度。如：1.大量深度学习平台和框架的开源降低技术门槛输入输入人工特征提取基本特征提取多层复杂特征提取权重学习权重学习预测结果预测结果传统机器学习算法深度学习算法深度学习输入层第二段的输入层=第一层的隐层第三段的输入层=第二层的隐层第四段的输入层=第三层的隐层抽象上升，形成高层特征量深度学习以数据为基础，由计算机通过深度学习从医学影像中提取基本特征

22、和复杂程度极高的对比特征，运用图像分类与识别技术对疾病进行自动分类。深度学习是人工智能技术的历史性突破Facebook -TorchNetMicrosoft-CNTK Google -TensorFlowAI+医学影像基本概况技术方面2.AI芯片性能强大、能同时支持大量复杂运算，并且向高性能、低功耗的方向发展英伟达GPU谷歌二代TPUIBM类脑芯片“真北”（TrueNorth）当前人工智能芯片的技术路径主要有四种类型实例2016 年谷歌发布的第一代 TPU 芯片（全定制化芯片），例如打败李世石的 AlphaGo 中就使用这款芯片，此款芯片主攻运算性能。我院GE REvolution CT重建计

23、算机中所用的AMD GPU阵列及型号。备注 GPU:图形处理器；FPGA:可编程门阵列类别通用芯片（GPU）半定制化芯片（FPGA）全定制化芯片（ASIC）类脑芯片特点具备通用性新能高功耗高可编程功耗和通用性一般可定制性能稳定功耗可控功耗低响应速度块处于早期阶段适用单指令、多数据处理，采用数量众多的计算单元和超长的流水线多指令，单数据流的分析实现特定要求而定制的专用AI芯片模拟人脑的新型芯片编程架构，可模拟人脑功能进行感知、行为和思考代表公司英伟达AMD英特尔深鉴科技谷歌地平线寒武纪IBM西井科技AI+医学影像基本概念01图像识别 利用图像识别技术对患者的影像进行识别，标注病灶关键信息，给出初

24、步诊断结果，提高影像医生诊断效率02深度学习 应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。AI+医学影像是将人工智能技术应用在医学影像的诊断上。它的应用主要分为两部分：AI+医学影像应用场景在AI+医学影像应用场景下，主要运用计算机视觉技术解决以下三种需求病灶识别与标注：主要针对医学影像进行图像分割、特征提取、定量分析、对比等工作靶区自动勾画与自适应放疗：主要针对肿瘤放疗环节的影像进行处理影像三维重建：主要针对手术环节的应用AI+医学影像一般原理步骤诊断效果举例CT胸部CT检查，对结节和肺癌的判断，人工智能比放射科医生的准确性高X光

25、人工智能检测到X光片中极其细微的骨折技术原理阶段一阶段二图像识别图像预处理图像分割匹配判断特征提取深度学习患者病例库（数百万案例）其他医疗数据库提供判断AI+医学影像一般原理步骤这里我们以利用人工智能技术进行肺部肿瘤良性恶性判断进行举例说明，步骤主要有6步 1.数据收集 3.图像分割5.模型训练2.数据预处理4.肺结节标记6.分类预测获取放射设备如DR、 CT 扫描的序列影像对图像进行预处理（如滤波、降噪等）以消除原图像中的边界噪声、干扰等利用分割算法生成肺部区域图像对肺结节区域进行标记对获取的数据进行深度神经网络DNN、3D 卷积神经网络等模型进行训练最终实现在肺部影像中寻找结节位置并对结节

26、性质进行分类判断医学影像数据采集定量特征提取人工智能模型训练临床辅助决策一般步骤概括AI+医学影像应用实例推想肺结节自动筛查辅助诊断系统 人工阅片机器+人工工作强度高，长时间疲劳工作：平均100-150例/天，病情复杂时超过200张/例，平均阅片每例5min观察粗略，细小病灶易漏诊：受限于时间，普遍观察厚层图像，细节信息丢失造成小结节等漏诊系统检测+人工核对，避免疲劳、疏忽造成的漏诊、误诊系统快速稳定处理高精度影象，有效降低漏检率，提升工作效率VS我院试用临床反应的阅片使用效果对比2 0 , 0 0 0 + 每日辅助诊断病例 2 , 5 1 0 , 0 0 0 + 累计辅助诊断病人数 2 5

27、0 + 全球合作医院4 3 + 全球覆盖省份/直辖市预测磨玻璃密度影和易漏小结节方面表现高度敏感，自动识别并标记实性、钙化、部分实性、磨玻璃等多种结节病灶，提供全面准确的信息，包括数量、位置、大小、密度、性质等。自动筛查应用界面AI+医学影像应用实例科大讯飞人工智能医学影像辅助诊断系统 自2016年6月以来，该系统通过学习68万张肺部CT影像资料，已在某省立医院CT室辅助医生诊断了约11000人次的CT影像资料，诊断准确率达94%。准确率刷新了医学影像国际权威评测LUNA的世界记录，成为全球第一名94.1科大讯飞人工智能医学影像辅助诊断系统结构示意图AI+医学影像应用实例腾讯觅影-AI医学影像

28、 是腾讯首款AI与医学结合的AI医学影像产品 ，运用计算机视觉和深度学习技术对各类医学影像（内窥镜、病理、钼靶、超声、CT、MRI等）进行学习训练 ，有效辅助医生诊断和重大疾病早期筛查等任务肺结节筛查据测算，其对早期肺癌的敏感度（识别正确率）达到85%以上，对良性肺结节的特异性（识别正确率）超过84%，对于直径大于3mm小于10mm的微小结节检出率超过95%，可帮助放射医生大幅提升肺部CT的早癌筛查能力。食管癌筛查对食管癌进行早期筛查，准确率高达90%，帮助患者更早发现病灶。汇医慧影公司收集了数百万级别的医学影像，通过建立人体器官模型及深度神经网络，实现病灶的高识别度。例如Dr.Turing

29、AI-肺癌筛查，利用深度卷积神经网络，进行病灶区域自动识别并勾画，帮助医生进行肺癌初步筛查和复盘筛查，降低误诊和漏诊率。 肺小结节检出大小可精准至：3mm 检出率：95% 敏感性：95% 特异度：90%AI+医学影像应用实例汇医慧影AI影像平台Dr. Turing AI - 肺癌筛查 人工智能影像平台构建了影像智能筛查系统、防漏诊系统，在肿瘤、心血管等单病种领域开发人工智能辅助诊疗系统AI+医学影像应用实例EnvoyAI搭建了一个云端的AI运行平台，建立了医学影像AI大市场。医学影像AI集成平台领域EnvoyAI公司医学影像AI市场的先行者 Be Better，Faster&Smarter !

30、 !01.平台集成超过50个第三方AI，列出了每个AI的供应商、图像类型、应用领域，以及是否获得了FDA的批准等信息。02.提供各类Viewer（读片软件）、Report（阅片报告）工具，医生在阅片、写报告环节无缝引入AI， 使用AI提供的各类辅助服务03.提供双模式数据管理支持，数据可以在医院内部，也可以放在云端。超过50个第三方AI！AI带来的变革03AI+医学影像解决行业痛点在医学影像领域，中美均有利用AI的巨大空间但侧重点不尽相同结论美国医学影像需求的增长远超放射科医生数量的增长，借助人工智能可弥补此缺口中国面临类似情况，但缺口略小于美国，但是中国的特殊国情也使得基于AI的跨平台的影像

31、云有较大的市场需求中国美国表一 医学影像数据年增长率（单位：%）63.1304.12.2表二 放射科医生数量年增长率（单位：%）中国美国表一、表二说明：1.中美两国医学影像数据均保持高速增长 2.两国放射科医生数量增长速率远不及影像数据的增长速率误诊人数医学胶片1200万/年5700万/年电子胶片传统胶片向电子胶片过渡表三 其他方面对比表三补充说明：1.两国被误诊人数庞大，在中国主要发生在基层2.与美国相比中国的传统胶片市场规模约为300亿元/年AI+医学影像-AI阅片的优势人工阅片AI阅片阅片方式医生逐张看，凭经验进行判断机器完成初步筛选、判断，交由医生完成最后判断约片时间长，医生查看一套P

32、ET影像需10min以上短，快速完成初筛准确率个体差异较大，阅片能够依靠个人经验，且长时间阅片易疲劳影响准确率一张图片医生会根据经验挑重点区域观察，而机器可以完整地观察整张切片客观性主观性无法避免较为客观记忆力知识遗忘无遗忘建模条件较少信息输入即可快速建模建模需要更多的信息输入信息利用度低高重复性低高定量分析难度低高经验传承困难传承高成本耗时，成本高成本低AI阅片与人工阅片综合比较优势明显大幅减少读片时间，降低误诊率，提高诊疗水平有效减少诊疗时间，享受大型三甲医院的高水平医疗提高医院的核心业务能力，推进医院之间的数据共享 医生方面 患者方面 医院方面图像识别是深度学习等 AI 技术进步最快的领

33、域之一，卷积神经网络（CNN）以及深度神经网络（DNN）等深度学习算法利用数据量以及计算量作为模型驱动力，通过感受野和权值共享减少了神经网络需要训练的参数个数，最终实现了超越传统方法的图像识别性能。传统算法混合算法深度学习算法优化：深度学习：神经网络模型化降低维度特征构建参数求导数据库对比识别如2015年ResNet算法识别错误率已经降低至3.57%,低于人眼5.1%的识别错误率AI+医学影像算法得到优化AI+医学影像数据成核心2013年全球医疗数据达153EB全球医疗数据（EB）2013年以来全球医疗数据年增长率达+48%美国的医学影像数据年增长率达到了63.1%，我国正以30%的年增长率逐

34、年增长系统的深度学习能力提升需要经过相当数量和质量的数据训练获取相当数量的高质量数据成为AI医学影像领域核心竞争力。AI+医学影像数据成核心影像数据的质量是人工智能计算和学习能力的保障深度学习算法的泛化能力大小很大程度取决于数据训练的量级不断丰富病种多样性和扩大影像数据规模，可优化AI影像诊断的准确度影像数据的获取能力与标注能力已经成为AI医学影像的核心竞争力之一医疗大数据爆炸！40AI+医学影像产品涉及领域变多团队时间内容AI准确率人工准确率谷歌领导2016年12月糖尿病视网膜病变诊断与眼科医生一致-斯坦福研究团队2017年1月25日皮肤癌诊断至少91%至少91%上海交通大

35、学、浙江大学联合科研团队2017年8月核磁共振影像的直肠癌识别准确率和速度23秒完成300张影像的病灶勾画，准确率达95.22%5分钟完成149张影像图勾画，准确率为93%香港中文大学工程学院研究团队2017年9月6日肺癌、乳腺癌影像识别、诊断肺癌识别准确率达91%， 乳腺癌识别准确率达99%-科大讯飞2017年8月17日肺结节智能诊断准确率达94.1%-卫宁健康2017年8月24日骨龄检测掌指骨、腕骨、尺骨和桡骨定位准确率达98%，骨龄平均绝对误差仅0.4岁-北京大学第一医院2017年5月前列腺癌诊断超过90%-丁香园、大拿科技、湘雅二院2017年5月19日红斑狼疮诊断超过85%-谷歌、谷歌

36、大脑、Verily公司2017年3月乳腺癌诊断达88.5%-AI+医学影像领域不断实现突破 AI医学影像不断实现突破举例2017.072016.112016.06 对乳腺癌病理图片中癌细胞的识别准确率能达到92%，与病理学家的分析结合在一起，诊断准确率可高达99.5% 贝斯以色列女执事医学中心与哈佛医学院阿里健康Deepcare “Doctor You”AI诊断产品，识别肺结节准确率高达90%以上，节省了约5-6倍的诊断时间 利用自行开法的基于深度学习的智能算法模型对疾病进行诊断，准确率达到了92.5% 通过数万张图片训练，实现AI在脑瘤手术中的快速诊断，在病变样本中区分胶质瘤和非胶质瘤的准确

37、率达90%2017.02Nature杂志论文AI+医学影像产品涉及领域变多AI+医学影像成投资新热点6.650116406239.21529.71842.13国内医疗人工智能历年融资情况（百万元人民币）61832190.383.4510.8726.2融资数量融资额（亿元）AI医疗领域的投、融资数量逐年增加，有巨大的市场需求中国已成为全球人工智能投、融资规模巨大的国家 如左图所示所得结论2015年至今AI+医学影像融资额逐年增加，融资数量2017年最多。AI+医学影像成投资新热点 AI医学影像国内外公司投资举例主营业务是为医疗机构提供更精准的3D心血管影像，并提供量化分析，与GE合作催生了颠覆现

38、有心脏MRI的4D Flow2016年获得融资1200万美元Arterys公司医渡云雅森科技推想科技成立时间2006年，最近融资3000万元基于PET/SPECT/fMRI/US等医疗影像定量分析，用数学模型和人工智能技术，提高诊断精确性。拥有医疗大数据平台，对医疗数据进行集成、挖掘、利用，辅助开展新型临床、科研、医院管理等服务成立时间2013年，最近融资2亿元成立时间2016年，最近融资1100万元用深度学习技术分析和识别医疗影像上的病变，推荐治疗方案，协助医生诊断，目前主要用于胸肺疾病的诊断。火热AI冷思考04数据从哪来：美国要求医疗信息的商业化应用必须严格符合HIPAA和HITECH两个

39、法案规定AI+医学影像数据的量和质有待增高数据来源如美国联邦政府在D 数据平台开放了来自多个领域的13 万个数据集的数据，包含了医疗领域。 国家/政府的公共数据人工智能创业公司通过与行业公司、产业链上游的数据公司建立合作获取脱敏数据，比如和医院建立合作关系 产业合作获得脱敏数据1例如IBM Watson一开始就是通过和纪念斯隆凯特琳癌症中心合作获取病历、文献等数据。中国目前在此领域政策上态度不明确，专家指出先想好如何利用数据，后续才会有法律出台AI+医学影像数据的量和质有待增高困境与挑战集中在少数三甲医院，保守，不互通，缺乏有效的共享机制，数据格式没有以正确的标准化的形式记录，对数据质量造成较大影响。 高质量数据获取难度大数据处理中80%的时间是在做预处理工作，标注的准确性关乎结果的准确性，训练用的每张图片都需要经过专业人员标注，需耗费大量的精力 数据标注成本高2影像数据的获取能力与标注能力已经成为AI医学影像公司的核心竞争力之一。数据获取与标记：医学影像行业在高质量数据获取和标注上有着较大挑战AI+医学影像数据的量和质有待增高中国医学影像数据总量巨大，利用效率较低，缺乏统一标准和跨平台分享的生态环境，大多数都是数据孤岛，利用率和利用价值不高。数据量大数据产生量快、处理快数据种类多数